改进型虚拟线式视频车辆检测算法

doi:10.3778/j.issn.1002-8331.2008.33.004

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (33): 13-17.DOI: 10.3778/j.issn.1002-8331.2008.33.004

改进型虚拟线式视频车辆检测算法

吴骏¹,肖志涛²

1.天津工业大学信息与通信工程学院，天津 300160
2.天津工业大学研究生部，天津 300160

收稿日期:2008-07-09 修回日期:2008-09-02 出版日期:2008-11-21 发布日期:2008-11-21
通讯作者: 吴骏

Improved virtual-line based video vehicle detection algorithm

WU Jun¹,XIAO Zhi-tao²

1.School of Information and Communication Engineering，Tianjin Polytechnic University，Tianjin 300160，China
2.Department of Graduate，Tianjin Polytechnic University，Tianjin 300160，China

Received:2008-07-09 Revised:2008-09-02 Online:2008-11-21 Published:2008-11-21
Contact: WU Jun

摘要/Abstract

摘要： 在智能交通系统中，虚拟线式视频车辆检测算法广泛应用于交通流检测。虚拟线式视频车辆检测算法仅利用像素的亮度信息，受阴影和图像噪声的影响较大，在某些情况下认假率和拒真率比较高。为此提出一种改进型算法，采用两级检测方式，兼用了像素的亮度信息和色度信息。第一级处理利用亮度信息进行检测，第二级处理利用色度信息进行检测，根据色度信息修改亮度阈值。实验结果表明，改进型算法可有效克服阴影和图像噪声的影响，平均认假率为0.71%，平均拒真率为0.81%，与原算法相比均有明显降低，并且满足实时性要求。

关键词: 智能交通系统, 视频检测, 虚拟线, 两级检测

Abstract: In Intelligent Transportation System（ITS），virtual-line based video vehicle detection algorithm is widely utilized in traffic detection.The virtual-line based video vehicle detection algorithm only utilizes luminance information of pixels，therefore it surfers much from shadow and image noise and in some conditions its false reject rate（FRR） and false accept rate（FAR） are high.To solve this problem，an improved algorithm is proposed，which introduces two-level detection and utilizes both luminance and chrominance information.In the first level processing，it performs detection utilizing luminance information.In the second level processing，it does detection and modify the luminance threshold utilizing the chrominance information.The experiment results demonstrate that the improved algorithm can eliminate the influence of shadow and image noise effectively，and its FRR and FAR of are respectively 0.71% and 0.81%，which are obviously lower than those of original algorithm.Furthermore，it satisfies request of real-time performance.

Key words: Intelligent Transportation System, video vehicle detection, virtual line, two-level detection

吴骏¹,肖志涛². 改进型虚拟线式视频车辆检测算法[J]. 计算机工程与应用, 2008, 44(33): 13-17.

WU Jun¹,XIAO Zhi-tao². Improved virtual-line based video vehicle detection algorithm[J]. Computer Engineering and Applications, 2008, 44(33): 13-17.

[1]	李彤伟，王庆荣. 路网交通流在时空分析背景下的预测研究[J]. 计算机工程与应用, 2020, 56(17): 258-265.
[2]	王钰，郭兰英，程鑫. 结合深度学习的短时车流量预测优化方法[J]. 计算机工程与应用, 2020, 56(16): 211-217.
[3]	李彦1，张洪博2，石莲英3. 基于SIFT特征匹配的车牌识别方法[J]. 计算机工程与应用, 2016, 52(12): 194-200.
[4]	杨健，付雅丹，韩京宇，叶真璋. 面向LarKC-ITS的单源最短路径算法优化策略[J]. 计算机工程与应用, 2013, 49(15): 44-47.
[5]	徐涛1，2，3，杨晓光2，徐爱功1，张明月1. 面向城市道路交通状态估计的数据融合研究[J]. 计算机工程与应用, 2011, 47(7): 218-221.
[6]	王芳1，闫哲2，罗景青1. 基于模式空间变换的宽带波束形成方法[J]. 计算机工程与应用, 2011, 47(17): 128-130.
[7]	胡晓辉，关山. 视频序列中运动目标检测算法[J]. 计算机工程与应用, 2011, 47(16): 166-168.
[8]	磨少清^1，2，刘正光¹，张军¹. 大货车闯禁行的实时识别方法[J]. 计算机工程与应用, 2010, 46(22): 225-228.
[9]	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.
[10]	杜长海¹，黄席樾₁，杨祖元¹，邓天民^1，2，詹建平¹. 改进的FCM聚类在交通时段自动划分中的应用[J]. 计算机工程与应用, 2009, 45(24): 190-193.
[11]	陈蓓,曹文伦,张洪才. 复杂背景中多车牌粗定位算法研究[J]. 计算机工程与应用, 2009, 45(17): 228-230.
[12]	张健钦^1,2,陆锋¹,王刚²,杜勇². Agent技术在交通管理与出行服务中的应用[J]. 计算机工程与应用, 2009, 45(16): 238-241.
[13]	郭庚麒^1,2,曹成涛^1,2,徐建闽¹. 城市道路状况概率神经网络判别方法[J]. 计算机工程与应用, 2009, 45(13): 214-216.
[14]	朱彤¹,赵永红^1,2,白玉¹,杨晓光¹. 跟车风险的概率估计方法研究[J]. 计算机工程与应用, 2009, 45(1): 13-16.
[15]	杜长海,黄席樾,杨祖元,唐明霞,杨芳勋. 改进的粒子群算法在动态OD矩阵反推中的应用[J]. 计算机工程与应用, 2008, 44(34): 234-238.

改进型虚拟线式视频车辆检测算法

Improved virtual-line based video vehicle detection 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