基于无线传感器网络的车辆检测算法

利用磁干扰原理,无线传感器网络可以对车流量、车速等进行实时监测,逐渐被用于智能交通领域。本文深入研究了车辆磁干扰的特征及其提取方法,提出了一种自适应状态机车辆检测算法。实验表明该算法可以达到对车辆的准确检测。     

基于图像矫正与去噪的车牌识别算法RD-LPRNet

复杂场景下的车牌目标存在大倾角、远距离、光照不均等负面因素，极大地加剧了车牌识别的难度。针对上述问题，提出了一种新的车牌识别算法RD-LPRNet,该算法首先采用改进空间变换网络RNet预测仿射变换参数，对存在大倾角的车牌进行几何矫正；接着构造基于自适应注意力机制的去噪网络DNet,以真实-标准车牌对为训练数据，提高网络提取有效特征、剔除无效噪声信息的能力；最后基于LPRNet,改进其网络输入结构以丰富初始输入特征，提高训练收敛速度；添加深度分离卷积瓶颈结构，增强网络的特征提取能力；加入残差卷积替代特征拼接实现更高效的特征融合与传递。对CCPD、CLPD、PKUdata、OpenITS以及本文人工采集的车牌数据的测试结果表明，RD-LPRNet在复杂场景下表现出更高的识别性能。     

一种抗干扰的磁阻传感器车辆检测算法

基于磁阻传感器的物联网在城市交通检测中逐渐被大规模应用,但城市中的地下高压电缆会产生磁场辐射,形成大范围、长时间的磁场干扰,而传统的车辆检测算法大都没有考虑到这类磁干扰,导致了误检率过高.本文提出了抗干扰的车辆检测算法,基于高压电缆磁场模型分析了磁干扰信号的特征,设计了广义形态滤波器过滤干扰信号,然后利用双阈值机制实现了车辆检测算法.实验结果表明,在高压电缆磁干扰环境下,该算法的车辆检测准确度在98％以上,优于传统算法.     

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。