-
公开(公告)号：CN109584558A
公开(公告)日：2019-04-05
申请号：CN201811540864.7
申请日：2018-12-17
Applicant: 长安大学
Abstract: 本发明属于智能交通领域，具体涉及一种面向城市交通信号配时的交通流统计方法，采用图像处理技术对视频中的交通目标进行检测及跟踪，获取其轨迹信息，然后通过对轨迹信息和视频场景信息进行分析处理，提取出每条轨迹的起终点坐标进行聚类，获取场景的分区信息，最终获取详细的交通流信息。本发明具有更好的精度和数据的丰富度，提供更丰富的交通参数信息，能用于事故的预警、预防拥堵和自动路径规划，尤其是针对车流量较大场景复杂的情形，本发明提出的方法仍然有较好的效果。同时，通过获得十字路口不同时段的交通流信息还可以进行信号配时，带来了显著的经济效益并且能够提高交通通行效率。
-
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
Applicant: 长安大学
IPC: G06T7/277
Abstract: 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。
-
公开(公告)号：CN106127137A
公开(公告)日：2016-11-16
申请号：CN201610452597.2
申请日：2016-06-21
Applicant: 长安大学
CPC classification number: G06K9/00771 , G06K9/4609 , G06K9/6201 , G06K2209/21
Abstract: 本发明公开了一种基于3D轨迹分析的目标检测识别算法，该方法利用安装在公交车后门上方的双目摄像头采集视频图像以进行目标检测识别，将同一乘客不同时刻的运动位置作为运动目标，通过视屏图像的深度图初步识别运动目标，然后祛除伪运动目标，最终实现对运动目标的精确检测识别。本发明利用3D轨迹分析进行目标识别检测，解决了传统的由于光照导致的轨迹跟踪过程中轨迹跟断，提高了目标识别检测的准确性。本发明不受硬件环境限制，能够进行实时检测，且检测精度高。本发明，将运动目标的图像二维轨迹转换为世界坐标系下的3D轨迹，解决了传统目标识别中最常见的目标被遮挡无法检测到的问题，提高了目标识别检测的准确性。
-
公开(公告)号：CN104504730A
公开(公告)日：2015-04-08
申请号：CN201410802663.5
申请日：2014-12-19
Applicant: 长安大学
IPC: G06T7/20
CPC classification number: G06T7/223 , G06T2207/10016 , G06T2207/20192 , G06T2207/30232 , G06T2207/30264
Abstract: 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。
-
公开(公告)号：CN107315994B
公开(公告)日：2020-08-18
申请号：CN201710334850.9
申请日：2017-05-12
Applicant: 长安大学
Abstract: 本发明公开了基于Spectral Clustering空间轨迹的聚类算法，包括利用摄像机对道路进行视频图像采集，对视频图像中的每一帧图像中的所有运动目标采用ORB算法提取特征点，然后利用基于双向加权可逆性约束的KLT跟踪算法对特征点进行跟踪，得到所有运动目标的多条运动轨迹以及每条运动轨迹上每个轨迹点在图像坐标系中的坐标值；利用刚体运动约束对所有运动目标的n条运动轨迹构建相似矩阵进行谱聚类，得到不同类别的运动轨迹；对不同类别的运动轨迹进行类间合并，得到类间合并后的运动轨迹；本发明所提到的方法不受工程应用上各类环境的影响和限制，并且易于实现，能有效的对车辆进行实时精确的检测，因此具有很广的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN105243354B
公开(公告)日：2018-10-26
申请号：CN201510567757.3
申请日：2015-09-08
Applicant: 长安大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于目标特征点的车辆检测方法，属于图像处理领域。所述发明包括获取所述世界坐标系与所述像素坐标系之间的转移矩阵；确定视频中的运动目标区域，在运动目标区域提取特征点进而确定垂足点，从视频中选取稳定特征点，对稳定特征点进行跟踪，获取运动目标的轨迹线，根据运动目标的轨迹线进行轨迹线判定，如果判定两条轨迹线属于同一辆车，则对车辆计数结果加一，重复前述步骤直到所述视频结束为止。通过在车辆检测中引入基于目标特征点跟踪与聚类的检测方式，与现有技术相比，减少了环境限制，具有较高的稳定性和检测精度，并且降低检测误差，提高了车辆识别的准确率。
-
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
Applicant: 长安大学
Abstract: 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。
-
公开(公告)号：CN107315994A
公开(公告)日：2017-11-03
申请号：CN201710334850.9
申请日：2017-05-12
Applicant: 长安大学
CPC classification number: G06K9/00724 , G06K9/6223 , G06T7/246 , G06T2207/10016
Abstract: 本发明公开了基于Spectral Clustering空间轨迹的聚类算法，包括利用摄像机对道路进行视频图像采集，对视频图像中的每一帧图像中的所有运动目标采用ORB算法提取特征点，然后利用基于双向加权可逆性约束的KLT跟踪算法对特征点进行跟踪，得到所有运动目标的多条运动轨迹以及每条运动轨迹上每个轨迹点在图像坐标系中的坐标值；利用刚体运动约束对所有运动目标的n条运动轨迹构建相似矩阵进行谱聚类，得到不同类别的运动轨迹；对不同类别的运动轨迹进行类间合并，得到类间合并后的运动轨迹；本发明所提到的方法不受工程应用上各类环境的影响和限制，并且易于实现，能有效的对车辆进行实时精确的检测，因此具有很广的应用前景。
-
-
公开(公告)号：CN106570883A
公开(公告)日：2017-04-19
申请号：CN201610937588.2
申请日：2016-10-25
Applicant: 长安大学
Inventor： 宋焕生 , 孙士杰 , 刘瑞芝 , 张文涛 , 张朝阳 , 崔华 , 李钢 , 李怀宇 , 张向清 , 李莹 , 陈艳 , 王璇 , 杨燕妮 , 孟乔 , 潘强 , 李婵 , 孙亚
Abstract: 本发明通过在通道中架设RGB‑D相机，用相机对包含人体目标的通道进行拍摄，获取多幅深度图，并得到深度图对应的俯视图，根据俯视图形成矩形框集合，利用矩形框集合形成轨迹，通过对轨迹的跟踪以及判断，统计通道内的人数。本发明的方法能够精确的锁定人头及统计人数。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.032 seconds)
