趣话红绿灯

"红灯停、绿灯行、黄灯要慢行!"我们从小就熟稔于心。今天,红绿灯安装在各个交叉路口,无论是司机,还是行人,都会根据红绿灯的转换决定前行或停止脚     

基于改进的SIFT算法交通标志牌的检测与识别

提出了一种针对自然场景下的标志牌的检测和识别算法,首先对获取的视频进行帧提取,采用图像增强算法对图像进行预处理,进而转换到HSV颜色空间,利用其颜色和形状特征进行检测定位,再根据感兴趣区域的面积特征排除多余目标,最后根据改进的SIFT特征匹配算法,利用最近邻分类器算法进行识别,样本库选用的是自然场景下的道路交通中的数据,通过对比实验发现,该算法在保证检测率的同时大大提高了算法的实时性。     

城市环境中箭头型交通信号灯的实时识别算法

提出一种检测和识别城市环境中箭头型交通信号灯的新方法.首先,用图像颜色分割和形态滤波来定位交通信号灯的灯板位置;其次,将交通信号灯的灯板区域彩色图像转换到YCbCr空间,对Cb和Cr通道进行阈值分割,判断形态及交通信号灯与灯板的相对位置来确定红色、黄色和绿色交通信号灯候选区域.然后,用二维Gabor小波变换和二维独立分量分析来提取交通信号灯候选区域的特征;最后,用最近邻分类器识别交通信号灯的箭头方向.实验结果表明:该算法的总体识别率超过91％,每帧图像的处理时间为152 ms,能够为行驶的车辆提供实时、稳定和准确箭头型交通信号灯信息.     

智能交通信号灯

朱赛是合肥工业大学的一名学生，喜欢探索的他发明的智能红绿灯装置可以根据车流量的大小。灵活地调节红灯和绿灯的时间。而这一项目也引起了中国一些企业家的关注、信号灯会“见风使舵”在安徽省首届青年创业大赛上，由合肥工业大学朱赛、赵冲、王新树、施洋洋、周尧五位同学组成的团队凭借《太阳能无线网络智能交通信号控制系统》取得了优异的成绩，这种红绿灯的神奇之处在于，它能根据十字路口车流量的大小，自动地调节红灯、绿灯的时间。     

基于不同颜色空间的舌色分类的评价

分类算法最好的评价指标是分类误差,在综合常用舌色分类算法和在不同的颜色空间中提取舌色特征的基础上,基于360张舌图片,考查了常用的9个3维颜色空间和18个2维色度平面,采用交叉验证的方法对舌色分类器的性能进行评价,形成了一个系统的舌色色度空间的分类性能评价体系,为选择合适的颜色空间来提取特征和选择分类性能较强的分类算法对舌色分类提供了依据.结果表明,在知觉颜色空间、感知均匀空间内和包含亮度信息的2维色度平面上提取舌色特征对于舌色分类具有较好的分类性能.     

基于哈尔特征及结构复杂度的视觉显著性模型

提出了一种基于哈尔特征及结构复杂度的视觉显著性计算模型.首先,将输入图像从物理颜色空间RGB转换到感知颜色空间LAB.然后,用积分图快速计算出图像在LAB颜色空间各颜色通道中不同尺度下的哈尔特征图.最后,将所有特征图根据各自的结构复杂度融合为最终的显著图.实验结果表明,该模型总体上优于当前的6种典型算法,与心理学实验结果有较好的一致性.     

基于空间分布特性和局部复杂度的显著目标检测算法

目前的视觉注意显著区域检测算法,主要依赖像素间的相互对比,缺乏从全局角度对显著目标的分析理解。依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标空间分布特性和局部复杂度的无监督视觉注意显著目标自动提取算法。首先根据局部区域与其多个尺度邻域的对比,得到亮度显著图;然后利用颜色信息的显眼性、空间分布和区域一致性得到颜色显著图;同时通过对方向的空间分布和局部复杂度进行多尺度分析得到方向显著图;最后通过显著值的空间分布和面积增强因子相结合的融合策略得到输入图像的显著图,根据显著区域确定感兴趣区域位置,在基础上完成目标检测。将此方法应用于各类具有不同特点的彩色图像进行仿真实验,得到较好的检测结果,表明该算法是切实可行。     

视频移动侦测技术在城市交通管理中的应用

针对城市交通管理中的交通红绿灯计算机监控系统采用地埋感应线圈来识别红灯禁行区车辆的缺陷,描述在该计算机监控系统中如何采用视频移动侦测技术(VMD),取代地埋感应线圈来识别道路红灯禁区中行使的车辆,减少安置地埋线圈时对路面造成的损坏.分析应用该技术的可行性,硬件的可实现性.阐述如何通过计算机程序荻取摄相机自动抓拍的交通红绿灯路口上行驶的机动车的违章行使照片和道路交通状况信息的方法.     

基于颜色特征的胸环靶图分割算法

胸环靶图的识别是自动报靶系统的重要研究内容之一。在分析胸环靶颜色特征的基础上,提出了一种基于颜色特征的胸环靶分割方法。首先从RGB颜色模型颜色空间分析了靶环绿色恒量的存在性;并基于绿色恒量特征初提取胸环靶图像。然后在HSI颜色空间中基于色调和饱和度分量进一步提取靶环图像。最后对二值化后的图像作投影变换,确定胸环靶在图中的位置。该算法其他的胸环靶分割算法,避免了阈值选择不当的问题;并且能够有效克服光线、背景变化和天气条件的影响,具有很好的鲁棒性和自适应性,定位精度高。     

聚类算法在航空图像颜色处理中的应用

将聚类算法以及颜色传输算法应用到航空图片颜色处理中.首先,利用聚类算法对两幅不同环境下的航空图片进行聚类分析,产生若干聚类域;然后,利用颜色传输算法实现匹配颜色聚类域之间的对应传输;最后将传输结果转换到RGB空间显示.为了确定两幅图像间的传输方向,为每个聚类域设置一个匹配因子,并根据不同的图像特征采用不同的匹配因子计算方法;然后选择两幅图像中匹配因子最接近的域作为匹配域,实现对应传输.实验表明,该算法能够获得不同环境下的航空图片.     

日本研发新型交通信号灯系统

<正>据日本媒体近日报道,日本政府正在开发一种新型交通信号灯系统,可以根据车辆的行驶状况调节绿灯放行时间的长短。该系统可以让遵守限速规定的车辆更容易通过红绿灯管控的路口,而对超速车辆则启动红灯。正在研发的这个系统会在红绿灯的前方架设一种被称为"光VICS"的机器。该机器可感知车辆的行驶状况,并将该信息传送     

基于HSV和MB_LBP特征的级联Adaboost车牌检测算法

车牌检测作为车牌识别系统中的重要环节,直接影响着车牌识别的准确度.为提高车牌的检测率和检测速度,提出了一种基于HSV颜色模型和多分块局部二值模式(MB_LBP)特征的级联Adaboost车牌检测方法.首先将车牌图像由RGB颜色空间转换到HSV颜色空间,统计蓝色像素占车牌总像素的比例,来构建第一层强分类器;其次对车牌字符样本提取MB_LBP特征,利用Adaboost分类器训练方法进行特征选择及分类器训练,最后利用Cascade结构检测法形成一种新的车牌检测算法.实验表明,本文算法有效的提高了车牌检测率和检测速度.     

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法. 通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别. 同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题. 实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.      

基于凸包计算和颜色特征的显著性检测算法

针对传统的显著性检测算法存在区域亮度不够、显著区域不准确、有背景噪声等问题,提出一种基于凸包计算和颜色特征的显著性检测算法.考虑到图像在不同的颜色空间中颜色取值范围不同,首先,在多种颜色空间经过超像素分割得到区域对比图;然后,在CIELAB颜色空间中得到平滑的通道差值图;其次,利用颜色增强的Harris形成凸包得到中心先验图以及凸包结构图;最后,将4种显著图特征融合并优化得到最终显著图.新算法更加接近人工标注图的结果,不仅能够从背景中分离出显著物体、抑制背景干扰和凸出显著区域,而且获得全分辨率的显著图.在公开的图像数据集上将新算法与其他现有8种显著性检测算法进行对比,实验结果表明,新算法优于其他算法.     

城市道路超车特征分析与高风险超车识别

为高效、有针对性地管理城市道路超车行为,提出基于量化特征在线识别高风险超车的方法。首先以交通波理论划分城市路段超车类型,并根据其特性构建多维度指标体系以描述关键特征;然后提出使用车牌识别数据在线计算各项指标的方法;最后基于真实数据,验证该指标体系用于高风险超车识别的有效性。结果表明,可以多项式分别拟合路段超车数和超车幅度总和与流量的关系,以筛选超车频次和强度对流量敏感的路段;K-means算法可根据计划行程速度、单车超车当量速度差将主超车聚为3类,将该类型与车辆超车后行程速度、单车超车当量速度差相结合可实时识别高风险超车;高风险超车常见于相邻交叉口信控相位协调不利的周期,且多发于上游交叉口周期初期和下游交叉口绿灯末期。     

一种基于光照无关图的车道检测方法

针对无人车辆道路检测时,特征提取易受光照变化和阴影影响的问题,提出一种基于光照无关图的车道检测方法.使用最小熵值法离线求取图像的光照无关角,对图像每个像素点在对数色度空间向光照无关方向投影得到光照无关灰度图;利用Canny算子提取光照无关图边缘,在边缘图上寻找线段基元以减弱细小边缘的干扰;使用改进投票空间的Hough变换检测直线,采用分段线性道路模型描述道路边界.实验表明,该算法能够有效减弱阴影和光照变化造成的影响,准确识别道路边界,满足实时性要求.     

基于色度分割与图割算法的视差估计算法

为提高视差估计的准确度,提出了一种基于色度分割和图割算法的视差估计算法.该算法采用均值漂移算法对当前图像进行色度分割,并对每个色度分割区域的像素集合分别用图割算法在参考图像中进行像素匹配,进而估计出当前图像的视差.与传统的全局优化算法不同,文中提出的视差估计算法将每个色度分割区域作为整体分别进行全局优化,因而可以提高物体边缘的视差估计准确度.实验结果表明,该算法的视差估计结果更加准确.     

十字路口交通灯模糊控制系统设计

采用模糊控制算法对十字路口交通灯进行控制,使用西门子可编程控制器实现交通灯的模糊控制,在PLC的基础上设计模糊控制器。通过离线计算得到绿灯延时的模糊控制查询表,根据当前绿灯方向的车辆数,以及红灯方向与绿灯方向车辆数之差进行查表,得到当前绿灯方向的通行时间。仿真结果表明：此系统有效地减少了十字路口平均车辆延误,使得十字路口的控制系统可以根据实时的流量灵活控制,在此基础上得到更为精确实用的绿灯延时．为智能交通系统实现提供了一条新途径。     

人脸表情识别的Gabor变换最优通道模糊融合方法

根据Gabor小波的多方向、多尺度性质,将其分成13个通道。利用各个通道对表情识别率贡献不同的特点,提出了一种最优通道模糊积分融合的人脸表情识别算法。首先,提出最优通道选取的三条原则,根据这三条原则选取出3个最优通道;然后,提取表情图像经过最优通道的Gabor特征,并进行降维处理;最后,将每个最优通道作为一个分类器,用基于模糊积分的多分类器联合的方法对它们进行融合处理。在JAFFE库上进行测试取得了94.41%的识别率,验证了该算法的有效性。     

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。