基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法。首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM)。然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别。实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7ms。

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。