基于DSP车辆视频检测背景更新算法

介绍了多帧平均法和自适应更新法两种常用的车辆视频检测背景更新算法,并在ADSP-BF561 DSP平台上实现。通过测试验证两种算法的准确性,然后从实时性出发,对两种算法进行分析和比较。     

基于视频处理的运动车辆检测算法的研究

车辆检测技术是现代智能运输系统的重要组成部分,现有的相关视频检测算法能够检测目标且对环境具有一定的适应性,但其在算法实时性、识别率等方面仍有待提高。提出了一种基于Fisher准则函数法的自适应阈值背景减法和对称差法相结合的运动车辆检测算法,该方法采用surendra算法提取背景,通过背景减法提取出目标前景,再将其与对称差法相结合得到准确的运动目标区域并实时地完成背景更新。实验表明该方法快速、准确,具有一定的实用价值。     

视频图像中的车辆检测及阴影去除方法研究

视频监控系统成为近年来的研究热点。文中针对交通智能视频检测系统的车辆检测问题,采用基于高斯混合模型方法来检测视频中的运动车辆,结合车辆阴影纹理不变的特性分割阴影,实现了运动车辆的检查识别和阴影去除。仿真实验达到了预期效果。     

一种实时可靠的视频交通流量检测方法

讨论了一种基于视频的交通流量统计方法,提出了相应的算法.采用叠加平均的方法从一系列图像序列中提取出静止背景,并通过减背景的方法提取出运动车辆并对其进行相应的处理,然后用聚类分析的方法对其进行车辆计数分析,并对背景进行自适应更新.实验证明该方法具有较好的性能,满足实时性处理的要求,稳定性较高.     

基于DM6446的视频车辆检测跟踪系统设计和实现

针对智能交通对分布式智能视频监控的需求,设计了基于DM6446嵌入式系统的视频车辆检测跟踪系统。提出一套简单有效的车辆检测跟踪算法,包括自适应背景更新算法、基于边缘检测和最优双阈值分割融合的运动区域检测、改进的快速连通区域判断方法以及基于多特征的跟踪算法。同时,对DM6446平台软硬件及其开发方法进行介绍,并针对该平台介绍了如何移植和代码优化。最终通过在DM6446平台实际运行表明,该系统能实时有效地检测和跟踪车辆,具有较高准确率和稳健性。     

改进的高斯背景建模在车辆检测中的应用

研究实时环境下运动车辆的检测算法,针对存在渐变及重复性运动的车辆运动背景采用改进的高斯背景建模法,对背景进行更新,将所得的当前背景与前一帧视频图像进行相减,得到当前时刻车辆的运动图像。将所得图像进行数学形态学去噪处理得到较为理想的车辆检测效果图,并根据处理后的图像判断车辆是否运动以及其运动轨迹。实验证明该方法能去除噪声对图像产生的影响,对判断某一时刻车辆是否运动行之有效。     

动态场景中的背景恢复

为了解决存在运动对象的场景中的背景恢复问题，采用了一种自适应的背景模型。这种背景模型结合背景的构建与更新为一体，不需要预先存储图像序列、它根据后续差异图像中提供的更新的背景信息，借助于背景颜色程度函数，跟踪记录图像中各象素出现的各种颜色的背景颜色程度变化从而得到最新的背景图像。实验表明这种方法对于背景中对象的运动和运动对象的逗留具有很强的适应能力，能以较快的速度恢复最新的背景图像。     

视频图像中的车辆检测跟踪和分类

介绍了一种用固定的单摄像头拍摄交通图像,并从图像序列中检测、跟踪、分类车辆的方法。该方法大致可分为3部分：抽取背景图像和图像分割;基于针孔模型的摄像机定标,计算透视投影矩阵;利用区域特征进行匹配跟踪,建立目标链。恢复目标三维信息,采用模型匹配法对车型分类。实验证明方法是简单可行的。     

交通监控视频中的车辆异常行为检测

构建了利用交通监控视频对车辆异常行为进行检测的系统框架.使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测,结合CamShift算法与Kalman滤波器进行车辆目标跟踪,提取车辆质心绘制运动轨迹,针对车辆运动方向判别、违章变道、调头等行为提出了检测方法.实验结果表明,提出的交通监控视频中的车辆异常行为检测系统具有较高的实时性与准确性,部署简易快速,维护成本低廉,可以满足当今智能交通系统日益增长的需求.     

基于视频的车辆检测技术和阴影消除方法

基于视频的车辆检测技术在智能交通系统中的应用潜力巨大,但由于存在硬软件上的技术难点,仍有很多问题亟待解决,例如阴影消除等.在基于视频的车辆检测技术中,运用背景差分法获取前景车辆目标,针对选取小阈值可能产生的内外阴影,采用基于粗糙集阴影边缘点分类的方法,较好地实现了阴影边缘的检测,从而消除阴影.该方法简单,易理解及操作,精确度高.     

基于卡尔曼滤波算法的城市交叉路口车辆检测及分类

为了向相关部门提供更多的过往车辆信息以满足道路交通的需求,设计了一个基于卡尔曼滤波算法的城市交叉路口车辆检测及分类系统,用于对过往的车辆进行检测、计数和分类.首先采用背景差分法和卡尔曼滤波算法对在检测区的车辆进行检测和跟踪;然后使用经过检测、处理的被测车辆图像触发距其最近的相机进行图形分割;最后,通过LDA分类器对分段车辆的几何形状及外观特征进行正确地分类.所提系统的有效性在摄取的3400帧视频序列上得到了验证,实验结果表明,系统的检测率可达97.44％,正确分类率可达88.0％,与先进的方法相比,取得了更好的检测性能.     

融合背景减法和帧差法的运动目标检测

针对背景减法前景目标检测前期存在的“鬼影”,通过统计图像序列中各像素点处像素值的频次,高频次的像素值为背景像素,获得了无运动目标的背景,消除了“鬼影”;对于帧差法检测结果内部易产生“空洞”,在前景判断时增加了新的判决条件,改善了“空洞”问题;对于传统背景减法检测结果存在“拖影”问题,通过背景减法和改进帧差法的检测结果进行逻辑与操作,并将“与”结果作为背景图像更新判决条件。实验结果表明,该算法可以获得精确的背景图像,并且解决了“拖影”、“鬼影”及“空洞”问题,满足实时检测的需求。     

基于码本模型和压缩跟踪算法的遗留物检测

针对一般遗留物检测算法复杂度高和跟踪效果不理想的问题,提出了一种基于码本模型和压缩跟踪算法相结合的遗留物检测方法。首先通过码本模型建模和适时匹配背景更新算法来获取静止目标区域信息;然后利用稀疏测量矩阵对静止目标区域的多尺度特征进行降维,得到分类器的正负样本;最后用朴素贝叶斯分类器对提取的特征进行分类,当分类器响应最优时得到当前帧中跟踪到的目标位置,即使目标被部分遮挡,也能实现对遗留目标的准确跟踪。实验结果表明,该方法不仅简单高效、实时性好,而且可以消除由物体短暂停留而带来的干扰。     

猫眼离焦量与探测光束参数对猫眼回波的影响

研究光学系统离焦量和探测激光束参数对猫眼光学系统回波强度的影响.通过数值仿真和实验的方法,分析猫眼回波强度与离焦量和探测光束参数关系.据此提出了通过改变探测光束参数增强猫眼回波强度的初步方案.     

一种基于多普勒特征的障碍物检测方法

目前无人地面车进行地形障碍物检测主要依靠以激光雷达为主的多种传感器,而对利用毫米波雷达进行检测的方法研究较少。文中介绍了采用毫米波雷达进行障碍物检测的总体思路和雷达参数的选择;描述了多普勒频移与障碍物高度的关系;分析了平坦地面、凸出障碍物和壕沟的高度像特征,并在此基础上提出一种利用多普勒特征估算障碍物高度以及对障碍物进行分类的方法。仿真结果表明,只要雷达满足频率分辨力的要求,文中算法具有良好的可行性。     

基于多普勒频偏估计的单帧图像低速运动目标检测方法

常用的图像域运动目标检测跟踪方法对虚警率较敏感,当虚警率较高时,目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率,进而提高目标检测跟踪的实时性,该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法,通过发射多普勒不敏感的LFM脉冲对,忽略多普勒效应对成像结果的影响,但在图像域检测的同时,利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除,基于单帧数据,减小运动目标检测的虚警率,实现单帧图像的运动目标检测,从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测,再利用宽带时域波束形成和复相关频率测量法,对检测亮点处的波束输出信号进行多普勒测频,仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能,利用2阶锥规划设计滤波器的系数,用9阶FIR滤波器实现了0.01倍采样点的小数时延,提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。     

机载多普勒频移的递推及相移检测

在机载站飞行方向前方某一距离处的多普勒频移能够通过递推计算的方法由站点当前位置处的相位测量结果而被直接确定。首先,基于平面几何关系,由机载平台匀速运动时各个几何变量的运动特性导出了仅利用当前时刻的多普勒频移测量值和径向距离获得在虚拟飞行距离处多普勒频移递推值的计算式。然后,进一步直接利用相差测距、测向法求解递推式中所包含的径向距离和方位角,得到了仅基于相差检测的多普勒频移递推公式。且初步的误差分析表明,只要载机的飞行速度较低,虚拟基线的长度较短,所检测的信号波长较长,则递推频移的测量误差可控制在十几赫兹之内。     

车辆检测系统中通信协议的设计与应用

根据车载系统的设计,提出了主机与分机之间的检测方式及具体的通信协议。首先由主机控制超声波发射机实时向外发射检测编号,使车辆进行有序的排队,解决了多车辆“防碰撞”的问题。然后主机针对已有编号的车载分机,用短距离射频收发机进行数据传输,验证车辆固有信息,进行车辆识别检测。此检测方法受环境的影响微小,可准确地识别车辆信息。