汽车智能驾驶系统中运动图像的实时检测与跟踪

采用CCD摄像机获取运动目标图像序列,用基于背景重建的运动变化,对运动目标检测;通过运动分割并求运动梯度计算出物体运动方向;利用目标的短时相似性,完成对目标的跟踪与识别,并进而实现对目标长时间的稳定跟踪,确定目标的运动规律,实现运动图像实时检测与跟踪的目的.基于上述运动目标检测跟踪算法,利用C++编写了实时处理程序,实现了动态单目标、多目标及不同方向运动目标的检测与跟踪.实验证明,本算法可以实现对单运动目标和多运动目标的实时检测与跟踪,具有很高的鲁棒性,效果良好.

复杂环境下车辆阴影分割算法研究

车辆阴影分割是智能交通领域中车辆识别的一项重要内容,阴影分割的好坏直接影响到车辆识别的准确性以及整个智能交通监控系统的性能.针对当前基于RGB和HSV颜色空间的车辆阴影分割算法缺陷与不足,本文提出了一种新的基于YCbCr空间的车辆阴影分割算法.首先选取图像中的运动区域,运动区域包括车辆以及阴影;然后根据阴影区域出现的特点,选择初始阴影数据;最后,通过本文提出的阴影分割算法最终确定阴影区域的形状与位置.经过实际道路运行测试,该算法能提取出的车辆阴影完整性好,具有较好的鲁棒性,在智能交通领域具有一定的应用价值与前景.

基于实时视觉分析算法的智能图像传感器系统设计

设计了一种智能交通图像传感器系统以实现对监控场景的快速移动侦测和对象识别。该系统具有有线以太网和无线GPRS双重网络接入功能,硬件由基于Au1200嵌入式处理器的网络接口端和基于BlackFin 533 DSP处理器的图像分析端组成。软件系统包括运行于Au1200处理器上的基于嵌入式Linux架构的网络收发软件和运行于BlackFin 533 DSP上的视觉分析算法。本系统引入了基于区域分割的背景模型和基于特征的对象识别算法。实验结果表明该系统能够实时高效地进行自动移动检测和对象分类识别。

基于PSTN的车流交通视频监测系统的研究

随着城市交通和通信基础设施的不断完善,对于交通管理的科学性和高效性提出了更高的要求,智能化的交通监测也随之成为一个重要的研究课题而倍受注目。目前的交通监视系统普遍采用专用的通信信道直接把前端视频信号传输至管理中心,然后由人工方式完成交通信息的收集、处理与分析。而提出的以公共电话交换网(PSTN)为通信平台,前端采用数字视频处理技术,自动实现车辆目标的提取和交通信息的收集,然后按照分层方式实现交通场景视频的高效表征与压缩,使所需的传输带宽满足PSTN的要求,而在后端的管理中心建立交通信息分析和数据库系统,实现信息的自动处理和查询。初步的实验表明,系统能较好的实现城市道路车流交通视频监测功能,从而为后续的进一步研究奠定了基础。

智能交通监控技术研究

从涉及智能交通监控技术的4个方面综述了智能交通监控技术的研究内容及发展现状,重点介绍了近年来在运动目标分割和目标跟踪方面所取得的研究成果,并分析了其处理算法的性能和优缺点,最后探讨了目前智能交通监控技术亟待解决的问题,并展望了其未来发展方向。

多帧速度场估计方法及在交通视频监测中的应用

基于速度场的运动估计方法是进行运动物体分割的有效途径,提出了一种视频图像处理中基于多帧速度场的运动物体分割方法,针对简单速度场运动物体分割方法的不足,提出对多帧速度场图像提取的运动物体信息相融合的方法。试验结果证明:用此方法提取的运动物体核心点更完备,提高了运动物体分割的准确性。该方法在智能交通、视频监控系统中都有广泛应用。

自适应车流方向的跨道行人检测

针对视频交通事件监控中的行人检测问题,提出一种自适应车流方向的跨道行人检测算法。利用运动历史图像计算画面中物体的运动方向,通过学习获得运动参考方向场,并对运动目标进行跟踪。依据参考方向场分析其轨迹的走向,以确定运动目标是否发生跨道行为。实验结果表明,该算法能适应车流方向并有效检测跨道行人,具有较好的实时性和较高的检测成功率。

选煤厂智能视频监控中的运动人体目标检测方法

针对数字视频监控系统人工监视方式可能因监视人员疲劳而导致失误的问题,提出了一种选煤厂运动人体目标检测方法。该方法采用背景减除法来分割运动目标,选用混合高斯模型对背景进行建模,通过不断更新背景模型来提高运动目标检测的准确性;在准确检测出运动目标的基础上,结合人体形状信息,将人体目标检测并标记出来。实验结果表明,该方法能较准确地分割出运动人体目标,并且满足实时性要求,但是无法分割遮挡或连接在一起的运动人体目标,需进一步研究。

基于切比雪夫分解算法的实时无人飞机交通监控巡航路径规划

将无人飞机技术引入到道路监控当中,以提高交通监控的灵活性和响应速度。针对道路突发交通事故、路段坍塌、交通拥挤等情形,交通监控目标的数量和分布会发生动态变化,此时需要协同地面车辆和无人飞机的监控分工关系,动态规划无人飞机巡航路径。首先,建立了无人飞机交通监控巡航路径多目标优化模型,该模型考虑了无人飞机巡航与地面车辆巡查的协同关系以及监控成本,优化目标包括无人飞机-车辆的协调性最好、无人飞机的巡航距离最小。接着,设计了基于分解策略的多目标优化算法,该算法包括切比雪夫分解策略、无人飞机可行路径染色体的生成、子路径的划分、交叉、变异等操作,采用帕累托最优确定最优解。最后,开展了案例分析。结果表明,与3种多目标优化算法相比,提出的算法可以求出无人飞机巡航路径的最优解,算法的时间复杂度显著降低,平均计算时间下降了50%以上,解的质量也有一定程度的提升,这表明提出的方法可用于实时无人飞机交通监控巡航路径优化研究。

基于最小误差阈值自适应的ViBe改进算法

针对ViBe算法无法快速抑制鬼影现象的问题,提出一种基于最小误差阈值自适应的ViBe改进算法。文中通过计算每一帧图像的最小误差分割阈值来对鬼影像素点进行判别并消除,加快了鬼影的抑制速度。并且根据样本方差的大小动态调整样本距离判定阈值,提高了该算法检测复杂场景时的准确率。此外,通过计算像素点的梯度值有效地优化了背景模型的更新速率。实验结果表明,改进后的ViBe算法有效地提高了鬼影的消除速度,并且算法的准确率也得到了提升。

双注意力引导的跨层优化交通场景语义分割

针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题,本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先,构建多分支特征提取编码网络,并利用串行非比例式空洞卷积实现空间上下文信息提取,进而改善小目标信息的丢失;其次,构建基于空间对齐的跨层特征融合解码网络,实现语义信息和细节信息的融合,增强不同尺度目标的表达能力;最后,提出通道和空间注意力机制,建模全局通道相关性和长距离位置相关性,增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明,所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的;所提语义分割算法获得了77.79%和78.66%的平均交并比,能够平滑目标分割边缘,尤其对细长条形目标具有鲁棒性。