一种基于线扫描相机的新型交通检测器

doi:10.3778/j.issn.1002-8331.2010.14.018

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (14): 62-65.DOI: 10.3778/j.issn.1002-8331.2010.14.018

一种基于线扫描相机的新型交通检测器

徐志刚¹，赵祥模¹，李娜²

1.长安大学信息工程学院，西安 710064
2.西安邮电学院通信工程系，西安 710121

收稿日期:2009-04-27 修回日期:2009-06-04 出版日期:2010-05-11 发布日期:2010-05-11
通讯作者: 徐志刚

Novel vehicle detection system based on line scan camera

XU Zhi-gang¹，ZHAO Xiang-mo¹，LI Na²

1.School of Information Engineering，Chang’an University，Xi’an 710064，China
2.Department of Communication Engineering，Xi’an University of Post & Telecommunications，Xi’an 710121，China

Received:2009-04-27 Revised:2009-06-04 Online:2010-05-11 Published:2010-05-11
Contact: XU Zhi-gang

摘要/Abstract

摘要： 针对基于视频的交通检测器的检测精度和实时性难以提高的问题，提出了一种基于线扫描相机的新型交通检测器。该检测器通过两个相距2米的线扫描相机捕获移动车辆的俯视图像，采用小波变换算法进行图像背景更新和目标提取，运用目标投影曲线相关匹配的方法进行车辆速度估计，最终检测出经过检测断面所有车辆的个数和速度。实验结果表明，基于线扫描相机的交通检测器在车辆计数和车速估计方面的性能上均要优于传统的基于视频的交通检测器。

关键词: 智能交通系统, 交通检测器, 线阵扫描照相机, 图像处理, 小波变换

Abstract: In order to improve the precision and real-time character of the traditional video-based traffic detector，a novel vehicle detector based on line scan camera is developed.In this system，the vertical view images of vehicles are captured by two line scan cameras which are mounted on the pole’s arm over the roadway.The distance between two cameras is 2 meters along the road.The vehicle’s outline region in the captured image is extracted with a wavelet transform algorithm，and the vehicle’s speed is estimated by a curve correlation method.The testing result proves that the performance of vehicle detector based on line scan camera on vehicle counting and speed estimation is better than the vehicle detector based on video camera.

Key words: intelligent transportation system, vehicle detector, line scan camera, image processing, wavelet transform

中图分类号:

TP391

徐志刚¹，赵祥模¹，李娜². 一种基于线扫描相机的新型交通检测器 [J]. 计算机工程与应用, 2010, 46(14): 62-65.

XU Zhi-gang¹，ZHAO Xiang-mo¹，LI Na². Novel vehicle detection system based on line scan camera[J]. Computer Engineering and Applications, 2010, 46(14): 62-65.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[9]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[10]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[11]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[12]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[13]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[14]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[15]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.

一种基于线扫描相机的新型交通检测器

Novel vehicle detection system based on line scan camera

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