CN106408938B - 夜间城市交通监控中各类车辆轨迹的完整提取 - Google Patents

夜间城市交通监控中各类车辆轨迹的完整提取 Download PDF

Info

Publication number
CN106408938B
CN106408938B CN201610834346.0A CN201610834346A CN106408938B CN 106408938 B CN106408938 B CN 106408938B CN 201610834346 A CN201610834346 A CN 201610834346A CN 106408938 B CN106408938 B CN 106408938B
Authority
CN
China
Prior art keywords
car light
vehicle
track
frame
tracking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610834346.0A
Other languages
English (en)
Other versions
CN106408938A (zh
Inventor
汤春明
肖文娜
于翔
陈纯锴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haizhidie (Tianjin) Technology Co.,Ltd.
Original Assignee
Tianjin Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN201610834346.0A priority Critical patent/CN106408938B/zh
Publication of CN106408938A publication Critical patent/CN106408938A/zh
Application granted granted Critical
Publication of CN106408938B publication Critical patent/CN106408938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

这里涉及的是夜间城市交通监控视频中车辆轨迹完整提取的方法。针对如何完整提取车辆轨迹的难题，提出一种结合车辆类型与轨迹反馈修正的跟踪系统。首先借助大气反射‑散射模型复原车灯光斑，在视频远、中、近三部分采用不同滤除方法的同时结合稳定性判断删除噪声之后，再用面积重叠法完成数据关联，获得车灯初始轨迹，接着加入轨迹反馈修正即利用平均速度修正误匹配；通过单应性矩阵把图像坐标转换成路面坐标，计算实际车宽并以此分类车辆，再按车型以车灯时空相似度配对车灯；最后对车辆跟踪结果再次应用轨迹修正，实现了完整提取相邻两个监控点的车辆轨迹。测试实验结果表明，本系统与同类算法相比，车灯匹配率提高了11.33％，车辆跟踪率提高了10％。

Description

夜间城市交通监控中各类车辆轨迹的完整提取
技术领域
这里涉及的是夜间城市交通监控中各类车辆轨迹的完整提取的方法研究。首先借助大气反射-散射模型复原车灯光斑，在视频远、中、近三部分采用不同滤除方法的同时结合稳定性判断删除噪声之后，再用面积重叠法完成数据关联，获得车灯初始轨迹，接着加入轨迹反馈修正即利用平均速度修正误匹配；通过单应性矩阵把图像坐标转换成路面坐标，计算实际车宽并以此分类车辆，再按车型以车灯时空相似度配对车灯；最后对车辆跟踪结果再次应用轨迹修正，实现了完整提取相邻两个监控点的车辆轨迹。
背景技术
城市交通监控系统对人身及道路安全日趋重要，越来越多的研究者致力于夜间车辆轨迹的完整提取，完成两个相邻交通监控点的车辆信息的准确传递，实现车辆监控数据(如车牌、轨迹)联网，以期为预判车辆行为和追究肇事者责任提供有力证据。
夜间车辆最显著稳定的特征是车灯，要对提取出来的车灯光斑进行配对以达到识别车辆的目的。目前车灯配对主要存在三种方法：a.几何对称法 b.最小特征匹配代价法c.最大权重独立集法。其中a最普通，它根据面积、圆形度、质心间距、质心连线斜率、位置和形状等几何特征进行车灯配对。方法b中，如汤春明等人利用最小特征匹配代价函数实现车灯配对，同时引入反馈修正机制对轨迹进行修正。a和b因未考虑监控场景中各类车辆类型，使得在车辆密集、有遮挡的情况下容易造成不止一个配对或没有相应的配对，从而导致车辆轨迹提取结果不完整，特别是在跟踪起始处，故该类算法的普适性和鲁棒性不高。方法c中以Zou等人提出最大权重独立集的配对方法为代表，把所有前灯的两两组合情况都列出来之后，再用顶点堆积法，在帧内用两个约束条件，在帧间用速度相似性，实现合理配对，在后处理中又加入四灯一组的分析情况。该方法由于先入为主的考虑双灯车的情况而对其它情况未作考虑，致使该方法在提取特殊车辆轨迹时不够灵活。
车灯配对成功后，通过跟踪车灯实现提取车辆轨迹的目的。目前存在的车灯跟踪方法有：a.利用卡尔曼滤波器或者基于车灯位置、面积及形状等特征的最近邻匹配来实现车灯跟踪；b.利用车灯面积重叠率完成帧间数据关联；c.在a和b的基础上增加空间上下文信息约束车灯匹配，提高数据关联的准确性。实际上，车辆由远及近驶入摄像机监控范围，透视影响及环境光强度的不断变化，使车灯尺寸及外观变化无规律，再加上目标间相互遮挡，造成车灯很难被配对和跟踪，从而导致车辆轨迹混乱或断开。因此目前研究算法都忽略远景区域，通过划定ROI区域缩小跟踪长度。然而远景处车辆信息对于交通监控数据的联网至关重要，它是把所有监控点数据连接起来的前提。
发明内容
由上述不同的方法可以看出，各类车辆轨迹的完整提取是夜间城市交通监控中研究的难点。因此这里提出了一种结合车辆类型与轨迹反馈修正的跟踪系统，以实现相邻两个监控点的车辆轨迹的完整提取，包括车灯提取、车灯筛选、轨迹反馈修正、车灯配对及车辆跟踪五个模块。提取车灯后用面积重叠法完成车灯匹配，再用稳定性判断筛选车灯，获得车灯初始轨迹后加入轨迹反馈修正误匹配；接着按照车型配对车灯；最后对车辆跟踪再次应用轨迹修正。
1、车灯提取
1)车灯复原
这里利用已提出的大气-反射模型复原夜间交通监控视频图像中车辆的车灯光斑。车灯复原是完整提取车辆轨迹的基础。
2)坐标变换
建立图像坐标系与路面坐标系之间的变换关系，能够计算出车灯在实际路面坐标系中的位置，进而可以计算出车辆的真实宽度、位移和速度等稳定特征。通过图像平面Γ1与空间场景平面Γ2之间的单应性矩阵可以实现对目标的真实几何量的测量。单应性矩阵(H：3×3)计算过程如下：
λmi＝HMi (1)
其中Mi(Xi，Yi，1)是Γ2中任一点，mi(ui，υi，1)是Mi是在Γ1中对应的点，λ是比例因子。消去λ后可以得到关于hij的两个线性方程，如式(3)：
若已知Γ2中4个点的坐标以及Γ1中相应的4个点坐标，就可以利用(3)式求出H，通过H可求出图像中任一像素点对应的路面坐标。
2、车灯筛选
对于车灯复原结果还需要进一步筛选，以删除噪声。将视频场景分远、中、近三部分区域进行分析。线段ac，线段bd是机动车道的两条边界线，线段ab是上一个红绿灯处的禁行线，线段cd是当前红绿灯的禁行线，这四条线段所围区域内的所有驶过车辆是我们要跟踪的目标。针对各部分存在的典型噪声，采用对应的车灯筛选方法，如表1所示。例如，用面积、以及长宽比分别删除中景部分的小噪声点、狭长的地面反射区，用分水岭算法分割粘连的车灯与车身反射区。
表1车灯筛选
每帧车灯光斑的面积、长宽比及RGB变异度特征的最佳筛选阈值是用迭代法求出。通过分区域筛选，全部车灯被保留，但仍有少量存在了一段时长的高亮噪声，需利用帧间信息进一步删除。
3、车灯跟踪
利用相邻两帧中同一车灯光斑会有部分重叠的特性关联前后帧每个车灯的ID号，得到车灯的初始轨迹。把稳定跟踪连续五帧的车灯速度均值作为它在某一帧的瞬时速度，把整个跟踪过程的车灯速度均作为它的平均速度，利用该平均速度修正误匹配。
1)验证数据光联正确性
利用双位置验证保证前后帧对应车灯数据关联正确，如对第m帧中某ID车灯依次向前、向后找t帧，若质心间距满足10个像素间距离，则认为该帧车灯ID信息正确即匹配成功；否则，则认为匹配失败。
2)合并不完整轨迹
当车速很快或有长时间遮挡时，易导致数据关联失败，使轨迹断开。利用轨迹空间位置和运动方向的相似度来合并断开轨迹，对于轨迹线段ab，轨迹线段cd，若位置坐标(xb，yb)、(xc，yc)满足：横纵坐标之差分别小于5个像素距离，则合并两轨迹并重新分配ID号。查找并统计每条轨迹中连续为零的帧数，若小于10帧，则认为是由漏匹配造成，进而计算漏匹配车灯的时空信息。虚线段bc是根据平均速度计算拟合出的因目标匹配失败而消失的轨迹，从而实现了目标完整轨迹的提取。
3)判断非车灯轨迹
车灯稳定光斑在跟踪过程中具有运动连续性和形态稳定性，路面和车身反射区域视为非稳定光斑，它们容易引起车灯错误配对。根据稳定性判断筛选车灯，计算每条轨迹li持续的时间T(li)，若未达到设定阈值即不满足式(4)，则认为是非车灯轨迹，不进行配对处理。
其中，li y是车灯轨迹的起始y坐标，表示车灯的平均速度，h为视频宽度。
4、车辆轨迹完整提取
提取车灯后，基于时空特征相似度实现车灯配对。交通场景中存在的各类车辆是导致车灯错误配对和轨迹混乱的主要原因。为了提取长轨迹，依据公布的各类车型的具体数据，我们按照车宽把车辆分为普通车、小车、中车及大车四种类型；按照车灯数目分为独灯车、双灯车及多灯车，然后跟据车辆类别分别进行处理。
首先选取车灯对的连线斜率θ、质心欧式距离d、速度差Δυ以及车宽w作为配对特征，完成普通车的车灯配对；若剩余的未配对车灯满足轨迹长度大于远、中和近景区域路面长度的三分之二，则按照车宽及车灯数目进行特殊车辆的分类处理。然后对提取的车辆轨迹再次应用轨迹修正法。分类处理交通场景中的各类车辆使得车灯在整个场景中能够正确配对，避免了在车辆密集、有遮挡的情况下容易造成不止一个配对或没有相应的配对的情况，保证完整提取车辆的长轨迹。同时，保留了独灯车的运动轨迹并保证了一车一轨迹。
附图说明
图1系统框图
图2视频场景
图3轨迹反馈修正流程
图4合并不完整轨迹
图5车辆定位跟踪流程
图6变道车辆的跟踪(a)左变道情况(b)右变道情况
图7车辆跟踪结果对比(a)ZhangWei算法视频1轨迹提取结果 (b)ZhangWei算法视频2轨迹提取结果 (c)ZouQi算法视频1轨迹提取结果 (d)ZouQi算法视频2轨迹提取结果(e)本方法视频1轨迹提取结果 (f)本方法视频2轨迹提取结果
具体实施方式
本方法共测试了12段视频，分别有3000、1240、1325、1479、415、716、840、454、512、856、933、617帧，用索尼HDR-550d摄像机在夜模式下拍摄。相机架设于天津市某一过街天桥，拍摄角度与水平方向呈30度，帧率为25f/s。表2是我们的跟踪方法与ZouQi车灯跟踪方法、Chen车灯跟踪方法的准确率对比。本文方法的车灯正确匹配率最高为98.01％，比Chen车灯跟踪方法高出11.33％，比ZouQi车灯跟踪方法的最高正确匹配率高出3.21％。图6是变道车辆的跟踪，(a)左变道情况，(b)右变道情况，该法表现出健壮的数据关联性。图中红线用于标注远景处红绿灯路口，数字表示车灯ID，用不同灰度表示不同车灯的轨迹。
表2车灯跟踪准确率对比
图7是车辆跟踪结果对比。图7(a)(b)是ZhangWei算法中最后提取出的轨迹，可见远景处存在严重的多车灯误配情况，图7(e)(f)是ZouQi算法中最后提取出的轨迹。表3是针对图7中车辆跟踪帧数的对比。ZhangWei算法以及ZouQi算法的跟踪帧数最多为126帧、200帧；本文方法跟踪帧数最多可达到626帧。由于现存算法中ZouQi算法的夜间车辆跟踪准确率最高，所以我们仅与它进行了对比：我们的方法在12段视频中的平均准确率为97.3％，比ZouQi算法的87.3％高出了10％。
表3普通车辆跟踪帧数对比
表4是对特殊车辆跟踪的数据统计结果。其中，小轿车两灯跟踪帧数相差142帧，货车跟踪率仅为89.25％的主要原因是：红绿灯路口长时间停车导致大量车灯光斑与噪声相互粘连，从中极难分割出单个车灯光斑。
表4特殊车辆跟踪数据统计

Claims (1)

1.夜间城市交通监控中，完整提取各类车辆轨迹的方法，所述方法包括以下步骤：
A.车灯复原
利用已提出的大气-反射模型复原夜间交通监控视频图像中车辆的车灯光斑；
B.坐标变换
图像平面Γ1与空间场景平面Γ2之间的变换关系可表示为：
λmi＝HMi (1)
其中，H：3×3为单应性轨迹，λ是比例因子，Mi(Xi，Yi，1)是Γ2中任一点，mi(ui，vi，1)是Mi在Γ1中对应的点坐标，式(1)可进一步写成：
式(2)消去λ后可以得到关于hij的两个线性方程，如式(3)：
已知Γ2中4个点的坐标以及Γ1中相应的4个点坐标，可利用(3)式求出H，通过H可求出图像中任一点像素点对应的路面坐标；
C.车灯筛选
车灯复原结果还需要进一步筛选，以删除噪声，将交通监控视频场景分远、中、近三部分进行分析，针对各部分存在的典型噪声，采用对应的车灯筛选方法，具体步骤如下：
①远景：先用面积法删除大、小噪声，再用分水岭算法分割粘连前灯对；
②中景：先用面积法删除小噪声，再用分水岭算法分割粘连的车灯与车身反射区，最后用长宽比删除狭长地面反射区；
③近景：先用面积法删除小噪声，再用RGB变异度法删除近似车灯的地面反射区；
每帧车灯光斑的面积、长宽比及RGB变异度特征的最佳筛选阈值是用迭代法求出，对少量存在一段时长的高亮噪声，再利用帧间信息进一步删除；
D.车灯跟踪
利用相邻两帧中同一车灯光斑会有部分重叠的特性关联前后帧每个车灯的ID号，得到车灯的初始轨迹，把稳定跟踪连续五帧的车灯速度均值作为它在某一帧的瞬时速度，把整个跟踪过程的车灯速度均作为它的平均速度，利用该平均速度修正误匹配，轨迹反馈修正具体过程如下：
①验证数据关联正确性
利用双向验证保证前后帧对应车灯数据关联正确，对第m帧中某ID车灯依次向前、向后找t帧，若质心间距满足10个像素间距离，则认为该帧车灯ID信息正确即匹配成功；否则，则认为匹配失败，删除该异常点；
②合并不完整轨迹
用轨迹空间位置和运动方向的相似度合并断开轨迹，对于轨迹线段ab，轨迹线段cd，若位置坐标(xb，yb)，(xc，yc)满足：横纵坐标之差分别小于5个像素距离，则合并两轨迹线段并重新分配ID号，不满足轨迹合并条件，则需要进一步查找并统计轨迹长度，若轨迹长度大于阈值，则认为其是目标轨迹，否则，认为其是非目标轨迹，删除轨迹信息；如果是目标轨迹，则需统计每条轨迹中连续为零的帧数，若小于10帧，则认为由漏匹配造成，进而计算漏匹配车灯的平均速度；否则，删除轨迹信息；
③判断非车灯轨迹
计算每条轨迹li持续的时间T(li)，若未达到设定阈值即不满足式(4)，则认为是非车灯轨迹，则不进行配对处理；
其中，是车灯轨迹的起始y坐标，表示车灯的平均速度，h为视频宽度；
E.车辆轨迹完整提取
根据公布的各类车型的具体数据，按照车宽把车辆分为普通车、小车、中车、及大车四种类型；按照车灯数目分为独灯车、双灯车及多灯车，独灯车包括摩托车和双前灯中有一灯损坏的车，车灯成功配对后，以前灯对连线的质心位置定位车辆，加入轨迹反馈修正，完成车辆跟踪，实现车辆轨迹的完整提取，具体处理过程如下：
①选取车灯对的连线斜率θ、质心欧式距离d、速度差Δv以及车宽w作为配对特征，完成普通车的车灯配对后，提取普通车的长轨迹；
②若剩余的未配对车灯满足轨迹长度大于远、中和近景区域路面长度的三分之二，则按照车宽及车灯数目进行特殊车辆的分类处理，否则删除该短轨迹；如果轨迹长度大于阈值，则进一步判断车灯连线斜率是否趋于0，若满足，则按照车宽分类处理小轿车、货车、公交车的车灯配对，若不满足，则判断是独灯车，则需进一步判断该车灯在相邻两侧是否无车辆出现，若满足则判断为摩托车，否则认为是双前灯中一灯出现故障车；车灯被保留后，提取独灯车的运动长轨迹；
③对车辆轨迹提取结果再次应用轨迹反馈修正法，得到车辆的跟踪结果，从而实现了车辆长轨迹的完整提取。
CN201610834346.0A 2016-09-13 2016-09-13 夜间城市交通监控中各类车辆轨迹的完整提取 Active CN106408938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610834346.0A CN106408938B (zh) 2016-09-13 2016-09-13 夜间城市交通监控中各类车辆轨迹的完整提取

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610834346.0A CN106408938B (zh) 2016-09-13 2016-09-13 夜间城市交通监控中各类车辆轨迹的完整提取

Publications (2)

Publication Number Publication Date
CN106408938A CN106408938A (zh) 2017-02-15
CN106408938B true CN106408938B (zh) 2019-09-06

Family

ID=57998002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610834346.0A Active CN106408938B (zh) 2016-09-13 2016-09-13 夜间城市交通监控中各类车辆轨迹的完整提取

Country Status (1)

Country Link
CN (1) CN106408938B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108538052A (zh) * 2018-03-05 2018-09-14 华南理工大学 基于车头灯轨迹跟踪和动态配对的夜间交通流量检测方法
CN109215059B (zh) * 2018-10-16 2021-06-29 西安建筑科技大学 一种航拍视频中运动车辆跟踪的局部数据关联方法
KR102628012B1 (ko) * 2018-10-23 2024-01-22 삼성전자주식회사 캘리브레이션 방법 및 장치
CN109544914B (zh) * 2018-11-09 2021-08-03 西南交通大学 一种基于历史gps轨迹的共享单车逆行行为识别方法
CN111275765B (zh) * 2018-12-05 2023-09-05 杭州海康威视数字技术股份有限公司 一种确定目标gps的方法、装置及摄像机
CN111626277B (zh) * 2020-08-03 2021-02-26 杭州智诚惠通科技有限公司 一种基于治超站交调指标分析的车辆跟踪方法及装置
CN112287808B (zh) * 2020-10-27 2021-08-10 江苏云从曦和人工智能有限公司 运动轨迹分析告警方法、装置、系统及存储介质
CN112465706A (zh) * 2020-12-21 2021-03-09 天津工业大学 一种闸口集装箱自动验残方法
CN115482474B (zh) * 2022-08-24 2023-07-04 湖南科技大学 一种基于高空航拍图像的桥面车辆荷载识别方法和系统
CN115512542B (zh) * 2022-09-21 2023-08-18 山东高速集团有限公司 一种基于路侧激光雷达的考虑遮挡的轨迹复原方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5444442A (en) * 1992-11-05 1995-08-22 Matsushita Electric Industrial Co., Ltd. Method for predicting traffic space mean speed and traffic flow rate, and method and apparatus for controlling isolated traffic light signaling system through predicted traffic flow rate
KR100902491B1 (ko) * 2007-04-27 2009-06-10 금오공과대학교 산학협력단 숫자 영상 처리 시스템 및 그 방법
CN102447971A (zh) * 2011-10-31 2012-05-09 深圳市九洲电器有限公司 一种机顶盒修改菜单文字信息的方法及机顶盒
CN102521983A (zh) * 2011-12-23 2012-06-27 北京易华录信息技术股份有限公司 一种基于高清视频技术的车辆违章检测系统及方法
CN102956104A (zh) * 2012-10-19 2013-03-06 上海交通大学无锡研究院 一种基于车辆轨迹描述检测交通事件的方法
CN103116987A (zh) * 2013-01-22 2013-05-22 华中科技大学 一种基于监控视频处理的车流统计和违规检测的方法
CN103366571A (zh) * 2013-07-03 2013-10-23 河南中原高速公路股份有限公司 智能的夜晚交通事件检测方法
CN103440771A (zh) * 2013-09-06 2013-12-11 天津工业大学 模糊隶属度和反馈修正在夜间交通视频车辆检测的应用

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100437660C (zh) * 2006-08-25 2008-11-26 浙江工业大学 基于全方位视觉传感器的违章车辆监控装置
CN101604448B (zh) * 2009-03-16 2015-01-21 北京中星微电子有限公司 一种运动目标的测速方法和系统
KR20140103441A (ko) * 2013-02-18 2014-08-27 주식회사 만도 시선 유도 반사체를 이용한 차선 인식 방법 및 시스템
CN105303160A (zh) * 2015-09-21 2016-02-03 中电海康集团有限公司 一种夜间车辆检测和跟踪的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5444442A (en) * 1992-11-05 1995-08-22 Matsushita Electric Industrial Co., Ltd. Method for predicting traffic space mean speed and traffic flow rate, and method and apparatus for controlling isolated traffic light signaling system through predicted traffic flow rate
KR100902491B1 (ko) * 2007-04-27 2009-06-10 금오공과대학교 산학협력단 숫자 영상 처리 시스템 및 그 방법
CN102447971A (zh) * 2011-10-31 2012-05-09 深圳市九洲电器有限公司 一种机顶盒修改菜单文字信息的方法及机顶盒
CN102521983A (zh) * 2011-12-23 2012-06-27 北京易华录信息技术股份有限公司 一种基于高清视频技术的车辆违章检测系统及方法
CN102956104A (zh) * 2012-10-19 2013-03-06 上海交通大学无锡研究院 一种基于车辆轨迹描述检测交通事件的方法
CN103116987A (zh) * 2013-01-22 2013-05-22 华中科技大学 一种基于监控视频处理的车流统计和违规检测的方法
CN103366571A (zh) * 2013-07-03 2013-10-23 河南中原高速公路股份有限公司 智能的夜晚交通事件检测方法
CN103440771A (zh) * 2013-09-06 2013-12-11 天津工业大学 模糊隶属度和反馈修正在夜间交通视频车辆检测的应用

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"给予最小特征匹配代价的夜间车辆检测和追踪";汤春明 等;《计算机应用与软件》;20150430;正文全文
"车辆轨迹的增量式建模与在线异常检测";汤春明 等;《计算机应用研究》;20140731;正文全文

Also Published As

Publication number Publication date
CN106408938A (zh) 2017-02-15

Similar Documents

Publication Publication Date Title
CN106408938B (zh) 夜间城市交通监控中各类车辆轨迹的完整提取
CN106536299B (zh) 基于检测对象制动车辆的系统和方法
CN106663193B (zh) 用于路缘检测和行人危险评估的系统和方法
CN107688764B (zh) 检测车辆违章的方法及装置
JP6650657B2 (ja) フィンガープリントを使用してビデオ内で移動オブジェクトを追跡するため方法及びシステム
US9665781B2 (en) Moving body detection device and moving body detection method
US20140348390A1 (en) Method and apparatus for detecting traffic monitoring video
EP3048559A1 (en) Method and system for detecting a rail track
CN110555361A (zh) 基于图像的车道标记分类
Toropov et al. Traffic flow from a low frame rate city camera
JP2003067752A (ja) 車両周辺監視装置
JP2014071902A5 (zh)
JP6226368B2 (ja) 車両監視装置、および車両監視方法
Rodríguez et al. An adaptive, real-time, traffic monitoring system
Malinovskiy et al. Video-based vehicle detection and tracking using spatiotemporal maps
Selver et al. Camera based driver support system for rail extraction using 2-D Gabor wavelet decompositions and morphological analysis
KR101134857B1 (ko) 주간 및 야간 주행 차량을 조도상황에 따라 검출하는 방법및 장치
CN104658249A (zh) 基于帧差和光流实现车辆快速检测的方法
Espino et al. Rail extraction technique using gradient information and a priori shape model
Kim Vehicle detection and speed estimation for automated traffic surveillance systems at nighttime
Cheng Highway traffic flow estimation for surveillance scenes damaged by rain
Abdagic et al. Counting traffic using optical flow algorithm on video footage of a complex crossroad
Ho et al. Localization on freeways using the horizon line signature
Unno et al. Vehicle motion tracking using symmetry of vehicle and background subtraction
Nejadasl et al. Optical flow based vehicle tracking strengthened by statistical decisions

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220104

Address after: 300480 door 2, building 11, zone 4, Binhai Zhongguancun Ronghui business district, Binhai New Area, Tianjin

Patentee after: Haizhidie (Tianjin) Technology Co.,Ltd.

Address before: No. 399 Bingshui Road, Xiqing District, Tianjin, Tianjin

Patentee before: TIANJIN POLYTECHNIC University

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Complete extraction of various vehicle trajectories in urban traffic monitoring at night

Effective date of registration: 20221109

Granted publication date: 20190906

Pledgee: China Construction Bank Corporation Tianjin Development Branch

Pledgor: Haizhidie (Tianjin) Technology Co.,Ltd.

Registration number: Y2022980021378