基于视频的夜间车流量统计

根据夜间光照不充足的情况提出了一种有效的车流量统计算法。首先应用阈值化,分离出前景和背景,通过形态学腐蚀去除一些孤立的点以及特小区域,寻找联通区域丢弃小于设定范围的较小区域,利用形态学膨胀连接被分离的车头灯投射的光束;其次计算并判断连通区域的面积和范围,准确地提取出车灯对并且将其配对;最后通过比较前后两帧车头灯对的位置和面积对其进行跟踪,统计其车流量。实验表明,该算法复杂度较低,在良好环境下检测率可以达到97%以上。     

一种新颖的基于轨迹分析和类型识别的车流量统计方法

通过现有车流量统计方法的分析,提出一种新颖的基于轨迹分析和车辆识别的车流量统计方法。该方法首先从视频中提取运动目标,并对运动目标的轨迹进行保存,然后利用支持向量机对车辆轨迹和目标进行学习,最后利用得到的分类器来统计真实轨迹和真实车辆的数量。实验结果表明,该方法在全天候环境下仍然能够保持较高的准确率和更好的鲁棒性。     

公路视频实时车辆检测分类与车流量统计算法

公路视频实时车辆检测分类与车流量统计是计算机视觉领域的一个经典问题。传统设置检测带法,易漏检复检,自动化性不好。基于深度网络的one-stage算法实时性好,但是经常会把变化的背景、运动的非车辆物体纳入其中,同时对光照变化敏感,夜间分类效果不好。因此,提出采用one-stage做目标检测,并不直接获取分类结果,而是根据标注框将物体切割出来,去除背景,提升抗背景扰动性能和分类效果;再送入一个经过迁移学习的浅层神经网络;将分类输出和目标检测网络的位置输出合并送入一个全图匹配算法,进行车流量统计。该方法在保障实时性的同时降低了漏检和复检率。     

改进YOLOv5s+DeepSORT的监控视频车流量统计

针对监控视频中车流量统计准确率低的问题,提出一种改进YOLOv5s检测结合Deep SORT跟踪的车流量统计方法.为了提升检测器识别效果,将注意力模块CBAM与YOLOv5s网络的Neck部分融合,提高网络的特征提取能力;将CIoU Loss代替GIoU Loss作为目标边界框回归损失函数,加快边界框回归速率的同时提高...     

基于视频的车流量统计算法

基于虚拟检测线的车辆计数算法不可避免地会出现漏检和误检问题.针对这一问题,提取并结合了两种图像信息：目标与检测线相对位置信息和检测线像素值变化信息,提出了一种车流量分割计数方法用于提高准确率.首先确定车辆和检测线的相对位置,然后结合检测线上图像像素特征的变化规律对车辆进行分割计数.开发了一个测试系统验证本算法的实际效果,对多种不同场景下采集的视频进行了测试和结果分析.实验结果表明,在白天情况下,本算法在实时性和准确性方面都达到了理想的效果,各车道的准确率均在95%以上;但在条件恶劣的夜间场景下,准确率略有下降,需在下一步工作中做深入研究.     

一种基于无人机视频影像的车流量统计算法

针对城市智能交通管理系统中车流量统计出现的漏检误检问题,提出一种基于无人机(unmanned aerial vehicle,UAV)视频影像的车流量统计双虚拟检测线算法。算法利用数字图像处理技术和计算机视觉对视频流进行处理,首先对无人机获取的视频影像采用均值滤波进行去噪处理,利用改进的多帧平均方法提取出初始背景,通过背景差分法检测出运动目标,然后使用混合高斯背景模型进行背景更新,设置双虚拟检测线并计算二值图像上位于双虚拟线内的连通区域面积、长宽比,统计出实时的车流量。实例验证结果表明,该方法的准确率在非高峰期达到92.94%,高峰期达到91.62%,为城市智能交通管理提供了可靠的数据支持。     

基于视频的车流量检测算法

实现了一种基于虚拟检测线的道路车流量检测算法.利用高斯混合背景模型进行背景建模,检测出包含运动目标的图像块,系统根据超过检测线的连通区域图像面积占整个连通区域面积的比值来判断是否有车辆经过,进而实现车流量统计.     

无线传感器网络车流量统计的路由协议

提出了一种应用于交通管理中心统计道路车流量的路由协议,以便更好地进行交通管理。根据无线传感器网络能量有限的特点和具体应用的需求,在路由表中添加了车辆在检测区域内的有效时间,动态控制了中间节点是否转发信息,避免了基站接收无用信息,减少了节点的能量消耗。提出了一种节点唤醒策略,有效地提高了车流量统计应用中对目标追踪的质量。仿真实验表明:与AODV协议和TSR协议相比,延长了网络生存周期。     

交叉口入口路段车流量及车辆换道率检测研究

针对交叉口入口路段交通视频中存在车辆遮挡严重、频繁走停以及频繁换道插队等特点,提出了一种获取交叉口停车线后大视野范围内车流量以及车辆换道率的检测方法.首先采用多级虚拟特征线生成多级时空图,对车辆进行快速检测和分割,获得车辆候选区域;然后对车辆候选区域内局部特征点进行初步分组和跟踪,并根据相同组内特征点运动趋势相似性来修正分组,解决车辆遮挡问题,用于检测车辆换道率;最后将多级时空图与特征点跟踪相结合,进行相互反馈,实现对车辆准确分割和鲁棒跟踪,避免车辆行驶中走停的影响.实验结果表明,通过该方法能实时准确地获取大视野范围内交叉口入口路段车流量和车辆换道率的交通参数.     

一种基于信息熵的多分类器动态组合方法

为提高数据分类的性能,提出了一种基于信息熵[1]的多分类器动态组合方法（EMDA）。此方法在多个UCI标准数据集上进行了测试,并与由集成学习算法—AdaBoost,训练出的各个基分类器的分类效果进行比较,证明了该算法的有效性。     

基于多目标跟踪的车流量统计算法研究

作为智能交通系统的重要数据来源,实时准确的车流量数据统计一直以来都是一个重要的课题。大多数现有的基于视频的车流量统计算法在复杂光照条件下,算法准确率难以保证。以道路监控视频为数据,选择了多目标跟踪作为问题的解决思路,以DeepSORT算法思路为基础,并进一步改进,平衡了检测精度与速度,针对交通监控视频实现了对车流量的准确计数。实验表明该方案在各类光照条件下均有相对良好的统计准确率。     

基于视频检测技术的交通车流量研究

研究在复杂的交通十字路口环境下完成交通车流量的获取,首先对视频图像提取背景模型,进而通过图像差分获得前景图像（即运动目标）,并进行图像二值化以及去噪等图像预处理过程,而后通过设置虚拟检测区域实现对该检测区域内的车辆计数,最终得到车流量信息。     

一种基于排序QR分解和Adaboost分类器的盲水印算法

本文提出了一种基于顺序QR分解和Adaboost分类器的智能水印算法。对顺序QR分解并提取R矩阵的对角线元素来构造样本特征向量并嵌入水印。在水印提取过程中,利用Adaboost分类器对待检测的样本向量进行分类。实验结果表明,本文提出的方法不仅能够抵抗诸如噪声、滤波和压缩的类噪声攻击,也可以抵抗类似裁剪和旋转的几何失真。     

集成学习的多分类器动态组合方法

为了提高数据的分类性能,提出一种集成学习的多分类器动态组合方法(DEA)。该方法在多个UCI标准数据集上进行测试,并与文中使用的基于Adaboost算法训练出的各个成员分类器的分类效果进行比较,证明了DEA的有效性。     

多车道的车流量统计

针对视频车流量检测容易受光线变化以及相邻车辆阴影影响的问题,提出一种基于车辆图像能量差分的车流量检测方法.该方法利用车辆视频图像的能量信息作为车辆的检测特征,辨别检测区域各部分状态,减弱光照、阴影等的影响;并且通过实时自动提取和更新背景能量图的方式来检测车流量.实验表明,与传统的背景帧差法相比较,该方法受光照变化、车辆阴影的影响较小,实时性好、准确度高.     

基于视频的车流量检测建模与分析

交通流量信息是智能交通控制中的关键成分。论文在对视频图像进行灰度处理、频域滤波和均衡化的基础上,结合直方图分析、背景差分、动态阈值二值化处理等图像分析过程,提出了双虚拟线平均法检测多车道车流量,并完成参数灵敏度检验。针对初识背景提取时间过长的问题,加入了跳帧法和像素块法,以提高系统效率。考虑到背景的时变性,采用选择更新法进行周期更新。实际结果表明,该方法兼顾了智能交通系统的环境适应性、检测实时性和统计精确性等要求,四个车道车流量统计的准确率均大于90％。     

融合SIFT和级联分类器的特种车辆自动检测识别

针对特定场景中特种车辆因多环境影响因素下数据不均衡、检测精度和识别准确率低的问题,提出一种融合尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)和级联分类器的特种车辆自动检测及识别预测方法。首先,图像预处理后运用SIFT特征提取图像主体区域特征点及特征描述子;其次,结合SIFT特征点的密度调整优化算法实现目标车辆检测;最后,运用KMeans聚类算法获得目标检测框中SIFT特征描述子的中心聚类点,生成表征目标主体图像的128维特征描述子,并最终输入RF-RBF(Random Forest-Radial Basis Function)级联分类器进行学习并识别预测。该文均采用K折交叉验证方法保证模型的稳定性和可靠性。实验结果表明,在特定场景下特种车辆目标检测获得了75.47%平均交并比,级联分类器在特种车辆识别的综合准确率、精确率、召回率、F1-Score值以及FPS值分别为87.35%、88.17%、97.27%、92.38%以及21。进一步验证融合SIFT和级联分类器模型具有较好的自动化检测准确性和识别分类能力。     

基于深度学习的无人机航拍车流量监测

随着智慧城市概念的普及,交通道路智能化管理已成为学者关注的热点.针对道路的车流量统计问题,文中基于深度学习方法,提出了基于残差网络的无人机航拍车流量监测算法,该算法引入了全连接的多尺度残差学习分块(FMRB),在解决梯度弥散现象的同时使得图像特征能够被更好地提取和学习.现有的车辆检测算法准确率较低,且大多数仅能对车辆进...