基于图像处理的交通路口智能播报系统的研究

从智能交通系统的基本理论着手,介绍了将图像处理技术应用到智能交通系统的基本思路,并详细阐述了整个系统的算法设计。主要优势是对帧间差分法进行了改进优化,即改进的基于边缘信息的邻域帧间差分法,使得改进后的算法可以实时进行运动车辆检测,然后通过设置虚拟线来对车辆的参数进行间接的检测,最后通过LED提示行人和车辆。经实验验证改进后的算法简单方便且性能良好,能够准确的检测出运动车辆,增强了系统的可靠性。     

面向多区域视频监控的运动目标检测系统

为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。     

基于FPGA的改进四帧差分的运动目标检测算法

针对运输系统中运动目标在运动垂直方向上边缘信息缺失的问题及运动目标检测实时性差的缺点，提出了一种改进的融合边缘检测算法的四帧差分法，结合现场可编程门阵列(FPGA)芯片的并行工作特性，满足了运动目标检测的实时性要求。改进的四帧差分算法是采用间隔帧间差分的方式，将运动目标区域提取出来与边缘检测相融合，同时利用FPGA中多端口SDRAM图像缓存技术对实时图像进行缓存和输出。系统实现了对运输带上运动目标的检测，结果表明，该算法能够较好地解决在传统帧间差分法中运动目标在运动垂直方向上边缘缺失的问题，同时也能准确且实时地检测出待测运动目标。     

一种改进的运动目标检测与跟踪方法

为了解决传统的帧间差分法提取的运动区域不完整,且容易造成空洞等问题,将其改进为基于三帧差分的背景差分法检测运动目标。在跟踪方法上先对目标进行边界扫描,利用链码原理记录目标边界,再采用质心跟踪法。最后将算法移植到TMS320DM642的硬件系统上进行精度测试。实验表明改进后的方法使运动目标检测算法的性能得到很大的优化,可以有效、实时地完成对运动目标的检测与跟踪,实现不丢帧、跟踪精确。     

一种基于视频的车辆检测新方法

基于对传统帧差法的改进，并结合边缘检测法，提出一种环境自适应能力强、计算量小、适合于运动和静止车辆同时检测的车辆检测新方法。该方法可正确判断有无车辆，完成车辆的计数，实现车流量计算和车速估计。在计数算法中采用预估校正、相关性修正等措施，提高了检测精度，大大改善了车辆检测效果，可为交通监控系统提供实时有效的交通参数。     

视频中运动目标的检测及数据安全传输

为了改进目前常用的运动目标检测方法易受到亮度和噪声的影响及出现虚假目标的情况,提出了一种在视频序列中结合帧间差分法和背景差分法的运动目标识别算法。该算法利用帧间差分法得到当前帧中运动目标的信息,通过3帧差分运算和阈值分割,更好地实现视频序列中运动目标的识别;同时针对实时图像监控系统中视频信号传输的安全性,对信号传输进行了方式和技术上的对比分析;实验结果表明能够得到较好的识别结果。     

一种新型多车道车流量检测算法

为了实时有效地检测道路路口车流量信息,并为交通控制和管理提供准确的交通流数据,提出了一种新型的车流量检测算法。通过利用现有的路面标记进行图像对称分割并计算图像灰度值方差,来判断有无车辆通过,进而实现车流量计算。仿真结果表明,该算法不仅简单,易于实现,而且检测准确率高,实时性好,能够有效地为智能交通灯控制提供信息数据。     

一种基于彩色特征的交通流黾统计方法

该文基于对传统帧差法的改进,运用二次帧差法来进行车辆特征信息的提取,并运用彩色信息和车辆偏移最相结合的方法进行计数,提出一种环境自适应能力强、适合于运动车辆检测的新方法。大量实验证明,该方法可正确检测车辆,实现车流量统计。该检测算法采用颜色特征和车辆偏移量进行判断,提高了检测精度,大大善了车辆检测效果,为实现交通管殚的自动化奠定基础。     

基于改进光流算法的运动目标检测技术研究

常用的运动目标检测算法有背景减除法、帧间差分法和光流法,针对背景减除法的背景模型需要实时更新,帧间差分法检测到的目标不完整,本文提出将Lucas-Kanade光流法与最大类间方差的图像分割法相结合的算法,即首先对连续两帧图像进行Lucas-Kanade光流计算,再对其进行最大类间方差图像分割,将光流不连续的区域视为运动目标,光流连续的区域视为背景,最后进行形态学处理,完成运动目标的检测过程.通过Matlab实验仿真,验证了本文所提算法能提取更完整的运动目标,检测效果较好.     

改进帧差与分水岭算法融合的运动目标检测法

针对机器视觉系统中运动目标检测问题,在帧间差分法的基础上,提出了一种新的运动目标检测算法。采用改进的帧间差分法,融合分水岭算法分割特点,获得真实目标的轮廓,并进行实验验证。结果表明,该算法对帧差法进行改进后,得到的动态目标更接近于实际情况,改进的算法更适合于智能系统中消除杂波及对运动目标的检测。     

基于子特征的交通车辆检测及跟踪算法

通过对交通场景实际情况的分析，特别是考虑到视频在相邻帧之间的变化，提出了一套鲁棒、实时的背景提取及更新算法．实现了基于背景差分算法的车辆检测和提取。同时，根据车辆的角特征点信息，将卡尔曼滤波器引入车辆跟踪算法中，并借助光学投影方程部分恢复待匹配角特征点的高度信息，以检查匹配算法的准确性。经过大量的单目交通图像序列的测试。表明该算法是鲁棒而且实时的，可以有效地从交通场景中提取出运动车辆，并在视野范围内对其予以跟踪。     

基于D-LinkNet与形态学计算的高分遥感图像车流量监测

针对城市交通路面车流量监测实时性和准确性高的需求,设计了一种利用高分遥感图像进行道路网自动提取和车辆自动监测的处理方法。综合利用D-LinkNet和形态学计算实现道路区域的二值化语义分割及连贯性、边缘扩展以及平滑性优化,同时将道路信息作为掩码并外溢后进行车辆目标检测,有效避免非道路区域车辆目标干扰。提出采用热力图的形式改进车流量监测方法,可以更直观显示道路拥挤程度。综合利用现有数据集对所提方法进行评价,车辆检测的平均精度达91.7%,道路提取平均交并比达85.3%,可以实现道路车流量的有效监测。     

基于道路的运动车辆检测

基于图像的运动车辆检测是智能交通系统中一个重要而又困难的问题，它通常受到光照、路边摇晃树木、以及各种恶劣天气等的影响。提出了一种基于道路的车辆检测方法，在道路的入口处只利用背景差，对非入口处运动背景和不同道路上运动车辆的运动向量分别进行高斯建模，并利用贝叶斯准则和多帧信息来检测出运动车辆和运动背景。实验结果显示该方法取得了很好的效果。     

Video traffic analysis using scene and vehicle models

This paper presents a complete system for analyzing a vehicle׳s behavior in the context of real-time traffic video surveillance applications. To obtain the best possible results, it is fundamental to exploit the scene characteristics and the predefined traffic rules. For that purpose, an initial training step is performed that involves estimating the geometrical structure of the road, i.e., the depth relative to the camera, the vanishing points, the road areas itself, the road decomposition (into normal and forbidden traffic lanes or areas), the traffic rules, the typical vehicle trajectories and speeds, and the lane-changing rules. This process leads to a scene model, which is used together with a simple vehicle geometrical model during the vehicle detection, tracking and trajectory estimation phases to improve the robustness against the perspective and occlusion effects. Shadow effects are also accounted for during the moving object detection phase. Finally, this spatio-temporal analysis is used to obtain information that concerns the vehicles׳ behaviors. Experiments show that the information obtained is reliable and can be computed in real time.     

昼夜转换场景中的车辆检测

在城市交通流量视频检测系统中,昼夜转换是必须面对的问题,在白天和黑夜的过渡期间,简单的使用白天算法或夜间算法检测效果较差。本文提出一种针对昼夜转换场景的车辆检测算法,该算法首先提取出背景图像,针对昼夜转换场景中光线昏暗、变化较快的特点,建立了一种能够快速跟踪背景变化的背景更新模型;然后采用背景差分的方法检测运动车辆。实验表明,本文算法能够很好的检测昼夜转换场景中的运动车辆。     

一种基于视频的道路行人检测方法

提出了一种基于交通视频的道路行人检测方法。首先,采用具有自适应背景更新的背景差法提取运动目标。其次,利用行人的轮廓特征和行人在图像上的像素高度与实际距离的线性变化关系特征进一步分割行人目标,并依据行人位置特征对其做多帧匹配跟踪。最后,结合行人速度特征,实现行人目标检测。实验结果表明,该方法能准确地检测交通场景中出现的行人目标,有效地解决运动车辆的遮挡和光照等对行人目标检测的影响,具有良好的实时性和稳健性。     

基于YOLO算法的行人检测方法

针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。     

基于视频处理的运动车辆检测算法的研究

车辆检测技术是现代智能运输系统的重要组成部分,现有的相关视频检测算法能够检测目标且对环境具有一定的适应性,但其在算法实时性、识别率等方面仍有待提高。提出了一种基于Fisher准则函数法的自适应阈值背景减法和对称差法相结合的运动车辆检测算法,该方法采用surendra算法提取背景,通过背景减法提取出目标前景,再将其与对称差法相结合得到准确的运动目标区域并实时地完成背景更新。实验表明该方法快速、准确,具有一定的实用价值。     

基于视频的高速公路违章停车实时检测算法

违章停车是高速公路交通事故的重要诱因,因此迅速、有效地检测出违章车辆是高速公路交通管理与控制的重点。提出一种基于视频的高速公路车辆违章停车实时检测算法,在分析了基于视频的违章停车检测系统的组成和视频检测的优点的基础上,用背景差分算法和OSTU阈值相结合的方法,对所采集的某路段视频,进行车辆违章停车判断。实验表明,该方法...