一种基于车辆遮挡模型的车流量统计算法

传统视频检测车流量统计利用车辆跟踪解决遮挡问题,算法复杂且容易受到外界干扰影响,为此建立了若干车辆遮挡模型,利用分层轮廓匹配法将运动目标与车辆遮挡模型进行轮廓匹配识别出遮挡车辆。为了提取运动目标完整外部轮廓,提出一种基于连通域的两轮扫描法来标记各个运动车辆,并利用YUV彩色空间对阴影进行检测和抑制,提高车流量统计精度。实验结果表明,该方法能有效识别遮挡车辆,具有较高的车流量统计精度。

基于图像运动区域的车辆遮挡跟踪算法

针对区域跟踪算法难以解决因车辆遮挡而引起误检的问题,提出了基于图像运动区域的车辆跟踪算法采用背景剪除法提取运动区域,通过计算相邻帧运动区域的位置变化实现区域跟踪;建立车辆的二维矩形框模型,分析“区域——车辆”关系,结合区域跟踪的结果来判定车辆之间是否发生遮挡,并根据车辆行为来初始化车辆模型轮廓及速度;采用Kalman滤波器预测车辆在当前帧的位置,并以此预测位置作为车辆模型的初始位置进行模型轮廓的自适应调整,得到模型新的矩形轮廓;将新轮廓其所确定的几何中心位置作为测量值反馈回Kalman滤波器,修正Kalman系数,进行自回归运算和计算最佳匹配位置,从而实现车辆跟踪.算法测试实验使用的视频采集自江苏省通启高速公路视频监控系统,采用P4/2.4单CPU,结果表明,在为25帧/s视频流下,该算法准确跟踪率达到94.72%,有效解决遮挡问题,并具有较好的鲁棒性.

一种基于轮廓的车辆遮挡检测与分割方法

遮挡是基于图像的运动目标跟踪与识别中经常遇到的问题,也是动态图像处理中比较难以解决的问题之一,尤其是车辆间相互遮挡问题将会影响道路交通检测的准确度,因此必须建立可靠、实用的遮挡消除机制。提出一种基于轮廓的算法来检测和处理车辆之间的部分遮挡,首先利用混合高斯模型对图像进行背景建模,从而检测到运动车辆,然后对车辆进行轮廓凸包分析,利用车辆轮廓和轮廓的凸包所围成的区域面积关系来检测是否存在遮挡,对检测到的遮挡车辆,计算最优的遮挡切割线,将遮挡车辆一分为二,从而有效地消除车辆的遮挡。和以往方法相比,这种基于轮廓的方法不需要任何除车辆形状外的先验知识,因此具有更强的适应性。实验结果验证了本方法处理部分遮挡的有效性。

基于秩约束的车辆遮挡点恢复方法

为了恢复车辆跟踪过程中丢失的特征点,提出了一种基于秩约束的车辆遮挡点恢复方法,该方法利用所有车辆图像点组成一个秩3的矩阵,并利用该特性构造一个投影矩阵,利用该投影矩阵求到车辆遮挡点,再将求到的车辆遮挡点代替图像中的车辆遮挡点,经过多次迭代,最后求到车辆遮挡点的真实位置。该方法的优点是所有的图像及图像点都平等地看待,模拟试验和真实试验表明,该方法具有鲁棒性好、收敛性好及误差小等优点。

基于仿射特征描述的鲁棒车辆遮挡检测方法

在交通场景下进行多目标跟踪时,往往会存在车辆之间的相互遮挡,使得基于视觉的车流量计算准确度受到严重影响。针对这一问题,提出一种基于仿射特征描述的鲁棒车辆遮挡检测方法,该方法利用车辆的角点特征,建立基于仿射变换的车辆特征描述模型,判断车辆之间是否存在遮挡现象,再对遮挡车辆进行特殊分割,保证了车辆跟踪以及车流量统计的准确性。通过50段5分钟连续视频,每个视频中出现车辆遮挡时段大于1分钟,遮挡频率25%,遮挡帧数大于500幅进行试验,算法的车流量统计的正确性达到95%,正确跟踪率达到98%,验证了该算法的有效性。

矩形隧道下存在车辆遮挡的V2V信道测量与分析

车对车(V2V)通信是智能交通系统的重要组成部分。隧道是智能交通系统的一个重要应用场景。考虑到隧道壁反射、车辆衍射以及隧道附属设施布置密而复杂的问题,研究隧道场景下的V2V信道传播特性对于智能交通系统的设计与测试具有重要意义。本文利用宽带信道探测器对隧道环境下的V2V信道进行了测量。测量所使用的载波频率和带宽分别为5.2 GHz和120 MHz。根据不同的情况,将测量分为3种类型:可视距(LOS)、部分视距(OLOS)和不可视距(NLOS)。基于实际测量数据,建立不同场景的路径损耗模型和接收信号幅值衰落分布,进而分析信道衰落特性。结果表明,NLOS场景下的路径损耗指数、阴影衰落均大于LOS、OLOS情况,LOS、OLOS之间阴影衰落没有显著变化。LOS和OLOS场景下接收信号的幅度衰落均服从莱斯分布,NLOS场景下接收信号的幅度衰落服从瑞利分布;3种场景下均方根延迟扩展都符合对数正态分布;NLOS引起了更大的阴影衰落和时域弥散;随着距离的增大,K因子逐渐减小,表明K因子对距离具有依赖性。

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法.该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离.仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值.

利用车辆边缘的遮挡车辆曲线分割算法

针对交通场景中车辆距离过近和相互遮挡的问题,提出了利用车辆边缘的遮挡车辆曲线分割算法。首先在图像分块的基础上检测出车辆区域,根据车辆区域的长宽比和占空比进行多车判断;然后对车辆区域进行HSI空间亮度均衡化和平滑处理,并利用一维最大熵法分割图像;最后确定车辆区域的中心线,并提取车辆的边缘轮廓,曲线分割遮挡车辆。实验结果表明,算法能够按照车辆的边缘轮廓准确分割遮挡车辆,与其他算法相比,在满足实时性的前提下具有较高的识别率,查全率和查准率均可达到90%左右。

多车辆跟踪时目标粘连的解决方法

复杂交通中车辆间的相互遮挡会造成图像中的车辆粘连,针对这一问题,提出了一种新的基于Kalman预测模型与正交投影定位理论的多运动目标分割与跟踪方法.利用粘连车辆在时域上的历史运动信息和Kalman预测结果,在二值图像中构建特定粘连车辆的分割窗;在分割窗内利用水平-垂直正交投影和动态阈值的理论方法,确定目标最小外接矩形.设计目标分割评判函数,确定粘连车辆分割的合理性,并给出相应的处理结果.实验结果表明,该方法能够有效处理目标相互粘连的情况,实现目标的稳定准确跟踪,并且计算复杂度低,能够满足实时环境的需求.

基于ST-MRF的自适应车辆跟踪算法研究

可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素.为了解决这一难题,文中提出一种基于ST-MRF模型的自适应车辆跟踪算法.在ST-MRF模型中,把图像分成块,将相邻图像间的块通过它们的矢量联系起来,建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,然后利用松弛算法实现目标地图最小化能量计算,从而解决车辆跟踪中的遮挡问题.实验结果表明,跟踪不遮挡的车辆时达到的跟踪成功率为95%,遮挡情况时成功率也可达到91%.通过实验得出以下结论:基于ST-MRF模型的自适应车辆跟踪算法能在交通量比较大,且车辆出现相互遮挡的情况下,能较准确地获得车辆跟踪数据.为以后的交通事件检测提供重要的数据基础.

基于视频图像的高速公路车辆检测算法研究

针对高速公路智能交通系统中的复杂场景变化、阴影和车辆遮挡等影响车辆检测率的问题,提出了使用基于高斯混合模型的自适应方法来建立和更新背景,采用基于HSV的邻域均值快速阴影消除算法提高阴影消除的速度。对于遮挡车辆,采用基于Kalman滤波的识别算法进行遮挡车辆的识别,然后使用基于模板匹配的金字塔分级搜索算法对遮挡车辆进行细分割。实验结果表明,该算法既简单又有效,车辆的检测率达到97%,完全满足车辆检测的要求。

基于双车辆可变形部件模型的车辆检测方法

针对被部分遮挡车辆的漏检率高这一难点,在深入分析可变形部件模型的基础上,提出了基于双车辆可变形部件模型的车辆检测算法。该算法采用对图像分区域匹配和对匹配结果进行融合的方法来减少多车辆检测中被部分遮挡车辆检测的漏检情况。实验结果表明:该算法在部分遮挡车辆的检测中要优于已有算法,它明显地降低了漏检率,满足安全驾驶辅助技术应用中的实时性要求。

基于部件模型的复杂场景车辆检测方法

复杂场景中车辆间的遮挡,会造成车辆视觉信息损失,致使车辆出现漏检问题。为解决此问题,提出了一种基于部件模型的复杂场景车辆检测方法。首先,根据车辆图像的易遮挡程度将车辆对象分为易遮挡区域和通常可见区域两个部分,用于构建车辆部件模型;其次,通过运用Gabor滤波器对训练图像滤波,得到部件特征图;使用AND-OR模板分别对易遮挡区域与通常可见区域建模,根据训练特征图生成对应部件模型,以及部件模型之间的位置和尺度关系;最后根据部件模型检测图像中的候选部件,并根据部件间的位置和尺度关系筛选组合生成车辆目标描述,实现车辆检测。经实验验证,该方法漏检率低,并且能够有效应对遮挡与车辆姿态的变化。

一种基于深度学习的车辆识别算法

文章使用深度学习网络YOLOv3算法,对交通车辆进行目标识别。针对某些车辆数据集存在车辆遮挡和视角较远的情况,导致小目标车辆难以被检测,为了解决这种问题,YOLOv3多尺度检测模型可以很好的进行解决。与其他检测网络相比,该方法提升了检测速度和小目标特征提取能力。

一种改进的针对车体遮挡的车流量检测方法

随着社会的发展,人均收入的增加,城市道路中的车辆越来越多。当车流量增多时,车体遮挡问题也随之而来。针对于此问题,本文在传统的针对车体遮挡的车流量检测方法的基础上进行改进。首先通过对视频的分析,提出了利用车体面积法来解决前后车辆的遮挡,对于特例的大型货车、客车利用近景图像检测黄色车牌的方法,其次采用分车道取景框来解决相邻车辆的遮挡。实验结果表明,本文提出的改进方法能更好的识别遮挡车辆,具有较高的实用价值。

基于双车辆可变形部件模型的车辆检测方法研究

随着社会经济的快速发展,汽车数量已经呈现出了与日俱增的趋势。虽然,人们日常生活已经离不开汽车,但全世界交通事故所造成的人员人员伤亡数量相当庞大,主要原因是驾驶人员具备的主观因素。因此,提高驾驶安全和帮助驾驶人员预见,并最大程度上避免事故发生已经成为了燃眉之急。文章主要基于双车辆可变形部件模型的车辆检测方法进行全面深入研究,以期早日实现降低交通事故发生的概率。

基于机器视觉的停车位检测技术的研究

文章提出了一种基于机器视觉技术的停车位状态检测方法;为了能在嵌入式系统上实现基于机器视觉的停车位状态检测,首先通过定制停车位区域,并在定制的区域内按照某种规则自动生成采样点,极大地减少了图像处理的计算资源和存储资源;其次,根据车辆驶入停车位时引起相关采样点灰度值发生变化情况进行停车位检测;最后,采用以空间高度来定制虚拟停车位,解决了相邻车位的车辆遮挡问题,通过形状匹配等算法排除路面上异常物体等各种干扰;实验结果表明,该方法不仅具有很高的检测精度和实时性,还具有较好的鲁棒性。

长三角:让“聪明的车”驶向“智慧的路”

理想的驾驶是怎样的?道路畅通无阻;路况信息一目了然,车辆能及时辅助甚至自主做出最优决策;“爱车”尽量少地“吃油”耗电……长三角地区加快车联网建设,打造“灵活的网”,让“聪明的车”加速驶向“智慧的路”。在上海嘉定预约体验自动驾驶车,车上配有安全员,随时应对突发情况,接管车辆。在雷达、摄像头、交互技术的助力下,车辆可以与互联网基础设施等实时沟通外界信息。即便在恶劣天气中或遇到前方树木、车辆遮挡,车内终端仍然能准确接收并显示路口红绿灯状态等信息。

一种结合无迹卡尔曼滤波的矿区道路追踪算法

针对传统遥感影像道路中心线提取方法容易受到场景中噪声干扰这一问题,该文研究了一种局部窗口检测与无迹卡尔曼滤波全局追踪相结合的算法,并将其应用于高分辨率遥感影像矿区道路的提取。局部窗口检测分为内外窗口,外窗口利用边缘分布直方图计算局部道路方向,内窗口通过求解系列方差搜索道路中心点。在全局追踪阶段,综合考虑道路的先验信息和观测信息,运用无迹卡尔曼滤波实现道路中心点迭代追踪。该文选用高分辨率露天矿区道路遥感影像进行实验。实验结果表明,对于高分辨率遥感影像矿区不同曲率道路,该方法能够准确提取道路的中心线,对车辆压盖及遮挡等干扰因素具有稳健性。