基于线阵CCD的交通信息采集和检测系统设计与实现

设计并实现了一种基于线阵CCD的交通信息采集和检测系统.该系统利用线阵CCD连续快速记录通过检测断面的车辆的线阵图像,并从该序列线阵图像中获取车牌号码、车辆存在、车辆速度、车辆类型、交通占有率和流量等各种交通参数,并通过TCP/IP协议向监控中心实时传递需要的数据信息.与传统的视频检测系统相比,该系统具有实时性高,检测准确,功能丰富等优点,在实际工程中使用效果良好.     

基于视频的车辆检测中检测与去除阴影的一种有效方法

本文针对视频车辆检测系统中的关键步骤-视频检测中的阴影去除进行深入研究,在分析了阴影产生的原因和阴影的特点之后,综合利用灰度图像及其差分后的二值化图像,提出了一种基于背景差分的检测与去除阴影的新方法.实验证明,该方法能够较好地去除运动车辆的阴影,保留比较完整的车辆目标信息, 为准确提取车辆目标奠定了基础.     

基于MATLAB的高速公路车辆违章占道分析及预警系统

系统通过MATLAB的图像处理功能对摄像头拍摄的视频图像进行处理,采用基于面积检测的背景差分法识别车辆位置,运用霍夫变化和卡尔曼滤波处理得到图像中路段的车道线,进而判断车辆所处车道.运用帧间差分法准确测出车辆速度,结合高速公路行车规定,即可判断出车辆是否处于违规占道行驶状态.系统可以识别违规车辆的车牌号,结合设定的LE...     

基于卡尔曼滤波算法的城市交叉路口车辆检测及分类

为了向相关部门提供更多的过往车辆信息以满足道路交通的需求,设计了一个基于卡尔曼滤波算法的城市交叉路口车辆检测及分类系统,用于对过往的车辆进行检测、计数和分类.首先采用背景差分法和卡尔曼滤波算法对在检测区的车辆进行检测和跟踪;然后使用经过检测、处理的被测车辆图像触发距其最近的相机进行图形分割;最后,通过LDA分类器对分段车辆的几何形状及外观特征进行正确地分类.所提系统的有效性在摄取的3400帧视频序列上得到了验证,实验结果表明,系统的检测率可达97.44％,正确分类率可达88.0％,与先进的方法相比,取得了更好的检测性能.     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

基于激光与视觉的车辆防撞技术的研究

提出了一种基于视觉与激光测距相结合的车辆防撞技术.首先采用改进的Hough变换对车道标志线进行检测与提取,根据车辆底部的阴影特征搜寻车辆可能出现的位置;利用边缘检测排除非车辆区域;然后结合车辆在图像中的宽度,利用激光测距传感器对前方车辆动态扫描,计算出两车的车距和相对速度;最后用卡尔曼滤波算法连续跟踪检测到的车辆;实验表明:该方法能够实时有效地检测前方车辆,在高精度汽车防撞系统中具有一定的意义.     

基于边缘直方图特征的车辆检测算法

车辆检测是实现视频交通监控技术的核心.在此提出一种基于图像边缘直方图特征的车辆检测方法.为了提高运算的速度,选择较为理想的亮度计算公式将彩色图像转换为灰度图像,然后使用Roberts算子计算图像边缘.通过分析边缘直方图的特征,提出两个特征参数实现车辆的检测.实验表明,该方法有较高的车辆检测准确率,并且能满足智能交通系统中的实时性要求.     

一种基于聚类分析的红外图像配准算法

为了提高红外图像匹配的精度和效率,提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法,该算法不仅在图像的尺度、光照和角度发生变化时,仍然能够得到很好的检测效果,而且能很好地描述图像的局部纹理特征.特征向量描述完成后,为了进一步提高红外图像特征点匹配的正确率,提出了一种基于K-means聚类分析的图像匹配策略.先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配,接着采用K-means 聚类分析匹配策略剔除图像中大部分的错误匹配.实验表明:提出的算法表现出良好的鲁棒性,关键点提取的重复率(Repeatability)提高了9.2％.与传统的匹配算法相比,采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05％,匹配时间可以缩短0.068 s.该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求.     

基于TMS320DM642昀车辆图像采集系统的设计

针对进出特定场所的车辆，提出一种基于TMS320DM642图像采集系统实现对进出车辆的实时检测，给出了系统的硬件原理图。介绍了系统的总体设计方案以及系统各部分电路的设计方案，通过实验测试了图像采集的过程。     

Image-Based Traffic Monitoring With Shadow Suppression

For a vision-based traffic monitoring and enforcement system, shadows of moving objects often cause serious errors in image analysis due to misclassification of shadows and moving vehicles. An effective shadow suppression method is thus required to improve the accuracy of image analysis and this paper proposes a novel color-space ratio model for detecting shadow pixels in traffic imagery. The proposed approach does not require many image sequences for constructing the model. Instead the model can be easily built up using a shadow region in a single image frame. To increase the accuracy of shadow detection, we design two types of spatial analysis to verify actual shadow pixels. Comparative results show that the proposed method works better than several well-known methods. The proposed methods have been applied to an image-based traffic monitoring system for detecting shadow pixels in traffic imagery. The experimental results not only validate the feasibility of the proposed algorithm but also successfully estimate traffic parameters such as traffic flows, traffic densities, vehicle turn ratios and vehicle speeds, all with satisfactory accuracy     

基于车联网大数据分析的实时路况检测系统

为解决城市交通拥堵问题,给人们提供优质的出行体验,文中提出了基于车联网大数据分析的实时路况检测系统。使用GPS技术对行驶的车辆进行数据采集,通过数据清洗和数据修复得到样本集合,利用改进模糊C均值聚类算法对样本数据进行分析,得出各路段的平均车速,进而得到相应路段的交通状态。测试结果表明,该系统能够准确得获取道路上行驶车辆的交通数据,识别出当前路段的交通状态,从而证明了该系统设计的合理性和正确性。     

基于SURF特征与积分通道特征的车型识别

随着交通问题的日益严峻,智能交通系统技术的研发显得尤为迫切.车型识别系统作为ITS系统的一个重要组成部分,起着关键的作用.针对车辆图像的车型识别,提出了一种基于SURF(speed up robust features)特征与积分通道特征的车型识别方法.实验结果表明,此方法能够对车辆图像的车型进行准确的识别,且简单高效,具有较高的鲁棒性.     

基于BP神经网络的汽车图片车牌识别

高速公路的不断发展和车辆管理体制的不断完善,为以图像处理为基础的智能交通管理系统进入实际应用领域提供了契机。主要是对该系统中采集的车辆图片进行车牌识别的研究,主要分为牌照区域提取、图像二值化、牌照字符分割和牌照字符识别几个步骤。其中前三步是图像预处理部分,主要为后面的牌照识别提取特征向量,核心部分的字符识别部分采用BP神经网络。通过大量数据训练调整网络权值,达到理想的识别效果。     

一种新的基于模板匹配的车型识别

为提高当前车型检测在交通场景下的实时性和准确性,提出了一种新的基于模板匹配的车型识别方法。首先,基于车辆区域的显著性设计了非均匀采点,然后采用梯度量化,二进制图像,线性化内存等手段实现模板的并行化匹配,最后通过kmeans聚类产生多层次的车型模板索引,实现快速查表的车型匹配算法。实验表明,该算法能实时高效地实现交通场景下的车型识别。     

基于双域分解的夜间车辆红外图像研究

夜间车辆交通红外图像光照不均,导致车辆图像细节纹理较弱,识别难度较大。为此,提出基于双域分解的夜间车辆交通红外偏振图像增强方法。采用改进Retinex低照度图像光照补偿算法,分解图像为低频图像与高频图像,对低频图像去雾、优化其对比度,对高频图像去噪与增强,合成低频、高频图像实现夜间车辆交通红外偏振图像增强。实验测试结果证明,对比传统方法,所提方法增强后图像亮度与对比度得以优化,且细节信息更丰富,具有理想的视觉效果。     

Obstacle detection in a road scene based on motion analysis

This paper deals with the problem of obstacle detection in traffic applications. The proposed device allows a driver to receive the current road and vehicle environment information. The perception of the environment is performed through a fast processing of image sequences acquired from a single camera mounted on a vehicle. This approach is based on frame motion analysis. The road motion is first computed through a fast and robust wavelets analysis. Finally, we detect the areas that have a different motion thanks to a Bayesian modelization. Results shown in this paper prove that the proposed method permits the detection of any obstacle on all type of road in various image conditions.     

An efficient adaptive intelligent routing system for multi‐intersections

With the rapid development of wireless technologies and the growing emphasis on vehicle safety, many vehicular ad hoc network applications have been extensively used. This study attempts to use vehicular ad hoc network technologies for autonomous driving to improve and reduce traffic congestion and vehicle waiting time. Therefore, this study proposes an adaptively intelligent routing system, which uses V2V communications to increase vehicle speed, allows vehicles to communicate with traffic control systems, arranges appropriate vehicle routes based on queuing theory, and uses traffic signals for information exchange. The timing of traffic signals is decided according to road traffic density. To decrease vehicle waiting time at intersections, every vehicle's speed is adjusted based on the distance between the vehicle and the traffic signals. In the simulation, automated vehicles and a more realistic car‐following model are taken into consideration and vehicle speeds are regulated based on speed limits and safe following distance on most roads. The simulation result reveals that our proposed adaptively intelligent routing system outperforms periodic system in average vehicle speed and average waiting time at both single and double cross intersections. Copyright © 2016 John Wiley & Sons, Ltd.