基于双视角学习原理的交通视频车辆事件鲁棒检测

提出了1种基于双视角学习原理的高速公路交通视频车辆事件鲁棒检测算法。针对道路交通结构化特点提出了分车道外极面图(Epipolar Plane Image,简称EPI),以此反映交通断面车流整体特征。基于双视角学习原理,融合现有广泛应用的反映车辆独立行为的行驶轨迹特征,实现高速公路车辆事件鲁棒检测。针对多种典型车辆事件(包括交通拥堵,车辆逆行,车辆违规停车,交通事故等),本文算法总体检测率为94.09%,误检率为4.51%,漏检率为1.40%,其性能与传统单视角方法比较有较大的提高。

由现场图象序列建立自然环境三维全景模型

提出和实现了由非精确摄像机运动下的图象序列自动建立三维环境全景模型的方法。首先通过运动滤波和运动分解获得运动稳定的图象序列，然后采用无特征提取的时空纹理方向精确估计、深度边界确定和遮挡恢复算法，建立全局自然景物的真实感三维环境模型。提出了深度分层布景表示，可用于机器人全局定位的自然路标提取和真实环境虚拟再现的图象合成。推广和结合了外极面图象和全景图象的方法，放宽了对运动的要求，即平移或／和平稳运动的条件，从而可使该方法适用于更广泛的场合。