面向车流量估计的改进ViBe算法研究*

针对视觉背景提取(Visual Background Extractor,ViBe)算法中出现的“鬼影”、阴影前景和漏检静止目标等问题,提出了一种经过改善的ViBe算法。首先在背景模型初始化阶段,利用改善的平均背景建模法对多帧图像建立初始化背景模型以消除鬼影。接着在前景检测阶段,通过计算运动目标与背景像素间差值消除由于光照所造成的阴影,同时利用直方图相似度检测静止目标。最终在车道设置虚拟线圈检测区以检测各个车道的占用比,从而得出道路的交通情况。试验表明,经过改善后的ViBe算法在抑制“鬼影”出现、检测静止目标和消除阴影三方面有较好的效果,能够准确检测出道路车流量。     

基于动态开窗算法在车流量检测中的研究与应用

传统车流量虚拟线圈检测采用固定开窗算法有着先天的不足和局限。当行驶车辆严格按照车道行驶的时候，该传统算法能够取得很好的检测效果。但在现实生活中，车辆的跨车道行驶现象比较严重，常常容易导致相邻两车道的检测线同时检测到车辆从而造成误检。本文针对传统固定开窗算法在车流量检测中的不足，提出了一种改进的动态开窗算法。实验结果证明，与传统算法相比，改进后的算法在车流量检测中取得了良好的效果，并且具备良好的鲁棒性和稳定性。     

虚拟线圈和模板链相结合的车流量视频检测方法研究

在智能交通系统中,车流量检测对于准确提取交通参数起着重要作用。针对视频检测中虚拟线圈法由于环境和光照等因素影响导致检测不准确的问题,提出一种基于虚拟线圈法和模板链法相结合的车流量检测新方法。首先对采集的交通图像进行车道划分,根据虚拟线圈法设定判别准则,检测路面中的标记区域,同时运用相应的模板对车表面像素灰度变化均匀的区域进行标记,形成模板链,最后通过检测模板链实现车辆的检测。经过实验证明,该方法可以准确地检测出车辆,并具有较好的鲁棒性。     

改进的ViBe运动目标检测算法

针对传统ViBe运动目标检测算法提取的目标存在鬼影区域、且有闪烁像素点干扰的问题,提出一种结合Surendra背景更新算法而改进的ViBe算法进行运动目标检测.利用Surendra算法快速更新背景的特点迭代得到纯净背景;对ViBe算法检测前景进行像素标记和鬼影分类判别,去除鬼影像素点和闪烁像素点;输出新的前景.实验表明:该算法可以有效地去除ViBe算法前景检测中的鬼影,并能抑制闪烁像素噪声,获取更精确的前景图像.     

基于DSP的单车道车流量实时监测算法

针对传统的车流量检测系统采用感应器设备硬件安装繁杂及通用车流量检测算法无法判别车辆行驶方向的问题,提出一种基于数字信号处理器（DSP）的单车道车流量实时监测算法,并应用于停车场。首先,在虚拟检测带上使用背景差分法完成车辆检测,并对均值法背景建模进行改进;其次,提出一种邻帧二值归类算法对车辆行驶方向进行判别;最后,在虚拟检测带上进行车流量计数并将车位情况实时显示于LED显示屏上。通过模拟实验验证了所提算法的可行性,并在实际测试实验中,得到邻帧二值归类算法方向判别的准确率为96.5%,车位监控算法准确率为92.2%。实验结果表明,该单车道车流量实时监测算法准确率较高,节省了检测系统设备,可以应用于单车道停车场进行车流量实时监测。     

一种基于改进视觉背景提取算法的前景检测

针对视觉背景提取ViBe算法在前景检测中存在的鬼影现象且长时间难以消除的缺点,提出一种改进的视觉背景提取算法。首先,在视频前n帧序列的帧差法中,引入大津（OTSU）算法求自适应阈值,以分割出更为准确的前景区域;其次,利用去除前景区域的前n帧图像合成一张尽量少的包含前景区域的样本图像;最后利用扩展的邻域范围在合成的样本图像中对模型初始化,并把扩大的范围用在ViBe背景模型更新阶段。该算法与各种经典算法在大量视频库中进行了对比实验,仿真结果表明,改进的ViBe算法能快速消除鬼影对前景检测的影响,前景检测更为准确。     

视频车流量检测中的虚拟检测区域自动提取

针对传统视频车流量检测中虚拟检测区域人为设置,使得系统不能自动适应不同的车道环境,灵活性低的问题,提出了自动提取虚拟检测区域的算法。利用均值法获得粗糙背景,再通过概率Hough变换和车道线特征排除各种干扰线段,获取车道线并自动提取虚拟检测区域。实验表明,该算法准确度达到90%以上,实时性较好、鲁棒性高,对后续实时车流量检测及车速计算等具有较好的应用价值。     

基于ViBe算法的快速视频车辆检测算法

为了满足智能交通实时性的要求,提出了一种快速的视频车辆检测算法。首先采用ViBe算法做前景分析,并针对图像突变的问题,对ViBe算法做了优化。然后对前景二值图做网格标记,对网格标记图做连通域分析,最终分割出车辆目标。实验结果显示,该算法实时性和鲁棒性满足实际要求。     

基于ViBe模型和五帧差分法的目标检测算法

针对当前常用ViBe算法对光照适应性差,当光照突变时ViBe算法把大面积的背景误判成前景;为此提出了一种结合ViBe背景模型与五帧差分法的新的运动目标提取方法。首先采用ViBe算法提取运动前景目标,然后将整个前景图片分成若干区域,统计这些区域中前景像素个数大于预设阈值的区域的个数,将符合条件的区域的个数与整个前景图片区域总数相比,当比值大于某一阈值,发生了判断为光照突变改用五帧差分法处理图像;最后通过连通性检测和形态学操作等后处理,最终提取出运动前景目标。实验结果表明:该算法能够有效地防止ViBe算法把大面积的背景误判成前景,提高了ViBe算法对光照变化场景下的鲁棒性,检测效果优于单独使用ViBe算法和五帧差分法的检测效果。     

远程交通微波传感器中的门限检测算法

为了确保远程交通微波传感器的测量精度,在信号的恒虚警处理技术以及车道自动识别的基础上,提出了一种分车道门限检测算法.根据车辆位置的概率密度函数,对车道进行自动识别,在此基础上对车道进行划分,在划分的各个车道上设定恒虚警门限,并设置第二门限,对检测结果进行判决.实验结果表明,该方法能够正确的检测各车道内的车辆目标,且有效减小"零信号"对车流量检测的影响.     

基于多特征融合的视频交通数据采集方法

提出了一种基于多特征融合的视频交通数据采集方法, 核心思想是: 在图像中设置虚拟线圈, 假设车辆从虚拟线圈上驶过时引起像素变化, 通过识别这种像素变化来检测车辆并估计车速. 与现有技术相比, 本文的贡献在于: 1) 综合利用虚拟线圈内的前景面积、纹理变化、像素运动等特征来检测车辆, 提出了有效的多特征融合方法, 显著提高了车辆检测精度; 2) 根据单个虚拟线圈内的像素运动向量来估计车速, 避免了双线圈测速法的错误匹配问题. 算法测试结果表明本文算法能够在复杂多样的交通场景和天气条件下, 准确地检测车辆和估计车速. 在算法研究的基础上, 研制了一款嵌入式交通视频检测器, 在路口长期采集交通数据, 为交通信号控制和交通规律分析提供决策依据.     

车道流量自动统计及被占用对通行的影响

车流量检测是智能交通监控系统的重要组成部分. 提出一种基于灰度阈值的车流量检测算法,利用该算法对一条三车道道路上同一横断面相邻车道发生交通事故时,另一条未发生交通事故车道的车流量进行了统计,并对不同的未发生交通事故车道（内车道和外车道）的车流量的差异进行了t检验. 结果表明,利用该算法统计的车道的车流量准确率达95%以上,说明该算法是可行有效的;当相邻车道发生交通事故时,不同的未发生交通事故车道（内车道和外车道）的通行能力有显著差异.     

基于视频车流轨迹的虚拟车道划分方法

针对车道线磨损、临时改道以及非结构化道路等情况下的车道划分问题,在利用YOLOv3得到车辆检测模型前提下,提出基于视频车流轨迹的虚拟车道划分方法。密度矩阵统计时间t内由车辆检测模型得到车流量密度分布,运用三维坐标系对其进行分析;使用EM算法对一元混合高斯模型求解;建立虚拟车道宽度数学模型,运用3σ准则得到车道边界点集合,利用最小二乘法对边界点进行曲线拟合,完成虚拟车道线划分。该方法可以有效避免环境和天气因素对车道线检测的影响,具有一定的鲁棒性和灵活性。实验结果表明,该方法在不同道路中能够取得88.7%的准确率。     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

Longitudinal control algorithm for automated vehicle merging

This paper considers longitudinal control of automated vehicle merging in a mathematical approach for automated highway systems. Merging manoeuvre is defined as one vehicle in the merging lane to be inserted in the middle between two vehicles in the main lane at fixed merging point which is the intersection of those two lanes. The main lane vehicles can change speed. To achieve this, the merging vehicle must properly adjust its speed and acceleration such that it reaches the merging point at the right time with the same speed and acceleration as the main lane vehicles. This problem is a little similar to but different from the well-known missile interception problem. The longitudinal control problem is proposed for different road layouts, based on which a unified mathematical model is established. Then a new concept, virtual platooning, is introduced, which effectively avoids a two-point boundary value problem . Based on this concept, an analytic solution with mathematical proof is provided. It is also discretized as a recursive algorithm for real-time use. A dynamic real-time simulation is published at PATH website. This algorithm has been successfully implemented with automated cars.     

基于ViBe的复杂背景下的运动目标检测

ViBe算法简单、快速,具有较好的前景检测性能,是运动目标检测和背景建模的主要方法之一。但是在动态背景、相机抖动等户外视频中仍存在噪声和干扰等问题,导致对前景运动目标的检测不准确。针对此问题,提出用像素帧差值代替像素值来初始化背景样本模型的方法,并根据背景动态变化自适应更新阈值来分割前景与背景。实验结果表明,改进算法提高了前景检测的准确性,对噪声干扰表现出了良好的鲁棒性。     

基于优化Prewitt的高速夜间车道检测算法

针对夜间高速公路,提出识别车道标志线的新型检测算法.该算法采用改进的中值法滤波,基于光密度差的4方向模板对数Prewitt边缘检测预处理图像,得到二值化阈值T. ROI和左右车道线的确定大大减少运算量,结合车道线宽度去除伪车道,采用临时轨迹策略排除光线变化和前方车辆的干扰,最后得到完整清晰的车道线.实验证明该车道检测方法具有快速性、稳定性、准确性.     

结合状态机和动态目标路径的无人驾驶决策仿真

目的 决策系统是无人驾驶技术的核心研究之一。已有决策系统存在逻辑不合理、计算效率低、应用场景局限等问题,因此提出一种动态环境下无人驾驶路径决策仿真。方法 首先,基于规则模型构建适于无人驾驶决策系统的交通有限状态机;其次,针对交通动态特征,提出基于统计模型的动态目标路径算法计算状态迁移风险;最后,将交通状态机和动态目标路径算法有机结合,设计出一种基于有限状态机的无人驾驶动态目标路径模型,适用于交叉口冲突避免和三车道换道行为。将全速度差连续跟驰模型运用到换道规则中,并基于冲突时间提出动态临界跟车距离。结果 为验证模型的有效性和高效性,对交通环境进行虚拟现实建模,模拟交叉口通行和三车道换道行为,分析文中模型对车流量和换道率的影响。实验结果显示,在交叉口通行时,自主车辆不仅可以检测冲突还可以根据风险评估结果执行安全合理的决策。三车道换道时,自主车辆既可以实现紧急让道,也可以通过执行换道达成自身驾驶期望。通过将实测数据和其他两种方法对比,当车流密度在0.20.5时,本文模型的平均速度最高分别提高32 km/h和22 km/h。当车流密度不超过0.65时,本文模型的换道成功率最高分别提升37%和25%。结论 实验结果说明本文方法不仅可以在动态城区环境下提高决策安全性和正确性,还可以提高车流量饱和度,缓解交通堵塞。