时空相关的道路网络短时交通流预测模型

为有效解决复杂路网短时交通流预测问题中涉及的时空特征挖掘问题,提出一种基于改进长短时记忆神经网络(Improved Long Short-Term Memory, ILSTM)的交通流预测模型.首先,通过改进的遗传算法对长短时记忆神经网络(Long Short-Term Memory, LSTM)模型初始参数进行优化获得最优参数组合,解决LSTM初始参数设置对输出结果影响较大的问题.其次,针对复杂路网多路段交通流预测中遇到的空间特征提取问题,通过挖掘相关路段对目标路段交通流预测的影响程度,重新构建LSTM模型的损失函数,采用路网中相关路段对目标路段的影响系数,以损失函数输出值最小为终止条件,构建ILSTM模型.最后,选择加州公路局交通数据进行模型验证实验,采用遗传算法优化LSTM模型(Genetic Algorithm-LSTM, GA-LSTM)和单纯LSTM模型,以及皮尔森相关系数与LSTM组合模型(Pearson Correlation Coefficient-LSTM,PCC-LSTM),对工作日和周末数据的多次实验结果进行对比分析.实验结果表明:ILSTM模型能够充分考虑复杂路网交通流的时间和空间特征,预测平均误差约为1.16%,在收敛效率和预测精度方面均优于其他模型.

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法(OTSU)、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。

考虑驾驶疲劳的一维元胞自动机交通流模型

为了研究驾驶疲劳对道路交通流运行状态的影响,提出了一种改进的一维元胞自动机交通流模型.在周期性边界条件下,通过分析驾驶员的疲劳特性,考虑驾驶疲劳对驾驶员驾驶行为的影响,分别对疲劳车辆与正常车辆制定各自的演化规则,并以此对车辆进行状态更新,以建立改进的交通流模型.通过计算机仿真实验,得出不同疲劳车辆比例下车流密度、速度与流量的关系数据,并分析了疲劳车辆对交通流安全性的影响.仿真结果表明,对于本文改进的模型,随着道路上疲劳车辆比例的增加,交通流的拥堵呈分散趋势,车辆的拥堵频率显著提高,整体车流的安全性有所下降.同传统的SDNaSch模型相比,能够更好地描述道路交通流的实际运行状态.

基于直线解释正轴测投影图

建立了空间直线与其正投影的坐标关系，给出了空间直线从属于平面时直线坐标与平面坐标的约束关系，以及平行的直线与平面、平面与平面的坐标关系，据此提出了基于直线解释平面立体单幅正轴测投影线图的理论和方法。证明了平面立体正轴测投影线图至少有四个自由度。

基于深度学习的交通场景语义描述

对复杂交通场景进行准确的语义描述,一直是图像视觉领域的难题。交通场景复杂多变,对图像场景的理解容易受到光线变化、物体遮挡等因素的干扰。针对这一问题,提出了一种基于注意力机制的交通场景语义描述方法。使用卷积神经网络(CNN)和循环神经网络(RNN)相结合的方式,产生对交通场景的端对端描述。交通目标种类繁杂,为了产生带有明显区分度的场景描述,在语言模型中引入了注意力机制。为了验证新算法的有效性,分别在Flickr8K、Flickr30K和MS COCO 3个基准数据库上进行了实验。结果表明,在不同评估方法下,算法准确率分别提升了8.6%,12.4%,19.3%和21.5%。同时,通过定性分析验证了算法在光线变化、异常天气环境、道路显著目标和多种交通工具等4种不同的复杂交通场景下,都具有良好的鲁棒性。

基于Gabor滤波和神经网络的人脸检测方法研究

文章针对复杂背景下彩色图像中人脸检测算法复杂度大、计算时间长的问题,提出了一种改进方法。对输入图像进行自适应光照补偿,按色彩变化建立YCbCr肤色模型,筛选潜在人脸区域;对该区域进行Gabor滤波获得图像特征向量,用主成分析法对其降维;利用经训练的神经网络对候选区域进行判别。仿真实验表明该方法检测算法复杂度明显降低,精度可以达到95%以上。

基于飞行器图像的目标跟踪方法研究

提出了一种利用飞行器图像进行目标跟踪的方法 ,建立了飞行器图像跟踪系统。该系统利用一种云台控制算法搜索飞行器的图像 ,通过对飞行器图像的边缘检测、图像中心点提取等处理 ,实现了飞行器图像定位。理论计算和实际应用表明 。

采用Kalman_BP神经网络的视频序列多目标检测与跟踪

针对在复杂环境下多目标检测与跟踪实时性差和准确率低的问题,提出了一种基于神经网络修正均方误差估计的卡尔曼滤波跟踪方法,实现视频序列的多目标跟踪。在该方法中,首先通过帧间差分法准确提取出背景,并结合背景消减法实现多目标的检测,应用形态学滤波对检测结果进行优化;然后利用Kalman_BP神经网络预测滤波器对运动目标的位置进行预测。BP神经网络的引入,主要是降低由于模型变化以及噪声等引起的Kalman滤波器的估计误差,使Kalman滤波器的预测结果更加精准;最后,通过对不同的目标贴上标签,实现目标快速匹配,根据相邻帧间同一目标形心位置以及外接矩形的一致性,建立目标链,实现多目标跟踪。实验结果表明,该算法不仅能够快速稳定地对不同场景中的目标进行跟踪,而且能够统计目标数目和显示目标的运动轨迹,与粒子滤波等方法相比跟踪更加平稳,提高了跟踪的可靠性。

基于双向二维主成分分析的交通标志识别

针对交通标志识别实时性不足,提出了一种基于双向二维的主成分分析[(2D)2PCA]的交通标志识别算法。首先,对交通标志图像进行去噪归一化等预处理。然后,进行水平和垂直方向的投影,通过特征空间降维提高匹配速度。最后,利用最近邻法进行分类。通过在不同数据库下与传统2DPCA方法的对比仿真表明,2种方法随主特征数目增加,识别率都有所提升;样本数量增加时,(2D)2PCA算法的时间增长速度明显小于2DPCA,满足了识别的实时性要求。

基于FPGA的多特征融合司机疲劳状态检测系统设计

驾驶员的疲劳驾驶是造成交通事故的重要因素,为了实时有效地检测驾驶员的驾驶状态,设计了一种融合多种疲劳特征进行疲劳状态判定的检测算法,并构建了车载的基于现场可编程门阵列(FPGA)的嵌入式检测平台。该多检测算法融合了眼睛和嘴巴的疲劳特征,当某一特征的检测受到影响时可以使用另外的特征进行疲劳状态的判定,较传统的单一特征疲劳检测算法拥有更高的检测效率。实验结果表明:系统的算法简单、可靠、实时性强。

基于区域检测与非下采样轮廓波变换的红外与彩色可见光图像融合

针对灰度图像融合的分辨率低及现有的彩色图像融合方法融合的图像色彩不自然、不符合人的视觉感受的特点,在此提出一种基于Snake模型的区域检测和非下采样轮廓波变换(NSCT)的红外与彩色可见光图像融合的方法。首先对彩色可见光图像进行亮度、色度和饱和度(IHS)颜色空间变换提取亮度分量,并用Snake模型对红外图像的目标区域进行检测;然后对亮度分量和目标替换的红外图像应用NSCT分解,对所得到的高频系数采用像素点"绝对值和取大"、低频系数采用基于"亮度重映射技术"的加权融合规则进行融合;通过对融合系数进行NSCT逆变换获得融合图像的亮度分量,最后运用颜色空间逆变换得到融合图像。实验结果表明,所提出的融合方法既能保持可见光图像的高分辨率和自然色彩,又能准确保留红外图像中检测出的目标信息,获得视觉效果较好、综合指标较优的融合图像。

基于神经网络的高速公路交通流预测模型及其应用

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系.给出了基于BP神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模.该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.

一种在FPGA上实现的FIR滤波器的资源优化算法

在数字滤波器中,FIR滤波器是一种结构简单且总是稳定的滤波器,同时也只有FIR滤波器拥有线性相位的特性。传统的直接型滤波器运算速度过慢,而改进型的DA结构的滤波器需要过高的芯片面积消耗大量的逻辑资源很难达到运算速度以及逻辑资源节约的整体优化。本文提出了一种基于RAG算法的FIR滤波器,与传统的基于DA算法的滤波器结构的滤波器相比,RAG算法简化了FIR滤波器乘法模块的结构,减少了逻辑资源的消耗和硬件实现面积,提高了计算速度。本文设计的16阶FIR滤波器用VerilogHDL进行描述,并综合到Altera公司的CycloneⅡ系列FPGA中。仿真实验表明基于RAG算法的FIR滤波器达到了逻辑资源的节约和运算速度的提高的整体优化效果。

基于改进CoHOG-LQC的行人检测算法

针对行人检测过程中,易对相似目标产生误判的问题,并结合局部纹理特征描述子对图像边缘、方向信息的描述能力与检测精度的强相关性,同时考虑到基于LBP和HOG的特征融合方法存在结构利用率低、光谱信息损失多的缺点,提出了一种基于LQC和CoHOG特征融合的行人检测算法。首先通过LQC算子提取图像的纹理谱特征,同时使用积分图计算CoHOG特征值,以提取原始图像的边缘特征及基于LQC特征谱的CoHOG特征。然后将上述特征与CoHOG边缘特征融合,得到融合特征描述图像,最后使用HIKSVM分类器实现输入图像的检测与识别。为验证算法的有效性,分别在MIT行人数据库、Caltech行人数据库和INRIA行人数据库上进行实验。实验结果表明,提出的方法可以有效提高行人检测精度和效率。

基于FSMC的结构化道路视觉导引系统

针对结构化道路特征提出一种道路边沿检测和模糊推理相结合的视觉引导算法,结合外部设备和基于ARM Cortex-M4核心的MK60芯片,实现了一套简单的视觉导航移动平台;在该设备上进行实验表明,本系统能够实时获取道路边界及相应的虚拟导引线,模糊推理机判断路况的准确率为93%以上,行驶过程中的归一化偏差在0.2m以内,根据模糊推理结合模糊滑模控制能够使该移动平台在合理路径上稳定行驶。

空中对地面目标群瞄准的视频图像分析方法

采用视频图像分析与地面目标群运动特性相结合的方法 ,可以解决空中对地面目标群的跟踪和瞄准问题。为了对地面目标群运动特性进行预测 ,引入了宏观交通模型。根据飞行器质心和地面目标群中心相对位置的预测估计 ,得到了飞行器视频监视装置的下视角和方位角计算式 ,并且给出了地面目标群位置估计误差的在线修正方法。半物理仿真结果表明 。

基于细胞响应模型的红外背景抑制

为检测复杂背景红外图像中的小目标,解决红外弱小目标检测易受复杂背景干扰的问题,提出基于非下采样Contourlet变换(NSCT)和细胞响应模型的红外图像背景抑制算法。首先采用非下采样Contourlet变换对图像进行多尺度、多方向分解,得到各子带系数;然后根据目标、背景的不同特点以及子带的方向性,选取细胞响应模型的参数对中频各个子带系数进行处理;最后对处理后的子带系数进行重构得到背景抑制图像。实验结果表明:本文算法取得了更好的背景抑制效果,提高了单帧红外图像的处理能力,降低了后续检测与跟踪的难度。

一种空中交通图象特征匹配方法

提出了一种确定飞机类型的新方法。通过飞机外型和结构特征 ,利用空间投影理论建立了飞机投影图形与飞机姿态角之间的关系。通过该关系方程 ,有效地识别了飞机姿态角。利用已有的飞机模型的投影图特征与实际飞机飞行图象特征之间的误差 ,根据最小方差进行了模型匹配。利用 CCD系统图象仿真结果表明 ,所提出的方法是有效的。

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,论文从非线性时间序列的角度对短时交通流量预测进行探讨,提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下,对交通流量数据进行相空间重构。构建了RBF神经网络,并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明,该方法对模拟产生的混沌时间序列具有很好的预测效果,在交通流量的短时预测上也具有较高的预测精度。

交通流量的混沌特性分析及预测模型研究

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,分析交通流量的混沌特性,研究了一种交通流量的自适应预测模型。在合理选取嵌入维数和延滞时间实现交通流量时间序列相空间重构的基础上,应用小数据量法计算重构交通流量时间序列的最大Lyapunov指数,根据该指数值对交通流量的混沌特性进行分析,并采用庞卡莱截面法对分析结果进行验证;构建交通流量的Volterra预测模型,并采用LMS自适应算法对模型系数进行调整。通过对实际采集的高速公路交通流量数据的仿真研究表明,小数据量法能对交通流混沌特性进行准确判别,构建的二阶Volterra自适应预测模型能够有效地预测交通流量的变化。因此,在判定交通流量存在混沌特性时,可以应用论文构建的二阶Volterra自适应预测模型对其进行准确的预测。