违章逆行智能视频监控系统设计

设计了一个对交通车辆违章逆行行为进行智能视频监控的方案.综合利用图像处理、模式识别、计算机视觉和网络通讯等技术,在对交通视频流进行实时采集的基础上,首先成功地识别出交通车辆目标,然后实现了对违章逆行的自动识别以及对违章现场的自动抓拍,并完成对违章车辆信息的传输和相关管理工作.     

基于时空图的交通流量统计和交通状态检测

提出了一种新的基于时空图的交通流量统计和交通状态检测方法。首先,通过人机交互的方法设定检测线,并利用检测线计算时空图;然后,对时空图进行边缘提取、图像分割等处理,利用时空图上车辆的边缘、形状和占道率等信息,计算出一段时间内的交通流量。此外,还通过时空图的边缘信息的差异,将当前时间段的交通状态分为通畅、拥挤和堵塞三种不同的情况。实验结果表明,在摄像机安装位置合适的情况下,该方法统计交通流量的误差低于8%,判断交通状态的误差为0,具有很好的商业实用性。     

视频交通流检测演示系统

提供了一个可以从网上下载的“视频交通流检测演示系统”。系统通过预先设置在屏幕上的视频检测线进行车辆的交通检测,可以测试车流量、车长及车速。系统采用狭缝技术、动态背景刷新原理、彩色图像的阈值选取以及MPFG压缩视频来实现视频交通检测。该系统提供了上海某交通路口的实时检测的范例。系统还可以拓展到其他视频监视系统中。     

基于三维模型的交通场景视觉监控

视觉监控是计算机视觉研究的前沿方向.动态场景视觉监控就是利用计算机视觉和人工智能的理论和方法.通过对摄像机拍录的图像序列进行自动分析来对场景中的运动物体进行定位、跟踪和识别,并对物体的运动行为作出判断或者解释,达到监控的目的.本文结合交通场景监控这一特定任务,实现一个包括摄像机标定、模型可视化、运动车辆的姿态优化与定位、跟踪预测、基于轨迹分析的行为理解等功能算法的交通场景视觉监控系统.从算法和实现的角度出发,文章对系统中各个功能模块进行了较为详细的描述与讨论.     

基于机器视觉的交通拥堵评估系统

传统的交通灯采用固定配时模式,缺乏灵活性、智能性.针对上述问题,提出一种基于机器视觉的交通拥堵评估系统对采集到的视频进行智能分析处理.首先,利用提取的梯度直方图特征和AdaBoost级联分类器实现对车辆的检测,并辅以RFID来实现车辆计数;进而通过Spark大数据分析平台而评估出当前的交通拥堵情况.实验表明本系统能根据当前的实际交通情况智能调整交通灯的变换时间,达到动态缓解交通压力的目的.     

视觉注意模型的道路监控视频关键帧提取

针对道路监控视频提出一种基于视觉注意模型的关键帧提取算法.首先采用自顶向下的方法,通过运动检测获取运动目标,以车牌和车辆最佳清晰度位置作为注意度评价标准,提取运动目标位置显著度;然后在运动目标内部采用自底向上的方法,提取运动目标的运动方向和强度显著度;接着用一种简单有效的车辆位置优先的自适应线性混合模式合成视觉注意度,并在时间方向上生成最终的视觉注意度曲线;最后求出视觉注意度曲线的导数曲线,自适应滤波处理后,在正值到负值变化的零交叉点中选取显著度最高的图像作为关键帧.实验结果表明,本文算法提取的关键帧不但包括了所有经过监控的车辆最佳或接近最佳清晰度的位置,而且还能包括道路停车、超速和逆向行驶等各种交通事件,符合交通观察者的视觉特性,同时也有利于进一步对关键帧进行车辆静态特征的提取,以形成交通视频的特征数据库.     

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.     

基于全方位视觉传感器的车辆违章检测系统的设计

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉等技术来实现对交岔路口的车辆违章智能视频监控,采用ODVS来获取整个交岔路口的全景视频图像;通过混合高斯模型提取在全景视频图像中的车辆对象前景;使用camshift跟踪算法跟踪行驶车辆对象;依据交通法规,通过对比红绿灯、车道和车辆运动等状态来判断车辆对象是否有违章行为;实验结果表明,所设计的违章检测系统能自动检测出多种车辆违章行为,为交通执法部门提供了一种智能化的检测手段。     

智能交通控制系统

介绍一种智能交通控制系统。首先依靠车辆计数仪，得到交叉口的交通数据；然后利用专家系统、神经网络等技术分析交通动态特征，形成全局优化调度指令，并利用模糊控制的方法实现交叉口的信号灯控制。本系统利用系统仿真的方法来训练该模糊神经网络。     

单交叉路口交通灯实时配时算法的研究

研究了城市道路交通信号实时控制系统的问题,重点论述了单交叉路口交通信号灯控制(点控制)模型的实时配时算法.根据城市交通流分布规律,设计出流量序列生成算法来模拟实时交通流;通过建立信号灯动态模型从而获得最佳周期长度和有效绿灯时间,然后采用模糊控制算法对信号灯配时方案进行实时的动态优化调整,并建立基于排队的车辆延误模型来对模糊控制算法进行评价.计算机模拟仿真的结果表明所设计实时配时方案比定时配时方案有显著的改善.     

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。     

基于SNORT的入侵规则动态排序方法研究

提出了一个实时的动态调整入侵规则的方法。该方法让入侵检测系统的规则在表头与功能选项的关联条件下,执行自动排序,使之能在一定的时间排序出最佳的规则读取顺序,以在最短的时间内检测出入侵行为,提升检测效能。实验证明该方法可行有效,具有较高的实用价值。     

基于视频图像的交通参数检测

针对交通图像的特点,提出了一种将灰度判断与边缘检测相结合的方法,来获得车流量、车速等相关交通参数。将先锋遗传算法(Vanguard Genetic Algorithms)应用到图像阈值分割中,利用先锋遗传算法寻求全局最优阈值,可以比较准确地将图像中不同灰度的车辆从背景中分离出来。分析了小波变换的特点,应用小波变换对交通图像进行车辆边缘检测。采用帧平均法来处理视频流,可以减小由于摄像头抖动或背景微小变化而产生的误差。实验结果表明,该方法简单、有效,能够获得较满意的检测结果。     

基于多特征融合的视频交通数据采集方法

提出了一种基于多特征融合的视频交通数据采集方法, 核心思想是: 在图像中设置虚拟线圈, 假设车辆从虚拟线圈上驶过时引起像素变化, 通过识别这种像素变化来检测车辆并估计车速. 与现有技术相比, 本文的贡献在于: 1) 综合利用虚拟线圈内的前景面积、纹理变化、像素运动等特征来检测车辆, 提出了有效的多特征融合方法, 显著提高了车辆检测精度; 2) 根据单个虚拟线圈内的像素运动向量来估计车速, 避免了双线圈测速法的错误匹配问题. 算法测试结果表明本文算法能够在复杂多样的交通场景和天气条件下, 准确地检测车辆和估计车速. 在算法研究的基础上, 研制了一款嵌入式交通视频检测器, 在路口长期采集交通数据, 为交通信号控制和交通规律分析提供决策依据.     

动态图像的拼接与运动目标检测方法的研究

动态图像运动目标检测是图像处理中的热点,但动态图像的识别范围却成了目标检测的限制,针对此问题,本文提出了一种利用图像拼接技术扩展图像识别范围、并在此基础上完成运动目标检测的方法。在图像拼接中采用了SURF图像匹配算法,运动目标识别利用背景差分法,实验中使用的是开源的Linux操作系统、以及为图像处理提供了大量算法和函数的OpenCV软件开发库。针对不同分辨率、不同角度采集的图像进行了实验研究,结果表明,可以在较好满足图像识别范围的同时,明确地检测出运动目标的相关信息。同时,本文提出一种通过图像拼接实现扩展运动目标检测的方法,满足了实时性要求,达到了增加图像清晰度的目的,但是,在摄像设备与场景之间的相对运动方面还存在着有待解决的问题,这将成为今后研究的重点方向。     

基于图像特征的边缘检测

针对传统边缘检测算子在检测效果与抗噪方面的不足,提出基于图像特征的边缘检测方法,综合考虑图像的梯度特征、相位特征以及噪声的影响,以方向能量和由直方图差分算子计算的亮度梯度为图像特征进行边缘检测。对提取的特征值进行训练,得到边缘点与非边缘点的特征均值;依据近邻准则对检测图像的特征值分类,提取边缘;建立评价函数评价边缘的质量。仿真结果表明该算法可以取得很好的检测效果,同时具有一定的抗噪声性。     

基于计算机视觉和图像处理的交通参数检测

本文提出了一种基于计算机视觉和图像处理的车流量检测方法,通过分析CCD TV 摄 像机获取的图像中车辆和场景信息来有效地检测交通参数．本方法可以完成双向四车道高速 公路和城市道路的车辆计数和车辆速度检测．实验结果表明：车辆计数的正确率为94％,车 辆速度检测的正确率达92%,并具有满意的实时特性．     

基于非线性小波与形态学相结合的边缘检测方法

小波分析是图像与信号处理研究领域的一个重要工具,现有的小波分析方法大多集中于对线性小波的研究。智能交通中车型识别的基础是精确获取图像中汽车边缘和汽车特性,而图像中汽车边缘特性多表现为非线性性,采用非线性方法进行研究更为适合。文章在描述了非线性小波变换框架后,提出了一种用数学形态学实现非线性小波分解的方法来获取汽车边缘信息。为了正确识别车型,再进一步用修正后的数学形态学检测算子提取汽车边缘,得到了较为清晰的连续汽车边缘,为以后车型进一步分类提供了条件。经过实验检验该方法具有一定的可行性和稳定性。     

基于单目视觉的车辆碰撞预警系统

基于单目视觉的车辆碰撞预警系统能够发现道路前方的车辆并估算出与前方车辆之间的距离,利用预警机制及时提醒驾驶员危险状况。车道检测和车辆识别是该系统需要解决的两个主要难题，提出了利用边缘分布函数EDF检测车道标线，利用车辆底部纹理和对称性特征识别车辆，并根据图像坐标系和世界坐标系之间的几何映射关系测距。实验结果表明，提出的方法能够有效检测出车道标线，并能很好地测定与前车的距离。     

基于累积概率分布的海域SAR图像目标检测识别

高分辨率SAR图像目标识别系统首先要检测出图像中可能的目标区域。该文利用累积概率分布及K-S距离方法确定海洋SAR图像中可能的目标区域,并提出了综合分析整幅图像及目标区域图像确定阈值的方法,利用此方法把成群像素区域二值化为二值图像,二值化结果优于常规方法,特别适用于弱对比度的SAR图像目标检测识别。