基于卫星导航车辆监控系统的超速处罚方法研究

分析了当前主要的测速手段与卫星导航测速间的差异,并通过实验考查了卫星导航测速的精度以及可靠性,证明了卫星导航测速可用于超速处罚。根据卫星导航测速信息的特点,首次引入了可以全面评价车辆安全危害的"危险驾驶系数"这一概念,提出相应的系数算法,此方法已在重点运输过程监控网络中进行了初步测试,结果表明此系数可全面反映车辆驾驶行为的危害程度。     

利用轨迹大数据进行城市道路交叉口识别及结构提取

交叉口是城市交通路网生成、更新的重要组成部分。本文基于车辆时空轨迹大数据,提出了一种城市交叉口自动识别方法。该方法首先通过轨迹跟踪识别轨迹数据中包含的车辆转向点对;然后基于距离和角度的生长聚类方法进行转向点对的空间聚类,并采用基于局部点连通性的聚类方法识别交叉口;最后利用交叉口范围圆和转向点对提取城市各级别路网下的交叉口结构。以武汉市出租车轨迹大数据为例,对武汉市城区内189个交叉口进行了探测。试验结果表明,本文所提方法可以准确地从轨迹大数据中识别出城市交叉口及其结构。     

基于多通道融合HOG特征的全天候运动车辆检测方法

对传统的梯度方向直方图(HOG)特征提取方法进行改进,提出了一种基于多通道特征提取的加权HOG特征融合方法。首先采用基于亮度均值的方式对彩色车辆图像增强处理,其次采用自适应加权法将H、S、V三通道的梯度方向直方图(HOG)特征融合成多通道融合HOG特征,最后采用支持向量机(SVM)对融合后的特征进行车辆分类器训练和车辆检测。该方法与直接运用HOG特征进行车辆检测以及其他车辆检测方法相比,具有检测率高、鲁棒性强等特点,并且在各种气候环境下都能实现较好的检测效果,效果优于其他方法,达到了全天候车辆检测的要求。     

高分辨率遥感影像普通车辆自动检测方法探讨

利用高分辨率遥感影像数据,研究停车场上普通车辆的自动提取方法。基于影像的灰度信息,分别采用边缘检测法、阈值分割法、区域生长法和点特征提取法等方法对遥感影像中的车辆目标进行检测。通过对比分析各种算法实验结果,探讨不同算法进行车辆检测的效果,并利用灰度线性变换的方法对阈值分割法进行了改进,提高了普通车辆目标检测效果。     

基于城市天际线的遥感视频生产与交通信息提取

传统交通信息获取方法较难获取大范围、全覆盖的实时动态交通流信息,提出一种利用城市天际线作为观测平台的城市遥感视频生产与交通信息提取方法。首先,在超高层建筑物拍摄对地观测数据;然后,对原始倾斜视频观测数据进行正射校正,与卫星影像融合生成大范围城市遥感视频数据;最后,训练深度学习模型进行车辆分类识别,基于识别结果计算区域车辆数目及密度。在深圳平安大厦观光层开展数据采集并处理分析,结果表明,所提方法可生产低成本、长时间、大范围、高质量的城市遥感视频,基于该遥感视频开展的车辆检测误识别率和漏识别率低,车辆计数准确率高,可对区域交通流量进行有效监控,准确实时地获取城市内部区域交通情况。     

一种基于改进实例分割模型的路面裂缝检测方法

为了解决现有裂缝识别算法准确度不高、检测与分割任务不能同时进行等问题,提出了一种基于改进型Mask R-CNN模型的路面裂缝识别方法。首先,建立裂缝数据集并进行标注,然后使用Mask R-CNN模型对裂缝数据集进行训练和测试,并对模型中锚点的长宽比进行调整,实现在裂缝定位的同时对生成的检测框内的裂缝像素进行分割;其次,针对Mask R-CNN模型生成的裂缝检测框不精准的问题,设计了C-Mask R-CNN多阈值检测方法,通过结合级联不同阈值的检测器来提高候选框质量,实现高阈值检测下的裂缝精准定位;最后,对改进后的模型进行一系列的优化参数和实验对比,并验证所提模型的有效性。实验结果表明,C-Mask R-CNN模型检测部分的平均准确率均值（mean average precision,mAP）达到0.954,与改进前模型相比提升了9.7%,分割部分的mAP达到0.935,与改进前相比提升了13.0%,识别效果较好。综上所述,C-Mask R-CNN模型可以较为完整地对裂缝进行定位及提取,识别精度较高。     

利用出租车轨迹数据估计城市道路拥堵状况

交通拥堵是当代各大城市普遍面临的问题,如何通过各种技术手段发现城市交通的易拥堵路段并予以改善是城市交通相关部门以及学者关心的一个问题。通过各种GPS设备产生的历史轨迹数据对城市的研究逐渐受到重视,且取得一定的进展。文中总结运行车辆的4种通行状态:正常行驶、停靠/停泊、信号灯等待以及拥堵,分析这4种状态下运行车辆的速度特征,定义轨迹段平均速度和轨迹段速度方差两个数字特征用来描述运行车辆轨迹段的速度特征以及描述路段拥堵程度的拥堵指数,提出一种基于轨迹分段的拥堵检测的可视化方法,通过实验验证发现其可以较好地估计城市交通拥堵状况。     

基于改进Harris算法的高分辨率遥感影像建筑物角点检测研究

高分辨率影像具有空间分辨率高、光谱分辨率相对不足的特点,在多领域中具有广阔的应用前景。利用Google Earth高分辨率遥感影像作为数据源,对其红、绿、蓝通道图像,以及三通道取平均的全色通道图像进行建筑物角点检测,并根据建筑物在影像上具有几何角点的特点,对Harris算法的一阶梯度算子进行4种方向上的改进。对Google Earth的红、绿、蓝、全色4种图像进行试验,从4个检测方向上检测并累加,结果表明红色通道的图像检测效果较好。利用4种改进梯度算子进行累加的建筑物角点识别,识别正确率可到74.75%,识别效果较好。结果表明,该方法可以很好地实现高分辨率影像建筑物的角点检测,具有一定的理 论研究和实际应用价值,可为建筑物自动识别提供技术参考。     

自适应滤波在GPS测速中的应用

GPS定位以及测速误差中包含有卫星星历误差、电离层、对流层延迟以及多路径效应等多种误差,对GPS的测速精度有着十分重要的影响,减小其误差的一种重要的方法即为卡尔曼滤波。由于GPS测速难以确定动态噪声和观测噪声,因此,标准卡尔曼滤波往往不能时时满足假设条件,而致发散。采取自适应的滤波方法对其进行改进并进行了比较,取得了较好的结果。     

监控视频中目标车辆速度被动式测量方法研究

对事先没有安置测速装置,事后仅通过监控视频进行处理的目标车辆速度被动式测量的方法进行相关研究。阐述被动式目标车辆速度测量的概念、基本原理;视频画面中点、线、面之间的关系;被动式目标车辆速度测量时方向与标定点的选择;不同监控点之间目标车辆的平均速度测量和同一监控点中目标车辆速度测量的方法等。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

一种高分辨率可见光遥感影像中车辆目标检测方法

在高分辨率遥感影像中检测车辆目标是影像识别和检测的重要研究方向,能够为宏观交通状态判别提供支撑.本文设计了一种快速有效的基于高分卫星影像的车辆目标检测方法.该方法首先将与遥感影像对应区域的已有矢量面状道路对影像进行掩膜处理,仅留下影像中道路部分,再采用Otsu双阈值法分割道路中的暗色车目标和亮色车目标,最后利用车辆目标的形态特征对其进行检索,以获得车辆目标的检索结果.试验表明,本文方法具有较好的检测效果.     

基于MATLAB的边缘检测算法研究

边缘检测是处理与剖析图像的主要内容之一,它在文字识别、车牌识别、遥感特征地物的提取等生产和生活领域发挥着非常重要的作用。但是,不同的图像有着不同的特征,到目前为止,没有一种统一的方法对所有的图像及地物的特征进行边缘检测。针对这一不足,本文首先探讨了4种经典的二值化算法和相应的改进二值化算法,并将经典算法与改进后的算法进行对比分析,然后利用Canny算子对二值化处理后的图像进行边缘检测。得出结论,迭代法和改进的迭代法与Canny算子相结合作为边缘检测的方法是一种高效率、高精度的方法。     

改进Mask RCNN的盾构隧道渗漏水检测方法

渗漏水是盾构隧道结构存在潜在损伤或缺陷的重要表征,快速、准确检测出渗漏水位置,对隧道安全运营和维护具有重要意义。现有的方法大多采用光学影像对隧道渗漏水进行检测,受隧道内空间和光线条件限制,难以获得高质量病害图片。因此,本文提出了一种基于激光点云数据与改进Mask RCNN相结合的渗漏水检测方法。首先对激光点云反射强度进行修正;然后生成灰度图像并建立渗漏水病害数据集;最后在Mask RCNN算法中引入空洞卷积和变形卷积,实现了隧道渗漏水病害的快速检测。利用某地铁采集的数据进行验证,结果表明,本文提出的改进Mask RCNN算法相较于原始算法和FCN算法检测精度均有明显提升,在盾构隧道渗漏水识别方面性能表现较好。     

MODIS数据自适应火点检测的改进算法

在MODIS火点检测算法基础上提出一种自适应火点检测的改进算法,并对改进算法进行的构建详细描述.改进的算法按照直方图统计来选择进行非火点排除的中红外通道亮温阈值,利用背景像素相对增温法判断疑似火点,提高了火点的识别能力.另外改进算法对云覆盖下的火点也有一定的识别能力.选择中国小火点发生频繁的广东地区进行改进算法的检验,结果表明火点检测效果理想.     

改进霍夫变换的枢纽立交桥检测方法

针对传统遥感系统对特定建筑物提取难的问题,该文提出了一种高空摄影系统下基于改进霍夫变换的城市枢纽立交桥检测方法。该方法首先对图像进行预处理和分割,对分割后图像进行形态学处理提取直线和曲线道路,弥补了单一提取直线道路的不足;然后对提取后的道路进行基于改进霍夫变换的近似圆形立交桥匝道的识别;最后依据圆形完整度门限判断可识别的圆形匝道个数,并根据识别数目来判定是否存在立交桥。经过实验比较分析,该方法对于国内外常规的立交桥系统识别效果都较好。     

深度学习的遥感影像舰船目标检测

针对传统舰船检测方法中流程繁琐,速度较慢且对于复杂背景区域的检测精度较低等问题,该文提出了一种改进的Faster R-CNN深度神经网络端到端自动检测方法。该方法通过数据增强技术对数据集进行扩充,使用深度残差网络ResNet替代传统平网络VGG-16对数据集进行特征提取,在区域生成网络中针对舰船目标长宽比较高的特点修改了标定框的长宽比,较好地解决了传统检测方法步骤繁琐,速度较慢等缺点,实现了对遥感影像舰船目标的自动检测。实验结果表明,改进后的Faster R-CNN检测算法能够对遥感影像中的舰船目标进行快速的精确检测,准确率可达92.3%,检测速度达到每秒5帧。即使在面对遥感影像背景复杂、目标局部遮挡问题时也能准确识别。和传统的ENVI与eCognition分类手段相比,该方法提升了目标检测效果和识别效率,Faster R-CNN检测算法相比该方法提升了检测精度。     

基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

基于深度学习的无人机影像车辆检测研究

本文采用分辨率较高且获取方便的无人机影像作为数据源,利用Faster R-CNN网络提取影像中车辆目标。首先用ImageNet数据集微调Faster R-CNN网络,再用无人机影像制作样本集并对Faster R-CNN网络再次训练,得到目标检测模型。将检测模型用于识别影像中的车辆目标:先提取车辆目标所在区域,排除其它地物干扰,利用分类器识别候选框中目标类别,同时使用回归器修正候选框位置。实验结果表明,Faster R-CNN网络能够有效提取影像中的车辆目标。     

建设工程竣工验收中房屋结构安全检测方法

在房屋安全结构检测时,传统安全检测方法准确性低。故此提出城市规划竣工验收中房屋结构安全检测方法。显微观察计算出气泡频数、体积大小后,识别气泡的射线强度图像,预测出腐蚀发生的位置。进行腐蚀速率数据分析计算出腐蚀速率,得出房屋结构的实际结构参数,确定房屋安全情况。对传统检测方法与本文提出的安全检测方法进行仿真实验。实验结果表明城市规划竣工验收中房屋结构安全检测方法比传统安全检测方法准确性要高出10%左右。本文研究的房屋结构安全检测方法弥补了传统方法数据不准确,为房屋结构安全检测方法提供了新思路。