基于Radon变换的视频测速算法

为了从视频监测图像中自动提取车辆行驶速度,提出了一种基于Radon变换的视频测速算法。根据车辆行驶轨迹的时空特点,利用道路交通标线为图像与道路建立距离映射关系,简化了现场标定的条件和过程;利用时间堆栈成像方法,建立了车辆行驶轨迹的时空关系;基于Radon变换的图像处理,实现了行驶车辆的视频测速技术。算法具有较好的鲁棒性,与传统方法相比,计算复杂性也要低很多。     

基于运动矢量的行车障碍自动检测算法研究

为了实现对车辆前方行人及车辆等威胁车辆正常安全行驶的危险障碍的检测,达到保证行车安全的目的,文章根据MPEG视频码流中运动矢量的特点,提出了一种新的行车障碍自动检测算法。该算法利用成熟的MPEG编解码技术对车辆前端摄像机所采集的视频图像序列进行编解码,输出MPEG码流格式的视频图像序列,通过分析解码的MPEG视频码流中运动矢量的规律,来制定判别行车前方障碍物的规则,并最终确定危险区域的范围。算法仿真结果表明,该算法具有较好的实践效果和一定的实用价值。     

基于双目视觉的车辆速度测量方法

为配合高速公路入口处的货车称重工作,需要测量车辆通过称重台时的实时速度.利用双目视觉技术测速具有成本低、部署简单、稳定性高的优点,具有广阔的应用前景.双目视觉测速的技术难点是目标的位移测量,其核心问题是目标在多帧图像间的精准匹配.文中提出了一种基于空间位置的匹配区域对齐算法与基于模板匹配的空间位移计算方法.具体地,利用车轮的空间位置关系来限制车轮的匹配区域,可有效降低相似车轮的误匹配问题;使用模板匹配的方法追踪车轮的关键点,进而获得多帧之间车轮的空间位移.使用某高速公路入口的真实通行视频数据进行实验验证,结果表明,与其他双目测速方法相比,所提方法使得测速结果的RMSE下降了20％～40％,且更加适用于车辆以较快速度(10～20 km/h)通过高速公路入口测速点的实际场景.     

基于DSP的雷达测速监控系统的设计

介绍了基于DSP芯片TMS320VC5502的雷达测速监控系统的设计。利用了多普勒效应原理,对运动车辆产生的多普勒频率进行频谱分析,计算行驶速度。针对雷达测速监控的需要,提出了扩展PAL/NTSC制式视频接口采集超速车辆视频图像信息的方法。采用了RS-485接口传输JPEG视频图像压缩数据,提高了系统的可靠性和实用性。     

基于车牌字符边界定位的视频测速

针对卡口环境下视频测速误差大的问题,提出一种提高测速精度的方法。采用以车牌第2个字符作为车辆定位的特征块,利用小波变换分解字符的外部边界特征曲线,在低分辨率下实现目标字符的模板匹配,并获取该曲线相对模板的偏移量,在原分辨率上进行边界坐标的精细调整,完成车辆特征块的精确定位。结合字符高度固定的先验知识,确定车辆特征块所处的实际坐标系,以提高对车辆行驶距离的计算。在实际环境下,对该方法进行长达2个多小时的测试,并对测试结果与线圈测速、基于车牌定位的视频测速进行对比,结果表明,在车辆正常行驶的速度下,与线圈测速相比,该方法视频测速误差在3 km/h以内。     

基于霍夫变换算法的车载视频车道线检测

基于车载视频监控,围绕车道线检测及车道线模糊或缺失等应用进行研究,并将研究成果应用到道路巡检管理系统中,取得了良好的工程实践应用效果。采用了霍夫变换检测算法筛选当前车辆行驶所在车道的左右车道线,通过数量检测对车道线缺失进行判断预警。为了进一步提升应用的可靠性、减少因车辆变道或前方车辆遮挡而导致的车道线缺失误判,研究了车道线偏离和前方障碍物判断预警方法。以俯瞰视角,对车道线、摄像头成像及车辆姿态进行建模,计算车辆行驶偏移的角度和相对距离,判断车辆偏移情况。     

基于视频的交通流信息采集算法的研究

为了解决高速公路的交通流参数的检测过程中车辆跨道行驶、阴影和遮挡物影响而导致的车辆漏检或误检等问题,文中通过在交通视频图像中感兴趣的区域设置“T”形虚拟线圈,同时在分析了车辆通过虚拟线圈过程中YUV颜色空间中Y分量的变化趋势的基础上,设计了一种帧间差分与背景差分相结合的车辆检测算法,并在此基础上完成车速的测量.实验证明文中的算法能在一定程度上解决车辆跨道行驶时重复计数、由于车辆阴影或其他遮挡导致的车辆漏检或误检等问题.     

基于监控视频图像的车辆测速

基于监控视频图像的车辆测速方法(视频测速)的工作原理，提出了一种视频测速的实现思路，指出了在间隔已知时间的视频帧图像中找到对应块是实现视频测速的关键和难点。对车灯的特征进行了分析，根据车灯区域的特征，提出了采用灰度差水平叠加投影的方法，构造可以代表其鼓形区域的函数，以其作为定位车灯带的判别函数，并根据车灯的特点进行候选块筛选的一种简单快速的车灯区域定位方法，可在平均13ms内准确定位到车灯区域，从而为这一高速条件下视频测速的关键难点提出了一种切实可行的解决办法。     

基于单目视觉的车辆检测算法研究

本文在全面总结现有的国内外前方行驶车辆的视觉检测算法的基础上,利用由于光照因素使得前方车辆在图像内形成的底部阴影这一先验知识,建立了基于车辆阴影区域检测的前方障碍物视觉检测算法。     

自主车导航中提高目标行为预测能力的新方法

鉴于激光雷达目标识别能力较弱的问题,首先利用视觉较强的分类能力,采用协同学习粒子滤波算法实现前方车体的识别和跟踪;再将图像中车体特征区域坐标信息转换到激光雷达图像坐标系中,在线快速提取目标车体距离信息序列,再融合里程计和GPS信息,实现自主车前方车体的行为预测;实验表明,所提出的方法能够在激光雷达信息中快速准确地定位车辆距离信息,并实时估计自主车前方车辆的行驶趋势,得到的目标速度计算误差约为6.2%,使导航更趋合理。     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

高速铁路运行环境视频自适应去模糊方法

运动模糊是车载高速铁路运行环境视频中普遍存在的图像退化现象,对基于视频的高速铁路运行环境安全检查工作造成很大挑战。提出一种新的车载高速铁路运行环境视频采集系统,集成高清车载摄像机、信号同步单元、RFID标签阅读器、GNSS单元和惯性测量单元,能够采集高分辨率的运行环境视频数据。提出一种高速铁路运行环境视频自适应去模糊方法,利用惯性测量单元计算每帧图像曝光时间内摄像机的运动轨迹,并设计新的去卷积算法处理空间变化的模糊图像,从而得到复原图像。利用检测列车在实际高速铁路线路进行试验验证,结果表明：该方法能够自适应地去除车载高速铁路运行环境视频图像的模糊,实现了采集高质量运行环境视频数据的目的。     

Visual vehicle detection and tracking based on the 'sign pattern'

Real-time vehicle detection and tracking applicable for outdoor mobile robots on a structured road is proposed. The method is based on a locomotion strategy known as 'sign pattern based stereotyped motion'. The sign pattern of a vehicle is the shadow underneath. The robot detects a vehicle from a distance of 30 m with a domestic video camera and extracts its front shape in real-time processing. The distance between the robot and vehicle, and the velocity and width of the vehicle are estimated during the tracking process. In addition, the center of the vehicle in two-dimensional imaging is determined during the tracking process to estimate the type of motion. The accuracy rate of vehicle width measurement based on the shadow underneath is better than 90% in practice, which can be adequately used for vehicle avoidance applications. The applied method has been tested on roads covered with different types of shadows as well as under different weather conditions. The results of the experiments verify the validity of the method.     

面向车辆视频测速的摄像机倾斜角自适应标定方法

车辆视频测速中常常需要标定摄像机安装高度、视场角、倾斜角等参数,而其中倾斜角的确定与更新一般采用人工方式,限制了视频测速系统的应用。针对此问题,本文提出了一种自适应的摄像机倾斜角标定方法,利用连续观测图像序列建立超定线性方程组,并采用最小二乘法进行求解,最后经过闭环反馈调节,可以实时得出摄像机倾斜角。实验结果表明,该方法测量较为准确,避免了传统人工测量和维护的不便,具有较好的实用性。     

用于视频中车速自动检测的摄像机自动标定方法

针对目前基于视频的车辆测速方法均需通过手工标定而造成的低效和可操作性差的问题,提出了一种对典型配置的道路监控摄像机的焦距、俯仰角、离地距离等重要参数进行自动标定的方法。首选利用自然场景中两组正交平行线在视频图像中形成的消失点之间的内在关系对摄像机的焦距和俯仰角实施精确标定;在此基础上利用视频中目标车辆群体的平均宽度对摄像机与地面之间距离进行自动标定。实验表明,该算法具有参数测量精度高和可靠性好等优点,可作为现有道路视频监控设备实施车辆速度、类别、流量等数据的自动采集、分析和监控,以及电子违章抓拍设备的有效自动标定手段。     

基于车型聚类的交通流参数视频检测

单目摄像机成像丢失深度信息,且PTZ (Pan/Tilt/Zoom)摄像视频场景多变,导致交通流参数提取误差较大. 提出了一种基于车型聚类的交通流参数检测方法. 在改进的摄像机自标定成像模型中,提取PTZ 参数变化下的透视投影不变量"伪形状特征', 对其进行基于贡献率算法的车型聚类分析,以车型均高代替实际高度,获取车辆的长宽, 进而计算道路空间占有率,并提升车速检测精度. 测试表明实时性较高,车型聚类自适应于不同场景,平均准确度为96.9%,车长计算精度优于90%.     

基于视频图像的交通参数检测

针对交通图像的特点,提出了一种将灰度判断与边缘检测相结合的方法,来获得车流量、车速等相关交通参数。将先锋遗传算法(Vanguard Genetic Algorithms)应用到图像阈值分割中,利用先锋遗传算法寻求全局最优阈值,可以比较准确地将图像中不同灰度的车辆从背景中分离出来。分析了小波变换的特点,应用小波变换对交通图像进行车辆边缘检测。采用帧平均法来处理视频流,可以减小由于摄像头抖动或背景微小变化而产生的误差。实验结果表明,该方法简单、有效,能够获得较满意的检测结果。     

基于Matlab的车辆图像的配准与融合

采用模板匹配法对同源传感器视频采集到的车辆图像进行匹配,对所配准的图像采用加权平均的融合算法进行融合,可以获得对同一场景、同一目标更准确、全面、可靠的图像描述,从而实现对车辆图像特征的精确提取。通过Mat-lab仿真实验表明,该方法能更有效地提取车辆图像特征,达到对车辆外型的准确描述。