-
公开(公告)号：CN102194129B
公开(公告)日：2012-11-14
申请号：CN201110126627.8
申请日：2011-05-13
Applicant: 南京大学
Abstract: 基于车型聚类的交通流参数视频检测方法，在改进的摄像机自标定成像模型中，提取PTZ参数变化下的透视投影不变量“伪形状特征”，对其进行基于贡献率算法的车型聚类分析，以车型均高代替实际高度，获取车辆的长宽，得到不同车型的流量，并进而计算道路空间占有率并提升车速检测精度。测试表明：本发明实时性较高，车型聚类自适应于不同场景，平均准确度为96.9％，车长计算精度优于90％。
-
公开(公告)号：CN102682601B
公开(公告)日：2014-02-26
申请号：CN201210137537.3
申请日：2012-05-04
Applicant: 南京大学
Abstract: 基于优化SVM的高速公路交通事件检测方法，首先通过高速公路摄像机视频快速准确地获取交通流参数，并对这些数据进行预处理，分为训练数据集和测试数据集两部分；所用的支持向量机SVM模型选择径向基RBF核函数，并采用改进的网格搜索算法对SVM模型的惩罚参数C和核参数γ进行优化选择；利用训练数据集对SVM模型进行训练；使用测试数据集对训练好的SVM事件检测模型性能进行检验，然后将SVM模型用于高速公路的实时交通事件检测。测试表明，本发明具有90%以上的检测率和5%以下的误报警率，且优化时间短，满足了交通事件检测实时性的要求。
-
公开(公告)号：CN102682601A
公开(公告)日：2012-09-19
申请号：CN201210137537.3
申请日：2012-05-04
Applicant: 南京大学
Abstract: 基于优化SVM的高速公路交通事件检测方法，首先通过高速公路摄像机视频快速准确地获取交通流参数，并对这些数据进行预处理，分为训练数据集和测试数据集两部分；所用的支持向量机SVM模型选择径向基RBF核函数，并采用改进的网格搜索算法对SVM模型的惩罚参数C和核参数γ进行优化选择；利用训练数据集对SVM模型进行训练；使用测试数据集对训练好的SVM事件检测模型性能进行检验，然后将SVM模型用于高速公路的实时交通事件检测。测试表明，本发明具有90%以上的检测率和5%以下的误报警率，且优化时间短，满足了交通事件检测实时性的要求。
-
公开(公告)号：CN102194129A
公开(公告)日：2011-09-21
申请号：CN201110126627.8
申请日：2011-05-13
Applicant: 南京大学
Abstract: 基于车型聚类的交通流参数视频检测方法，在改进的摄像机自标定成像模型中，提取PTZ参数变化下的透视投影不变量“伪形状特征”，对其进行基于贡献率算法的车型聚类分析，以车型均高代替实际高度，获取车辆的长宽，得到不同车型的流量，并进而计算道路空间占有率并提升车速检测精度。测试表明：本发明实时性较高，车型聚类自适应于不同场景，平均准确度为96.9％，车长计算精度优于90％。
-
-
-
Search Results
4
records
(took 0.02 seconds)
