基于视频的夜间车辆检测与跟踪

在道路交通管理中基于视频的车辆检测技术发挥了越来越重要的作用。针对夜间交通视频图像中由于照明度低和光线反射干扰导致运动目标提取困难等问题,提出一种建立矩形框来标志车辆的夜间车辆检测与跟踪的方法。通过对图像进行预处理,提取可能为车灯的亮点,建立连通区域。利用两车灯之间的水平位置,两车灯的面积应该是相近或几乎相等以及两者之间的距离应该小于设定的阈值来进行车灯配对。车灯配对成功之后,适当放大配对车灯的连线长度,得到车头宽度。进而根据车头长宽比关系得到车头区域,再通过规则集来定义多种情况下矩形框保存车辆信息的基本原则。车辆的统计跟踪通过基于邻域的方法来实现。经过实验表明,该方法能很好地适用于夜间车辆的检测,并且能满足夜间检测的要求,具备一定的稳定性和准确率。

基于时空图的夜间车流量检测算法

夜间由于道路光线不好,不容易检测出车流量。针对这个问题,本文提出了一种基于时空图夜间车流量检测的有效方法。该方法首先将道路交通监控视频拍摄到的的图像,利用时空图转换为时间-空间坐标连续图。然后通过时空图提取到的车灯信息,采用车灯配对的方法来识别车辆,并计算出一定时间内的车流量。本实验所用的监控视频图像由架在路边高层建筑上的摄像机拍摄所得。实验结果表明:该检测方法鲁棒性较强,能够准确快速的检测出一定时间内的夜间车流量,检测准确率高达97.7%,其实用价值非常的高。

基于车辆轮廓凹陷区域的分割算法

基于视频检测车流量,由于车辆间距过近容易造成图像上的粘帖而不能准确检测目标车辆,因此需要建立一个准确率高、抗干扰能力强的车辆分割算法。根据车辆轮廓凹陷区域提出一种分割算法。首先提取出二值化图像,在图像上检测并标记出目标遮挡区域,根据面积比来判断是否发生遮挡;然后提出了一种基于七宫格的凹陷区域检测算法,遍历每个区域找到符合条件域的凹陷区域,再通过共同特征来匹配到所需的遮挡区域,最后用Canny算法得到一条合适的分割曲线作为最后的分割结果。从实验结果分析,该分割方法能够适应复杂的环境,分多个遮挡区域的车辆,该算法精度高、鲁棒性好。

一种改进的针对车体遮挡的车流量检测方法

随着社会的发展,人均收入的增加,城市道路中的车辆越来越多。当车流量增多时,车体遮挡问题也随之而来。针对于此问题,本文在传统的针对车体遮挡的车流量检测方法的基础上进行改进。首先通过对视频的分析,提出了利用车体面积法来解决前后车辆的遮挡,对于特例的大型货车、客车利用近景图像检测黄色车牌的方法,其次采用分车道取景框来解决相邻车辆的遮挡。实验结果表明,本文提出的改进方法能更好的识别遮挡车辆,具有较高的实用价值。