基于视频流信息融合的高速公路重点车辆检测与定位方法

京台智慧高速利用物联网、移动互联网、人工智能等多种新兴技术,为高速交通系统提供感知、交互、分析等能力,以充分维护交通安全、提高交通系统的运行与管理能力。实时精准的重点车辆检测是京台智慧高速交通安全的重要组成部分,但监控视频中的车辆可能会在某一时间窗口内受到视频散焦、障碍物遮挡等情况的影响,监控视频中某一帧图片中的车辆变得无法识别,导致算法对车辆的检测效果变差。为了改善该现象带来的影响,可以使用监控视频中检测帧图片与其邻近帧图片之间的时间维度信息,来提升检测帧图片的特征强度,进而提高车辆检测算法的检测效果。

基于递归网络的高速公路图像超分辨率算法研究

京台智慧高速利用5G、北斗、大数据、云计算等信息技术,通过无人机巡查、毫米波雷达采集、图像监控等手段,提升交通系统管理效能,实现对智慧高速的精细化管控。智能监控系统作为京台智慧高速的关键一环,对监督车辆规范行驶具有重要意义。由于天气变化及车辆运动,导致智能监控系统抓拍的图像存在模糊或低分辨率现象。交通模糊图像复原已成为交通违规取证中亟需解决的难点,传统方法无法满足复杂交通图像的复原问题,本文以深度学习为基础,进行交通模糊图像复原算法的研究。