-
公开(公告)号：CN103440499A
公开(公告)日：2013-12-11
申请号：CN201310389154.X
申请日：2013-08-30
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本方法涉及一种基于信息融合的交通波实时检测与跟踪方法。首先获取交通视频图像，然后采用Kalman滤波技术，根据前一时刻交通波状态最优估计值获取当前时刻的交通波状态预测值；然后得到当前时刻交通波位置测量值，在相向摄像机之间的可视区域内，每台摄像机采用融合Adaboost分类器的复式伸缩窗算法；在相背摄像机之间的盲区内，基于特征点跟踪法及交通波估计法进行估计；最后，采用加权平均一致性信息融合算法获得当前时刻交通波状态最优估计值，为下一时刻交通波状态预测做准备，在此过程中通过引入各摄像机测量噪声权重，并动态调整各摄像机检测结果可信度来提高交通波定位精度。
-
公开(公告)号：CN103440499B
公开(公告)日：2017-03-01
申请号：CN201310389154.X
申请日：2013-08-30
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本方法涉及一种基于信息融合的交通波实时检测与跟踪方法。首先获取交通视频图像，然后采用Kalman滤波技术，根据前一时刻交通波状态最优估计值获取当前时刻的交通波状态预测值；然后得到当前时刻交通波位置测量值，在相向摄像机之间的可视区域内，每台摄像机采用融合Adaboost分类器的复式伸缩窗算法；在相背摄像机之间的盲区内，基于特征点跟踪法及交通波估计法进行估计；最后，采用加权平均一致性信息融合算法获得当前时刻交通波状态最优估计值，为下一时刻交通波状态预测做准备，在此过程中通过引入各摄像机测量噪声权重，并动态调整各摄像机检测结果可信度来提高交通波定位精度。
-
公开(公告)号：CN103208008B
公开(公告)日：2015-11-18
申请号：CN201310091575.4
申请日：2013-03-21
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明属于机器视觉与智能控制领域，用于实现交通视频监控目标检测的快速自适应。首先建立初始训练样本库，接下来分别训练基于Haar特征的AdaBoost分类器和基于HOG特征的SVM分类器，利用训练好的两个分类器对监控图像逐帧检测，检测过程为分别利用两类分类器对检测框中的子图像进行预测，并对预测结果进行置信度判断，将大置信度对应的预测标签以及子图像加入到小置信度对应的分类器的附加训练样本库中，直到检测框大小达到被检测图像大小一半时结束，此时利用更新后的训练样本库重新训练两类分类器，并进行下一帧图像的检测，直到检测完所有图像，此时可将最终分类器用于实际的交通场景中进行车辆、行人等目标的检测。
-
公开(公告)号：CN103208008A
公开(公告)日：2013-07-17
申请号：CN201310091575.4
申请日：2013-03-21
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明属于机器视觉与智能控制领域，用于实现交通视频监控目标检测的快速自适应。首先建立初始训练样本库，接下来分别训练基于Haar特征的AdaBoost分类器和基于HOG特征的SVM分类器，利用训练好的两个分类器对监控图像逐帧检测，检测过程为分别利用两类分类器对检测框中的子图像进行预测，并对预测结果进行置信度判断，将大置信度对应的预测标签以及子图像加入到小置信度对应的分类器的附加训练样本库中，直到检测框大小达到被检测图像大小一半时结束，此时利用更新后的训练样本库重新训练两类分类器，并进行下一帧图像的检测，直到检测完所有图像，此时可将最终分类器用于实际的交通场景中进行车辆、行人等目标的检测。
-
-
-
Search Results
4
records
(took 0.018 seconds)
