基于遗传算法的单交叉口信号配时优化方法

    公开(公告)号:CN103150911A

    公开(公告)日:2013-06-12

    申请号:CN201310049986.7

    申请日:2013-02-07

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于遗传算法的单交叉口信号配时优化方法,包括:S1、输入摄像头采集的交通数据流;S2、建立初始种群,初始化第一代个体;S3、计算种群的适应度值;S4、判断是否达到种群迭代的最大值,若是,执行步骤S8,若否,执行步骤S5~S7;S5、采用轮盘赌选择方法,并施以最优保留策略;S6、采用算术交叉,产生出两个子代个体;S7、采用均匀变异,以变异概率来替换染色体中各个基因座上的基因值,并返回执行步骤S3;S8、停止运算,输出当前最优个体。本发明运用遗传算法对优化模型进行了求解,从而减少了车辆延误时间,提高了信号配时优化模型的鲁棒性。

    智能交通监控系统中的车辆检测方法和装置

    公开(公告)号:CN103106796A

    公开(公告)日:2013-05-15

    申请号:CN201310014669.1

    申请日:2013-01-15

    Applicant: 江苏大学

    Abstract: 本发明提出了一种智能交通监控系统中的车辆检测方法,其包括:步骤S101,通过电荷耦合元件CCD摄像头采集道路交通视频帧序列;步骤S102,将采集的视频帧序列数据进行图像预处理,得到计算机能够识别的数字视频序列;步骤S103,输入步骤S102所得的数字视频序列,利用改进的混合高斯背景建模算法实现运动目标的检测;步骤S104,对步骤S103检测所得的运动目标前景进行阴影检测;步骤S105,对运动目标前景进行阴影去除,实现运动目标的正确识别。本发明还提出了一种智能交通监控系统中的车辆检测装置。通过本发明可以快速地去除不符合要求的背景模型,有效地减少模型对环境突变的响应时间,保证了系统在光照变化或摄像头抖动等情况下具有良好的自适应性,配合阴影去除算法大幅提高车辆检测的准确率。

    一种基于混合高斯模型的运动目标检测方法

    公开(公告)号:CN102568005B

    公开(公告)日:2014-10-22

    申请号:CN201110447408.X

    申请日:2011-12-28

    Applicant: 江苏大学

    Abstract: 本发明公开一种基于混合高斯模型的运动目标检测方法,首先采集视频帧;提取初始背景帧,进行背景模型的初始化,建立HSV分量模型;当前帧跟背景帧相差分,得前景帧;对所得到的前景帧进行二值化处理;根据所述的前景帧,引入更新因子更新混合高斯背景模型的权值、均值和方差;利用Jeffrey值判断是否为运动目标前景;利用混合高斯阴影模型去除所述运动目标前景的阴影。该方法能够适应动态背景扰动和光照变化影响的,能实时进行更新,有效去除阴影,同时具有很好的鲁棒性。

    一种基于混合高斯模型的运动目标检测方法

    公开(公告)号:CN102568005A

    公开(公告)日:2012-07-11

    申请号:CN201110447408.X

    申请日:2011-12-28

    Applicant: 江苏大学

    Abstract: 本发明公开一种基于混合高斯模型的运动目标检测方法,首先采集视频帧;提取初始背景帧,进行背景模型的初始化,建立HSV分量模型;当前帧跟背景帧相差分,得前景帧;对所得到的前景帧进行二值化处理;根据所述的前景帧,引入更新因子更新混合高斯背景模型的权值、均值和方差;利用Jeffrey值判断是否为运动目标前景;利用混合高斯阴影模型去除所述运动目标前景的阴影。该方法能够适应动态背景扰动和光照变化影响的,能实时进行更新,有效去除阴影,同时具有很好的鲁棒性。

Patent Agency Ranking