基于MATLAB的车牌定位识别方法

车辆车牌的准确定位识别在交通安全管理方面具有重要的作用。笔者首先对原始彩色车辆图像进行增强处理,然后采用彩色像素点统计法来获取车牌图像,进而采用高斯滤波来强化车牌关键特征,采用二值化处理有效突出目标轮廓,最终采用分割和模板匹配完成车牌的定位识别。实验表明,该方法能够在复杂的环境下实现车辆车牌的有效识别。     

基于OpenCV实现多特征融合的移动车牌定位算法

针对移动车牌的实时定位,研究更加快速准确的定位算法具有很强的现实意义。采用背景差分法对车辆进行识别,用特征匹配法实现车辆跟踪,对包含有车辆的帧进行灰度化、均值滤波、形态学操作,使用车牌多特征融合精确定位出车牌区域。该移动车牌定位算法在VS2008平台上利用OpenCV和C++编程实现。实验结果表明该方法速度快、准确度高,可满足实时监控的需求。     

视频图像中的车辆检测跟踪和分类

介绍了一种在固定的单摄像头拍摄的交通图像序列中检测、跟踪、分类车辆的方法。该方法大致可分为三部分:抽取背景图像和图像分割;基于针孔模型的摄像机定标,计算透视投影矩阵;利用区域特征进行匹配跟踪,建立目标链,恢复目标三维信息,采用模型匹配法对车型分类。实验证明该方法简单可行。     

一种基于彩色图像分割的车牌检测方法

提出一种彩色图像车牌检测方法,主要包括三个步骤,首先对车牌图像执行多尺度区域生长分割,然后在分割结果中进行车牌区域的粗定位,最后对粗定位提取的车牌区域作精确定位分析.区域生长分割方法可以产生封闭的区域,容易提取其形状信息,而长矩形是车牌目标一个显著特征,因此可以通过形状信息检测车牌.在图像分割中,采取多尺度的分割方法,生成多个不同细节程度的分割结果.在每个分割图像中搜索具有车牌外形特征的图像区域,初步检测出候选车牌目标.根据车牌字符的大小和笔画特征,对候选车牌区域进行精确判别分析,得到最终的车牌检测结果.实验部分验证了车牌检测的有效性.     

基于级联多任务深度学习的卡口识别引擎研究

针对在将卡口非结构化视频图像数据转化为智能结构化信息的过程中存在环境的复杂性、需求的多样性、任务的关联性和识别的实时性等问题,提出了一种级联多任务深度学习网络的卡口识别引擎方法,其通过充分利用分割、检测、识别等任务之间的相互联系实现了高精度的、高效的、同步实时的卡口车辆多种基本信息的识别(车型、品牌、车系、车身颜色以及车牌等识别任务)。首先,利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从卡口道路复杂背景中提取出感兴趣区域(包括多车辆对象);然后,利用多任务深度学习网络对提取出来的车辆对象实现多层次的多任务识别。实验结果表明,提出的方法在识别精度和效率上都明显优于传统计算机视觉方法和现有的基于深度学习的识别引擎技术,该方法对车型、品牌、车系及车牌的识别与检测精度均达到98%以上,检测效率提升了1.6倍。     

一种基于区域分割的地面飞机目标识别方法

针对遥感图像处理中的目标检测问题,根据具体应用要求,采用改进的图像分割方法对地面机场中的某些大型飞机进行型号识别.分析感兴趣的飞机参数,并在先验信息的基础上确定感兴趣区域(ROI),在待检区域和ROI匹配的基础上提取飞机目标,通过比较结构信息和不变矩信息实现地面飞机目标的检测与识别.实验结果表明,该方法的查全率为88.15％,查准率为80.67％,能达到预期目标.     

基于神经网络和支持矢量机的多机动车车牌在线检测方法

针对道路交通多车牌识别问题, 提出了一种快速鲁棒的多车牌检测识别方法, 包括多车牌检测和车牌字符识别两部分:构造BP (Back-Propagation)神经网络模型用于颜色识别, 结合图像形态学运算方法, 筛选候选车牌目标, 基于支持矢量机从候选车牌目标中判别真正的车牌目标; 通过轮廓尺寸判断, 并结合车牌尺寸特征, 依次分割提取城市代码字符块、省份代码字符块及5位机动车编码字符块, 最后基于BP神经网络识别字符块内容.基于上述原理, 开发了鲁棒的多机动车车牌自动检测识别系统, 并在真实场景中进行了实验测试, 结果表明: 1)车辆在正常速度行驶条件下, 系统依然可以保证90%以上的车牌检测识别正确率; 2)系统可实现同时多车牌检测识别; 3)文中实验硬件配置下, 系统单幅图像检测识别平均时间低于130 ms, 处理频率约8 Hz.     

基于智能手持设备的车牌识别系统研究

以交警能更加快捷方便地稽查运营车辆为目的,借助最新的移动互联网技术,分析并研究了多种计算机视觉算法;提出了一种基于K均值聚类(K-means)的车牌定位技术,通过颜色的聚类分析来确定车牌区域,定位车牌;又应用垂直投影技术和模板匹配法来分割和识别车牌字符,利用SQlite开发了具有存储车牌字符信息功能的数据库;在此基础上,研制了一套基于智能手持设备的车牌识别系统;功能测试表明,该系统具有良好的性能,能够较好地识别出车牌信息。     

基于ROI的智能交通系统摄像机控制算法

针对城市道路监控的需求,提出了一种基于感兴趣区域的摄像机自适应控制方法。它作为车牌识别系统的一个辅助功能,在固定光圈的情况下,能够根据车牌识别和运动检测的反馈信息自适应地调节摄像机的快门和增益,获取较好质量的图片,从而达到提高车牌识别率的作用,特别是该方法能够大大降低强逆光和强眩光现象对采集图像质量的影响。     

一种基于机器学习的车牌识别系统的设计

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。首先提出了Sobel-Color算法,以Sobel边缘和颜色两种特征进行车牌定位,并结合MSER算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用SVM算法对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对LeNet-5深度网络模型进行改进,然后采用改进的LeNet-5网络对车牌字符进行识别。对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统具有较好的鲁棒性和实用性。     

Behaviour recognition of ground vehicle using airborne monitoring of unmanned aerial vehicles

This paper proposes a behaviour recognition methodology for ground vehicles moving within road traffic using unmanned aerial vehicles in order to identify suspicious or abnormal behaviour. With the target information acquired by unmanned aerial vehicles and estimated by filtering techniques, ground vehicle behaviour is first classified into representative driving modes, and then a string pattern matching theory is applied to detect suspicious behaviours in the driving mode history. Furthermore, a fuzzy decision-making process is developed to systematically exploit all available information obtained from a complex environment and confirm the characteristic of behaviour, while considering spatiotemporal environment factors as well as several aspects of behaviours. To verify the feasibility and benefits of the proposed approach, numerical simulations on moving ground vehicles are performed using realistic car trajectory data from an off-the-shelf traffic simulation software.     

多切入机制下基于信息物理系统的混合车群协同控制

传统人驾车(HVs)为了能够快速行驶到目标车道,常常会向目标车道进行强制换道,这一过程被视为传统人驾车的切入机制.然而,该过程会影响目标车道中由传统人驾车和网联自动车(CAVs)组成的混合车群稳定性.当一个车道上由多个传统人驾车组成的车群同时切入到目标车道上的混合车群中时会对混合车群的稳定性影响较大.针对这一问题,首先对车辆动力学模型进行刻画,以描述车辆行驶的平稳性和混合车群的稳定性.然后,为了确保由多个传统人驾车组成的车群同时切入到混合车群时的稳定性,从信息物理系统(CPS)的视角出发,并基于一致性约束和通信拓扑结构,提出一种考虑通信时延和反应时延的混合车群协同控制方法;同时,利用Lyapunov-Krasovskiis理论进一步分析所提出控制方法满足的稳定性条件.最后,通过仿真实验结果表明了所提出控制方法的有效性和可行性.     

含时延的车辆队列事件触发一致性控制研究

为应对通信过程中的传输时延以及车辆间连续信息交互带来的信息冗余、资源浪费,提出一种基于事件触发机制的车辆队列一致性策略,以保证车辆队列能够稳定运行;为此,构建一个考虑车辆间的跟驰行为和通信时延的三阶异质车辆队列动力学模型,提出一种基于事件触发的一致性车辆队列控制器的设计方法;在此基础上,利用Lyapunov稳定性理论和代数图论,对车辆队列的稳定性进行分析,得出了使车辆队列稳定的事件触发条件和通信时延的上界;在MATLAB平台上进行仿真实验,验证了所提车辆队列控制方法的有效性。     

A game-theoretic approach to non-cooperative target assignment

In this paper, we have adopted a game-theoretic approach to consider the optimal assignment of targets to vehicles. We have taken optimality to mean the minimum sum of costs which are proportional to the Euclidean distance between a vehicle and its assigned target; this occurs when the set of targets is assigned to their nearest vehicles. In other words, each vehicle should assign itself to a target located within the Voronoi region associated with the vehicle. Standard schemes require communication between vehicles at least to rank the targets according to the nearest-neighbour rule. In our proposed model, there is no need for communication among the vehicles, and only limited communication between the targets and the vehicles is required. Specifically, we have introduced an appropriate utility function which depends on the distance between the vehicles and targets and the number of vehicles engaging a particular target. The vehicles negotiate their choice of targets via regret matching. We present simulations which demonstrate that vehicles select targets that fall within their Voronoi region. Vehicles that do not have any targets within their Voronoi region select their nearest unassigned target. We also present a communication model illustrating how the model can be implemented in a practical scenario.     

基于协助车组的车联网多信道协助下载方法

针对目前车联网中单信道协助下载方法的吞吐量低和通信域叠加的问题,提出一种基于对向协助车车组的车联网多信道协助下载方法McDvg。此方法利用对向协助车车组相遇概率大、通信多次重传以及延长数据传输时间的特点在局部范围内形成车组,并设计选车策略选择一组合适的对向车辆携带用户所需的数据为目标车辆提供协助下载;利用对向协助车组可有效延长目标车的协助下载时间,并采用多信道的策略解决单信道情况下的通信冲突问题。最后本文通过相应的仿真实验对该方案进行验证,仿真结果表明该方法可以在高速移动环境中显著提高下载吞吐量,降低盲区的通信时延,从而为当前的车联网提供有效的服务支撑。     

On vehicle placement to intercept moving targets

We address optimal placement of vehicles with simple motion to intercept a mobile target that is generated stochastically on a line segment. The optimality of vehicle placement is measured through a cost function associated with intercepting the target. With a single vehicle, we assume that the target moves (i) with fixed speed and in a fixed direction perpendicular to the line segment, or (ii) to maximize the distance from the line segment, or (iii) to maximize intercept time. In each case, we show that the cost function is strictly convex, its gradient is smooth, and the optimal vehicle placement is obtained by a standard gradient-based optimization technique. With multiple vehicles, we assume that the target moves with fixed speed and in a fixed direction perpendicular to the line segment. We present a discrete-time partitioning and gradient-based algorithm, and characterize conditions under which the algorithm asymptotically leads the vehicles to a set of critical configurations of the cost function.     

基于长短期记忆网络的高速公路车辆变道轨迹预测模型

高速公路车辆车速、车距、行驶方向等因素都是动态变化的,受外界环境干扰,采集到的目标车辆状态特征数据可能存在噪声,导致车辆变道轨迹预测存在误差,为此提出基于长短期记忆网络的高速公路车辆变道轨迹预测模型,有效预测高速公路车辆变道轨迹,改善车辆行驶条件,保障其安全运行。通过激光雷达、GPS等装置采集目标车辆交通数据,将其合理组合成目标车辆状态观测特征向量,并构建相应的特征向量矩阵,将所构建目标车辆状态观测特征向量矩阵作为1层卷积神经网路输入,提取目标车辆状态观测特征向量潜在特征后,以1层卷积神经网络输出结果为双向长短期记忆网络有效输入,经过无数次模型训练后,输出目标车辆变道轨迹预测结果。实验结果表明:该模型可有效预测高速公路车辆变道轨迹,预测出的轨迹横纵坐标误差极低,能够得到较为理想的高速公路车辆变道轨迹预测结果。     

A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation

This paper proposes a vision-based multiple vehicle automatic detection and tracking system which can be applied in different environments. To detect vehicles, tail light position is utilized for fast vehicle candidate localization. A back propagation neural network (BPNN) trained by a Gabor feature set is used. BPNN verifies vehicle candidates and ensures detection system robustness. In the vehicle tracking step, to overcome multiple vehicle tracking challenges, partial vehicle occlusion and temporarily missing vehicle problems, this paper propose a novel method implementing a particle filter. The color probability distribution function (CPDF) of detected vehicles is used twice in the vehicle tracking sub-system. Firstly, CPDF is adopted to seek potential target vehicle locations; secondly, CPDF is used to measure the similarity of each particle for target vehicle position estimation. Because of various illuminations or target vehicle distances, the same vehicle will generate different CPDFs; the initial CPDF cannot guarantee long-term different scale vehicle tracking. To overcome these problems, an accurate tracking result, which is chosen by a trained BPNN, is used to update target vehicle CPDF. In our experiments, the proposed algorithm showed 84% accuracy in vehicle detection. Videos collected from highways, urban roads and campuses are tested in our system. The system performance makes it appropriate for real applications.     

基于模糊模式识别的车型分类研究

根据目前中国路桥车辆收费标准，提出了一种基于模糊模式识别的车型分类系统。车辆经过环形线圈传感器时，形成感应曲线，提取感应曲线的特征并进行特征分离，利用模糊模式识别方法对车型进行匹配分类。研究结果已在路桥收费系统以及交通流量统计中得到应用。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。