基于边缘点运动估计的交通参数检测

利用运动车辆的边缘点包含了运动的位置及运动方向的特点,本文提出一种基于边缘点运动估计的视频检测方法,通过对前后两帧交通图像的运动边缘点在虚拟线圈内进行匹配,可以确定运动车辆在连续两帧图像中的运动矢量,从而获取车流、车速等交通参数。该方法大大减少了运算量,确保了视频检测的快速性和准确性。     

针对运动物体的视频检测方法

视频检测技术是交通检测领域的一种新技术，是一种结合视频图像和电脑化模式识别的技术，在路上安装摄像机，通过软件在显示器视频图像的车道上设置虚拟车道检测器，每个虚拟车辆检测器代表一个区域，当车辆通过任何一个虚拟检测器时，就会产生一个检测信号，再经过软件数字化处理得到车型、车流量、车速、车头距离、占有率、车辆排队长度等交通数据。这里从另外一个角度介绍一种针对运动物体的图像处理方法，即通过图像灰度的一种代码变换，比较连续的两副图像，进而检测物体的轮廓及运动方向。     

基于快速匹配算法的虚拟线圈设计

介绍了虚拟线圈的作用及工作原理，详述了运动矢量及快速匹配算法在虚拟线圈设计中的使用步骤，并以车辆越过停止线的违章检测为例，说明了虚拟线圈的设置过程．     

基于虚拟监测线的交通参数视觉实时监测

给出了基于虚拟检测线的运动检测方法,说明了虚拟检测线的设置原则,给出了背景更新的图像差分方法和计算流程.在运动检测的基础上,说明了车流量和车速的检测方法.该方法简单有效,对车辆计数和车辆速度检测的准确率和实时性较高.     

基于视频图像的隧道行车速度检测

基于视频图像测量隧道行车的速度,重点是检测车辆在视频图像序列中的位移,现有的位移测量方法大多采用特征匹配法和车牌定位法,两种方法都是提取车辆运动的特征向量来判断车辆的总体位移,有一定的局限性。本文考虑到傅里叶变换具有全局特性和相移特性,提出了一种将图像虚拟检测线灰度均值测量、傅里叶变换、相位相关和数字图像处理相结合的方法,来检测运动车辆及其在视频图像序列中的位移,再将位移量应用于摄像机中标定,计算隧道行车的速度,以提高车速检测的准确性和实时性。     

一种面向全景视频的交通状态检测方法

传统的交通状态检测方法对全景视频中的车辆检测时存在检测精度低、鲁棒性差等缺点。为了解决这些问题,该文提出了一种新的基于虚拟检测线的车辆检测方法。首先,利用提出的基于动态学习率的改进混合Gauss模型构建背景,背景模型的学习率由检测到的车速决定;其次,通过引入Mahalanobis距离来判断虚拟线上的像素是否属于背景;最后,通过设置检测跟踪区域检测车速并跟踪车辆行驶轨迹,避免重复计算车辆数。实验结果验证了所提方法的有效性及在各种场景下较强的鲁棒性。     

基于图像分析的数字图像色偏检测方法

为了克服传统方法在检测图像色偏上的局限性问题，提出了一种基于图像分析的图像色偏检测方法．并且在该方法的基础上，给出了一种基于图像子样的两步判别方法，既有效提高了算法的运行效率，又通过消除图像中主色调对色偏检测的影响，提高了检测的准确率和可靠性．依据所设计的评价试验，对大量不同主题的图像进行了评测．试验表明，文中所提出的方法与主观评测结果具有较好的吻合．在此基础上，成为一个数字成像系统图像品质评价工具，并在工程实际中得到了应用．     

基于视频角点信息特征的交通流参数测算方法

提出了一种基于视频图像中角点特征的交通参数检测方法．首先设置检测区域，并将检测区域分为初始检测区和跟踪检测区，在初始检测区内对运动车辆的存在性进行检测．为了加快计算速度，利用虚拟线状态检测的方法判断车辆是否驶入，如果有运动车辆出现，则对运动车辆的角点进行定位，并在初始检测区内实现状态参数的初始化．在跟踪检测区．基于刚体运动的一致性假设，依据角点的分布特征对车辆进行分割，实现对运动车辆的跟踪．在车辆完全驶离跟踪区域时，统计交通流的流量、速度以及车型等信息．     

线圈式车速及车流量检测器设计

为提高对车辆检测的准确度,设计了一种新型的基于线圈的车速及车流量检测系统。设计应用Cortex-M3内核的高性能ARM平台,选通工作模式实现分时段采集多路通道信号,系统可连接至数据中心,实现远程监控。在软件方面,利用队列数据结构,按照先进先出的原则对上游线圈与下游线圈的信号进行配对。此外,系统采用了求导法,可降低对于大型车、拖挂车的误检,弥补线圈检测技术上的缺陷。测试表明,车辆检测器具有良好的可靠性,检测精度高,具有很高的实用价值。     

基于线圈的车速及车流量检测器设计

为提高对车辆检测的准确度,设计了一种新型的基于线圈的车速及车流量检测系统。本设计基于Cortex-M3内核的高性能ARM平台,选通工作模式实现分时段采集多路通道信号,系统可连接至数据中心,实现远程监控。在软件方面,利用队列数据结构,按照先进先出的原则对上游线圈与下游线圈的信号进行配对。此外,本系统采用了求导法,可降低对于大型车、拖挂车的误检,弥补线圈检测技术上的缺陷。测试表明,本车辆检测器具有良好的可靠性,检测精度高,具有很高的实用价值。     

单幅运动模糊图像的恢复及应用

运动模糊图像复原技术高度依赖于点扩散函数的估计,即估计线性运动模糊的方向和长度,这两个参数与物体实际运动速度有一定几何关系。本文在去除运动模糊的同时,提出一种基于单幅模糊图像估计车速的方法。由于运动模糊通常发生在图像的动态区域,因此在恢复图像的同时依据成像几何、相机摆姿和估计出的模糊参数经过数学推导可以计算出车速。本文依据模糊像素扩散现象及模糊图像在频域的性质来估计模糊参数,结合维纳滤波方法进行复原。从而辨识车辆、估计车速、辅助交通管理。实验表明本文方法实用性强,效果较好。     

一种快速人脸跟踪算法的研究

提出了一种新的在连续运动场景中人脸的检测和跟踪方法.首先采取FloatBoost算法检测人脸,以提高检测速度和精度,然后运用运动学原理及运动估计的思想,利用时间序列分析中移动平均法和指数平滑法预测下一帧图像中跟踪目标的运动位置区域,以减少图像搜索区域,降低处理资源的消耗,达到实时跟踪的效果.仿真实验中,利用MATLAB进行人脸的检测、跟踪实验,并运用本文算法与FSA,CPME算法对跟踪目标物体的时间进行了对比实验.实验结果表明,本文所提出的方法具有良好的实时性和准确性.     

基于摄像机的人体运动分析系统标志点图像处理

针对基于普通摄像技术的人体运动分析系统检测精度与处理速度低的问题,提出了一种快速标志点模糊图像预处理及标志点识别与跟踪的新方法。该方法首先利用快速模糊边缘检测算法对图像进行增强处理,然后使用作者构造的基于阈值法的连通域判别算法提取标志点图像边缘,最后运用“一阶预测—局部搜索”方法查找与跟踪标志点。对比实验及临床应用结果表明,该方法具有运算量小,图像处理快的特点,提高了运动分析系统的运行速度。该方法尽管是针对由普通摄像机替代专用设备建造的人体运动信息分析系统中图像处理问题提出的,但它同样适用于其它有关静止或低速运动物体图像的检测、处理与模式识别等方面的研究。     

一种改进的车牌识别预处理方法

对车牌识别的预处理算法进行了研究,提出一种新的预处理流程.首先对车牌进行光照空域校正,然后进行同态滤波、直方图均衡、对比度拉伸,在求局部阈值时,利用Robert边缘检测算法缩小了需要确定局部阈值的图像范围,且利用中值滤波使二值车牌得到了增强.该算法原理简单,容易实现,处理速度快,实时性好,为图像处理提供了一种新方法.     

汽车图象中字符目标的提取算法

针对汽车图象的复杂背景和多变的光照条件,提出一种用于汽车图象的字符目标提取算法,该算法采用了基于边缘分析的二值化算法结合自适应的形态滤波方法,对字符图象的灰度和纹理分布进行了分析,设计了一种基于一维边缘分析的二值化方法,与其他传统分析方法比较,该方法在运算速度和抗干扰能力上明显优势,在对二值化图象进行分割时,不采用固定形态滤波结构元素,而是根据子域及其邻域关系自适应地调整用于滤波的结构元素,更有效     

基于强度峰值的运动车辆识别方法

针对雾霾天气下照度不够、视频图像背景不断变化导致雾霾天图像质量下降、前景目标不易检测识别等现象进行了分析,解决了传统光流法无法有效单独检测跟踪目标的问题。在分析研究传统车辆识别思路及方法的基础上,提出一种光流估计与强度峰值特征提取相结合的检测方法,可以适应跟踪过程中目标特征和背景的不断变化,有效解决雾霾天气条件下车辆检测的鲁棒性问题。最后,通过实验验证了方法的有效性。     

视频车辆监控系统图像抖动快速消除算法研究

在开发智能视频车辆监控系统时,为满足图像抖动消除速度和效果的要求,通过分析系统特点提出了一种基于图像匹配的新算法.新算法利用在基准帧中预先划定的适合于进行图像匹配的区域,在当前帧中根据像素灰度的绝对差值和寻找其最佳匹配,通过预测的方法快速求出当前帧相对于基准帧的偏移量,从而用来消除抖动.实验表明,新算法在确保抖动消除效果的同时大幅度地提高了处理速度,满足了系统要求.     

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.     

一种提高视频车速检测精度的方法

通过对基于虚拟线的机动车视频测速方法的精度分析,提出了一种提高测速精度的方法.该方法在车道上定义一个矩形检测区,该检测区在视频图像上呈现出梯形,采用二维图像标定方法将梯形图像区域中任意一点的图像坐标准确地映射为检测区内对应点的地面坐标.通过在车辆经过检测区的视频图像中选取适当的图像帧,可以获得车辆的位移及对应的时间间隔,从而获得较高精度的速度测量结果.