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.     

视频车辆检测技术及发展趋势

视频车辆检测技术正朝着智能化、网络化、集成化、实时性、视觉检测立体化等方向发展。视频车辆检测技术分为非模型交通信息检测技术和基于模型跟踪的交通信息检测技术两大类。对视频车辆检测技术在实际使用中存在的问题进行分析研究,提出相应的解决方法和改进措施。需进一步加强对视频检测算法的优化和改进研究,以提高检测算法的速度、准确度、自适应性,保证图像处理的实时性和有效性。     

基于TOPHAT-PCNN的图像车辆目标检测方法研究

对传统的车辆目标检测方法进行改进,提出了一种基于形态学高帽变换(TOPHAT)与脉冲耦合神经网络(PCNN)相结合的车辆目标检测方法.首先对交通图像进行形态学高帽变化提取图像的目标区域、然后分析了PCNN特征对车辆图像与非车辆图像的区分度,统计了熵特征和脉冲点火特征分别对原始图像和TOPHAT图像的有效性,选取了迭代平均熵作为车辆检测的有效特征,并采用滑窗的方式进行车辆检测,最后利用边缘密度信息对检测出的车辆目标进行后续验证.实验从有效性和准确性两方面进行验证,实验图片来自实际交通路口,结果表明:该方法能够有效地进行车辆目标检测,同时与其他车辆目标检测方法相比,具有检测率高、误检率低,消耗时间少等特点,能够较好的实现智能交通中车辆目标的快速检测.     

基于改进Boosting算法的夜间运动车辆检测

针对夜间交通场景中运动车辆目标提取及实时检测困难的问题,引入改进的Boosting模糊分类算法,提出了一种新的基于车头灯的夜间运动车辆检测方法.通过SIFT算法和融合多特征的方法精确提取夜间运动车辆车头灯特征,利用遗传算法优化Boosting模糊分类算法,并以加权投票方式对提取的车头灯特征进行分类判别,最后结合车头灯空间、运动信息及灯光颜色信息进行同车车头灯配对分组,实现夜间运动车辆的实时检测.实验表明,该方法在夜间交通环境中具有良好的实时检测效果和较高鲁棒性.     

复杂交通环境中车辆的视觉检测

基于复杂的交通环境中检测行驶车辆是视觉交通监控系统的一个关键问题,提出了一种新的检测行驶车辆的方法.用序列图像中连续三帧图像的差分粗分出运动区域,并用一种基于图论的静止分割产生的区域信息来修正运动分割的结果.给出了一种模板来增强图像区域间的对比度,以改进分割效果.实验结果表明,该检测方法能有效地在复杂背景中定位运动车辆.     

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.     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向.在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点.最后,展望了这一领域未来研究的热点.     

基于计算机视觉的汽车流量检测统计

利用计算机视觉和图像处理的方法对交通路口通行车辆进行流量统计.首先,由摄像机视场的标定原理和标定公式,得到了摄像机成像平面内的像素距离与实际三维空间距离的对应关系;然后,采用基于光流场的车辆检测方法,对所有经过设置的虚拟线圈的车辆进行实时检测和信息提取;最后,对提取的车辆信息进行统计和计算,得到实时路况信息.实验结果表明,该算法具有较高的检测概率,能够满足系统的精度和实时处理要求.     

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.     

基于虚拟仪器技术的智能交通车载信息采集平台

实时的交通和车辆信息的采集是很多种智能交通系统应用的基础.本文作者介绍了一种基于虚拟仪器技术的智能交通车载信息采集平台,详细描述了该平台的设计思想、构建方法及其应用.这种信息采集平台为智能交通系统中驾驶行为特性的研究、交通数据采集、现场测试等提供良好的辅助测试和验证平台.该平台还能作为智能交通多功能测试车的一个辅助检测手段,进行移动检测的研究.而虚拟仪器技术结合了计算机和电子仪器的优势,它能够使测量过程更加便捷可靠.     

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。     

跨道监控系统设计与应用

设计了一套基于视频的机动车跨道违章监测系统,系统的硬件平台由工控机,摄像机组成.首先由平均算法得到良好的动态背景图像,并由Hough变换法提取车道线;在车辆检测过程中提出了背景差法与边缘提取法相结合,车道线辅助识别的两次目标轮廓提取算法,从而获得完整准确的运动目标轮廓;在违章判别中提出了简易准确的跨道违章判别算法;最后使用均值漂移算法对运动车辆进行跟踪,并结合卡尔曼滤波器预测车辆在下一帧的位置.通过实际道路测试,该系统具有一定的实时性、准确性和智能性,可应用于智能交通监控领域.     

利用时空图方法进行车流量实时检测

提出了一种新的时空图计算方法,并且利用时空图对车流量进行实时检测。该方法中,首先使用时空图将交通监控的视频转换成空间信息与时间信息都包含在内的连续图像,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车流量。本实验所用的视频由架在路边建筑物上的摄像机拍摄获得。实验结果表明,该方法能够实时、有效、准确地检测出一段时间内的交通车流量,并且能够对实时的路况进行监测,具有很好的实用价值。     

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.     

基于改进Hu不变矩的路面交通标识识别

复杂环境下路面交通标识识别是车辆安全辅助驾驶、车辆自主导航等领域的重要研究内容.针对路面交通标识特征,采用一种控制点快速获取方法得到场景透视投影中的变换矩阵,进而在场景重建基础上利用Hough直线检测方法建立当前车道线的区域模型,在该区域内采用最大化一维信息熵方法分割出交通标识,利用Canny边缘检测算子检测其边缘特征,最后通过改进的Hu不变矩特征实现了路面交通标识的有效识别.实验结果表明,所提的方法对于复杂环境下的路面交通标识识别具有良好的可靠性和鲁棒性.     

基于自适应特征选择的夜间运动车辆检测算法

针对夜间交通环境的特点,提出了基于自适应特征选择的夜间运动车辆检测算法.首先,利用SIFT算法提取夜间运动车辆的形状特征,并融合颜色和纹理特征,得到夜间运动车辆的特征向量;其次,利用Boosting算法和遗传算法以迭代形式获取模糊规则及其权值;然后,采用Boosting算法以加权投票方式自适应选取对检测最有利的特征,从而实现自适应特征选择;最后,对夜间交通场景下3种不同道路情况进行实验.实验结果表明,在遮挡、光照及背景干扰等复杂情况下,该方法可以根据背景信息的不同自适应地选择特征,实现夜间车辆的实时检测,鲁棒性较好,可以满足智能交通系统的实时性和准确性的要求.     

Real-time vehicle tracking for traffic monitoring systems

A real-time vehicle tracking method is proposed for traffic monitoring system at road intersec-tions, and the vehicle tracking module consists of an initialization stage and a tracking stage .Li-cense plate location based on edge density and color analysis is used to detect the license plate re -gion for tracking initialization .In the tracking stage , covariance matching is employed to track the license plate .Genetic algorithm is used to reduce the computational cost .Real-time image tracking of multi-lane vehicles is achieved .In the experiment , test videos are recorded in advance by record-ers of actual E-police systems at several different city intersections .In the tracking module , the av-erage false detection rate and missed plates rate are 1.19%, and 1.72%, respectively.     

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．