基于粒子滤波算法的高速公路车辆停车检测

doi:10.3778/j.issn.1002-8331.2008.34.072

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (34): 239-242.DOI: 10.3778/j.issn.1002-8331.2008.34.072

基于粒子滤波算法的高速公路车辆停车检测

石时需^1,2,郑启伦¹,黄翰¹,贾西平¹

1.华南理工大学计算机科学与工程学院，广州 510640
2.广东新粤交通投资有限公司，广州 510410

收稿日期:2007-12-10 修回日期:2008-02-18 出版日期:2008-12-01 发布日期:2008-12-01
通讯作者: 石时需

Vehicle breaking detection on express way based on particle filter algorithm

SHI Shi-xu^1,2,ZHENG Qi-lun¹,HUANG Han¹,JIA Xi-ping¹

1.College of Computer Science and Engineering，South China University of Technology，Guangzhou 510640，China
2.Guangdong Xinyue Communication Investment Corporation Limited，Guangzhou 510410，China

Received:2007-12-10 Revised:2008-02-18 Online:2008-12-01 Published:2008-12-01
Contact: SHI Shi-xu

摘要/Abstract

摘要： 提出了一种基于粒子滤波视频跟踪算法的停车事件检测方法，实现了对高速公路交通视频的自动监控。首先用混合差分技术，快速提取出视频中的车辆对象；并用粒子滤波算法实现了运动车辆的跟踪；进而通过对车辆运动的数学建模，对停车事件进行了自动检测。最后，对多组高速公路交通视频进行测试，结果表明：提出的检测方法比其他常用方法响应速度更快，且具有较高的检测准确率和鲁棒性。

关键词: 粒子滤波, 视频跟踪, 停车检测, 视频事件检测

Abstract: A method of vehicle breaking detection based on particle filter is proposed，for automatic detection of traffic video on express way.A hybrid difference approach is used to obtain the vehicle objects of video.An improved particle filter algorithm is designed for tracking the vehicle of the video.The mathematic model of moving and breaking behavior of the tracking vehicle is given for detecting.Finally，several traffic videos are tested，and the results indicate the proposed method is efficient，high-detection-rate and robust.

Key words: particle filter, video tracking, vehicle breaking detection, video incident detection

石时需^1,2,郑启伦¹,黄翰¹,贾西平¹. 基于粒子滤波算法的高速公路车辆停车检测[J]. 计算机工程与应用, 2008, 44(34): 239-242.

SHI Shi-xu^1,2,ZHENG Qi-lun¹,HUANG Han¹,JIA Xi-ping¹. Vehicle breaking detection on express way based on particle filter algorithm[J]. Computer Engineering and Applications, 2008, 44(34): 239-242.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	丁冰，杨祖莨，丁洁，刘晋峰，闫国亮. 基于改进YOLOv3的高速公路隧道内停车检测方法[J]. 计算机工程与应用, 2021, 57(23): 234-239.
[3]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[4]	邹承明，明成龙，李成龙. 融合相关粒子滤波目标跟踪算法[J]. 计算机工程与应用, 2020, 56(7): 184-192.
[5]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[6]	郑晨辉，陈璟，张雨婷，薛伟. 融合粒子滤波与蓝牙地标矫正的定位算法[J]. 计算机工程与应用, 2020, 56(13): 273-278.
[7]	王晓华，聂腾腾. 改进的布谷鸟算法优化粒子滤波研究[J]. 计算机工程与应用, 2020, 56(12): 60-65.
[8]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[9]	昝孟恩，周航，韩丹，杨刚，许国梁. 粒子滤波目标跟踪算法综述[J]. 计算机工程与应用, 2019, 55(5): 8-17.
[10]	刘红星1，2，胡广地1，朱晓媛1，李进龙3. 改进协方差矩阵的智能车视觉目标跟踪方法[J]. 计算机工程与应用, 2019, 55(3): 171-178.
[11]	耿建平，雷梦英. Mean Shift和粒子滤波实现红外人体跟踪算法综述[J]. 计算机工程与应用, 2019, 55(24): 29-36.
[12]	胡正平，王欣，孙德刚. 余弦权重逆稀疏框架视频目标跟踪算法[J]. 计算机工程与应用, 2019, 55(21): 206-213.
[13]	戴凤智，魏宝昌，欧阳育星，金霞. 基于深度学习的视频跟踪研究进展综述[J]. 计算机工程与应用, 2019, 55(10): 16-29.
[14]	段苛苛，邰滢滢. 基于二值掩码图像的粒子滤波目标跟踪快速算法[J]. 计算机工程与应用, 2017, 53(22): 16-20.
[15]	徐喆，胡亮. 用于前车追踪的多特征融合粒子滤波算法改进[J]. 计算机工程与应用, 2017, 53(19): 173-178.

基于粒子滤波算法的高速公路车辆停车检测

Vehicle breaking detection on express way based on particle filter algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics