城市环境中箭头型交通信号灯的实时识别算法

提出一种检测和识别城市环境中箭头型交通信号灯的新方法.首先,用图像颜色分割和形态滤波来定位交通信号灯的灯板位置;其次,将交通信号灯的灯板区域彩色图像转换到YCbCr空间,对Cb和Cr通道进行阈值分割,判断形态及交通信号灯与灯板的相对位置来确定红色、黄色和绿色交通信号灯候选区域.然后,用二维Gabor小波变换和二维独立分量分析来提取交通信号灯候选区域的特征;最后,用最近邻分类器识别交通信号灯的箭头方向.实验结果表明:该算法的总体识别率超过91％,每帧图像的处理时间为152 ms,能够为行驶的车辆提供实时、稳定和准确箭头型交通信号灯信息.     

基于感兴趣区域AdaBoost分类器的视频车辆检测研究

近年来基于视频的车辆自动检测作为城市智能交通系统的一项重要技术一直受到关注.针对AdaBoost分类器目标检测所存在的漏检、误检和计算量过大等问题,提出一种基于混合高斯模型运动区域提取和Haar-like特征的AdaBoost级联分类器的交通视频车辆检测算法,首先通过建立混合高斯模型对运动目标的总体区域进行检测,进而提取基于车辆运动的感兴趣区域,再对其进行基于Haar-like特征的区域AdaBoost级联分类,实现对运动车辆的检测.由于采用了基于运动区域提取和分类相结合的检测模式,通过混合高斯背景模型较准确的提取出ROI作为车辆的候选区域,约束了每帧的搜索区域,使AdaBoost分类器的目标检测更具针对性,提高了检测的准确性,降低了漏检率;同时也减少了分类算法滑动窗口扫描所需要的时间,提高了检测速度.实验结果验证了所提出算法对复杂交通环境车辆检测的适应性和有效性.     

采用梯度滤波方法的夜间车辆检测

研究视觉交通监控的夜间车辆检测问题,提出一种基于视频图像处理提取夜间交通车辆完整轮廓的方法.通过梯度滤波消除路面反光的干扰,然后对经过预处理的相邻视频帧图像实行三帧差分分割运动区域,最后设计级联形态学滤波器对获得的车辆轮廓进行规整.多段典型的夜间交通视频测试结果表明,方法能有效地消除路面反光和环境光照的干扰,准确地提取夜间交通车辆的完整轮廓.     

基于RFID的交通信号灯智能控制系统的研究

为了有效地缓解交通拥堵,提高城市道路的通行能力,提出了基于RFID的交通信号灯智能控制系统的研究.该系统可以利用RFID技术实现安装RFID标签的道路车辆与安装在道路交叉路口,信号灯上游的RFID阅读器之间的通信及车辆流量的实时监控;同时,系统还可以利用信号灯智能控制算法实现不同时段、不同交通流量下信号灯的智能自动转换,从而缓解交通堵塞、减少交通事故、改善交通环境.实验结果表明,该系统的运用能够有效地提高整个路网的运行效率,减少车辆等待时间.     

基于RFID的交通信号灯智能控制系统的研究

为了有效地缓解交通拥堵,提高城市道路的通行能力,提出了基于RFID的交通信号灯智能控制系统的研究.该系统可以利用RFID技术实现安装RFID标签的道路车辆与安装在道路交叉路口,信号灯上游的RFID阅读器之间的通信及车辆流量的实时监控;同时,系统还可以利用信号灯智能控制算法实现不同时段、不同交通流量下信号灯的智能自动转换,从而缓解交通堵塞、减少交通事故、改善交通环境.实验结果表明,该系统的运用能够有效地提高整个路网的运行效率,减少车辆等待时间.     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

网联电动汽车信号灯控路口经济性驾驶策略

针对智能网联电动汽车在信号灯控路口的经济性驾驶问题,提出一种基于最优控制的经济性驾驶车速优化策略.首先,构建包含信号灯、车速限制等约束,以能量消耗最小化为目标的信号灯控路口车辆速度优化问题;然后,利用庞特里亚金极小值原理解析求解最优控制率;考虑到动态交通场景中车辆对未来交通信息的预测能力有限、信号灯约束条件多变等特点,提出了一种双层滚动距离域车速优化策略,将信号灯控路口经济性驾驶问题转化为分段最优控制问题,得到分段最优速度轨迹.仿真结果表明:在有限预测能力和无限预测能力2种情况下,所提出的经济性驾驶车速优化策略较加速—匀速—制动策略分别有9.2％和10.3％的能量节省;随着预测距离和信号灯控路口通行速度的增大,在提高通行效率的同时,能量节省效率进一步提高.     

车路协同仿真场景设计与实现

为改善道路安全、提高交通效率并实现智慧交通,提出一种基于多智能体的车辆自组网络和路侧无线感知网络的车路协同系统混合架构.该架构中每台车和各重要路口的信号灯均为多智能体,包含路侧终端、车载终端和行人探测器,通过无线通信网络实现人-车-路信号互联,全方位感知周围环境信息.用TransModeler对厦门市某区域进行仿真,结果表明:该架构可以准确、全面地感知道路环境,采集交通事故信息,反映全路网运行状况,并可依据仿真结果对交通异常情况进行预测和判定,为路网的安全运行提供有力的参考.     

一种基于多传感器融合的车辆检测与跟踪方法

针对城市道路环境,提出了一种基于激光雷达和视觉的车辆检测与跟踪方法.首先,采用透视变换和多传感器联合标定,根据激光雷达数据生成包含车辆假设的兴趣区域,以提高车辆检测的可靠性和降低图像处理的计算量;然后,提出了一种基于多维特征空间马氏距离的车辆检测算法,通过提取兴趣区域内图像特征向量,并将其与标准向量间的马氏距离作为车辆状态估计;最后,采用Kalman滤波实现车辆运动跟踪.为了提高鲁棒性,将粒子滤波算法与Kalman滤波相结合,以在雷达信息不准确的情况下准确地实现目标状态估计.实验结果表明,该方法在城市环境中取得了比较理想的车辆跟踪效果.     

一种有效的车辆跟踪算法与异常车辆检测

交通监控视频中车辆检测、跟踪与车型判别是智能交通监控系统的重要组成部分。本文运用W4背景减除法和光流法相结合的技术进行车辆检测。利用区域滤波和空洞填充方法提高目标检测精度。采用质心距离约束和目标大小约束条件实现目标区域之间的匹配和车辆跟踪。最后,根据车辆的几何形状特征对助动车等异常车辆进行检测和标记。通过对高速公路实际视频的测试表明,本算法对机动车进行了有效的跟踪与标记,并对道路上助动车等异常车辆进行了有效的检测。     

基于MAS的智能信号灯系统

智能信号灯系统对提高人们的出行效率和生活质量有着至关重要的意义。将多智能体理论应用于智能信号灯系统,提出了基于MAS（Multi-agent system）的智能信号灯系统的体系结构和关键技术,给出了智能信号灯系统的整体框架。     

基于活动轮廓与模糊型支持向量机的车辆分类算法

视频监控系统是智能交通监控系统的重要组成部分.通过监视区域车辆视频图像的预处理、检测,完成车辆的实时分类,并根据分类结果实时确定交通灯控制系统红黄绿灯的放行时间.采用活动轮廓跟踪模型对运动车辆视频图像实现检测,由模糊型支持向量机方法实现运动车辆的分类.Matlab软件仿真结果表明,大中小型车辆的平均正确识别率达96.49%,提高了车辆通行效率.     

基于动态贝叶斯网络的交通灯自主智能决策

现有交通灯大都采用定时控制,容易造成时间上的浪费甚至是交通堵塞,通过引入动态贝叶斯网络DBN ,分析影响交通灯时间的因素,建立具有星型结构的交通灯自主智能决策模型。该模型能够依据十字路口车辆的动态信息,实时决策交通灯的时间,并通过仿真验证了该模型能够自主决策出最佳的交通灯时间,实现了交通管理的智能化。     

智能交通灯控制系统

建立了智能交通灯控制系统；给出了此系统的时序流程图．用ＡＢＥＬ语言写出交通灯控制系统的ＡＢＥＬ源文件，并输入计算机，由ＡＢＥＬ３．０软件对ＡＢＥＬ源文件进行编译，产生．ＪＥＤ文件，在编程器的支持下对ＧＡＬ器件进行编程，实现智能交通灯控制     

交通监控系统中基于多源信息融合的运动阴影检测

针对目前运动提取算法常将运动阴影错误检测为前景目标的问题，提出了一种交通监控系统中基于多源信息融合的运动阴影检测算法．在颜色空间中利用亮度、色度和边缘信息检测阴影的可能区域，使用逻辑“与”操作融合多源检测结果得到最终的阴影区域．与其他算法相比，新算法能更好地区分前景尤其是暗色前景及其阴影，提高了阴影区域的检测精度，更准确地实现了运动目标的提取．仿真实验表明，对不同颜色和尺寸的前景引起的阴影，算法都能鲁棒地分离目标及其阴影区域，前景提取效果好．     

基于云计算的智能交通信号灯控制系统设计与实现

本文阐述了基于云计算的交通信号灯控制系统设计与实现。通过地感线圈来检测车流量,GPRS进行交通量数据的实时数据上传,综合运用STM32F103芯片、云计算机技术等技术实时反馈交通流量、流向,即时调整信号灯配时,实现交通信号灯智能控制。     

基于车辆方波脉冲时序图的交通流参数实时检测算法

提出一种基于车辆方波脉冲时序图的交通流参数实时检测算法,克服了现有方法易受光线变化及天气影响、运算量大等缺陷,提高了实时交通流参数检测的准确率,为智能交通系统提供有力支撑。研究基于虚拟检测线,将交通监控视频降维处理为包含时间和空间信息的时空图,而后对时空图进行前景提取,生成二值化时空图的垂直投影,针对像素累积图设计了系统性去噪及车辆对象识别方法,进而生成车辆方波脉冲时序图,实时检测出车流量、车头时距、时间占有率、车辆速度并进行车辆分类。分析结果表明,所提出的方法能克服雨雪天气、夜晚光线等干扰,快速而准确地进行多车道交通流参数获取,计算负荷小,方法准确率高达97.32%,可满足智能交通系统对交通流参数检测实时性和精度的要求。     

用于自动导引车辆的数字工位实时识别系统设计

开发了用于自动导引车辆的数字工位视觉识别系统.根据路面区域、导航线区域和数字工位区域的不同颜色特征,以彩色图像中的R分量(红色分量)为处理对象,利用红色分量在每一副采集图片的像素分布中寻找字符可能出现的区域;根据HIS颜色空间特征参数饱和度S和色调H,提取数字工位;快速校正后,利用字符的整体结构特征进行数字初步分类,优化字符特征区域的确定及统计办法,在改进的特征统计基础上进行数字的再辨识.现场实验表明,该系统可获得较好的识别效果(正确率达到98%),字符提取耗时16 ms,校正、识别总耗时47 ms,满足车辆数字工位识别实时性、准确性、鲁棒性的要求.     

基于多粒度感知SVM的复杂场景人车分类方法

针对复杂场景中的人车分类问题, 提出一种基于多粒度感知SVM (support vector machine)的复杂场景人车分类方法。该方法首先对视频场景进行运动区域分析, 结合角点检测方法提取运动区域视觉感知信息, 在时空域中采用Kalman滤波将感知信息进行关联推理, 去除噪声干扰。 再以运动区域质心点为中心, 构造目标的多粒度感知特征, 最后构造2级SVM分类器, 将目标多粒度感知特征向量集输入SVM分类器进行训练及分类, 得到人车分类结果输出。实验结果表明, 该方法取得了良好的分类效果, 人、车全天候平均分类正确率分别达到93.6%以上, 能有效避免光照、色彩、目标大小等变化导致的误分类问题, 适用于智能交通视频的人车分类应用。     

基于颜色分割和多特征融合的交通标志检测

采用了一种鲁棒的交通标志检测算法,该算法结合了基于颜色分割的粗定位过程和基于多特征融合的交通标志精确定位过程.粗定位利用交通标志的颜色特征,采用基于YIQ空间的颜色分割方法,获得图像中有可能包含交通标志的图像子区域;基于多特征融合的精确定位是采用梯度方向直方图(histogram of oriented gradient,HOG)及局域二值模式(local binary pattern,LBP)两种互补的特征,并利用支持向量机(support vector machinc,SVM)进行分类,得到交通标志的准确位置.实验表明该方法对亮度变化、视点变换、尺度变化及目标部分遮挡等情况具有很强的鲁棒性,并且查准率和查全率总体都比基于单特征的方法好.