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.     

基于背景模型的运动目标检测与跟踪

运动目标检测与跟踪是判断视频序列中是否存在运动目标及监控运动目标时空变化和运动轨迹.基于背景模型的运动目标检测与跟踪是有效的手段,设定阈值对当前帧图像与已有背景图像相减的差分图像进行检测跟踪操作.检测准确且速度快,阈值操作后直接给出运动目标的位置、大小、形状等信息.     

融合线性特征的局部纹理运动车辆阴影检测

提出了一种融合线性特征的局部纹理运动车辆阴影检测方法。首先基于连续帧视频图像信息建立初始背景模型;通过背景差法获取包含阴影的运动目标区域,同时依据该运动区域信息实时更新背景;结合亮度信息,利用改进局部二值模式的纹理算子描述运动区域纹理,并根据海明距离进行粗分类,快速检测出运动区域中的阴影覆盖区;进一步对阴影覆盖区域进行纹理信息的线性特性判断,排除车辆自阴影区域,获取背景阴影,得到真实车辆目标。实验结果表明,该方法提高了阴影和车辆自阴影的检测准确度,且速度快,可满足实时性要求。     

基于车载图像的目标车辆压线检测方法

车辆压线检测是智能交通系统的一个重要功能,为此提出一种基于车载图像的目标车辆压线检测方法.首先,利用合成数据方法构建一个类型丰富多样的压线检测数据集;然后,结合图像语义分割方法完成车辆检测和车道线检测并以分割图形式表示结果,再使用前后轮估计的方法获取车辆前后轮的位置;最后,通过车轮与车道线位置对比实现车辆压线判断.实验表明,结合图像语义分割模型后,所提方法的压线检测平均准确率达到88.7%,平均耗时35 ms,具备一定的实际应用价值.     

违章车辆快速检测方法研究——基于鲁棒颜色差分直方图

针对传统的智能交通系统中违章车辆检测方法实时性差、易受光照变化条件变化制约,影响后续辨别车辆违章和图像取证抓拍的问题,提出了一种基于颜色差分直方图和卡尔曼滤波的鲁棒、快速的违章车辆检测跟踪算法。该算法采用背景模糊匹配思想,选择初始背景图像;利用对环境变化鲁棒的颜色差分直方图算法检测运动目标;对运动目标团块的质心运动状态采用卡尔曼滤波进行跟踪预测,从而在预测的区域内检测同一目标团块;通过判断其质心运动轨迹,达到辨别违章车辆检测与抓拍的目的。通过对真实道路中不同天气条件下的场景进行检测,实验结果表明该算法能够快速而准确地检测违章车辆。     

考虑左转汇入的干线协调控制与速度引导优化

考虑到相交道路左转汇入车流对干线协调效率的影响, 本文以绿波带宽最大为目标提出了干线协调控制下直行车辆及左转汇入车辆的速度引导模型. 首先, 在干线绿波控制(Maxband)模型的基础上确定干线直行车辆的可通行时间, 引导干线直行车辆在绿波时间段内到达交叉口; 然后, 加入控制左转汇入车辆的通行时间方程, 引导左转汇入车辆在不影响干线协调控制的时间内通过交叉口, 与干线直行车辆实现时间上的分离; 最后, 基于VISSIM和MATLAB进行仿真实验, 结果表明本文提出的优化模型可以有效提高干线交叉口的通行效率.     

基于深度学习的智能停车场车位查询系统

本文基于深度学习目标检测算法设计并实现了一种实时的智能停车场车位信息查询系统.采用YOLO目标检测算法结合大量关于汽车以及车牌的图像数据对物体检测模型进行训练.利用该模型对停车场视频监控画面进行处理,根据模型处理的结果以及所设计的相关算法对车位进行判断,并且计算出被占用车位停车时长,识别出车辆的车牌信息.车位信息将以示意图的方式通过微信终端进行接收,使车主能够实时获取停车场车位信息.该系统能够准确地判断出停车场的车位信息,可为城市商业停车场管理方式提供参考.     

车辆视频检测及阴影去除

针对智能交通系统的车辆检测问题,提出了一种运动车辆检测及阴影去除的方法。采用基于背景差与帧间差的方法来检测运动视频中的车辆,对背景差和帧间差检测出的车辆进行或运算得到运动目标。再对检测出的运动目标进行形态学处理,并结合色彩及阴影统计信息建立阴影模型,去除阴影。实验结果表明,该方法能够快速、准确地在动态视频中分割出运动车辆和阴影。     

基于LSTM的道路拥堵分析模型研究

针对利用交通流量和平均车速等交通要素分析交通拥堵,无法实时分析出用户车辆当前所处道路拥堵的问题,提出一种基于LSTM网络的道路拥堵分析模型.首先采用车辆检测算法判断出当前用户视角中前方车辆位置,并利用位置信息估测车距;然后结合车距信息、车辆与车道位置关系,生成车距信息矩阵;最后通过训练好的神经网络分类模型,以车距信息矩阵为输入,输出该模型交通拥堵分析结果.实验结果表明,提出的道路拥堵分析模型测试平均准确率为88％,能够实时分析用户车辆当前所处道路拥堵情况.该模型实时性较高,检测成本较低,能够为实时操控车辆提供参考依据,具有一定的实际应用价值.     

基于多信息综合的运动车辆跟踪算法

综合车辆本身的区域和特征信息,提出了一种在交通场景中跟踪运动车辆的新方法。该方法主要解决运动目标在遮挡、粘连以及分裂情况下的跟踪问题。首先通过引入的预测机制建立序列图像间运动区域的关联,并根据区域关联的结果判断是否出现以上情况。针对车辆遮挡和粘连的问题,采用基于特征点跟踪的方法解决,先根据车辆区域信息对特征点进行初始化,然后在图像中预测位置的邻域内搜索匹配点从而实现特征点的跟踪和聚类。对于车辆分裂的情况,根据提出的规则对判定的区域进行融合后进行模板匹配从而解决分裂的问题。实验结果表明该方法具有较强的鲁棒性和较好的实时性。     

融合帧间差分与碰撞算法的快速跟踪预测算法

传统的运动目标跟踪预测算法难以保证机器人对高速运动目标的快速捕捉和提前预测,尤其是运动目标在滑行过程中发生碰撞改变了原有的运动方向,针对这一问题提出了基于帧间差分与碰撞算法相结合的运动目标跟踪预测算法.通过帧间差分法快速识别出平面内运动物体的具体位置和运动速度,根据其运动速度方向判别运动目标是否发生碰撞.当运动目标在运动过程中发生碰撞,采用LS-DYNA显示动力分析软件建立碰撞仿真模型,并用MATLAB拟合仿真数据得到碰撞算法,结合碰撞算法对运动目标的运动轨迹进行预测.结果表明以帧间差分和碰撞算法相结合的运动目标检测跟踪算法对于在平面内运动目标的跟踪预测方面速度更快,完全能够满足机器人对算法快速性的要求.     

基于机器视觉的高速公路车辆停车检测

为减少高速公路上车辆追尾等交通事故的发生,研究了基于机器视觉的车辆停车检测方法.检测系统采用当前帧和背景帧差分的方法实现了检测线圈范围内图像特征提取.分析了车辆从运动到静止的特征提取值图,并利用车辆存在阈值、车辆存在值、系统最小车辆存在值、系统不相似度阈值、系统相似度值、系统相似度最小值、车辆不存在值和系统最小车辆不存在值等参数实现了车辆停车检测.试验表明,该方法能够有效的将停靠在路面上的车辆检测出来.     

基于视频检测技术的交通事故仿真再现研究

本文实现了一种基于视频检测技术的交通事故仿真再现解决方案,该系统利用现有视频检测技术检测出交通事故中事故车辆的速度,加速度,运动轨迹等,并结合碰撞模型,得出事故车辆的运动规则,以此作为三维仿真的输入数据。利用3DMax开发事故中的物体模型,并通过Direct3D组件,应用视频检测得出的数据进行三维仿真模拟。     

公路汽车视觉导航中运动目标的检测与跟踪方法的研究

通过对室外行驶车辆上所采集的长序列图象的处理与分析,研究公路汽车计算机辅助礼堂导航中运动目标的检测与跟踪问题。算法的核心是根据图象中的水平、垂直边缘及目标尾部的局部对称性检测和图象中目标的存在,进而建立描述目标与摄象机之间的相对运动的状态模型和表示目标循征的透视投影模型,应用扩展的卡尔曼滤波器进行3维运动参数估计。     

高速公路场景的车路视觉协同行车安全预警算法

目的 基于视觉的车辆行驶安全性预警分析技术是目前车辆辅助驾驶的一个重要研究方向,对前方多车道快速行驶的车辆进行精准的跟踪定位并建立稳定可靠的安全距离预警模型是当前研究难点。为此,提出面向高速公路场景的车路视觉协同行车安全预警算法。方法 首先提出一种深度卷积神经网络SF＿YOLOv4(single feature you look only once v4)对前方车辆进行精准的检测跟踪;然后提出一种安全距离模型对车辆刹车距离进行计算,并根据单目视觉原理计算车辆间距离;最后提出多车道预警模型对自车行驶过程的安全性进行分析,并对司机给予相应安全提示。结果 实验结果表明,提出的SF＿YOLOv4算法对车辆检测的准确率为93.55%,检测速度(25帧/s)领先对比算法,有效降低了算法的时间和空间复杂度;提出的安全距离模型计算的不同类型车辆的刹车距离误差小于0.1 m,与交通法建议的距离相比,本文方法计算的安全距离精确度明显提升;提出的多车道安全预警模型与马自达6(ATENZA)自带的前方碰撞系统相比,能对相邻车道车辆进行预警,并提前0.7 s对前方变道车辆发出预警。结论 提出的多车道预警模型充分...     

基于HEVC的车辆异常事件检测

当前传统交通事故检测和查阅主要通过人工监测的方法,这种方法效率低且实时性差,本文提出一种基于最新压缩域视频编码标准HEVC（High-efficiency video coding）的车辆异常事件检测方法。首先对HEVC码流中提取出的运动矢量信息进行运动矢量累积迭代和中值滤波的预处理,之后根据提取出的块划分信息和运动矢量信息计算运动对象的运动强度,然后根据运动强度值和八连通区域法提取出运动对象,最后根据空间距离法和运动强度判别法检测出视频序列中发生的车辆异常事件。实验证明,该方法可以准确地检测出视频序列中发生的车辆异常事件;对于有着快速移动的运动目标以及多个运动目标的视频效果更好。     

Autonomous collision detection and avoidance for ARAGON USV: Development and field tests

This study addresses the development of algorithms for multiple target detection and tracking in the framework of sensor fusion and its application to autonomous navigation and collision avoidance systems for the unmanned surface vehicle (USV) Aragon. To provide autonomous navigation capabilities, various perception sensors such as radar, lidar, and cameras have been mounted on the USV platform and automatic ship detection algorithms are applied to the sensor measurements. The relative position information between the USV and nearby objects is obtained to estimate the motion of the target objects in a sensor‐level tracking filter. The estimated motion information from the individual tracking filters is then combined in a central‐level fusion tracker to achieve persistent and reliable target tracking performance. For automatic ship collision avoidance, the combined track data are used as obstacle information, and appropriate collision avoidance maneuvers are designed and executed in accordance with the international regulations for preventing collisions at sea (COLREGs). In this paper, the development processes of the vehicle platform and the autonomous navigation algorithms are described, and the results of field experiments are presented and discussed.     

Collision detection between the wrists of two robot arms in a common workspace

Detecting collisions for planning collision-free motion of the wrists of two robot arms in a common workspace is discussed in this paper. A collision-free motion can be obtained by detecting collisions along the preplanned trajectories using a sphere model for the wrist of each robot and then modifying the paths and/or trajectories of one or both robots to avoid the collision. In this paper, a collision detection algorithm is described and its role in collision avoidance is discussed. Collision detection is based on the premise that (1) the wrists of robots move monotonically on their preplanned straight line trajectories and (2) collisions never occur between the two wrists at the beginning points or end points.Research supported by the NASA-Langley Research Center under Grants #NAG-1-632 and #NAG-1-772 and the AT&T Foundation.     

基于三维重建的交通流量检测算法

在智能交通系统中 ,道路交通流量信息实时、有效的检测是交通信息系统的关键环节 .固定相机的视频图象检测法具有诸多优点 ,为此 ,提出了一个基于知识的视频图象交通流量检测系统 ,其中 ,车辆的分割和识别是视频检测法的核心 .根据车辆具有较大的运动惯性等运动规律 ,在短时间隔内 ,可以近似认为车辆运动为刚体匀速直线运动 .在这一条件下 ,将刚体上的运动点重投影到道路平面 ,则重投速度与该点的空间位置到路面的高度具有固定的比例关系 .运动特征采用具有较好定位精度的边缘特征 ,并拟合为直线进行运动跟踪匹配 .在识别过程中 ,先假定车辆的模型及其高度 ,然后再根据重投影速度 ,重建车辆的三维空间结构 ,进行基于知识规则的假设校验 .试验结果表明 ,该方法可以较好地解决车辆视频检测中的遮挡、粘连、阴影等情况     

面向航拍图像多运动目标的实时检测与识别

为了实现无人机(UAV)航拍图像中多运动目标的实时检测与识别,将静止目标和运动目标分别定义为背景和前景,利用图像稳化技术将航拍图像序列中的每帧与相邻帧对齐,克服UAV飞行动作对摄像机转动拍摄图像的影响;选取图像中的行人和车辆作为前景,分别使用哈尔(Haar-like)特征和级联分类器对图像中的目标进行检测和识别;利用密集光流计算两幅连续图像的运动矢量,从而区分静止目标(背景)和运动目标(前景),最终图像结果仅保留运动目标所在区域;将文章方法用于DroneVehicl航拍数据集实验,每秒平均帧数达到47.08 fps,检测精度为94%,并且表现出较高的召回率和F统计量,可达到实时检测与识别效果。