基于视频跟踪轨迹的全过程路侧停车行为检测与识别技术

针对路侧停车行为检测与识别问题,结合经典KLT运动角点检测方法与实时压缩跟踪方法,提出一种基于视频跟踪轨迹的全过程停车行为识别技术。首先利用KLT方法检测视频中的运动角点,确定运动车辆位置,再利用压缩跟踪方法,提取视频序列中运动车辆完整的运动轨迹,较为准确地描述路侧停车的动态过程。最后,利用提取的运动特征在真实的路侧停车视频上进行实验验证。实验结果表明,本文提出的停车行为检测与识别方法是可行有效的。

基于视频检测技术的隧道停车检测与识别算法

针对现有视频停车检测算法多采用背景逐渐更新的方式,不能较好适应于存在照明突变和渐变的高速公路隧道交通场景的问题,设计了一种能有效抑制隧道光照变化的隧道停车检测与识别算法;首先针对光线变化等因素对隧道背景的影响,采用非参数核密度模型进行背景抽取,并结合相应的背景更新算法与背景差法实现运动前景的提取;然后改进基于灰度分析的时间序列法,通过叠加及归一化的方法充分利用前景图像二值信息进行像素级时间序列分析,以获取静止前景目标,并通过连通域分析滤除其他小面积静止物体的干扰;最后运用多轮廓搜索算法,针对检测区域内不同分区中的静止车辆,进行对象级多特征辨识,并依据一定的报警机制标识静止车辆,实现隧道停车事件自动报警;实验结果表明,提出的算法能有效抑制隧道光照变化,较好地实现了隧道停车的自动检测与识别,具有较高的准确性和有效性。

多工况下自动泊车系统停车位识别方法研究

针对自动泊车系统需要对多工况下的停车位进行正确识别的问题,提出了一种基于摄像头和超声波传感器进行距离和视觉信息融合的停车位识别方法。该方法首先通过摄像头和超声波传感器对停车位进行识别,识别成功则输出停车位类型,否则融合摄像头、超声波传感器和车轮速传感器的信息得出车辆的车身姿态特征参数,通过模糊推理方法输出相应的停车位类型。然后,多工况下停车位识别仿真模型在MATLAB上被搭建,并针对不同的停车位场景进行了仿真分析,仿真结果表明了该方法的合理性和可靠性。最后,在多工况下对该方法进行了实车实验,停车位识别正确率超过了90%,表明了该方法具有实际应用的可行性。

基于轨迹数据的货车停车目的识别方法

货车轨迹数据能够提供丰富的货运需求信息,然而从轨迹数据中识别停车目的的方法有待进一步研究。本文利用市内出行货车的轨迹数据,设计基于移动记录反推的货车停车点提取算法;提出融合货车出行调查数据的停车目的标定方法;构建包含停车点特征、出行特征、出行链特征、附近停车点特征和附近兴趣点特征这5个特征子集的货车行为特征集,作为识别模型输入变量;运用网格搜索算法,确定最优参数组合,建立基于二叉树支持向量机(SVM)的货车停车目的识别模型,区别货车装货点、卸货点和非装卸货点。以上海市内出行的重型货车为例,应用货车轨迹数据停车目的识别方法。结果表明:出车货车1 d平均停车4.6次;95%以上停车点的停车时间大于7 min,停车点间移动时间大于17 min;货车停车点提取算法的停车点个数误差约为6.5%;设定时间匹配标准和空间匹配标准是标定停车目的的可行方法;基于二叉树SVM的货车停车目的识别模型的准确率达85.83%。研究结果可为超大城市管理者分析城市货运需求、制定城市货运管理政策提供技术和数据支撑。

多源数据融合的城市区域时变停车需求识别方法

城市时变停车需求的准确感知是制定停车管理政策的前提条件之一,然而由于难以获取城市所有停车场进出车辆数据,且部分老旧停车场尚未实现信息化管理,以及违章停车的存在,导致城市区域时变停车需求识别困难。本研究利用城市已有交通信息采集设备,以卡口车牌识别数据、停车场进出车辆数据和出租车GPS数据为基础,通过训练模型区分停车与行车在前后两次卡口数据中的特征差异来识别车辆停车行为,从而实现城市区域时变停车需求识别。首先,结合493个停车场的进出车辆数据和3649辆出租车的GPS数据确定车辆行停状态,得到846204个停车样本和81654个行车样本,并基于合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)+最近邻(Edited Nearest Neighbor,ENN)算法对不均衡行停数据集进行组合采样;其次,利用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)来识别车辆的停车行为,结果表明本文建立的停车行为识别模型准确率为93.1%,精确率为99.6%,召回率为86.5%,识别效果优于其他传统方法;最后,应用该方法对某城市区域时变停车量进行监测,并利用该市41个停车场进出车辆数据进行验证,其中可通过本文算法识别的停车量为96%。研究成果可为城市区域时变停车需求感知与管理提供数据支持。

基于航空影像的停车线识别

为了合理控制停车位数目,解决停车难的问题,本文基于航空影像进行停车线识别,利用高分辨率的无人机航拍影像代替传统复杂的动态视频信息。对提取结果的定量评估表明,通过本文的技术流程能够有效识别停车线,并得到较好的结果,能够为交通管理部门提供可靠的数据支持。

基于障碍物和车位检测的单阶段多任务YOLO-Parking算法研究

文章提出一种基于YOLOv4的端到端多任务网络模型用于自动泊车系统中的感知任务,以环视图像(around view monitor, AVM)作为网络输入,基于卷积网络提取图像特征信息,通过YOLO和DMPR-PS(directional marking-point regression-parking slot)检测头实现停车位与障碍物并行检测。在PS 2.0公开数据集上进行验证的结果表明,所提出的多任务检测方法能够同时检测停车位和障碍物,障碍物识别平均精度均值达到89.72%,车位识别查准率达到93.53%,网络检测速率为34.0帧/s,在满足自动泊车感知任务需求的同时提升了系统的检测效率。该文研究成果对自动泊车感知技术的发展具有一定的意义。

基于GPS浮动车的交通信息采集方法

针对目前基于GPS浮动车的交通信息采集方法相关研究不够系统、全面,导致大量基础数据浪费、交通信息质量偏低、系统运行成本较高等问题,提出了一种新的基于GPS浮动车的交通信息采集方法。依托长春市局部路网的空间信息,采集GPS实测数据进行技术验证。验证结果表明:本文方法可以很好地解决已有方法存在的诸多问题,从而为改善交通状态判别及车辆动态导航系统的应用效果奠定数据基础。