国家教育部博士点基金(20111103120015)
- 作品数：4 被引量：6H指数：1
- 相关作者：陈阳舟辛乐刘星杨德亮于泉更多>>
- 相关机构：北京工业大学中咨泰克交通工程集团有限公司更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术交通运输工程机械工程更多>>
- 基于半人工标定的视频检测交通参数基准数据获取被引量：3
- 2015年
- 为准确地评估车辆检测各种算法在实际环境复杂场景的运行优劣,提出一种基于半人工标定的视频检测交通参数基准数据获取算法。在充分采集各种交通应用场景不同环境的多段交通视频的基础上,该算法主要包括2个方面:1)基于半人工标定的车辆位置-时间真实数据(车辆行进轨迹数据)获取;2)基于车辆位置-时间真实数据研究计算多种交通参数准确数据的算法。该算法充分考虑现有视频检测的条件,以简易的方式获得真实的交通参数。经过与TRAFICON交通视频检测系统的比较可知,基于半人工标定方法获取的交通参数基准数据具有高准确性,这保证了该计算平台可以有效用于视频检测性能分析与评估。
- 辛乐陈阳舟
- 关键词：交通工程交通信息采集机器视觉
- 变化光照条件下的交通标志快速鲁棒检测被引量：1
- 2014年
- 变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。
- 房圣超辛乐陈阳舟
- 关键词：交通标志检测STABLEEXTREMAL
- 基于双视角学习原理的交通视频车辆事件鲁棒检测被引量：1
- 2015年
- 提出了1种基于双视角学习原理的高速公路交通视频车辆事件鲁棒检测算法。针对道路交通结构化特点提出了分车道外极面图(Epipolar Plane Image,简称EPI),以此反映交通断面车流整体特征。基于双视角学习原理,融合现有广泛应用的反映车辆独立行为的行驶轨迹特征,实现高速公路车辆事件鲁棒检测。针对多种典型车辆事件(包括交通拥堵,车辆逆行,车辆违规停车,交通事故等),本文算法总体检测率为94.09%,误检率为4.51%,漏检率为1.40%,其性能与传统单视角方法比较有较大的提高。
- 辛乐崔海龙傅宇浩许永存于泉陈阳舟
- 关键词：交通工程交通视频
- 基于Co-training方法的车辆鲁棒检测算法被引量：1
- 2013年
- 针对复杂交通场景车辆检测算法自适应能力差的问题,提出了基于Co-training半监督学习方法的车辆鲁棒检测算法.首先,针对手工标记的少量样本,分别训练基于Haar-like特征的AdaBoost分类器和基于HOG(histograms of oriented gradients)特征的SVM(support vector machines)分类器,使其具有一定的识别能力;然后,基于Co-training半监督学习框架,将利用2种算法进行分类得到的新样本分别加入到对方的样本库中,增加训练样本数量,再次进行分类器的训练.由于这2类特征具有冗余性,各自检测出的正负样本包含对方漏检和误检的图像.由于样本数的增加,再次训练所得到的新分类器的鲁棒性得到了很大提高,能更加准确地检测出车辆,而且由算法对未标记样本进行分类标记,不再需要人为标记,提高了车辆检测算法的自适应能力.
- 陈阳舟刘星辛乐杨德亮
- 关键词：车辆检测ADABOOST分类器HOG特征SVM分类器
