基于DSP的交通视频检测研究与设计

在智能交通系统中,交通信息采集是交通系统管理的基础环节。视频检测由于其能够直观、有效的获取交通中运动目标的运动状态,因此得到了广泛的应用。随着微电子技术的广泛应用,低成本、低功耗的嵌入式系统越来越多的出现在智能交通领域。本文以嵌入式系统中的DSP（数字信号处理）为基础,开发交通信息采集装置,对交通流视频检测过程中的检测算法进行设计,对关键问题进行了研究。     

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．     

智能交通管理系统中的视频采集技术

智能交通管理系统(ITMS)是智能交通系统(ITS)的重要组成部分,而各种交通信息采集是实现系统智能化的前提,交通信息采集的方法和技术很多,其中,视频检测技术具有大区域、大信息量、多功能的特点,正成为交通动态信息采集技术主流。本文分析了视频交通动态信息采集技术的特点,对智能交通管理系统中综合应用视频交通信息采集技术进行了技术探讨。     

高速公路交通事件自动检测系统结构框架

在以往的交通事件自动检测(AID)系统的基础上，建立了新的AID系统框架，并根据该系统的结构探讨了事件检测的交通流信息采集技术，以及比较实用的加利福尼亚检测算法，提高了事件检测的准确性和系统的实用性．     

面向运动估计器硬件实现的加权块匹配检测算法

在各种视频处理算法中，运动补偿型算法大大提高了各种视频处理效果。运动估计器的硬件实现是各种运动补偿视频处理算法在实际系统中运用的关键。由于块匹配运动估计算法较低的运算复杂度和硬件实现难度以及块匹配检测标准函数很高的调用频率，已经广泛应用到各种实际系统中。文中提出了加权最小最大误差的匹配检测标准，能够降低运动估计器的运算复杂度，减少估计器的硬件面积，提高硬件速度，而且能够降低递归搜索块匹配运动估计算法固有误差传递带来的负面影响。     

一种新的交通流视频检测方法

提出一种基于彩色虚拟检测线的交通流信息视频检测方法．该方法通过分析光照、车道和阴影等模型之间的相互关系来判断车辆的存在，提高车流量检测的性能．通过引入色彩饱和度信息、自适应背景更新和运动检测，有效地区分阴影和车辆；通过二叉决策树来分析车辆的压线过程，提高了车流量检测的可靠性；通过一维视频跟踪的方式，解决了车辆速度检测的难题．试验结果表明，所采用的局部区域检测方法大大提高了交通流信息检测的实时性，且车流量检测的准确率可提高到98％．     

感兴趣区域中的快速人脸区域分割与跟踪方法

为解决人脸区域分割和跟踪的方法在速度和精度上存在的问题,提出了同时使用前景提取与肤色检测的视频监控中感兴趣区域的提取方法,以及在此基础上使用水平集方法的人脸分割和跟踪方法.在大幅度缩小AdaBoost人脸检测方法的搜索区域的同时,能够避免传统水平集方法解偏微分方程的高计算复杂度,并且在脸部朝向变化的时候保持鲁棒性.应用到PTZ摄像系统中实现视频监控系统,能够随着人脸的移动改变摄像机视角,从而在较大的区域中连续跟踪人脸.实验表明在鲁棒性和实时性上均有提高.     

基于视频的交通参数检测综述

为使智能交通系统发挥作用,必须对流量、密度及速度等交通流的核心参数进行检测,目前已经有许多常见的方法,但在实际的检测中,使用一种检测方法只能检测出部分参数,未能够实现全部参数的检测,尤其是密度参数非常难以检测.现有的密度检测方法大部分集中在局部场景的交通密度检测上,对于连续场景的交通密度检测很少涉及.现主要综述了流量、密度及速度3个方面的检测方法,并重点关注仅通过视频数据能够方便地检测出多个交通参数的文献.     

无人机晃动下基于相位的视觉振动检测

针对无人机平台视觉振动检测不准确的问题，文章提出一种抗无人机晃动的视觉振动检测算法，用于实现无人机拍摄镜头不稳定情况下的振动检测。该算法利用目标振动的局部性和无人机晃动的全局性，从源视频的混合信号中提取出目标振动。首先根据像素点亮度变化的剧烈程度实现目标振动区域与背景区域的分离；其次对图像的背景区域进行特征点提取，并求解背景区域的运动矩阵；然后对目标区域进行运动矫正，去除其包含的背景信号分量，即晃动信号分量；最后提取目标振动区域的局部相位序列，构建振动信号，并检测其振动频率。为了验证该算法的准确性，使用无人机在不同晃动幅度下拍摄多组视频并检测其振动频率。实验结果表明，该算法具有较高的准确性与鲁棒性，能够有效去除无人机晃动干扰，准确提取出视频中的目标振动信号。     

基于多特征的快速行人检测方法及实现

针对行人检测速度与实际应用问题,本文提出一种多特征的快速行人检测方法并应用于视频监控系统中。首先通过混合高斯建模,提取图像有效的运动区域,使得检测面积缩小;接着,将提取出的图像进行边缘处理,对HOG特征与LBP特征进行融合,使用支持向量机(SVM)训练分类器;最后在Hi3516A开发板上实现行人检测算法,实现实时监控检测。本文分别在PC端和开发板上进行实验,结果表明本文方法有效地提高了速度,达到了实时行人检测要求,且系统运行稳定,可用于实际监控中。     

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。     

基于计算机视觉的车流量检测算法

提出了一种基于计算机视觉的车流量检测算法。通过分析CCD摄像头采集的现场交通视频数据,运有用图像处理的方法提取图像中通行车辆的车速以及通过视场内的车流量,研究了视场距离标定算法和基于灰度统计的通行车辆识别算法,仿真结果表明了该算法的正确性和有效性。     

基于视频交通图像的潮汐车道自适应控制系统设计

针对城市道路双向交通需求不均衡的潮汐交通问题,设计了一种新的基于视频交通图像的潮汐车道自适应控制系统。通过局域网实现两台工控机间的独立运行,给出系统结构。介绍了控制逻辑,通过视频交通图像获取车辆平均速度、交通流量等数据。以计算交通饱和度,选择道路双向饱和度的加权切换动态控制方式对潮汐车道进行自适应控制。按照车道交通状态中两个方向的饱和度,把潮汐车道交通状态划分成五种情况,通过枚举法对模型进行求解。依据潮汐车道交通特征,把全部车道配置看作解空间,把双向车道交通饱和度与流率看作输入量,实现模型求解。实验结果表明,所设计系统综合延误低,车辆排队长度少,在中高密度交通流下也可有效实现控制。     

一种基于边缘信息的改进车辆检测方法

实时获取车辆有无、车流量等交通信息,在智能交通系统中有着及其重要的作用.基于视觉的交通监视系统具有直观明了、系统使用和维护费用相对较低等优点,因而广泛应用于公路干线和交叉道口的交通监控.但是由路边建筑、树木引起的阴影,是导致车辆检测错误的一大主要因素.笔者提出了一种基于边缘信息的改进车辆检测算法,用于检测车辆,进而实现对过往车辆的正确计数.     

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.     

形态滤波器在交通视频检测中的应用

介绍交通视频检测的基本过程,分析了交通视频图像的特征,研究了三种形态滤波器——中值滤波器、普通形态滤波器、顺序滤波器对交通视频图像的处理能力．顺序滤波器的使用依赖于二值图像中噪声与目标的分布参数P．提出了选择交通视频图像分布参数P和滤波窗大小的基本方法．实验证明,选用合适参数P的顺序滤波器能够大大减少计算量,快速地处理交通视频的二值图像,基本满足在各种气象条件下的实时采集交通数据的要求。     

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。     

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．