基于虚拟线圈的光流法车流量检测

在交通系统中常需要知道道路的占有率、车流量等交通参数。该文提出了一种有效的车流量检测方法 ,这种方法首先在视频图像中设置好虚拟线圈作为检测区域 ,然后用光流法对检测区域进行图像处理 ,求出光流场 ,根据光流场的信息来判断检测区域内是否有车辆通过 ,通过对检测区域的不断判断来统计车流量信息。试验证明该文提出的车流量检测算法具有实施方便、检测精度高的特点 ,而且很容易推广用来测量占有率、车速等其它交通参数。

基于虚拟线圈假设的涡流制动器制动力矩计算

针对现有涡流制动器制动力矩计算方法中包含经验系数,妨碍涡流制动器制动力矩的精确计算和产品性能提升的问题,在原有圆盘假设的基础上,将涡流作用区域圆盘内的闭合涡流圆环等效成电流为涡流有效值、匝数为1的虚拟线圈.在综合考虑涡流去磁效应的前提下,根据毕奥-萨伐尔定律,推导得到涡流制动器的气隙磁感应强度,并利用能量守恒法计算涡流制动器的制动力矩.以电涡流缓速器为例,对推导出的计算公式进行验证计算.结果表明:试验曲线与理论计算吻合较好,该制动力矩计算方法能够很好地体现涡流去磁效应对制动力矩的影响.

一种基于虚拟线圈运动矢量的车速检测方法

针对交通监控中的车速检测问题 ,提供了一种基于视频图像处理的车速检测方法 ,从CCD摄像机采集图像 ,在图像上的特定区域定义虚拟线圈 ,然后通过估算虚拟线圈的运动矢量 ,就可以检测经过虚拟线圈车辆的运动速度 .实验结果表明 。

基于自适应虚拟线圈的多车道车流量检测算法

针对虚拟线圈检测算法在多车道车流量检测中存在误检或者漏检的问题,提出一种基于自适应虚拟线圈的车流量检测算法.根据图像二值化原理,对ViBe算法的前景检测部分进行二次判断,并改变背景更新机制,提出一种改进的ViBe算法,以达到快速消除鬼影的目的,更准确地完成前景目标提取.在道路上设置固定检测区域,根据运动目标在固定检测区域的运动轨迹来建立或者消除非固定虚拟线圈,再进一步使用虚拟线圈的车流量检测算法实现车流量统计.选择三个不同的场景4车道无车辆变道、2车道有车辆变道和3车道有车辆变道且环境突变进行实验,所提算法的车流量检测准确率比传统的虚拟线圈算法分别提高8.9、25和16.6个百分点,且所用时间相当.实验结果表明所提算法更适用于多车道的车流量检测.

基于快速匹配算法的虚拟线圈设计

介绍了虚拟线圈的作用及工作原理 ,详述了运动矢量及快速匹配算法在虚拟线圈设计中的使用步骤 ,并以车辆越过停止线的违章检测为例 。

虚拟线圈和模板链相结合的车流量视频检测方法研究

在智能交通系统中,车流量检测对于准确提取交通参数起着重要作用。针对视频检测中虚拟线圈法由于环境和光照等因素影响导致检测不准确的问题,提出一种基于虚拟线圈法和模板链法相结合的车流量检测新方法。首先对采集的交通图像进行车道划分,根据虚拟线圈法设定判别准则,检测路面中的标记区域,同时运用相应的模板对车表面像素灰度变化均匀的区域进行标记,形成模板链,最后通过检测模板链实现车辆的检测。经过实验证明,该方法可以准确地检测出车辆,并具有较好的鲁棒性。

基于虚拟线圈的车型识别研究

在车型识别系统中,车辆的特征提取是非常重要的。传统的检测方法受摄像机的成像精度与架设方式等因素的影响,给车辆特征的提取带来困难。提出了一种采用虚拟线圈识别车型的方法。该方法将检测线与虚拟线圈相结合,对提取的车辆信息进行预处理,以检测线检测到达预先设置位置的车辆,然后触发虚拟线圈来提取车辆特征,通过BP神经网络来训练识别的车辆特征,以达到车型识别的目的。试验证明,该方法识别效果好,识别有效率达99%。

虚拟线圈数对车流量统计模型影响的定量分析

在定量分析虚拟线圈数目对车流量统计准确率影响因素基础上,采用简化的高斯混合模型进行背景提取,使用背景差法提取出前景信息,经过图像后处理进行车流量统计。最后,基于OpenCV采用C++语言编程实现了求解分析。

基于虚拟线圈技术的交通车辆类别分析研究

在当今的智能交通系统中,为了对不同的车辆信息进行统计,对车的分类是非常重要的。虚拟线圈技术作为一种新型的视频检测技术逐级应用于交通控制系统中。本文提出的方法将区域范围与虚拟线圈有效结合,对车辆进行预处理,以检测区域检测到达的车辆,然后触发虚拟线圈,通过面积区域的占比计算,以达到车型分类的目的。实验证明,采用这种方法,分类准确率可以达到98%。

基于虚拟线圈技术形成交通流图谱的设计与实现

设计了一种基于虚拟线圈技术形成交通流图谱的方法,该方法利用GPS技术和虚拟线圈技术,实现了道路交通信息的快速准确采集,且具有不需增加城市硬件基础建设投资、不受光照条件影响等独特优势。给出了该方法的设计原理和道路交通流图谱的形成流程。

基于虚拟线圈和卷积神经网络的多层同时激发图像重建

本文提出一种基于虚拟共轭线圈(Virtual Coil Concept,VCC)技术和k空间插值鲁棒人工神经网络(Robust Artificial-neural-networks for k-space Interpolation,RAKI)的图像重建方法,用于磁共振多层同时激发成像(Simultaneous Multi-Slice imaging,SMS),该方法能够有效提升重建图像的质量,被命名为VIRGINIA(VIRtual conjuGate colls Neural-networks InterpolAtion).为了得到更高质量的SMS图像,本文提出的VIRGINIA方法利用磁共振线圈数据的复数共轭对称性质扩展了SMS所获取的多通道数据,并将扩展后的数据用于RAKI网络的训练,利用训练后的网络实现高质量的SMS图像重建.本文将VIRGINIA方法和其他SMS图像重建方法(RAKI和Slice-GRAPPA方法)进行了对比,并采用结构相似指数(Structural Similarity Index,SSIM)、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和均方根误差(Root Mean Square Error,RMSE)对不同方法的重建图像进行了量化对比分析.结果显示,在相同的SMS加速倍数下,使用VIRGINIA方法进行重建的图像质量均好于RAKI方法,且远好于传统Slice-GRAPPA方法.

基于虚拟线圈的内河船舶流量检测方法

实时检测内河船舶流量对水上交通管理具有重要意义。为实时检测船舶流量,研究了一种基于虚拟线圈的船舶流量检测系统。虚拟线圈即在视频图像上设置一个封闭区域,根据该区域内图像的变化检测是否有运动目标通过。利用RGB三通道背景差分法得到视频图像的二值化图像,二值化图像的三个分割阈值由大津法求出。设置2个平行的虚拟线圈,通过虚拟线圈的船舶会被检测并计数,同时检测船舶的船长与船宽,利用BP神经网络对船舶进行分类。通过在武汉长江大桥和武汉长江二桥上不同时间段采集的视频进行实验,结果表明,船舶计数正确率达到97.1%,计数漏检率2.9%,计数错检率0%,船舶分类正确率98.6%。处理一帧图片的平均时间为7ms,具有较好的实时性。

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。

基于虚拟线圈的夜晚车流检测

针对智能交通系统提出的夜间车流检测问题,提出了一种基于视频虚拟线圈的检测方法。该方法主要包括车灯配对和车辆检测两个部分。车灯配对是根据同一车辆的两个车灯大小和相对位置等特性对车灯进行配对;车辆检测是根据车灯配对情况输出车流量。结果表明,该算法取得了良好的检测效果,具备较好的鲁棒性,并且能满足实时性的要求。

一种基于虚拟线圈的交通信息流分析方法

基于视频的交通信息流分析方法主要包含背景建模、阴影消除、车速提取、车辆统计与分类、道路交通拥堵分析等五个环节。传统方法对于每一个环节分析方法较多,但缺乏有机整合,无法满足系统的实时性需求。鉴于以上原因,现提出一种虚拟线圈的方法。该法通过在场景中设置两条虚拟线,当动目标通过线圈时开始检测,根据设定的面积比例值消除阴影,并得到该目标在同一帧内经过两线圈时的质心,由质心和帧差求得动目标的速度;再根据同一线圈内不同车型的比例阈值作出分析,最后综合以上数据得出交通拥堵情况。实验表明,本方法具有实时性高和鲁棒性强的优点。

基于类锚虚拟线圈的多流向车流量检测算法

针对城市道路车流量检测中车辆误分类问题,提出一种基于类锚虚拟线圈的多流向车流量检测算法。首先,采集车辆图像样本并随机裁剪以构建小客车、公交车和摩托车的均衡数据集,通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法聚类获得3类车型的高度、宽度尺寸,以此校正场景车辆识别线圈尺寸,布设物体检测线圈与组合车辆识别线圈;其次,基于均衡数据集训练ResNet18卷积神经网络完成车辆类型判断;最后,采用改进的核相关滤波器追踪算法追踪车辆轨迹,通过计数线完成多流向车流量检测。验证分析表明:对单向车流,高峰、平峰正检率均值提升了5.09%、4.57%,误检率均值降低了5.31%、2.35%;多向车流中,直行车流的高峰、平峰正计率提升了5.01%、5.99%,左转车流的高峰、平峰正计率提升了4.29%、4.56%。

基于虚拟线圈的车速检测算法研究

针对传统基于地感线圈的车速检测方法施工复杂、需要破除路面等不足,文中设计了一种基于视频图像处理的车速检测算法,在视频图像的特定区域设置虚拟线圈,共设置两个线圈,通过帧间灰度差,判断是否有车辆到来,然后通过两个特定位置的虚拟线圈的坐标换算出距离,经过图像匹配计算出车辆通过线圈的时间,从而计算出车速.通过实验对实际场景多次分析获得阈值,具有较高的准确性和可靠性.

利用虚拟线圈技术对视频交通数据进行采集

针对于传统的地埋线圈检测器检测技术,本文给出了一种基于视频图像的虚拟线圈检测方法,并在实际应用中取得很好的效果。

基于虚拟线圈的车型识别研究

提取车辆特征在车型识别系统中发挥着非常重要的作用,研究一种车辆特征提取方式具有重要意义。虚拟线圈识别车型方法的出现,为此项工作的顺利完成带来了非常大的帮助,本文从建立和更新图像背景、设置监测线、对测量用虚拟线圈进行检测原理分析这几个方面来分析和研究了车辆特征的有效提取,并对车型在BP神经网络基础上进行识别,该方法能为有关单位及工作人员提供一定的借鉴作用。

基于罗氏线圈电流互感器的等传变距离保护

罗氏线圈电流互感器中的积分器会放大暂态传变误差,可能导致保护误动作。该文提出直接采用罗氏线圈微分信号输出进行保护计算的改进思路,并以距离保护为例,提出一种基于罗氏线圈电流互感器的等传变距离保护方法。该方法中,保护电流直接采用罗氏线圈输出的电流微分信号,消除积分器引入的暂态传变误差,并通过虚拟数字传变解决电压与电流微分信号传变不一致问题。仿真和试验结果表明,所提出的等传变距离保护方法动作速度快,受系统中高频暂态信号影响较小,性能优于现有距离保护方法。