帧间差分法车速测算技术误差分析与处理

帧间差分法被广泛应用到视频监控目标车辆速度测算中,其原理简单、操作方便,是交通事故中车辆速度鉴定的重要技术手段。介绍帧间差分法目标车辆速度测算原理,运用几何光学成像原理分析目标车辆行驶距离测量精度不高的原因,并从优化参照物和视频画面选取、运用计算机视频处理技术等角度,提出帧间差分法车速测算技术误差分析与处理方法,从而提高视频监控目标车辆车速测算的精确度。     

基于差分均值背景提取和矩阵分区目标检测算法的研究

为提高对车辆图像的检测程度和实时性,针对智能交通系统,通过对实时路况的信息采集和视频图像的处理,提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法,最终得到一个视频车辆的检测原型,从而实现对运动车辆的检测.实验结果表明,此种方法简单、计算量小、鲁棒性高,能快速地提取出背景图像,检测出比较完整的车辆阴影,可满足多运动目标的实时检测要求.     

基于直接线性变换法的视频图像车速测算技术

视频图像车速测算技术因原理简单、操作方便、准确率较高等优点,在交通事故再现及车速鉴定中得到广泛应用。为测算出目标车辆的速度大小及变化情况,准确定位目标车辆每一视频帧画面的方位是关键技术。直接线性变换法能较好的实现像方坐标系和物方坐标系的相互转换,对目标车辆进行精确定位。介绍了直接线性变换法的原理,运用直接线性变换法测算视频图像中目标车辆车速测算操作方法、实践中标定点和目标车辆特征点注意事项,提高直接线性变换法在视频图像车速测算的精度。     

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。     

自适应背景更新的视频车辆检测

针对视频车辆检测技术会因气象等环境变化，尤其在动态检测大范围、多目标的情况下，检测移动车辆图像的分割和检测的效果存在问题，采用一种用于数字图像处理和计算机视觉的函数库openCV，设计出一种基于背景更新的自适应车辆对象检测法，用于视频检测和统计车流量，比较准确地测量出车辆对象．     

基于视频的车流量检测

介绍了目前基于视频的车辆检测算法的优点和缺点，在此基础上提出了一种新的算法，该算法自适应能力强，计算量小，可正确判断有无车辆、完成车辆的计数，实现车流量计算、车速估计．采用了预估校正和相关性修正等措施，提高了检测精度，为交通监控系统提供实时有效的交通参数．     

基于投影的车辆视频检测方法

为了提高车辆视频检测的鲁棒性,提出了一种虚拟区域内邻近帧间差分和背景差分相结合的车辆视频分割方法. 采用一种新的背景模型的高效自动更新方法,确定目标区域,利用腐蚀膨胀形态学运算减少检测区域内非目标干扰,采用帧间逻辑操作和种子填充方法填充待分割区域,基于水平和垂直投影方法,对车辆进行检测. 实验结果表明,该方法对道路车流量具有较好的检测效果.     

基于车窗特征的快速车辆检测算法

实时检测道路中的车辆并统计其数量是道路监控系统的重要任务之一,道路上车流量较大时,车辆之间相互遮挡,难以对道路监控视频中的车辆做到实时准确的检测。为此,提出以车窗代替车体作为目标物进行检测,由此提高被遮挡车辆的检出率。利用残差连接和多尺度特征提取方法,构建了只有24个卷积层的检测网络。实验结果表明,该检测算法的召回率达到了95%,正确率达到了96%,在GeForce GTX 1080Ti显卡环境下的检测速度达到了142FPS。这种方法可有效提高对相互遮挡的车辆的检出率,且可对高清监控视频中车辆进行实时检测。     

基于行人计数算法的改进研究

视频监控中的行人计数是人体目标检测的重要应用,针对该应用对实时性的要求,本文提出了将混合高斯背景模型和HOG(Histograms of Oriented Gradients)特征结合的方法,该方法首先通过混合高斯背景方法检测出视频中的运动前景,再用HOG SVM对提取的感兴趣区域内的行人进行计数,大大降低了计算量,提高了HOG算法的实时性,经试验证明,改进的算法可以将行人计数的准确度提高到95%左右。     

交通视频中的Kalman滤波的多车辆跟踪算法

提出了一种交通视频中的Kalman滤波的多车辆跟踪算法.该算法利用Kalman滤波器反馈控制系统估计运动状态进行预测和修正,并为运动目标建立模型;利用当前车辆的信息对下一帧目标的位置进行预测,以便缩小目标的搜索范围和搜索时间,从而快速跟踪车辆.利用车辆的外接矩形框大小、质心等特征对车辆进行特征匹配,为交通视频中的车辆建立对应关系,利用新的系统参数更新模型,获得车辆的轨迹,如此反复,从而实现对车辆的跟踪.实验结果表明,此算法运算速度很快,对于车辆这样的快速运动目标,也具有较好的跟踪效果.     

基于视频的车辆流量自动检测方法设计

提出了一种基于视频的车流量自动检测方法,首先用高斯平均法对一定数量视频帧图像进行训练得到初始背景,然后用基于卡尔曼滤波的背景差法提取前景以及背景更新,最后用双虚拟检测线法进行车辆计数。通过对实际道路车辆视频文件进行试验,检测准确率达到90%,满足实际应用要求。     

基于彩色边缘的运动车辆检测

在RGB空间中对彩色交通视频图像进行多通道边缘检测,利用融合的边缘信息进行多帧迭加建立自适应背景模型,通过背景模型抽取运动车辆.受车速,车流量,噪声等影响,得到的是不完整的目标边缘,依靠边缘生长对目标进行修补,以提高运动车辆检测的准确性,保证边缘的连续性.实验结果表明,该方法计算量小,能够满足实时系统的要求,可有效地检测运动车辆.     

基于视频的改进帧差法在车流量检测中的应用

如何有效去除背景、消除按车道开固定窗检测车辆的方法中,由于车辆换道或相邻车道的车辆部分覆盖了被检测车道检测窗而引起的误检,是车辆检测系统需要解决的一大难题.针对上述问题提出了一种基于视频的改进的帧差法,在检测带内由车辆信息生成数据流,根据数据流的变化进行车辆检测、计数并估计平均车速.从而实现对过往车辆的准确计数,更可靠地收集各车道的车流信息,为智能交通提供实时交通参数.     

基于OpenCV和Halcon的交通冲突视频自动检测及数据处理

运用OpenCV和Halcon图形开发工具,以VC++6.0为基础开发平台,采用背景消减法和基于区域特征的跟踪算法实现视频图像中车辆运动目标的提取与跟踪,并将数据信息实时保存至文件中.在视频数据信息中处理提取冲突车辆的运动轨迹、速度、加速度等微观交通参数,实现交通冲突微观参数采集.综合减速度、角速度、速度和距离等指标建立多参数交通冲突判断方法,根据车辆的轨迹、速度和加速度曲线对车辆的运行特征做出分析,初步实现简单交通条件下机动车交通冲突视频自动检测.     

基于类Haar特征和AdaBoost的车辆识别技术

在海量的监控视频中,快速、准确地识别车辆对公安破案和追踪具有重要的研究意义。通过提取车辆的类Haar特征,采用AdaBoost方法构建分类器可以实现监控视频中的车辆识别。针对原始算法误检率较高的问题,提出了采用背景差分去除背景干扰,以及采用目标对象差分法进行二次识别的两种改进算法。实验结果表明,两种改进算法都能够有效地降低误检率,提高检测率,并且对不同交通场景下的监控视频具有很好的检测效果。     

道路交通视频检测系统初探

提出一种实时自适应的道路交通视频检测方法,提高了视频监测系统在长时间运行条件下对光线变化、阴影和系统噪声的适应性.利用图像边缘检测和模式识别2种方法对前景目标车辆进行提取的算法,保证了准确率和效率.实时交通视频实验结果表明,该方法取得了较好的成果,为道路交通信息系统提供保障.     

视频车辆检测系统的通信软件的设计

文章对基于DSP的视频车辆检测系统的硬件进行了描述，提出了检测系统的通信软件的设计方案，将Windows Sockets网络编程接口的WSAEventSelect模型引入系统的通信过程，并且运用检测器信息叠加的方法，提高了视频车辆检测系统的检测性能．     

基于特征光流的多运动目标检测跟踪算法与评价

光流车辆检测算法其光流不仅携带了运动物体的运动信息,还包含丰富的三维结构信息,能够在未知场景信息的情况下对运动目标进行准确检测;但传统光流法计算方法复杂、抗噪性能差、处理速度缓慢,无法满足多目标实时检测的实际需求。为提高光流法实时检测效率,同时保持较好的检测精度,提出了一种基于Harris特征点光流及卡尔曼滤波模型的多运动目标跟踪算法;并提出新的视频目标检测算法性能评价指标。通过对不同实验场景下多个运动目标的检测与跟踪实验统计结果表明,对比主流Meanshift车辆跟踪算法,检测精度平均提高4.61%;且跟踪持续性提升41.5%,具有更好的鲁棒性及准确性。在时间效率上较比传统光流法平均提升42.9%,能够更好地满足目标跟踪实时性要求。     

直接线性变换法在车载式视频图像车速测算中的应用

因车载式视频图像中摄录设备的位置、内外参数随着时间不断变化,难以保证在视频图像范围内有效选取或设定参照物,通过车载式视频图像,精确计算处于运动状态车辆速度难度较大。通过运用直接线性变换法,观测车载式视频图像中处于运动状态车辆的绝对行驶距离或相对行驶距离,可以实现对目标车辆的行驶速度测算。将直接线性变换法应用到车载式视频图像车速测算中,不仅可以提高车速精度,还可以进一步观测道路上不同车辆之间的方位关系,为道路交通事故取证、成因及再现分析提供依据。     

数目可变多目标的实时跟踪

提出一种单目固定场景下,基于贝叶斯框架的数目可变的多目标实时跟踪方法.通过两个阶段实现对目标的有效跟踪:第一阶段为自动初始化,通过背景建模对视频序列进行检测,并实时提取目标的空间与颜色分布特征;第二阶段为运用粒子滤波器对目标进行跟踪与标定,通过目标间的特征匹配对对应矩阵进行实时更新,判断目标的数量变化情况及其发生概率.本文通过对道路监控视频序列中的车辆进行了跟踪仿真实验,验证了该方法的有效性和可靠性.