一种基于目标检测与跟踪的交通视频智能分析方法

    公开(公告)号:CN110472496B

    公开(公告)日:2022-10-11

    申请号:CN201910609164.7

    申请日:2019-07-08

    申请人: 长安大学

    IPC分类号: G06V20/40

    摘要: 本发明公开了一种基于目标检测与跟踪的交通视频智能分析方法,具体包括利用监控摄像机采集的高速公路视频,利用深度学习方法进行车辆目标检测,根据检测结果,使用多目标跟踪方法获取目标轨迹,智能分析目标轨迹,获取车流量、车辆速度并检测交通拥堵、停车的交通异常事件,完成交通视频的智能分析。该方法能够对车辆进行视野范围内的长时间检测与跟踪,从而准确地获取交通参数、检测交通事件。本发明的方法在多种交通场景中使用都具有较高的稳定性,具有一定的实用价值与广阔的市场潜力。

    一种放射性样品活度多路自动化测量系统

    公开(公告)号:CN108717200A

    公开(公告)日:2018-10-30

    申请号:CN201810515627.9

    申请日:2018-05-25

    申请人: 长安大学

    IPC分类号: G01T1/202 G01T7/08

    CPC分类号: G01T1/202 G01T7/08

    摘要: 本发明公开了一种放射性样品活度多路自动化测量系统,包括样条支架装置、运动控制模块、屏蔽铅室、测量模块、数字多道分析模块、串口通讯模块和PC机;运动控制模块连接样条支架装置,控制样条支架装置的移动;测量模块连接数字多道分析模块输出检测数据,用于检测样品的放射性;PC机向样条支架装置、运动控制模块和串口通讯模块输出控制信号,并接收数字多道分析模块输出的采集数据。该装置可以快速测量大量活化样品放射性活度,多个探测器可自动同时测量5路样品条,每路样品条均可自动控制移动;又能减小不同探测器个体差异带来的测量误差的问题。

    一种基于行驶轨迹的车辆统计方法

    公开(公告)号:CN104794425B

    公开(公告)日:2018-05-18

    申请号:CN201410805130.2

    申请日:2014-12-19

    申请人: 长安大学

    IPC分类号: G06K9/00 G06K9/46

    摘要: 本发明公开了一种基于车辆轨迹的统计方法,涉及交通检测领域。所述发明包括稳定特征点的选取与跟踪,利用稳定特征点在真实空间中轨迹的同时刻相对距离之间的关系变化进行聚类,当同时刻相对距离的方差小于预设阈值时,不更新所述车辆计数器的计数值,当所述同时刻相对距离的方差大于预设阈值时所述车辆计数器的计数值加一。本发明通过提取拍摄到的道路视频图像中的车辆轨迹,对其中的车辆轨迹进行处理,得到轨迹在同时刻的相对距离,根据同时刻相对距离的变化关系确定该视频图像内的车辆数目,使得在车辆数目的统计过程中避免了环境的影响以及仅能统计单一车型的限制,提高了车辆数目的统计精度和统计效率。

    一种基于行驶轨迹的车辆统计方法

    公开(公告)号:CN104794425A

    公开(公告)日:2015-07-22

    申请号:CN201410805130.2

    申请日:2014-12-19

    申请人: 长安大学

    IPC分类号: G06K9/00 G06K9/46

    摘要: 本发明公开了一种基于车辆轨迹的统计方法,涉及交通检测领域。所述发明包括稳定特征点的选取与跟踪,利用稳定特征点在真实空间中轨迹的同时刻相对距离之间的关系变化进行聚类,当同时刻相对距离的方差小于预设阈值时,不更新所述车辆计数器的计数值,当所述同时刻相对距离的方差大于预设阈值时所述车辆计数器的计数值加一。本发明通过提取拍摄到的道路视频图像中的车辆轨迹,对其中的车辆轨迹进行处理,得到轨迹在同时刻的相对距离,根据同时刻相对距离的变化关系确定该视频图像内的车辆数目,使得在车辆数目的统计过程中避免了环境的影响以及仅能统计单一车型的限制,提高了车辆数目的统计精度和统计效率。

    一种基于路面提取与分割的深度学习车辆计数方法

    公开(公告)号:CN110443142A

    公开(公告)日:2019-11-12

    申请号:CN201910609399.6

    申请日:2019-07-08

    申请人: 长安大学

    IPC分类号: G06K9/00 G06T7/00

    摘要: 本发明公开了一种基于路面提取与分割的深度学习车辆计数方法,具体包括利用摄像机采集道路的视频图像,利用数字图像处理方法获取道路路面区域并使用分割策略将路面分割成“近端”、“远端”两部分,将分割后的路面区域送入深度学习网络进行车辆目标的检测,并对检测结果进行持续跟踪获取车辆二维轨迹,利用车辆二维轨迹统计某一道路方向的不同类别车辆的流量,达到车辆计数的目的。该方法对于路面远处的小型车辆检测精度较高,为精准的车辆计数提供了数据基础。本发明的方法可应用于多种交通场景,具有较高的稳定性和计数精度,能有效地对图像视野中道路范围的车辆进行准确的检测与持续的跟踪,从而实现车辆的计数,具有广阔的应用前景。

    一种对停放车辆及抛落物的区分方法

    公开(公告)号:CN104504730B

    公开(公告)日:2017-07-11

    申请号:CN201410802663.5

    申请日:2014-12-19

    申请人: 长安大学

    IPC分类号: G06T7/277

    摘要: 本发明公开了一种对停放车辆及抛落物的区分方法,属于交通领域。所述方法包括确定对视频图像中可能出现停放车辆或抛落物的可疑区域,以及对可疑区域内情况的具体判定。本发明通过对获取到的视频图像进行处理,在确定视频图像中存在停放车辆或抛落物的轨迹后,再轨迹对应的目标主体的投影面积与预设车辆的投影面积对比,从而判断视频图像中的目标主体是停放车辆还是抛落物,避免了现有检测技术在降维过程中由于目标高度信息的丢失导致检测精度的问题,提高了检测精度。

    一种基于枚举试探的车速检测方法

    公开(公告)号:CN103177584B

    公开(公告)日:2014-10-08

    申请号:CN201310045928.7

    申请日:2013-02-05

    申请人: 长安大学

    IPC分类号: G08G1/052 G06T7/20

    摘要: 本发明提供了一种基于枚举试探的车速检测方法,通过在图像上划出三条车道线,手动标记不少于三对特征点,建立映射表,划定跟踪区域,构建一幅背景图像,然后采用当前帧和背景图像做差分的方法进行目标识别,利用比率法寻找特征点,最后再利用枚举试探的方法计算车速。本发明的车速检测方法,能够实时、精确的检测出在途车辆的速度,配合智能交通系统的其他应用可迅速得到违章车辆的全面信息,不受环境限制。适用于智能交通管理中对车速的监测,减少交通事故的发生,具有广阔的应用前景。