面向城市路口的高清晰智能监控系统研究

在对复杂的城市路口监控环境深入分析的基础上,提出了一套高效稳定的高清晰视频车辆检测与跟踪算法,以此为核心构建的智能交通监控系统实现了包括交通流统计、违章取证和车牌识别在内的全天综合智能监控。提出了高效的两步车辆检测法:在鲁棒的帧间边缘差分运动检测基础上,利用车牌纹理投影特征和尾灯颜色特性实现车辆检测。在车辆跟踪方面,提出了提取大尺度的FAST稳定角点进行Lucas-Kanade金字塔跟踪和基于Kal-man预测的车辆尾灯锁定,以完成昼夜不同情况下路口车辆的长距离稳定追踪。实际应用结果表明,车流量采集精度达到96.5%,违章记录有效率87.6%,具有优良的性能。     

基于色彩特征的CAMSHIFT视频图像汽车流量检测

针对视频图像中目标车辆尾灯及背景色彩在HSV空间分布上的特点,提出了把车辆尾灯作为跟踪目标,恰当选取色彩特征参数,采用CAMSHIFT目标跟踪算法对汽车流量进行检测的技术方案.研究了基于HSV色彩空间的CAMSHIFT目标跟踪算法在视频图像汽车流量检测中的实现,并用实际拍摄的交通视频图像对该检测算法进行了验证.实验结果表明,本文算法具有较高的准确度,能够有效跟踪以各种速度行驶的车辆,可以较好地应用在汽车流量检测领域中.     

颜色特征模型在静态车辆检测中的应用

为了解决智能交通中的静态车辆检测准确率不高的问题,提出一种基于颜色特征的车辆目标检测方法.该方法首先根据Hough变换分割出路面感兴趣区域,利用颜色特征空间降维建立理想的颜色特征模型;其次,根据贝叶斯分类器进行路面与车辆的像素分类;最后,由最小割/最大流算法进行车辆目标分离.在实景采集交通视频图像后对文中提出方法和现存方法进行了对比评估.基于颜色特征的车辆目标检测方法对于静态车辆目标的检测准确率达到了63.05%,误检率降低至21.27%,漏检率降低至24.01%.与传统方法相比,该方法能更快、更准确地检测到目标.     

低照度下运动车辆的检测方法

针对一般车辆检测系统在夜间等低照度情况下检测能力急剧下降的问题,提出一种低照度下有效的基于Adaboost算法的检测方法.该方法通过提取训练样本的梯度方向直方图（HOG）特征,训练一个可用于分类的二类分类器,并采用Gamma校正法对当前帧作图像亮度处理,来降低低照度对特征提取的影响;再通过载入分类器在校正后的当前帧内作多尺度检测,最后用矩形框标识出检测出来的目标,统计车辆数目.实验表明,该方法对交通路口的车辆有较好的实时检测效果,在夜间、雾天及其他能见度低的天气等低照度状况下,也能保持较高的检测率.     

基于深度信息的车辆识别和跟踪方法

根据激光雷达检测车辆目标的特点, 提出了一种基于距离的自适应聚类方法, 距离阈值可根据目标与本车的相对距离与方位自动调整, 提高了聚类的准确性.采用一种基于多特征融合的确定性多目标关联方法, 以目标的运动特征为代价方程的主要约束条件, 同时考虑了目标的外形特征, 可提高关联的准确性.针对现有的确定性目标关联方法只能对给定数目的目标进行跟踪的缺陷, 应用一种改进的目标关联方法和跟踪器管理策略, 根据实际道路情况动态地增加和删除跟踪器, 实现了对暂时遮挡或者漏检的目标保持跟踪的连贯性.通过实验验证了本文识别和跟踪方法的有效性.     

基于改进YOLOv3的复杂场景车辆分类与跟踪

针对天气条件和车辆间相互遮挡对车辆分类与跟踪准确性和稳定性的影响,提出一种基于改进YOLOv3与匹配跟踪的混合模型。改进的YOLOv3网络参照密集连接卷积网络的设计思想,将网络中的残差层替换为密集卷积块并改变网络的设计结构,利用Softmax分类器将密集卷积块与卷积层中融合的特征进行分类。根据单帧图像的检测结果,设计目标匹配函数解决视频序列中车辆的跟踪问题。在KITTI数据集的测试中,改进算法的平均准确率为93.01%,帧率达到48.98帧/s,在自建的数据集中平均识别率为95.79%。试验结果表明,本研究方法在复杂场景中能够有效的区分车辆种类且准确性更高,车辆跟踪的算法具有较高准确性和鲁棒性。     

基于Adaboost算法的日间前方车辆检测

提出了一种基于类Haar特征和Adaboost算法的车辆检测方法,以解决汽车安全辅助驾驶系统中对前方车辆的信息感知问题。基于类Haar方法对训练集的积分图进行提取,采用Adaboost算法选取有效的类Haar特征并生成前方车辆检测分类器。利用前方车辆检测分类器对PETS(Performance evaluation of tracking and surveillance)提供的图片进行测试。试验结果表明:该方法可以快速、准确地实现日间前方车辆的检测。     

一种基于特征的动态目标检测与跟踪算法

为解决图像处理特征目标物易受环境影响的问题,采用图像处理和颜色匹配的方法,提出一种基于特征的动态目标的检测和跟踪算法．首先对图像进行灰度化处理并获取图像梯度,确定目标物的弱可疑区。利用非完全特征匹配确定强可疑区,再进行完全特征检测确定目标物的位置,并根据运动物体两次移动位置计算出跟踪摄像器件的旋转方向和角度,最终实现对动态目标物的检测与跟踪．实验证明,该算法能够较好地完成动态目标物的检测与跟踪．     

基于红外视频的车载行人车辆检测系统

该文提出一种基于红外视频的车载行人车辆检测系统模型。利用混合高斯模型对梯形感兴趣区域提取前景,再根据前景进行目标的框定,对目标进行几何形状、灰度分布、运动速度、边缘梯度分布4类特征提取特征数据,并把特征数据代人事先用特征数据库训练好的神经网络对目标进行分类检测,以达到对行人车辆的检测判别并预警的效果。仿真结果表明,该检测系统算法运行速度快,虚警率低,可靠性强。     

基于助老机器人的行人检测与跟踪算法研究

行人检测与跟踪是助老机器人的基本功能之一。针对行人检测中目标需人工标定图像初始帧、目标检测准确性差、行人丢失较难重新跟踪的问题,提出一种基于行人检测和核相关滤波器(KCF)的跟踪算法。通过Kinect2摄像头获取环境视觉信息,采用方向梯度直方图(HOG)提取行人特征,使用支持向量机(SVM)的方法训练模型实现自动检测,应用KCF跟踪算法跟踪行人,并结合深度数据,计算其世界坐标,驱动机器人实现行人稳定跟踪。在Ubuntu16.04系统和ROS平台下搭建软件系统,并在实验Turtlebot移动平台进行实验测试。结果表明,该算法可自动检测行人并在复杂环境中对行人进行稳定跟踪,有效提高了助老机器人的移动、感知性能。     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

六自由度摇摆台检测方案设计

针对六自由度摇摆台的定位精度检测问题,设计了一套基于激光跟踪法的检测系统,实现六自由度摇摆台静态线位移与角位移指标的检测。根据六自由度摇摆台的运动姿态及高精度、大范围的运动特性,提出了一种基于激光跟踪法、包含绝对测距法的总体检测方案,并根据检测方案与检测原理运用激光跟踪仪作为检测仪器。然后对检测系统进行误差分析,得出了检测系统误差的最大值为10.27μm。最后对六自由度摇摆台技术指标进行检测,实验结果验证了检测系统的可行性。     

基于上下文感知的智能停车场系统的研究

上下文感知是在移动计算环境中实现人机自然交互的关键.车辆停放乱和车辆失窃是停车场的重点问题.针对该问题,提出了一种基于ZigBee和上下文感知的智能停车场管理系统,给出了智能停车管理系统的总体架构.该系统使用RFID对车和车主进行跟踪,并根据所感知信息进行上下文推理决策判断合法性,从而有效实现对停车场的智能化管理.     

结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。     

双目立体视觉测距系统目标车辆检测算法研究

研究以高速公路为背景的双目立体视觉测距系统中目标车辆检测算法.提出一种基于统计理论的方法对图像进行二值化处理,根据图像的边缘特征,运用Sobel算子实现边缘增强,以获取精确的边缘信息.边缘提取后利用Hough变换检测车道边缘并确定日标车辆所在路面区域范围,在该范围内通过检测车辆底部的阴影确定车辆的位置.试验结果表明,该...     

电控空气悬架车辆自适应前照灯控制策略研究

为有效提高前照灯夜间照明效果,本文在充分考虑国标GB7258《机动车运行安全技术条件》基础上,根据车身高度、车速等信号变化,提出一种自适应前照灯系统(adaptive front-light system,AFS)的新型前照灯垂向控制策略,以合理调节其夜间照射角度。同时,采用Matlab/Simulink和Stateflow软件,建立前照灯垂向控制策略模型,并对车辆在加速工况和减速工况条件下进行仿真分析。仿真结果表明,在车辆高度变化及车辆加速情况下,所提出的控制策略模型可有效调节前照灯照射角度,提高驾乘安全性;在车辆高度变化及减速条件下,所提出的控制策略模型亦可实时有效地调节前照灯照射角度,改善驾乘人员夜间行驶安全性。该研究可有效提高电控空气悬架系统车辆夜间行车安全性。     

基于巴氏度量的车辆违章变道快速检测方法

针对目前城市道路监控视频中存在的事件检测及报警不及时问题,提出了一种快速有效地检测车辆路线和位置违章的方法。该方法不依靠传统的车辆检测和分割方法,而是首先利用Harris角点检测的方法提取车辆角点,然后用金字塔Lucas-Kanande(L-K)对角点进行快速跟踪,同时对跟踪的角点实行谱聚类,利用Bhattacharyya距离对角点和聚类中心进行度量,并将其进行归一化,由预先设定的阈值可以判断车辆是否发生了异常行为。与传统车辆异常行为检测方法相比,该方法具有方便、快速的优点,鲁棒性较强。     

多车道场景下的视频车辆测速方法

针对目前大多数测速算法无法完成多车道场景车辆测速的问题,提出了一种用于多车道场景下的视频车辆测速算法.该算法对传统的虚拟线圈技术进行改进,将虚拟线圈分为分界检测区域和触发检测区域,有效的完成了多车道场景下多目标车辆的检测.同时在测速过程中,以几何中心作为特征对目标车辆进行跟踪,推导出车辆在图像中的位移.与传统方法相比,...     

基于视频的果蝇求偶行为识别和运动轨迹跟踪预测

针对人工检测果蝇求偶行为效率低、果蝇轨迹跟踪困难的问题, 提出一种基于视频的果蝇求偶行为识别和运动轨迹跟踪预测的方法。首先采用Ostu法实现图像分割,并使用外接椭圆锁定果蝇目标,根据果蝇位置关系和差值图像灰度均方差进行求偶行为误判筛除; 然后提取果蝇轮廓的形状特征(面积,周长,似圆度等)和7个不变矩特征,并依据特征信息实现果蝇求偶行为的识别; 最后采用卡尔曼滤波和特征匹配的轨迹跟踪方法实现运动果蝇的跟踪预测。实验结果表明,该方法能够准确识别果蝇的求偶行为和运动跟踪预测。     

基于LuGre模型的反演自适应滑模ABS控制

针对车辆紧急制动过程中增加车辆行驶安全以及寻求最优刹车策略的要求,对车辆稳定控制系统中防抱死制动系统进行研究,提出一种基于LuGre动态轮胎模型的防抱死制动系统的反演(backstepping)自适应滑模控制方法.首先,构建结合LuGre动态轮胎模型的1/4车辆模型,应用实际轮胎数据拟合LuGre模型参数.其次,利用纵向动力学和滑移率的关系搭建控制系统模型设计反演自适应的滑模控制器,在自适应控制器作用下快速跟踪期望滑移率并改善系统的输出抖动,根据Lyapunov稳定性理论对该方法的稳定性进行了证明.最后,在良好路面和低附着路面上进行车辆紧急制动仿真实验,对该方法的可行性及有效性进行验证.