基于云台摄像的实时车速检测算法

针对采用固定摄像的路况监视系统无法观看自如的缺点,提出了基于云台摄像的实时车速检测算法.建立了简化的摄像机参数模型,提取了线性拟合后的车道图像特征参数,并利用Kluge曲线模型和随机霍夫变换实现了像平面车道分割线的二维重建和云台摄像机的标定;应用自适应背景减除、扩展Kalman滤波器等方法,提取了帧运动域及域中目标轮廓,从而实现了车辆的精确定位、跟踪,以至实时速度检测.该算法已试用于工程实践,具有较好的鲁棒性.

TLD跟踪在视频测速中的应用

针对基于OpenCV采用的车辆跟踪不够稳定的问题，提出了一种对车辆更有效的跟踪方法，利用TLD跟踪从视频序列检测、跟踪指定目标。P-N学习需要经过正负样本的约束，利用数据进行模型学习来改善未标记的数据的分类。P-N分类器可以被用于在线车辆跟踪学习和车辆检测，可以解决车辆跟踪过程中出现的遮挡。对车辆精确定位后可以计算实时车速。

快速摄像机标定及其在视频测速中的应用

针对交通摄像头的特殊性，根据摄像机成像的简化模型，给出了对交通视频进行简易快速的标定方法。利用道路上的车道分割线，提取车道分割线的角点，计算摄像机的内外参数；然后基于区域面积匹配跟踪车辆目标，对车辆目标中心点进行标定，实现车辆的精确定位，从而可以计算实时车速。