何奕飞[1]2007年在《智能交通系统中车辆检测与识别技术的研究》文中研究指明随着经济的发展,智能交通系统受到人们广泛的关注。本课题是基于视频的车辆图像研究,主要实现了图像采集、图像预处理、车辆检测与车辆识别等功能。本文首先介绍了智能交通系统中车辆图像采集系统的设计。利用Visual C++6.0集成开发工具对天敏视讯科技公司的SDK2000图像采集卡进行了二次开发,编写了包含设备设置、视频设置、视频保存、视频压缩、视频传输等功能的图像采集模块的软件。对实际采集的图像进行图像去噪、对比度增强等预处理,从而有利于图像的进一步分析处理。在车辆检测算法研究中,针对经典的背景差法和帧差法漏检率较高的缺点,提出了一种基于背景差法和帧差法相融合的车辆检测方法。实验结果表明,该方法检测精度较高,大大减小了误检率;并且在检测过程中研究了阴影的去除算法,进一步排除了干扰,提高检测精度。对于车辆识别,采用常用的边缘检测算法进行车辆轮廓提取时,不能得到平滑连续的轮廓线。因此本文引入了数学形态学方法,能较好的进行车辆轮廓提取,进而计算车辆的参数特征。最后用Fisher分类器进行判别,实现了大车、小车及超长车叁种类型的识别。
张琦[2]2007年在《基于视频图像处理的交通信息检测方法研究》文中提出目前，交通信息的实时监控及分析，对于加强城市交通管理能力起到了越来越重要的作用。为了能够实时地收集交通信息，通过视频检测的方法进行交通信息的采集正在受到更大的重视。通过对放置在公路上的摄像机所采集到的路面视频图像的处理，可以获得诸多交通参数，这些参数对于道路交通的自动化管理有着重要的意义。视频交通检测技术已逐渐成为交通信息采集领域的主流技术，具有很好的应用前景。本文首先对基于区域感应的交通参数检测技术进行了研究，主要讨论了虚拟检测线法，提出了一种基于虚拟检测线的交通信息检测算法；这种方法在对车辆进行检测时以车道为单位，每条车道设置两条检测线来检测交通信息，可以在交通十字路口等复杂交通环境下进行检测。系统通过对视频虚拟检测线的预处理，将二维的数字图像信息转化为一维检测信号，减少了运算量，降低了运算负荷，提高了系统的实时性。真实交通场景中存在很多的干扰，这些干扰严重影响着检测结果。本文使用了一种改进的背景初始化和智能更新方法，保证了前景目标检测的准确性。同时，针对视频场景中的行人和夜晚车辆灯光等严重影响检测准确性的干扰，引入了目标运动方向判断技术。通过对行人和夜晚车灯等目标的运动方向判断来去除这些干扰。本文使用了一种阴影消除方法来去除阴影的影响。通过对不同时间段的交通流视频进行实验，分析了检测线技术存在的不足，提出了解决跨车道和车距过近引起的误检与漏检的方案。实验结果表明该方法具有较好的适应性、较高的检测精度和很好的实时性。另外，为了解决基于虚拟检测线法无法检测跨车道和车辆转弯等问题，同时利用粒子滤波在解决非线性和遮挡问题方面的优越性，本文对基于粒子滤波目标跟踪的交通信息检测方法进行了研究。本文通过使用目标质心和运动参数的模型对目标进行跟踪，对有遮挡的行人和有着复杂运动方式的车辆视频进行实验。实验表明这种粒子滤波的跟踪方法可以很好的解决遮挡问题，并且对于有着相对复杂运动方式的车辆跟踪性能也较好，可以在很大程度上弥补检测线技术的不足。
唐国侠[3]2008年在《基于视频监控的车速检测算法研究》文中认为随着社会经济的快速发展,交通系统日益复杂。为了给交通系统的管理提供各种实时交通信息,以方便、高效地利用和管理现有的交通系统,基于视频图像处理的交通信息采集系统成为研究的一个热点。本课题作为交通信息采集系统的一个重要子系统,它以实时的车辆行驶速度为研究检测对象,其目的是改进实时车辆速度的采集手段,为道路交通管理提供更为有效的依据,提高交通管理的自动化、现代化水平。本文致于研究一种灵活、可靠的视频交通流测检测系统。车辆的检测基于车道,在每个车道可以设置一条虚拟检测线和一个虚拟检测区域来检测交通流的车速,虚拟检测线的作用类似于电磁感应线圈。系统通过对视频虚拟检测线的预处理将二维的数字图像信号转化为一维的检测信号。该方法的特点是只需对虚拟检测线区域内的图像进行处理,处理运算的图像区域小,因此减少了运算量,降低了运算负荷。本文还提出了一种从频率域出发,估计出运动车辆在空间域上位移的算法。利用傅里叶变换的自配准性质和位移特性,用极坐标形式下连续两帧车辆图像相位谱的差可直接估计运动车辆的位移,进而估计出车速u=s/△t。由于本算法分辩能力不低于一个像素,因而可用于车速的高精度测量。利用本文提出的车速测量算法,对晴天和阴天两种典型天气条件下的交通流视频进行了实验,实验结果表明具有较高的车流量和车速检测精度。
王强[4]2009年在《基于视频检测的交通信息采集》文中认为利用计算机视觉技术进行交通状况检测与信息采集是智能交通系统(ITS)领域中的一个重要课题,本文详细地研究了基于视频检测的交通信息采集系统。针对交通场景的特点,提出了一种新的车辆检测与跟踪的模型,把感兴趣区域(ROI)划分为车辆识别区与车辆跟踪区两个部分。在车辆识别区,使用了基于虚拟检测线的视频检测方法来实时检测车辆,它使用背景差分的原理,将车辆从背景中分割出来。为了提高检测精度,引入了一种时空图像序列分析的技术,并将其补充到背景算法中。在车辆跟踪区,通过分析常用的目标跟踪算法,给出一种基于Kalman滤波的车辆跟踪算法,通过车辆检测﹑车辆运动估计和车辆匹配叁个模块实现车辆的跟踪。此外本文对影响系统检测可靠性的部分典型问题,如车辆阴影问题及变更车道车辆的检测问题都提出了解决方案,并设计了相应的处理算法。最后开发出的视频交通信息采集系统对实际道路环境下的大量的图象序列进行了测试,取得了较好的效果。
阮雅端[5]2014年在《高速路网视频信息支撑系统构建及其关键算法研究》文中研究表明目前,我国高速路网日趋形成,其重点已由传统通信、收费、监控叁大系统的基础构建转向信息智能化建设。随着综合智能交通系统ITS的发展,反映路网信息的应用系统不断问世。视频资源因其直观、有效、信息丰富等特点,受到了密切关注。然而,路网视频资源管理和调用尚有不少亟待解决的问题:先后构建的应用系统异构,互不兼容,信息交互与共享困难;应用系统"各自为政",分别自底层获取视频资源加工处理,图像解析数据量大,重复复杂的计算,既耗费带宽,又效率低下;交通专网日趋复杂,网络传输拥塞波动,加之高清摄像、移动视频采集,以及外场气象条件的变化无常,视频质量参差不齐,单靠人工观看的主观感觉,无法有效地给出资源性能状态的实时统计;路网中各断面的视频源具有关联性,如能见度、交通流态势等呈现动态的区域分布等,若不能了解区域分布及产生原因,很难作出路网的信息发布、调控应对措施。因此,有必要从两个方面专题研究:高速路网视频信息支撑系统、所涉及视频信息处理系列算法。论文分析了国内外交通视频信息系统的概况,阐述了具有自主知识产权的信息汇聚立体网络架构LDM~3的分层模型及数据流程,并基于此构建高速路网视频信息支撑系统。该系统:改进传统TCP/IP架构,新增信息汇聚层,且与应用层并列为顶层,便于以居该层的视频信息支撑系统为媒介,进行信息交互,同时又便于兼容现有系统;摒弃应用系统自底层取图像数据进行一系列处理的过程,而改由视频支撑系统汇聚图像源数据、经细化加工为各应用系统所需的信息后,主动或自动专题推送;将视频处理像素层面的初加工(共性)和信息层面的精加工(个性)分离,统一进行运算复杂、耗时的初加工预处理,减少了云终端计算,提高了应用系统的运行效率;实现了对视频资源有效的智能化管理,可实时了解系统中视频质量的统计情况,及时采取相应处理措施,确保系统正常、高效运行。此外,论文对对路网视频信息支撑系统涉及的视频处理系列算法展开研究:图像质量的客观评价方面,提出了人眼视觉模型HVS与四元数理论相结合的彩色图像质量评价优化算法。仿真实验表明:所提算法获得了与主观评价更加一致的结果;针对路网视频系统中存在参考图像无法获取的情况,论文研究了基于变分的无参考图像质量评价算法,推导了总有界变分值与图像清晰度间的关系,实验表明:该方法较传统PSNR、MSE等客观评价方法更符合人眼感知效果。图像恢复增强方面,针对因高速公路PTZ摄像机散焦、抖动以及相对运动造成的图像模糊,采用带有空间自适应全变分正则化的图像半盲去卷积算法,有效降低平坦区域噪声的同时,又能保持边缘信息;针对路网中因雾霾造成的视频图像降质,在相关性更低的透射率叁通道中进行暗原色先验去雾,将LIP模型扩展至彩色对数图像处理模型,进行自适应增强,明显提高了图像的可视性。视频图像信息挖掘方面,论文运用机器学习与模式识别技术,研究了视频图像车辆特征提取与分类的优化方法,详细描述了基于混合高斯模型的背景建模以及稀疏编码的特征提取。通过对实际获取的路侧监控视频图像的实验表明,该方法的识别准确性较之前的算法有了很大的提高。该算法在低分辨率视频图像,或者是车辆遮挡、视角变化等情况下,也能获得较好的识别效果。视频图像挖掘所得信息的路况展现方面,论文在基于地图界面宏观交通态势系统的基础上,构建了重点路段微观交通路况"虚拟现实"系统,将入口视频检测获取的车型、车速等数据,建立优化元胞自动机的微观交通流预测模型,通过虚拟现实技术予以展现,为监控盲区提供预测数据,通过视角变换,从而解决隧道、大桥等处的视角受限问题。综上,论文的专题研究,为《省域智能交通运输信息云服务平台示范工程》、《基于公路交通传感网信息检测·挖掘·汇聚、发布与辅助决策系统示范》等多个省部级项目的实施作出了贡献,为"宁淮高速信息化示范工程"的实现奠定了基础。论文的主要特点创新在于:●提出了 "基于LDM~3的高速路网视频信息支撑系统",丰富了信息汇聚层内涵,规范了大数据接口;提出了 "像素级初加工与信息级精加工分离"、"将视频数据源被动调用,变为专题信息主动推送"方式。除异构系统兼容、资源共享外,均衡中心服务器与云端负载,减少重复复杂运算,提高了各应用系统的运行效率和实时性。●优化了客观图像质量评价算法,综合HVS与四元素理论,避免割裂人眼特性间的相关性,提升了算法评价效果与主观感受的一致性,实现了对视频资源有效的实时在线管理。●优化了车型识别分类算法,引入深度学习及稀疏的思想,有效提高了车辆遮挡、图像质量较差时车型识别的准确率,进而提升了后续交通流参数检测的抗干扰性和精度。●给出了重点路段微观虚拟现实与路网宏观态势相结合的系统呈现方式,为公众服务和道路管控提供了多层次、多尺度、多方位的展现平台。
王爱丽[6]2015年在《基于计算机视觉的行人交通信息智能检测理论和关键技术研究》文中进行了进一步梳理随着视频监控系统的普及和视频图像处理技术的进步,以计算机视觉技术为基础的智能交通系统应用研究越来越受到重视,它综合利用图像处理、模式识别、人工智能等技术对监控系统采集到的视频图像序列进行处理和分析,智能化地理解视频内容并做出处理,能处理诸如事故信息判断、行人和车辆分类、交通流参数检测、运动目标跟踪等各种问题,促使智能交通系统更加智能实用,并为交通管理与控制提供全面、实时的交通状态信息。因此,基于计算机视觉的交通信息检测的方法研究具有重要的理论价值和现实意义。尽管智能视频监控技术已经研究了很多年,但基于计算机视觉的智能化交通信息检测系统仍处于发展阶段,在某些关键技术环节尚需进一步研究。目前还没有一个标准的、健壮的、精确的、高性能的目标检测和跟踪方法,还不能实时、有效的采集行人交通数据,难以智能的分析和判断行人交通的运行规律,不能对交通环境进行有效的管理和控制。在此背景下,基于计算机视觉的交通信息检测领域的研究逐步展开,并展现出良好的应用前景。本论文基于国家高技术研究发展计划(863计划)和博士科研基金项目,对基于计算机视觉技术的智能交通系统的基本理论和关键技术展开研究,结合计算机视觉的前沿研究理论,在学习使用计算机视觉开发平台Matlab的基础上,以交通视频中行人为研究对象,针对运动目标的检测、提取、跟踪、识别及交通流参数的计算与分析等问题进行了探索和研究,为ITS的智能化提供技术支持。主要研究内容包括以下几个方面：(1)首先根据计算机视觉和交通信息智能检测相关理论知识,采用图像语义层次法对行人交通语义信息智能检测过程重新进行分层,将其分成底层视觉层、中层视觉层、高层视觉层和应用层,并对每层的功能进行定义；从交通信息系统研究领域及交通信息处理流程两方面归纳和设计交通信息智能检测关键技术结构,对本文应用到的交通信息采集技术和交通数字图像处理技术进行描述；综合应用智能视频监控相关技术,构建了交通信息智能监控系统的体系结构,搭建了交通信息智能监控系统硬件和软件平台,实现理论到实践的转化,为改善和提高交通视频监控能力提供了基础。(2)根据实际交通场景中获得可靠的背景图像是比较困难的问题,提出了一种融合光流速度场的自适应背景建模方法,把光流引入背景建模中,结合背景差分结果的并运算和“死角”灰度处理来实时更新背景,实现背景建模,该模型能够精确的提取到背景图像,有效的消除噪音问题：然后,在背景拟合的基础上,提出一种基于时域和空域信息的前景目标分割方法,采用相邻多帧时域变化和Canny边缘检测法得到初始检测掩模图像,有效的解决差值局部化和噪声问题；在提取空域信息时,引入二次重构和内外标记技术对梯度图像进行修正和分水岭变换,得到空域掩模图像,有效的提高空域分割精度,消除过分割现象；最后将时空分割结果进行融合和形态学修正,精确的提取出前景目标区域。(3)在运动目标检测部分,提出一种基于形态学连通域的行人检测和底层交通语义信息提取方法,采用形态学连通域识别法,根据连通域特征进行判别,删除不相关区域,提取出交通视频图像中运动目标个数,从而精确的提取出运动行人的底层交通语义信息,为后续工作提供数据支撑；针对遮挡状态下的行人运动特性,提出一种基于人头颜色模型和轮廓信息的行人检测方法,采用RGB和YCbCr颜色空间中的聚类情况和帧差运动信息,提取候选人头区域,利用Canny边缘检测和Hough变换进行人头定位,实现目标信息统计。(4)在运动目标跟踪部分,针对Mean Shift算法存在的问题,提出基于Mean Shift目标跟踪的改进算法。构建多线索信息融合的目标表观模型,融合行人外观、空间结构和运动等多线索信息描述目标,增强特征描述能力,提高跟踪精度；从背景和目标双重角度设定目标尺度变化区域判断准则,调整算法核窗口尺寸,克服跟踪中背景干扰；采用Bhattacharyya系数判别跟踪状态,针对遮挡丢失状态,提出一种基于四部搜索策略的行人遮挡处理方法,以重新捕获丢失目标。并基于改进的目标跟踪算法,对跟踪到的行人进行中层交通语义信息提取,包括行人位移、步行速度、加速度、轨迹等；在采集信息阶段,建立ROI区域和目标链,提出基于目标跟踪的行人计数和流量统计方法,获得ROI区域的人流信息。(5)在目标底层和中层交通语义信息提取的基础上,提出一种基于递阶遗传算法改进BP神经网络的行人识别方法,采用四级递阶染色体结构描述网络结构和参数,根据构建的HGA-BP单分类器来识别交通视频图像中运动目标的种类与数量；然后在已构建的HGA-BP单分类器基础上,基于“由粗到精”的识别思想进行级联识别,构建Cascade-HGA-BP组合分类器,在底层传递高层时,采用叁分检测法,实现运动行人的最终分类识别。该方法在交通场景内行人、车辆等并存的情况下,对运动行人的识别取得了很好的效果。
张国[7]2014年在《视频道路交通信息处理关键技术研究》文中研究指明实时采集道路网络中的道路交通流量、车速、车流密度、车头时距、车辆行程时间、以及占用率等宏观和微观的道路交通信息，可以帮助掌握道路交通流的规律，指导人们进行道路交通管理与控制。道路交通信息是道路交通设施改善、道路交通规划等必要的基础数据。因此，建立道路交通信息采集方法是一个很值得研究的课题。本文的主要研究内容如下：（1）采用统计方法更新视频图像背景，同时为了适应道路交通的复杂性，对不同道路环境下背景更新过程中相关参数进行了讨论和分析，并给出了参考值。在获取道路背景后，利用邻域、多阈值的方法对传统背景差分法来进行改进，克服其在运动目标检测过程中的不足。然后通过融合图像阴影的多种特征，获得包含视频图像阴影和亮度较低车辆的区域，再构建一组向量消除视频图像阴影的影响。通过详细的实验进一步验证采用改进的背景差分法和本文提出的阴影消除方法对车辆检测结果的可靠性。（2）为消除视频图像中车辆之间相互遮挡的影响，提高道路交通信息检测的准确性，提出了一种基于数学形态学的方法对视频图像中车辆之间相互遮挡的图像进行分割。计算视频图像中的车辆实体面积与最小外接多边形的面积差，以及视频图像中单个连通区域内车辆面积来智能识别遮挡是否存在。存在遮挡时，通过邻域特征搜索到凹包的顶点，然后利用凹包的顶点，作为腐蚀起点的判断依据，再腐蚀掉在距离变换过程中受凹包顶点影响的像素点。在完成对目标车辆遮挡识别和相关处理后，本文融合基于特征匹配的追踪方法和基于灰色系统的预测方法对运动目标追踪，先利用特征匹配追踪方法对运动车辆进行初步追踪，并利用灰色预测进行辅助判断特征匹配结果的可靠性。（3）采用计算机编程将相关理论和技术转化为实践，本文设计并实现了道路交通信息采集的软件。选取了代表近距离拍摄和远距离拍摄的两个交通视频实例对该技术进行检验和分析，获取了交通量、车速、车头时距、交通密度，车辆达到时间等交通信息。
阎克栋[8]2014年在《基于视频图像处理的智能交通监控系统研究与设计》文中指出中国城市化快速发展带来了诸多严重的“城市病”,特别是在交通领域,所面临的形势与矛盾日益严峻。为此,结合当前各类高新技术,特别是物联网传感器技术的研究,诞生了诸多基于各类传感器(如射频、电磁感应、红外、视频等)的智能交通系统(ITS),而在这些形式各样的系统当中基于视频图像处理的智能交通系统与其它传统系统相比优势明显,可有效解决城市交通管理中的各类问题。故而它是当前各地交通管理应用的热点,也是亟待开展研究的重点。本论文针对当前的交通管理问题,以道路交通管理部门的实际业务需求为出发点,研究与设计一套完整的、基于全视频图像的智能交通监控系统,系统设计既包括当前交通监控系统所拥有的实时监控、布控、统计分析等基本功能,也通过对视频图像处理技术的应用研究设计出包括轨迹挖掘、套牌分析、频繁过车、关联分析等一系列的智能研判功能。通过这些智能化功能的设计可从海量视频数据中将一些无法直接获取的有用信息通过智能分析、挖掘的手段提取出来,并以一种直观的形式呈现给用户,为广大公安民警与交通管理人员提供一个更加智能的业务辅助工具,从而进一步提升道路交通管理水平。最后通过建设与实际应用相类似的验证环境以及交付实际用户(公安交通管理部门)试用的方式对系统进行验证。通过模拟验证结果以及用户试用体验反馈得出结论,系统的设计功能完备,性能可靠,具有先进性的同时满足实际应用需求,有效提升用户的交通与治安管理工作,具有广阔的应用前景。
王华锋[9]2012年在《基于视频检测技术的道路卡口系统研究与设计》文中提出随着世界经济技术的发展，智能交通系统（ITS）已越来越受到人们关注，成为了世界交通领域重要的研究课题。它将先进的信息技术、数据通讯传输技术、电子传感器技术、电子控制技术及计算机处理技术等有效地集成运用于整个交通运输管理体系，事实证明智能交通系统的应用大大提高了交通运输的效率，它对于机动车流量监控、道路规划设计和交通指挥引导起到了越来越重要的作用。该论文所研究的基于视频检测技术的道路卡口系统是智能交通系统的重要组成部分。该系统主要应用于城市道路或高速公路出入口、收费站等治安卡口及重点治安地段，结合高清摄像机，依靠视频图像处理技术，实时地对经过卡口的车辆进行全天候检测、抓拍与记录。传统的道路卡口系统一般基于地感线圈或微波探测等方式，随着视频技术的飞速发展和计算机处理能力的大大增强，基于计算机视频检测技术的交通监控系统已成为可能。采用基于视频检测的道路卡口系统，与传统的卡口系统相比，有以下优点：1.基于视频检测的道路卡口系统安装方便，安装时不用损坏路面，不影响公路交通。2.计算机视觉处理技术能够提取更加完善的交通信息。通过计算机视觉技术，可以获得车流量、车道占有率、车辆颜色、车牌号码、车辆运行轨迹等现场信息。3.系统更易维护和升级。目前计算机视觉处理技术发展迅速，基于视频检测的道路卡口系统可以通过软件升级来方便地增加功能和提高性能。鉴于以上背景，本文对视频车辆检测式的卡口系统进行了研究与探讨。在运动车辆检测方面，本文采用了一种基于虚拟线圈检测的背景差分算法，通过检测该敏感区域的图像变化，来判断是否有机动车经过，并对原有的背景更新算法进行了改进而且加入了灰度域的阴影消除算法。在此基础上进一步的用双虚拟线圈的方法来判断车辆行驶方向和估计车辆速度。论文还详细分析了该系统的设计需求、系统总体结构、工作流程、系统功能，并做了详细的测试，分叁个部分着重分析了本系统的软件构成：路口设备管理模块、数据管理模块和数据传输模块。系统以C++为开发语言，VS2008为开发工具软件，Windows/XP为设计平台，综合地应用了图像处理技术、GDI+、多线程技术、数据库技术等，构建了一个实用、可靠的系统。最后，对系统进行了详细的测试，测试结果表明本系统运用的车辆检测算法具有良好的实时性与鲁棒性，能够正确的对车辆进行实时检测且系统具有较强的抗干扰性，能够较好的适应晴天、阴雨天，可以长时间的可靠稳定工作。
齐怀超[10]2014年在《基于视频图像的车辆检测和匹配跟踪方法研究》文中指出车辆的检测和跟踪是智能交通系统中必不可少的重要组成部分，它为后续的交通控制管理提供重要的数据依据。基于视频的车辆检测和跟踪较传统的检测方法，具有直观性好、抗干扰强、检测范围广和性价比高等显着优点。随着信息技术的快速发展，基于视频的车辆检测和跟踪方法的研究吸引了众多研究者的关注，成为当今的研究热点。论文介绍了视频车辆检测和跟踪技术的发展现状，给出了整个检测系统的结构框架，并结合图像处理的相关知识对视频序列进行处理，对系统中的关键技术进行了研究，具体研究内容如下：在车辆检测方面，研究了常用的背景提取方法（如，统计法、均值法和中值法）和车辆提取方法（如，光流法、帧间差分法和背景差分法）。因为利用以上方法提取到的车辆含有大量阴影信息，故又对车辆阴影的去除做了大量试验研究，最后采用一种基于阴影特征的方法去除阴影，大体步骤如下：首先确定阴影所在的方向。其中，针对深色车辆的特殊情况，提出一种通过对比差分图像各边界灰度值方差的方法，来确定阴影的方向；然后计算出车辆阴影灰度值的分布区间；最后根据分布区间，来达到去除阴影的目的。去除阴影后，利用形态学、连通区域和图像归并的相关知识和操作，最后确定出运动目标车辆的轮廓。在车辆跟踪方面，通过研究了几种常见的跟踪方法，最后采用了一种基于区域灰度值的方法来进行匹配跟踪，并对这种方法进行了改善，利用提取到的车辆区域来确定匹配区域，从而缩小了匹配范围。结果显示，基于区域灰度值的车辆匹配跟踪效果良好。
参考文献：
[1]. 智能交通系统中车辆检测与识别技术的研究[D]. 何奕飞. 南京理工大学. 2007
[2]. 基于视频图像处理的交通信息检测方法研究[D]. 张琦. 大连理工大学. 2007
[3]. 基于视频监控的车速检测算法研究[D]. 唐国侠. 广东工业大学. 2008
[4]. 基于视频检测的交通信息采集[D]. 王强. 西安电子科技大学. 2009
[5]. 高速路网视频信息支撑系统构建及其关键算法研究[D]. 阮雅端. 南京大学. 2014
[6]. 基于计算机视觉的行人交通信息智能检测理论和关键技术研究[D]. 王爱丽. 北京交通大学. 2015
[7]. 视频道路交通信息处理关键技术研究[D]. 张国. 湖南大学. 2014
[8]. 基于视频图像处理的智能交通监控系统研究与设计[D]. 阎克栋. 中国科学院大学（工程管理与信息技术学院）. 2014
[9]. 基于视频检测技术的道路卡口系统研究与设计[D]. 王华锋. 杭州电子科技大学. 2012
[10]. 基于视频图像的车辆检测和匹配跟踪方法研究[D]. 齐怀超. 长安大学. 2014
标签：电信技术论文; 计算机视觉论文; 智能交通系统论文; 图像处理论文; 图像融合论文; 行人检测论文; 虚拟技术论文;