基于车灯特征的夜间车辆检测方法

道路交通在夜间发生事故的概率显著高于日间,而车灯是夜间行车安全的关键一环也是车辆在夜间最明显的特征,由此基于车灯的灯光特征提出一种新的夜间车辆检测方法。针对车前灯,利用形态学算法实现图像的预处理,并采用直方图双峰法提取车前灯,利用路面反射光消除算法去除路面反射光对车灯识别的干扰;针对车尾灯,选用尾灯图像的(R-G)色差特征作为输入,再结合Otsu最大类间方差法对尾灯进行自适应阈值分割。之后根据车灯特征设计同一车辆的车灯对约束条件,对车灯进行配对处理,通过设置阈值以及对车灯进行跟踪,解决了车灯异常配对的情况,从而检测夜间车辆。实验结果表明,该方法在高速公路、城市道路以及乡镇道路的综合检测率为87.22%,单帧耗时33 ms,处理速度约为30帧/s,满足夜间车辆检测的实时性。

基于车前灯的夜间车辆视频检测研究

针对夜间车辆视频检测和车流量统计的难题,提出了一种改进的基于视频图像处理提取车前灯的算法。通过分析夜间车辆视频的特点,利用梯度滤波法消除地面反射光对车灯的干扰,实现图像增强,并将分水岭分割算法和直方图双峰法相结合提取车前灯的信息。利用车灯配对匹配原则设计了一种新的匹配算法和跟踪算法实现车灯的配对与跟踪,最终准确地实现了车辆检测和车流量的统计功能。

基于视频的夜间车辆检测与跟踪

在道路交通管理中基于视频的车辆检测技术发挥了越来越重要的作用。针对夜间交通视频图像中由于照明度低和光线反射干扰导致运动目标提取困难等问题,提出一种建立矩形框来标志车辆的夜间车辆检测与跟踪的方法。通过对图像进行预处理,提取可能为车灯的亮点,建立连通区域。利用两车灯之间的水平位置,两车灯的面积应该是相近或几乎相等以及两者之间的距离应该小于设定的阈值来进行车灯配对。车灯配对成功之后,适当放大配对车灯的连线长度,得到车头宽度。进而根据车头长宽比关系得到车头区域,再通过规则集来定义多种情况下矩形框保存车辆信息的基本原则。车辆的统计跟踪通过基于邻域的方法来实现。经过实验表明,该方法能很好地适用于夜间车辆的检测,并且能满足夜间检测的要求,具备一定的稳定性和准确率。

一种新的夜间交通流量检测方法

针对夜间交通监控面临的亮度不足、能见度不佳与光线反射干扰等,造成视频车辆检测器不能全天候准确检测的问题,提出一种基于车灯亮度、颜色、形状、位置、纹理等运动信息的夜间车辆检测系统.先找出可能为车灯的亮点,然后再判断属于同一车的可能性,并进行车灯配对,最后针对路面上碰触虚拟检测线的一对亮点进行计数.实验结果表明,本方法的平均准确率在96%以上,具有检测率高、鲁棒性强的特点,能够满足城市道路及高速公路的实时检测需求.

用于智能交通系统的夜间车流量统计

智能交通系统是一种充分利用交通基础设施,实现交通环保节能,提升交通服务水平的手段。建立智能交通系统,能有效规划城市道路,抑制交通事故的发生。交通监控应在不同的环境、天气和照明条件下正常有效地工作。在晚上,许多中小城市的照明条件不是很好。本文主要针对夜间的车流量统计,根据上述特征对视频序列图像进行阈值处理,然后,通过形态分析,可以提取灯光走廊,最后根据前灯之间的一定距离分离车灯对,将其用作移动目标并通过计算得到交通流量。