基于视频的车辆几何参数提取与车型分类_卢玥

合集下载

2013全国虚拟仪器设计大赛获奖优秀作品

2013全国虚拟仪器设计大赛获奖优秀作品

作品图片展示
3
软件组 一等奖
LabVIEW俱乐部办公助手
学校名称:石家庄铁道大学 指导教师:马怀祥 参赛队员:王鹏(队长)、左庆林、王久健
作品简述
L a b V I E W俱乐部是高校中宣传虚拟仪器技术并为在校生提 供相关培训等服务的组织。为避免俱乐部纷繁复杂的管理工 作占用工作人员过多的时间和精力,设计一套能够将俱乐部 日常工作中的文件、日程以及人员信息综合管理的办公助手 软件十分必要。除此之外,该软件还可以作为一种办公辅助 工具为不熟悉电脑操作的人员日常办公提供辅助。
48
基于CompactRIO的自主图书馆存储机器人
49
基于CompactRIO的无线充电系统
50
车辆外廓尺寸检测系统
51
远洋船舶夜间船舶安全预警系统
52
基于LabVIEW FPGA的三相锁相环
53
基于NI Single-Board RIO的机器视觉导盲系统
54
模块化的PXI平台组
基于LabVIEW的X-HOME智能家居
基于LabVIEW上位机的水下蛇形机器人
33
基于机器视觉的虚拟鼠标操作系统
34
基于物联网平台的智能管家研制
35
结构光扫描三维成像
36
基于物联基于LabVIEW平台的智能人机系统
——无线智能控制手套网平台的智能管家研制
37
指尖世界
38
基于LabVIEW的智能储物流管理系统
2. 本软件的创新点在于用L a b V I E W来实现用其他语言难 以实现的地图搜索以及图形界面查询系统。众所周知, L a b V I E W主要应用于工业测试领域,在现实生活中很 少展现出其强大的功能。该软件的设计很好的说明了 L a b V I E W不仅适用于大型测试软件的设计,也可以很好 应用于生活服务类便利软件的开发。

视频图像中的车型识别

视频图像中的车型识别

视频图像中的车型识别
曹治锦;唐慧明
【期刊名称】《计算机工程与应用》
【年(卷),期】2004(040)024
【摘要】文章介绍一种在固定单摄像头拍摄交通图像序列中检测车辆的方法.处理过程大致分为以下三步:重建不含运动目标的自然背景及图像分割;摄像机标定;目标区域的跟踪和车型识别.实验证明方法是可行的.
【总页数】3页(P226-228)
【作者】曹治锦;唐慧明
【作者单位】浙江大学信息与电子工程系,杭州,310027;浙江大学信息与电子工程系,杭州,310027
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于视频图像中的车型识别 [J], 季晨光;张晓宇;白相宇
2.测量光栅在车型识别中的应用 [J], 周树海
3.视频图像分析系统及算法仓库在视频图像库建设中的应用研究 [J], 张鹏飞;蓝维旱;高峰
4.融合独立组件的ResNet在细粒度车型识别中的应用 [J], 陈立潮;朝昕;曹建芳;潘理虎
5.基于视频图像Harris角点检测的车型识别 [J], 周爱军;杜宇人
因版权原因,仅展示原文概要,查看原文内容请购买。

车辆工程专业论文

车辆工程专业论文
基于知识的轿车视野校核系统研究 与开发
李华
2005 4
国内图书分类号:U469.11:TB81 国际图书分类号:629
工学硕士学位论文
基于知识的轿车视野校核系统 研究与开发
硕 士 研 究 生: 李华

师: 潘景昇教 授
副 导 师: 李卓森教 授
梁 晨副教授
申 请 学 位 级 别: 工学硕士
学 科 、 专 业: 车辆工程
4.3 前风窗刮扫校核模块………………………………………………43 4.3.1 理论刮扫区求做…………………………………………………44 4.3.2 实际刮扫区的求做………………………………………………45 4.3.3 净刮率的计算 …………………………………………………47 4.3.4 法规要求…………………………………………………………47
第 3 章 轿车视野校核系统的基本理论……………………………………15 3.1 眼椭球与眼点………………………………………………………15 3.1.1 眼椭圆的概念及意义……………………………………………15 3.1.2 眼椭球模板及定位………………………………………………17 3.1.3 眼点的概念及定位………………………………………………19 3.2 视觉与视野…………………………………………………………24 3.2.1 人眼的视区………………………………………………………24 3.2.2 驾驶员视野………………………………………………………27 3.2.3 盲区………………………………………………………………27 3.3 驾驶员视野的基本理论……………………………………………28 3.3.1 驾驶员直接视野基本理论………………………………………28 3.3.2 驾驶员间接视野基本理论………………………………………32 3.4 本章小结……………………………………………………………36

一种基于视频的车辆检测新方法

一种基于视频的车辆检测新方法
Ab ta t s r c :Th s pa e i c s e t e i r v me f f a - if r n e i p r d s u s s h mp o e nt o r me d fe e c me h d n e e t a n w t o a d pr s n s e
ZH ANG ng, YIW e —m i g, HE e , CHEN - i Li i n W i Li m n ( olg f o C l eo mmu iainEn ie r g C o g igUnv ri , C o g ig4 0 4 e C nc t gn ei , h n qn iest o n y h nqn 0 0 4, C ia hn )
张 玲 ,易 卫 明 ,何 伟 ,郭 磊 民 ,陈丽 敏
( 庆 大学 通 信 工 程 学 院 ,重 庆 4 0 4 ) 重 0 0 4
摘 要 :基 于 对 传 统 帧 差 法 的 改 进 , 并 结 合 边 缘 检 测 法 , 提 出 一 种 环 境 自适 应 能 力 强 、 计 算 量 小 、 适 合于运 动和静 止车 辆 同时检测 的车辆 检测 新方 法。该 方 法可正 确判 断有无车 辆 ,完成 车辆 的计数 , 实 现 车 流 量 计 算 和 车 速 估 计 。 在 计 数 算 法 中 采 用 预 估 校 正 、 相 关 性 修 正 等 措 施 ,提 高 了检 测 精 度 , 大 大 改 善 了车 辆 检 测 效 果 , 可 为 交通 监 控 系统 提 供 实 时 有 效 的 交 通 参 数 。 关 键 词 :车 流 量 : 邻域 比较 :边 缘 检 测 ; 数 据 流 ; 相 关 性
中 图 分 类 号 :T 9 1 3 N 1. 7 文 献 标 识 码 :A 文 章 编 号 : 1 7 — 8 2f0 60 — 2 4 0 6 2 2 9 2 0 )4 0 6 — 5

基于视频的车辆特征表达与分类算法

基于视频的车辆特征表达与分类算法
车 型信息 。Ku r 用 3 ma_ 利 l 1 D运 动 物 体模 型识 别
别 造 成 重要 影 响 , 因此 建 立 具有 旋 转 、 移 、 缩 平 伸
不 变性 的特 征表 达方 法尤 为重 要 。 根据 运 动车 辆 的 形 体 结 构 与运 动特 性 , 文 本
物体 , 由于 3 但 D标 定 过 程 对 摄 像 机 参 数 具 有 较
1 车 辆 识 别 系统 框 架
本 文 的车辆 视 频检 测识 别 系统 主要包 括运 动 车辆提 取 、 运动 车 辆 特 征 表 达 以及 运 动 车辆 识 别 分 类 3个 核心 部分 , 中特 征 表达 与识 别 分 类 是 其
本 文研 究 的重点 。技术框 架 如 图 1 示 。 所
高 的性 能要 求 和计算 复杂 度 , 以满 足 实时要 求 ; 难 R d2 据 车辆宽度 和 时间 一致 性 约 束 实现 车辆 al根 分类 , 该 方 法 不 具 有 运 动 物体 的平 移 不 变 性 ; 但 Ipo _ 利 用 离散度 和 面积信 息 对运 动 物体 进 行 tn3 i
真实 形 状 、 廓 信 息 的缺 失 , 造 成 车 辆 的误 分 轮 易 类 。因此 , 本文 利用 基于 R B颜色 变化度 的 自适 G 应对 象级方 法l 实现 阴影检 测 。按照 假设 检验 的 8
基 于视 频 的 车 辆 特 征 表 达 与分 类算 法— — 胡 宏 宇 王 殿 海 李 志 慧 等
基于视频 的车辆特征表达 与分类算法 *
胡宏 宇 王殿 海 李 志慧 曲昭伟 魏 巍
( 吉林 大 学 长春 102) 3 0 2
摘 要 为 实 现 车 辆 类 型 的 高 精 度 检 测 , 出 了 基 于 偏 心 矩 向量 的特 征 表 达 方 法 , 运 动 车 辆 轮 廓 点 提 将 与 重 心 之 间 的距 离 定 义 为偏 心 矩 , 造 特 征 向量 实 现 车 辆 的标 识 。该 特 征 向 量 具 备 旋 转 、 移 、 缩 构 平 伸 的不 变 性 , 能够 克 服 目标 运 动 状 态 和 环 境 变 化 的影 响 。采 用 支 持 向 量 机 构 建 多 类 最 优 分 类 超 平 面 , 实 现 运 动 车 辆 的多 类 别 快 速分 类 。 实 验 结 果 表 明 , 同 类 别 车 辆 特 征 区分 明 显 , 别 准 确 率 可 达 9 不 识 4

基于视频角点特征匹配的车速检测方法

基于视频角点特征匹配的车速检测方法
验结果 表 明 ,与传 统 方法相 比 ,该 方法 的角 点粗 匹配速 度提 高 4 0 0 % ,角点 精 匹配速 度提 高 2 0 0 %,车速 准确性 达 到 9 0 % 以上 ,能
有效提 高车 速检 测 的实 时性 和准 确性 ,满 足实 际车 速检 测的 要求 。
关键词 :车 速检 测 ;运动 目标检 测 ;角 点检测 ;特 征 匹配 ;运 动估 计 ;单视 测量
( I n s t i t u t e o f I n f o r ma t i o n a n d C o mm u n i c a t i o n E n g i n e e r i n g , Z h @a n g U n i v e r s i t y , H a n g z h o u 3 1 0 0 2 7 , C h i n a )
[ A b s t r a c t ]I n o r d e r t o i m p r o v e t h e r e a l — t i me p e r f o r m a n c e o f t r a d i t i o n a l f e a t u r e m a t c h i n g v e h i c l e s p e e d d e t e c t i o n , t h i s p a p e r p r e s e n t s a n i m p r o v i n g H a r r i s c o r n e r ma t c h i n g m e t h o d . B a s e d o n v i d e o , i t U S e S m o v i n g o b j e c t d e t e c t i o n a n d H a r r i s c o me r d e t e c t i o n , c o mb i n e s mo t i o n

基于改进HOG特征提取的车型识别算法

基于改进HOG特征提取的车型识别算法

基于改进HOG特征提取的车型识别算法引言:随着计算机视觉的快速发展,车辆识别在交通管理、智能驾驶以及车辆监控等领域发挥着重要作用。

HOG(Histogram of Oriented Gradients)特征是一种常用的图像特征提取方法,它通过统计图像局部区域的梯度信息,用直方图表示图像特征。

本文将基于改进HOG特征提取的车型识别算法进行研究和探讨。

一、HOG特征提取的原理HOG特征提取算法主要包括以下几个步骤:1.图像预处理:将输入图像转换成灰度图像,可通过灰度化算法将RGB彩色图像转换为灰度图像。

2. 梯度计算:使用Sobel算子计算图像在x和y方向的梯度值,进而计算每个像素点的梯度幅值和方向。

3.单元划分:将图像划分成若干个单元,通常选取8×8的单元大小。

4.统计梯度方向直方图:在每个单元内,将像素点的梯度方向按照一定的角度分段,统计每个方向段的直方图。

5.块归一化:对每个块内的直方图进行归一化,使得特征具有一定的鲁棒性。

6.特征向量生成:将所有块内的归一化直方图进行拼接,生成最终的HOG特征向量。

二、改进HOG特征提取的方法1.多尺度特征提取:在原始HOG算法中,只采用单一尺度的特征进行训练和识别,容易受到尺度变化的影响。

可以通过在不同尺度上提取HOG特征,然后进行融合,以增强算法的鲁棒性。

2.空间金字塔特征提取:在原始HOG算法中,对整个图像进行特征提取,可能会忽略部分重要的车辆细节。

可以采用空间金字塔的方式划分图像,然后对每个子图像进行特征提取,最后进行融合,以提高识别的准确性。

3.配对特征向量生成:在原始HOG算法中,仅仅通过拼接归一化直方图来生成特征向量,可能会忽略不同方向的关联。

可以引入配对特征向量的概念,将相邻方向的直方图进行配对,再拼接,以提高特征的表达能力。

三、实验结果与分析我们在一些公开的车型识别数据集上进行了实验,采用了改进的HOG特征提取算法。

实验结果表明,相比于原始HOG算法,改进的算法在车型识别性能上有了显著提升。

一种基于SVM和HOG特征的视频车辆识别算法

一种基于SVM和HOG特征的视频车辆识别算法

• 74•图2 运行界面②快递员模块功能(a)首页:包括“物流查询”,“查看寄快递费用”,“实名注册”,“订单查询”。

(b)收件:包括“快递编号”,“联系电话”,“收件时间”,“地址派送位置”。

(c)寄件:包括“帮寄件”“查找快递员”,“选择寄件的快递公司”。

(d)个人中心:包括“登录”,“添加地址”,“钱包”,“设置”,“问题反馈”。

(e)订单:包括“已完成的订单”,“正在进行的订单”,“订单费用”。

(f)派件:包括“抢单”,“确定派件时间”。

订单模块,如图1所示。

3.系统实现限于篇幅,进介绍部分功能的实现和运行界面。

如图2(a),(b)所示。

(a)图为当用户登录后的界面,有基本的寄件取件等功能。

(b)图为当想为别人代取快递是的界面,需要进行实名制认证,通过后即可成为“快递员”,帮别人代取快递。

4.结论本APP目的在于解决当下大学校园快递无人取,没时间取等问题,运用Android开发,后台服务器、MySQL数据库等技术,实现快递代取,快递代送,大学生课余时间通过实名认证成为“快递员”来帮助同学取快递以及赚取“小费”等功能。

经过测试APP使用方便,设计合理,运行可靠,用户体验感好,有效的解决了人们的需求。

西北民族大学国家级大学生创新创业训练计划资助项目(项目编号:201810742070)。

作者简介:汪慧兴(1997—),男,山东济宁人,现就读西北民族大学数学与计算机科学学院2016级软件工程专业。

视频车检技术在智能交通系统(ITS)中具有广泛的应用。

本文基于梯度分布直方图(HOG)和支持向量机(SVM),开发了一种视频车辆识别算法。

首先介绍了车辆特征提取方法,重点论述了选择车前窗作为样本进行特征提取的优势;描述了HOG特征和SVM 的相关原理;考虑实际的应用场景,对扫描窗的尺寸及扫描方式进行了优化。

实验结果表明,本文提出的算法能够适应复杂的道路环境,对视频图像中的车窗识别效果较好。

引言:智能交通系统(ITS )是将通信技术、传感技术、电子控制技术及计算机处理技术有效地集成应用于交通管理而建立的一种全面、实时、准确、高效的综合交通运输管理系统。

第三届全国知识产权公共服务机构专利检索分析大赛初赛赛题(机械组)

第三届全国知识产权公共服务机构专利检索分析大赛初赛赛题(机械组)

第三届全国知识产权公共服务机构专利检索分析大赛初赛赛题(机械组)一、技术交底书随着我国高速列车技术的蓬勃发展,列车速度不断的提升,转向架作为是连接车体和轮轴的关键部件,也是高速动车组运行中不可或缺的一部分,转向架能够实现高速动车组的转向以及车轮与轨道的接触,保证车轮在曲线轨道上行驶时不会脱轨,同时能够减小列车在曲线行驶时的侧向力和车身倾斜角度,提高列车运行安全性。

某企业专注于高铁转向架故障救援设备的研发和生产,现针对高铁转向架故障救援设备中的悬轮小车的结构提出改进设计(方案)。

技术背景高铁在运行时,转向架轮如果发生踏面剥离、轴承烧损、齿轮咬死、齿轮箱悬挂装置失效等故障,致使某个轮不能转动而无法实施牵引,如果在轨道上强行滑行会造成轨道的严重损坏。

由于场地、设备、时间等因素的限制,如果在现场维修,会造成整个运行线路的瘫痪。

改进设计本设计提供一种能够使故障高铁尽快撤离现场,迅速恢复铁路运行的转向架轮临时替代装置,具有小巧轻便、拆装灵活、适用性广的优点。

参见图 1-3,一种高铁转向架故障救援悬轮小车,由多组单轨小车拼装而成,单轨小车包括相互平行设置的两个支架 1、支撑轮 2、行走轮 3 和紧固螺栓 4。

支撑轮 2 和行走轮 3 设置在两个支架 1 之间,支撑轮 2 和行走轮 3 分别通过轮轴与支架 1 转动连接,紧固螺栓 4 设置在支架 1 上,转向架轮通过紧固螺栓 4 固定连接在两个支架 1 之间。

其中,支撑轮 2 具有多个支撑面,以适应不同转向架轮的尺寸。

其中,小车还配置有顶轮器,顶轮器为千斤顶,支架 1 用于千斤顶的杠杆使用。

其中,单轨小车之间前后横向和左右纵向通过连接杆以及弹簧销连接拼装。

其中,单轨小车设置有两个行走轮 3,两个行走轮 3 之间对称设置有两个支撑轮2。

其中,行走轮 3 包括挡圈 7、轮箍 8、轴承 9 和轮轴 10,轮轴 10 设置在轮箍 8 的中心,两端突出于轮箍 8,轴承 9 套设于轮轴 10 上,两个挡圈 7 分别设置在轴承9 的两端面。

基于支持向量机的交通视频人车识别研究

基于支持向量机的交通视频人车识别研究
Z HANG ine,CHEN h y e I Humig Ja fi S u u ,L U i n ,HU Na n
(colo nom tn a d C m mi t n E Sho fI r ai n o ma c i f o ao
咖 Ⅳ0 U i rt fC ia aya 3 0 1 hn ) nv sy o hn ,T iu n0 0 5 ,C i ei a
ห้องสมุดไป่ตู้
et ce .T e ,te t gtb te ai lmop o g s g e .Egtfa rso h v g ojc wt et ait n ae xr td hn h a e y ma m t a rhl y i i n ih et e fte moi bet i cne rdai l a r h c o v u n h r o
pc e u ,a d h ih,wit,a p c ai S h oh r tre c aa trsis ma e ls ic t n n rc g i o ae o VM ik d p n eg t dh s e t rt a te te h e h rceit .I g ca sf ai a d e o nt n b sd n S o c i o i
peetd i t , te oig bet n a v e cn e d t t b bc g u d u t ci , ad hi b s o tn i rsne .Frl h m vn ojc sy i fe i o a b ee e d c d y ak r n sbr t n n ter ai u ie s o a o c l
【 摘
要】提出一种静止摄像机条件下车辆: 行人的支持 向量机(V 识别方法。首先根据背景差分法对监控视频中的运动 S M)

基于视频图像中的车型识别

基于视频图像中的车型识别

Ke wor : e i l y e o nia i n; ma edip a ; i a i a i n; dg e e to y ds v h c et per c g z to i g s os l b n rz to e ed t ci n Abs r t t ac :Th y t ma i r hi c u e ba e n e a i e s a d afx d c me a wa ug e td. e s se tc ac t t r s d o s r lv d o n e a r ss g se A e i i ne w ago ihm o dee tt r is o a s ba e b l e e s s ci s a s r p e l rt t t c he tat f C s d on So e dg —ub e ton wa o p o os d.The r l ag rt m o it d o i ia m a c iii n, g r c s i d v h c ee t rord t x r ci n, . lo h i c nsse fd g t i gea qu sto i l ma e p o e sng a e i l x e n i a ae ta to i e t r ema n s ci s Exp nme t to n st sg v n t a es own t eme o e sbl e i e ton . h e n a n o ie wa i e o h v h t d f a i e. h h
( . e to 1Elc r n& I f r t n En i e r g Co lg . a n n i e st f e h o o y Jn h u 1 1 01 Ch n ; n o mai g n e i l e Lio i g Un v ri o T c n l g , i z o 2 0 , i a o n e y

实时交通视频监测中自适应车辆提取算法

实时交通视频监测中自适应车辆提取算法

Ada i eVe c eEx r c i n Al o ihm ptv hil t a to g rt i Re 1tm eTr f cS v iI nc n a .i a i ur e Ia e
CAIY , AO Da - a u Y ny
( e at n f tmain Tig u iesy B in 0 0 4 D pr met Au o o t , s h aUnvri . e i l0 8 ) o n t jg
v h c e e ta t n ag rt e i l x r c i l o i o hm or e ltme t fi t v iln e s se f a—i r f st e l c y t m I r e o e h n e t e a l y o d p a i n t lu i a i n c a g s s a o s r a c r a n o d rt n a c h bi t fa a tto o i m n to h n e i l h d w
o jcsAn t itiscr i cuaya dpoes gsed E p r n nra— ol ie h ws te ai yn eutThs ti o es bet. di ma an et nacrc n rcsi p e xei t el r vdoso r h r rfisrsl u ,hs f r n a n me o w d aa s s
g o o e r u d i f ma i n f r u t e‘ e iቤተ መጻሕፍቲ ባይዱl r c i g o d f r g o u n or t o rh  ̄v h ce ta k n . o f
I yw r s rh lgc l prt n e g i o rm; e ile t cin Ke o d Imop oo ia o eai ; d e s ga vhce xr t o ht a o

00-PMBOK第六版_中文版(带完整目录)

00-PMBOK第六版_中文版(带完整目录)
1.1 指南概述和目的.............................................................................................................. 1 1.1.1 项目管理标准...................................................................................................... 2 1.1.2 通用词汇.............................................................................................................. 3 1.1.3 道德与专业行为规范.......................................................................................... 3
目录
第一部分 项目管理知识体系指南(PMBOK® 指南) 1. 引论............................................................................................................................................ 1
2. 项目运行环境......................................................................................................................... 37 2.1 概述................................................................................................................................. 37 2.2 事业环境因素................................................................................................................ 38 2.2.1 组织内部的事业环境因素............................................................................... 38 2.2.2 组织外部的事业环境因素............................................................................... 39

基于视频的车辆检测在交通噪声预测中的应用

基于视频的车辆检测在交通噪声预测中的应用
评价 技术 导 则. 环境 》H 2 — 2 0 ) 荐 的美 国联 声 ( J. 4 0 9推
法, 自动 获 得 道 路 通 过 的 车 辆 数 和 车 型 , 车辆 检 测 结 果 可 与 F HWA预 测 模 型 有 效 结 合 。 实 验 结 果 表 明 , 法 达 到 了很 算 好的效果 , F 为 HWA模 型提 供 了准 确 的 车 流 量 数 据 。 关 键 词 : 学 ;F W A模 型 ;车 辆 检 测 ;图 像 分 类 号 : 9 +; 4 7 U4 1 1U 6 9
文献标识码: A
DO 编 码 : 03 6 /i n10 -3 52 1 20 1 I 1 9 9 s 0 61 5—0 1 1 js 0
Ap l ai n o d o Ba e h ceDe e t n i r f cNo s pi t f c o Vi e — s dVe il t c i T a ie o n i
P e it n r d ci o
HU AN n in Ho -ag, L G n j I ag, C N Y a , S N n - n HE un HE Hogj u
( n i n na Ifr t nC ne f in s rvn e E vr me tlnoma o e t o Jag uPo ic ,Naj g 2 0 3 ,C ia、 o i r ni 1 0 6 n hn
o h nge i l he v rua e e to i ,ane v hil t ci l ort m spr po e a e n t e t o y ofm e um fc a d pxe son t it ld t ci n lne w e c ede e ton a g ih i o s d b s d o h he r di

一种基于视频分析的车辆刮蹭检测方法[发明专利]

一种基于视频分析的车辆刮蹭检测方法[发明专利]

专利名称:一种基于视频分析的车辆刮蹭检测方法专利类型:发明专利
发明人:高飞,葛逸凡,卢书芳,陆佳炜,程振波,肖刚申请号:CN201911144384.3
申请日:20191120
公开号:CN111091061A
公开日:
20200501
专利内容由知识产权出版社提供
摘要:本发明提出了一种基于视频分析的车辆刮蹭检测方法,具体为基于视频语义分割技术的车辆刮蹭的检测方法,它是通过监控摄像机采集监控视频,采用语义分割方法检测并获取监控视频中的车辆,根据获取到的车辆的位置信息划分为过车车辆、停车车辆两类,接着通过本发明所述的刮蹭判断算法判断过车车辆与停车车辆的位置关系来进行车辆刮蹭的检测。

本发明以语义分割网络和跟踪算法作为依据,通过视频分析来检测视频中的车辆,并对其跟踪和刮蹭判断,用于解决现有技术中检测效率低、误检率大的问题。

申请人:浙江工业大学
地址:310006 浙江省杭州市下城区朝晖六区潮王路18号
国籍:CN
代理机构:杭州浙科专利事务所(普通合伙)
代理人:周红芳
更多信息请下载全文后查看。

基于视频摘要、视频检索的视频分析方法[发明专利]

基于视频摘要、视频检索的视频分析方法[发明专利]

专利名称:基于视频摘要、视频检索的视频分析方法专利类型:发明专利
发明人:姚领众
申请号:CN201210578876.5
申请日:20121228
公开号:CN103020275A
公开日:
20130403
专利内容由知识产权出版社提供
摘要:本发明公开了一种基于视频摘要、视频检索的视频分析方法,其包括以下步骤:步骤1)原始视频导入;步骤2)判断原始视频是否需要进行视频浓缩处理;步骤3)视频浓缩处理;步骤4)视频检索处理;步骤5)判断是否需要进行图像增强处理;步骤6)图像增强处理;步骤7)人像侦查处理。

该视频分析方法能提高了海量视频侦查的效率,减少目标遗漏的可能。

申请人:苏州千视通信科技有限公司
地址:215000 江苏省苏州市苏州高新技术产业开发区竹园路209号
国籍:CN
更多信息请下载全文后查看。

相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

—173—基于视频的车辆几何参数提取与车型分类卢 玥,刘学军,晋 蓓(南京师范大学虚拟地理环境教育部重点实验室,南京 210046)摘 要:针对车辆自动分类需求,通过引入地理信息系统空间形态的描述方法,给出车辆侧面图像的几何信息描述参数和计算方法,设计用于车辆分类的几何特征参数及其组合参数,基于侧视轮廓的几何特征,提出车辆轮轴参数的自动提取方法,设计一个基于几何形态参数的车型自动分类器。

实验证明该方案的有效性。

关键词:视频图像;车辆几何参数;车型分类;轮轴参数Vehicle Geometric Parameters Extraction and Vehicle-type Classification Based on VideoLU Yue, LIU Xue-jun, JIN Bei(Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Nanjing 210046)【Abstract 】Aiming at the demands of automatic classification of vehicles, by introducing the description method in spatial morphology of Geography Information System(GIS), this paper presents geometric parameters, calculation methods of the side view of the vehicles and geometric feature parameters, and combines feature geometric parameters for vehicle-type classification. With the geometrical features of the side view, it gives a method to extract vehicle axle parameters automatically, and designs a vehicle classifier based on geometric feature parameters. This method is proved to be effective by experiment.【Key words 】video image; vehicle geometric parameters; vehicle-type classification; axle parameters计 算 机 工 程Computer Engineering 第35卷 第20期Vol.35 No.20 2009年10月October 2009·人工智能及识别技术·文章编号:1000—3428(2009)20—0173—03文献标识码:A中图分类号:TP391.41车型识别对于高速公路收费额的确定、大型停车场的管理及公路交通监视与调控等有非常重要的意义,是智能交通系统的一个重要组成部分。

目前国内外对于车型自动识别的研究主要集中于轮廓识别法、感应线圈法、车牌识别法和红外探测法[1-2]。

现阶段,在我国原有监控系统的基础上采用基于视频图像识别的分类收费是一种很有应用前景的方法[2]。

与正面视图和平面视图相比,侧面视图含有更多的车辆外形轮廓信息,同时考虑到收费站、停车场等交通管理中所获取的车辆图像大多为侧面图像,本文设计了用于车辆分类的几何特征参数及其组合参数,并基于侧视轮廓的几何特征,提出了车辆轮轴参数的自动提取方法,最后基于所设计的几何形态参数,设计了一个车型自动分类器。

1 车辆几何描述参数基于视频图像的车型识别技术的关键之一是车辆特征参数的提取。

用于车辆特征描述的可观测参数有3类:(1)几何参数:包括车辆的长、宽、高以及轴距等;(2)重量参数:包括车辆轴重、载重、总重或可承载人员数等;(3)文字参数:包括车辆牌号、车辆标志、车辆型号等。

由于系统整合上的困难,以上参数并未全部应用于车辆特征的识别中。

在感应检测中,主要检测的是重量参数,在视频检测中,则侧重几何参数和文字参数,即车型识别和车牌识别2个方面。

任何一类车辆都具有一定的外形形状特征,而这些特征可以通过其所呈现的几何特征加以定量描述。

1.1 基本几何参数通过车身侧面图像提取的车辆几何特征参数可分为4大类,即整体参数、轮轴参数、长度参数和高度参数,表1给出了这些参数的描述和定义。

图1为其图例。

表1 车辆侧面图像轮廓描述的基本变量类型 参数与符号 定义周长C 包括轮胎在内的车辆侧面图像轮廓长度 轮廓面积S车辆外形轮廓的面积整体 参数 外接矩形面积RS 车辆最大外接矩形的面积轴数 车辆所装配轴的数量轴距WB 车辆同一侧相邻2个车轮中心线间的距离 轮轴 参数轮径WD 车轮的直径车长L汽车前后最外端突出部位之间的距离 前悬FD 汽车前轮中心与车辆前端的水平距离 后悬AD 是指后轮中心与车辆后端的水平距离 长度 参数顶篷长度TL 驾驶舱上部水平距离车高H 车辆在没有装载的情况下支撑平面与最高突出部分之间的距离底盘高度UH 汽车底盘最低点离地面的高度 高度 参数车尾高度TH车辆尾部到地面的垂直距离TH图1 车辆基本几何参数基金项目:国家“863”计划基金资助项目(2007AA12Z238) 作者简介:卢 玥(1986-),女,硕士研究生,主研方向:视频GIS ,交通GIS ;刘学军,教授、博士、博士生导师;晋 蓓,硕士研 究生收稿日期:2009-01-30 E-mail :kiyota2@—174—1.2 组合参数为细化各类车辆的外形几何特征,上述基本参数可进一步形成组合描述参数,主要包括:(1)顶长比TLR [3-5]:车辆外形轮廓中顶篷长度与车长之比,TLR =TL /L 。

顶长比常用来进行两厢车和三厢车的区分。

(2)长高比LHR [5]:车辆长度和车辆高度之比,LHR =L /H 。

不同类型的车辆有较为明显的长高比例,常用来区分大、中、小型车。

(3)空间占有率CR [3]:车辆外形特征有较为复杂的边界,如小型轿车,有变化较为规整的边界,如客车、面包车,其特征可通过车辆外形轮廓面积与其外接矩形面积的比例来刻画,定义为空间占有率,CR =S /RS 。

(4)形状复杂度FR [3]:在进行车辆分类时,轿车和客车在外形轮廓上有不同的复杂度,因此,可以提取描述图像轮廓复杂度的特征,这里车辆外形轮廓形状复杂度定义为FR =A /S 。

一般轿车类的形状复杂度高于客车类。

(5)圆形度CC :CC =L 2/(4πS ),其中,L 为轮廓周长;S 是轮廓面积。

该参数可进一步对车辆进行细分。

(6)不变矩:是广泛使用的形状特征描述变量,一些最基本的二维形状特征都与矩有着直接的关系。

(7)尾高车高比THHR :车辆侧面轮廓中车尾高度与车高的比值,可用来区分轿车类、货车类和越野车系,THHR = TH /H 。

一般货车的THHR 最大,越野车其次,轿车类最小。

1.3 轮轴参数车辆轴数及轮径是衡量车辆荷载的主要工具之一,轴数越多,轮胎直径越大,荷载越大,对路面的破坏也越大。

轮轴参数是指与汽车轮胎及轴相关的参数,包括轮胎直径(简称轮径)、轴数和轴距3种。

一般小型车的轴数为2,轮胎直径在50 cm~65 cm 之间;客车的轴数一般也为2,其轮胎直径与货车类似,在90 cm~120 cm 之间;货车轴数一般较多,轻型货车轴数为2,重型货车大于2。

在以往的车型识别技术中,轴数和轴距2种参数相对使用得较多,主要的提取方法是红外探测等依托硬件设备的物理提取,但由于硬件设备昂贵、环境要求较高,因此较少被应用。

相对于电磁感应、红外等物理设备,视频具有设置灵活、维护方便的特点,通过对目标侧视图像轮廓的分析,可不借助其他物理设备而提取出轴数、轴距和轮径等参数。

轮轴参数的表示如图2所示。

图2 轮轴参数表示设经过处理后的车辆侧视轮廓坐标为(,)i i x y ,如果车辆水平,则各个轮胎接地点为车辆轮廓的最低点,其y 值为最小,设最小y 值为miniy ,i =1,2,…,N ,其中,N 为最小y 值个数。

基于最小y 值,可获得轮轴参数,其原理如下: (1)轴数:最小y 值个数N 即为车辆轴数。

(2)轴距WB :提取min iy 对应的横坐标i x ,则车辆WB 为max{}min{}i i WB x x =− (1)(3)轮径WD :平行于横轴x 作水平射线min i y y d =+,其中,0/2d WD <≤,d 一般可取2个~3个像素坐标。

求取i y 与车辆轮廓的交点坐标,由于i y 较低,因此i y 与轮胎轮廓相交且交点数为2。

从第一交点开始,依次成对取出2个交点坐标,设为1,j j i i x x +,则有22121()(())2j j i i R R d x x +=−+− (2)其中,R 为轮胎半径。

求解式(2)可得R ,则轮径WD = 2R 。

在上述计算中,要求车辆水平,而一般情况下,车辆所在图像中的位置、方向等是任意的,因此,应用上述原理进行轮轴参数提取,先要对车辆轮廓进行旋转,这时可采用如下方法:(1)轮廓点坐标中心化:11i iX x nY y n=∑=∑ (3) 将坐标系原点平移到轮廓坐标中心(,)X Y 处,这时轮廓边缘点坐标为iix i y i V x XV y =−=− (4)(2)计算车辆轮廓主轴方向。

基于旋转后的坐标,构造轮廓边缘点的方差和协方差:22111111i i iix xy yxy x xD V n D V n D V V n =∑−=∑−=∑− (5) 根据测量学的误差椭圆理论,车辆轮廓的主轴方向为 21arctan2xy x yD D D ϕ=− (6)其中,若xy D 为正,主轴方向为ϕ,反之,主轴方向为90ϕ+°。

(3)对原轮廓进行坐标旋转,得到与x 轴平行的位于水平方向的车辆轮廓。

2 基于几何参数的车型分类器设计2.1 车型几何参数分析通常各类汽车的车身侧视图可提供车长、顶篷位置、顶篷长度及车辆高度等信息,由于在拍摄图像时,镜头与车辆间的距离、角度都是随机的,因此造成同一车辆在2次拍摄图像时上述各参数的绝对大小不相等,这样就不能用长度或高度等绝对参数作为识别的特征参数。

组合参数相对于单一的基本参数更能反映车型的轮廓特征,如顶长比能很好地区分客车、两厢轿车、三厢轿车、货车,且比值参数有着与量纲无关的特性,即无需知道摄像机的内部参数或拍摄的具体位置,同款或同类车型根据其所摄相片计算出的参数比值是一定的。

相关文档
最新文档