基于C/S架构的客流检测系统设计与实现

客流检测系统基于Windows平台,以C/S架构为基础,通过对采集视频进行一系列的处理来实现行人的检测跟踪,以及相关客流数据的实时计算与显示.对视频解码模块、检测跟踪处理模块和进程间交互模块的设计作了详细介绍,测试结果表明,系统各模块均达到使用要求,且具有较强的稳定性和可扩展性.     

基于图像处理的车辆识别系统设计

为了实时了解道路交通信息,及时处理交通事故,在一定程度上缓解交通事故频发的状况,设计了基于方向梯度直方图（HOG）特征与支持向量机（SVM）的车辆检测系统.在收集大量的车辆样本,构建正、负样本集之后,提取出每一个正、负样本的HOG特征向量并汇总,进而形成检测所用的SVM分类器模板.在视频检测过程中,提取视频中每帧图像的HOG特征送到训练好的分类器中与模板进行对比,并用矩形框标注检测出的车辆目标.利用实际道路监控视频进行车辆检测系统测试,结果表明,对于不同的路况、天气和光线下的道路环境,该算法都可以完成实时且准确的检测,有较强的实际场景应用能力.     

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.     

一种基于视频的交通事故检测方法

针对目前交通事故检测中存在因疲劳等原因造成交通事故漏检的现象,提出一种基于视频的交通事故检测方法。该方法包括3部分:预处理模块,检测车辆和分析车辆状态;交通事故检测模块,判断是否会发生碰撞;报警模块,主要进行事故实时报警且实时存储事发图片。以车流量较小的路口为例进行仿真实验,结果表明,该系统能准确地预测并判断交通事故的发生。     

基于磁阻传感器的车流量检测系统的设计与应用

为了缓解城市交通拥堵、提高道路通行能力,设计了一个基于磁阻传感器的车流量检测系统,磁阻传感器能将车辆引起的地磁扰动转换为清晰的电压信号输出.该系统包含了信号放大模块、无线通信模块、A/D转换模块、传感器置位/复位模块等,多个地磁传感器节点通过无线通信模块与计算机系统相连,将检测到的车流信息反馈到上位机,从而实现对整个路口车流的检测.采用改进后的多中间状态机算法,有效避免由于干扰造成的误判.实验表明:该系统具有较高的检测精度,能够实时、准确检测车流量信息.     

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。     

基于阴影抑制和自适应背景更新的车辆检测系统

在基于视频的交通监控系统中,车辆的正确检测是关键,目前采用的典型方法是背景相减法.为了提高对多车道上运动车辆检测的正确率,该文提出的车辆检测系统采用了快速自适应背景生成与更新算法,并结合基于轮廓跟踪的阴影去除技术,可以达到精确定位车辆的目的.实验图像数据表明:该检测技术较传统方法更具鲁棒性和准确性,并且从算法实现的角度来看,具有简单易用、实时性较高的特点.     

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.     

混合交通场景中的车辆检测和识别

介绍了一种城市交通流量视频检测系统及其车辆识别新算法。通过检测道路上的运动目标并利用目标的运动信息和外形特征进行车辆识别。考虑到目标的阴影会影响目标的形状特征 ,导致目标识别错误 ,提出了一种新的阴影检测算法———利用目标的灰度特征对运动目标进行阴影检测和分离。实验结果表明该系统在模拟城市混合交通环境下 ,能够克服目标阴影的影响 ,准确检测和识别车辆 ,同时能够满足实时性的要求     

基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪

提出一种基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪方法.该方法在车辆检测阶段,为了解决传统高斯混合模型对运动目标速度变化自适应能力较差的问题,通过定义运动目标速率因子,给出一种模型学习率自适应更新策略,对传统高斯混合模型进行了改进,并用以实现车辆检测;在车辆跟踪阶段,通过建立一个适用于视频目标跟踪的卡尔曼滤波系统,并以车辆检测阶段输出的车辆质心为该卡尔曼滤波系统的量测值,实现了选定车辆目标的跟踪.实验结果表明,该方法车辆检测与跟踪效果良好,能满足实际交通监控系统的需求.     

公路货物运输动态跟踪系统监控中心应用技术

监控中心是公路货物运输动态跟踪系统的中枢,能够实现车辆监控、货物信息查询、货物动态跟踪等功能。在分析监控中心货运信息数据库、公路电子地图数据库建库的基础上,利用VB6.0和MAPOBJECTS2.0控件开发了单机版监控软件的GIS模块和货运信息管理模块,基于实验数据,模拟了车辆单点定位、车辆监控和货物跟踪功能,为进一步完善系统功能奠定了基础,在陕西省公路快速货物运输系统研究应用中取得良好效果。     

恶劣环境下无人机双旋翼故障的智能监测系统设计

当前无人机双旋翼故障检测系统在恶劣环境下的抗干扰性能差,无法正常运行。设计一种小型、智能的适用于恶劣环境下的无人机双旋翼故障监测系统。首先规划了系统的总体结构,将便携式工控机作为系统运行的核心,用于对故障进行检测、提取故障数据进行存储和分析。然后利用数据采集模块对恶劣环境下无人机双旋翼相关数据进行采集,通过RS485总线完成主机和被监测无人机之间的数据传输。利用信号测试卡模块对数据采集模块接收的数据进行逻辑测试和故障诊断。最后采用无人机双旋翼故障检测算法对故障进行检测。实验表明,所设计系统具有较高的监测效率和精度,诊断效果良好。     

基于地磁传感器的车辆检测算法*

地磁传感器是一种利用地磁变化来检测车辆的新型设备。通过分析大量地磁数据,提出一种基于波形峰谷值特征的车辆检测算法。该算法可以自动跟踪基线值并提取车辆信号特征。实际道路检测试验数据表明该算法简单有效,准确率可达98.5%以上。该系统可以应用于道路车流量检测,平均车速统计等,将在智能交通领域发挥重要作用。     

基于改进YOLOv5s和传感器融合的目标检测定位

针对无人车环境感知过程中相机无法提供道路目标的位置信息,激光雷达点云稀疏以致检测方面难以达到很好效果的问题,提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测,通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标,使雷达点云数据能投影到相机图像数据中,得到检测目标的位置信息,最后进行实车验证。结果表明,所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度,并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合,可实现嵌入式系统下的道路目标检测定位,为嵌入式平台下环境感知系统的搭建提供了参考。     

基于路面识别的重载车ABS控制与硬件在环试验

建立了整车多体动力学模型,提出了路面附着系数估计算法,在Matlab/Simulink中搭建了路面识别模块和ABS制动模块以及制动压力模块,应用自适应的控制策略对整车的制动性能进行仿真分析.在三轴汽车底盘实验台上进行了硬件在环测试,验证了含有路面识别的ABS控制系统的车辆制动距离明显小于无路面识别的ABS控制系统的车辆制动距离,具有良好的自适应性和控制精度.     

改进YOLOv5的多车辆目标实时检测及跟踪算法

多车辆目标跟踪时间主要花费在车辆检测模块和对每个车辆表观特征提取模块，一般情况下，车辆检测和车辆表观特征提取是在不同的神经网络中进行的，且一张图中的车辆目标越多，对车辆表观特征提取耗费时间的也越多，推理时间也相应变长。针对这一问题，基于经典的Tracking-By-Detection模式，提出一种改进的YOLO模型：在YOLO网络中添加ReID特征识别模块，使YOLO在输出目标位置信息的同时输出目标特征信息，以提高算法的跟踪速度。针对车辆间彼此覆盖的情况，提出一种基于动态IOU阈值的非极大抑制算法，以提高算法的跟踪精度。最后将YOLO输出的信息进行数据匹配，从而实现多目标跟踪。在UA-DETRAC数据集上验证改进模型的有效性，实验结果表明，将YOLOv5网络进行改进后运用在目标跟踪算法中，相对于经典的YOLO+DeepSORT跟踪模型，在车辆密集的情景下平均推理时间减少了17%；在改进后的网络上添加动态IOU阈值非极大抑制，跟踪精度提高了3.9个百分点。改进后的模型有较好的实时性与跟踪准确率。     

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.     

Development of a pure electric road sweeper

Circuit module structure and function of high and low voltage for a pure electric road sweeper were depicted, and the necessity of energy management system was discussed. Based on preliminary research of battery life-span, some factors that affect battery use in group and reasonable scope of battery SOC were given. The test results of the pure electric road sweeper show that its performance is reliable and operation cost is low. It is possible to replace the conventional sanitation vehicle in the future. The successful experience of the pure electric road sweeper is significantly recommendable for the future development of electric vehicle (EV).     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效的遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus,RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。