欢迎来到天天文库
浏览记录
ID:28052421
大小:124.78 KB
页数:14页
时间:2018-12-07
《基于kinect深度虚拟线圈的夜间车流量检测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于Kinect深度虚拟线圈的夜间车流量检测穆孟超河北工业大学电子与信息工程学院武汉理工大学智能交通系统研宄中心摘要:针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法。首先对Kinect深度图像进行预处理,分别获得运动0标深度图(MDM)与空洞深度图(HDM)。然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的儿何特征,通过SVM对车型进行有效识
2、别。实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7ms。关键词:智能交通;夜间车流量检测;深度虚拟线圈;Kinect.;SVM;车型分类;作者简介:张汝峰(1992-),硕士研究生.研究方向:智能交通系统.E-mail:201521902017@stu.hebut.edu.cn作者简介:胡钊政(1979-),博士,教授.研究方向:智能交通系统.E-mail:zzhu@whut.edu.cn收稿日期:2016-12-16基金:国家自然科学基金项目(51679181,5120
3、8168)ADetectionMethodforVehiclesinNighttimebyVirtual-loopSensorsBasedonKinectDepthDataZHANGRufengHUZhaozhengMUMengchaoSchoolofElectronicsandInformationEngineering,HebeiUniversityofTechnology;IntelligentTransportationSystemsResearchCenter,WuhanUniversityofTechnology;Abstract:Detectionmetho
4、dsforvehiclesbasedonvideocamerashaveproblemsoflowaccuracy,poorrobustness,anddifficulttoidentifytypesofvehiclesinnighttimesituations.Amethodusingvirtual-loopsensorsbasedonKinectdepthdataisproposedfordetectingvehiclesinnighttime.Firstly,depthimagefromKinectispre-processedtoderivethetargetMo
5、tionDepthMap(MDM)andtheHoleDepthMap(HDM).Secondly,virtual-loopsensorsaresetonMDMandHDMrespectively,andgenerateintegralimagestocomputetheone-dimensionalmotionsignals.ThemotionsignalsfromcorrespondingMDMandI1DMarcfusedtoformulatethedescriptionofvehiclemotions,fromwhichvehiclesaredetectedand
6、counted.Thengeometricfeaturesofvehiclesareextracted,andtypesofvehiclesarerecognizedbyusingSVM.Theresultsshowthattheproposedmethodcanaccuratelydetectandcountvehiclesinnighttimesituationswithrecognitionrates99.75%and99.25%forone-laneandtwo-lancscenariosrespectively.Itsclassifyaccuracyis99.8
7、0%intermsofdistinguishlightandheavyvehicles.Theaveragetimeofprocessingoneimageisonly7ms.Keyword:intelligenttransportation;vehicledetectioninnighttime;virtual-loopsensors;Kinect;SVM;vehicleclassification;Received:2016-12-160引言车辆的实时流量和路况信息,为交通部门运营管理道路提供了合理的指导,当车流过大时,及
此文档下载收益归作者所有