虚拟窗口阴影去除算法的车流量检测研究

针对城市道路交通流量检测中的实时性和准确性的要求,在背景差分的基础上提出了一种改进的基于虚拟窗口检测的方法。通过获取前景目标尽量少的帧图像,快速建立虚拟窗口的初始背景模型,并实时更新背景;将Sobel边缘检测算法引入前景目标检测,从而快速检测出前景目标变化的完整区域,提高检测的准确率;再使用基于HSV色彩空间直方图势函数去除阴影算法,进一步去除前景目标中的阴影区域,有效地保留了真实的运动目标区域;最后统计交通车流量,可结合其他信息(如红绿灯状态)做出该路段相应的交通流状况判断。通过实验结果证明,所提出的检测算法可有效应用于视频交通车流量检测中。     

Cauchy矩阵Moore-Penrose逆的快速算法

给出了求以秩为n的m×n阶Cauchy矩阵Moore-Penrose逆的快速算法,该算法的计算复杂度为O(mn)+O(n2)。而用C+=(CTC)-1CT求解C+时所需的运算量为O(mn2)+O(n3)     

基于随机森林的车辆行为分析方法

为了实现智能交通领域异常车辆的自动识别,结合实际情况及大量的实验仿真,提出一种由目标车辆检测跟踪、车辆轨迹处理、车辆行为分析三部分组成的解决方案.首先采用改进的高斯模型背景差分算法来检测目标车辆,接着采用基于粒子滤波算法跟踪目标车辆,然后拟合跟踪轨迹以提取特征值,最后将特征样本输入随机森林算法生成分类器,对车辆行为进行分析.实验结果表明该方法能够实现对现实场景中车速过快和频繁变道两种异常行为的识别.     

对称Loewner方程组极小范数最小二乘解的快速算法

对于工程计算中常常遇到的一类线性方程组的求解,通过构造特殊分块矩阵并研究其逆矩阵的三角分解,给出了求秩为n的m×n阶对称Loewner矩阵为系数阵的线性方程组,及极小范数最小二乘解的快速算法,该算法的计算复杂度为O(mn) O(n2),而一般方法的计算复杂度为O(mn2) O(n3).     

Cauchy型矩阵的左逆及右逆

通过方程组是否有解,给出了m×n阶Cauchy型矩阵左逆及右逆的一种求逆公式。