基于视频分析的机动车斑马线前未礼让违法行为检测系统

机动车在斑马线前未礼让行人的违法行为容易造成交通事故和人员伤亡,现有的方法无法有效地检测此类违法行为。提出一种基于视频分析,对机动车斑马线前不礼让的违法行为进行自动检测的整体系统。首先,针对不礼让行人违法行为进行细分,明确违法行为的取证数据组成。然后,详细介绍系统的硬件组成、软件设计框架和核心算法。最后,给出系统在杭州某路口的实际运行效果。实验证明本系统可稳定地全天候运行,无需人力支持,是现有非现场执法系统的有效补充。     

基于Logistic回归模型的闯红灯行人的人口特征研究

研究行人人口特征对闯红灯行为的影响.选取某个道路、交通和环境等条件单一的信号交叉口,从而控制这些客观因素对闯红灯行为的影响,采集1 095个过街行人数据,包括121名闯红灯行人、195名红灯时期到达路口等待绿灯通行的行人和779名绿灯期间到达并通行的行人.采用logistic回归模型,分析了行人闯红灯的选择与聚集性、性别、年龄的关系.研究结果表明,群体较之个人,男性较之女性,老年人较之青年人和中年人,闯红灯的可能性更大,从而为制定针对性的交通安全宣传策略提供指导.     

视频行人重识别研究进展

视频行人重识别是指在不同摄像头拍摄的视频中检索特定行人的技术.与图像行人重识别相比,视频行人重识别赋含信息更多,包含了帧与帧之间的时间信息、运动信息等,这有利于提高行人检索的准确率,因此视频行人重识别引起了国内外学者的广泛关注.本文探讨了视频行人重识别的处理过程,详细介绍了其中特征提取和距离度量的方法,并对各种特征提取方法的特点及应用进行了总结,给出了一些视频行人重识别实验数据集和评价标准,提出了视频行人重识别研究领域面临的挑战及相应的解决方案,最后对视频行人重识别技术未来的研究问题做了展望.     

定点视频监控系统中行人检测平台设计与实现

行人检测技术是定点视频监控中数据采集分析的一项关键技术,实现对系统中运动行人自动检测,有着非常重要的意义.由于监控视频中远景区域中的运动行人目标相对较小,对运动行人的检测常存在漏检和误检等问题.通过设置辅助变焦摄像头,对远景区域进行数据采集,使得采集到的图像分辨率得到提高,再进行检测分类处理,从而解决远景区域中运动行人...     

基于多模型检测的视频监控行人跟踪算法

研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.     

面向视频智能分析的商业街行人交通流预测建模

 阐述了利用面向视频智能分析技术，对商业区行人交通流数据进行样本提取、预处理和建模分析的方法全过程。以北京西单商业区为例，构建了包含不同类型监测点、不同时间点的日期分组式纵向时间序列，并完成了预测建模和效果对比。研究表明，所有序列均为平稳非白噪声序列，具有相似的自回归移动平均（ARMA）模型形式，能较好地实现对行人流量的预测。     

高架道路监控视频中的行人检测

提出一种用于检测进入高架道路中行人的检测算法。先通过帧间差分获取场景中的运动目标区域,然后在颜色空间进行肤色分割,得到人脸候选区,再依据人脸形状信息及其它约束条件剔除类似人脸肤色的运动物体。实验结果表明,该检测算法不受光照缓慢变化的影响,并有较高的检测速度和检测概率。     

基于量子演化理论的行人检测改进算法

对视频中移动摄像头下的行人检测问题进行了研究,在AdaBoost行人分类算法、支持向量机(SVM)理论和多目标优化原理的基础之上,并结合三者的特点,提出了一种基于量子演化算法的行人检测优化算法。首先,使用传统的AdaBoost算法对行人进行粗粒度的分类,然后使用支持向量机(SVM)设计精度更高的行人检测器。针对SVM的分类器参数多、关系复杂,而且无好的调节准则,根据核函数的构建条件,将实值量子演化算法引入到SVM参数的寻优问题中,对于分类性能采用多目标优化的方法,取得了较好的效果;同时从理论上分析了算法的复杂度。经过实例测试,算法与经典多目标优化算法NSGA-II的相比,改进效果明显。最后的实验说明了算法检测的准确性。     

行人交通参数提取算法改进与处理系统研发

为了解决行人交通参数获取困难、精度低等问题,需要开发出一套高精度、高效率和强抗干扰性的行人交通参数提取系统。首先,基于视频流中运动目标时空一致性的原理,采用运动目标梯度方向直方图(HOG)特征提取算法对视频流进行分割;其次,对运动目标特征进行分析并提取特征向量,建立反向传播(BP)神经网络对运动目标进行训练和分类,实现对运动目标的检测和识别;然后,利用MATLAB软件平台,开发了能够对行人流量、速度和时距等数据进行快速处理与准确分析的系统。最后,进行了实例测试。结果表明:检测系统的参数提取精度能达到90%以上,高于现有算法的提取精度。同时,系统有较强抗环境干扰性,提取效率和数据处理功能效果较理想。     

机动车违法行为视频检测系统的现状及发展趋势

机动车违法行为的视频检测技术越来越成为一种趋势，本文对现有的各种机动车违法行为视频检测技术和系统进行了详细阐述和归纳，并对各种机动车违法行为的视频检测方法的发展趋势进行了分析。     

基于生存分析方法的非机动车闯红灯行为研究

研究非机动车在信号交叉口的闯红灯行为及其重要影响因素. 通过录像拍摄获取非机动车的等待忍耐时间及其影响因素数据,采用生存分析中的非参数方法建立等待时间的生存函数模型. 结果表明,等待时间越长违规率越高;约32%的非机动车几乎不等待就闯红灯,约15%的非机动车愿意等待很长时间也不闯红灯;电动车的等待忍耐时间比自行车更短;当正在等待的非机动车数越少或正在违规的越多时,非机动车的违规率越高.      

基于改进的粒子滤波的红外视频行人跟踪

提出了一种基于改进的粒子滤波的红外视频行人跟踪算法,实现了在传统粒子滤波算法的框架下,使用有向梯度直方图(histograms of oriented gradients,HOG)来描述跟踪目标的特征.算法在粒子权值和相似度计算中使用HOG,替代现有的颜色空间欧式距离测度,克服了红外视频中颜色信息缺失的困难.试验表明,与传统的粒子滤波算法相比,本文算法更能准确有效地跟踪复杂场景中的行人,提高了跟踪的鲁棒性.     

基于递归卷积神经网络的行人检测方法

为了提高视频中行人检测的准确度,提出了一种基于递归卷积神经网络的行人检测方法.该方法利用递归卷积神经网络融合视频中连续图像的上下文信息,以实现准确的行人检测.首先,利用卷积神经网络提取连续图像的多个特征图组;然后,根据先后次序,将多个特征图输入到递归卷积神经网络中,形成一张关于行人位置的掩码图;最后,通过在掩码图上预测...     

基于空间颜色特征的行人重识别方法

行人重识别技术是嫌疑目标跨摄像头的完整活动路径分析系统的核心技术,但是在被用于实际应用时面临计算复杂度高和存储开销大等问题.针对这些问题,以视频侦查应用为背景,提出一种基于空间颜色特征的行人重识别方法,建立一种在计算复杂度和性能上较均衡的行人外貌特征描述符,对外貌中直观和重要的颜色特征采用对光照具有不变性的颜色描述符进行描述,一定程度上降低了光照变化对颜色特征稳定性的影响.为了弥补颜色直方图缺少空间信息的缺陷,并提高颜色直方图对光照和姿态变化的鲁棒性,把行人团块按语义分割成躯干和腿两部分,再把每一部分细分成若干子块,然后分别计算颜色描述符,并在计算相似度时引入位置信息.实验结果显示本方法在取得接近最好性能的同时具有低计算复杂度的优点.     

高速公路管理中的交通事件视频检测系统

采用背景自动更新技术,实现了一个交通事件视频检测系统。该系统由分析仪、数据服务器和管理器等组成,可对交通事件报警,可在事件事故发生时自动录像,以及进行永久录像、管理员录像、多摄像机录像和外部触发录像,可测量交通参数,可进行远程维护,实现对道路交通安全管理。     

面向辅助驾驶的夜间行人检测方法

辅助驾驶系统需要实时而准确的行人检测方法.文中利用基于知识的方法复杂度小的优点,针对单目远红外视频数据,提出一种基于概率模板匹配的夜间行人检测方法.该方法基于行人样本的灰度分布特征,采用局部双阈值分割算法提取候选目标,进而根据行人的运动方向建立多尺度概率模板,对候选目标进行判别.该概率模板建立方式缓解了行人样本类内方差较大的问题,增强了概率模板归纳行人外观模式的能力.为改善行人检测的准确度,进一步将目标跟踪算法融入概率模板匹配,借助多帧的综合处理结果实现了更为鲁棒的目标归属判断.实验结果表明:该方法计算开销较低,实时性较好;在郊外场景中检测率不低于90%,虚警率不高于10%;而在市区场景中检测率约为75%,虚警率约为22%.     

面向监控视频的行人检索系统设计与实现

为了提高面向监控视频的行人检索的准确率和鲁棒性,提出了一种基于HSV颜色直方图与ResNet50的两级检索算法.首先利用HSV颜色直方图对行人进行初筛,再采用ResNet50预训练模型对目标行人进行二级检索.在自制数据库上对不同模型进行行人检索实验,结合准确率、召回率、F-Measure和检索时间这4个指标进行评价,验证了该算法的有效性.最后基于该算法设计了一个检索特定目标行人监控视频的系统,为监控视频的快速检索提供了解决方案.     

视频序列中面向行人的多目标跟踪算法

为实现视频序列中多行人目标跟踪,基于多信息融合方法,考虑多目标间严重遮挡,建立面向行人的多目标跟踪算法.提出多信息融合算法融合目标颜色和运动信息,结合均值漂移算法思想,实现常态下目标跟踪.针对多行人目标参与的遮挡,通过理论分析遮挡过程中目标面积变化,提出遮挡因子判别遮挡发生、辨识遮挡者和被遮挡对象、确认被遮挡对象重新出现等.实验结果表明,该方法能够正确跟踪行人目标,判断并处理多目标间的严重遮挡.      

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。