-
公开(公告)号：CN105869109B
公开(公告)日：2018-12-07
申请号：CN201610182258.7
申请日：2016-03-28
Applicant: 长安大学
Abstract: 本发明公开了一种基于不同高度逆投影面的停车和抛落物区分方法，该方法在检测到道路上由运动到静止目标的前提下，通过摄像机标定的方法，建立三维世界坐标与二维世界坐标之间的转换关系，然后通过建立不同高度逆投影面的方法，获得目标在三维世界中的长、宽、高信息，利用获得到的目标三维信息进行静止目标的区分，大大提高了区分精度，而且计算量很小，满足实时性的需求，适合多数环境下的停车和抛落物的区分。
-
公开(公告)号：CN105160324A
公开(公告)日：2015-12-16
申请号：CN201510566019.7
申请日：2015-09-08
Applicant: 长安大学
IPC: G06K9/00
CPC classification number: G06K9/00825
Abstract: 本发明公开了一种基于部件空间关系的车辆检测方法，属于图像识别领域。所述发明包括建立高斯混合模型，获得透视变换矩阵，构建逆投影面，根据所述透视变换矩阵将所述视频图像中的信息进行逆投影，获得逆投影图，从所述逆投影图中确定所述车牌部件和所述车灯部件，如果所述逆投影图中的所述车牌部件和所述车灯部件的个数和不小于预设值，则在确定所述车牌部件和所述车灯部件为一辆车的部件后确定车辆数目。本发明通过在车辆检测过程中引入高斯混合模型，与现有技术相比，能够克服遮挡以及光照条件差对目标检测算法的影响，提高了车辆识别的准确性。
-
公开(公告)号：CN105160324B
公开(公告)日：2018-10-26
申请号：CN201510566019.7
申请日：2015-09-08
Applicant: 长安大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于部件空间关系的车辆检测方法，属于图像识别领域。所述发明包括建立高斯混合模型，获得透视变换矩阵，构建逆投影面，根据所述透视变换矩阵将所述视频图像中的信息进行逆投影，获得逆投影图，从所述逆投影图中确定所述车牌部件和所述车灯部件，如果所述逆投影图中的所述车牌部件和所述车灯部件的个数和不小于预设值，则在确定所述车牌部件和所述车灯部件为一辆车的部件后确定车辆数目。本发明通过在车辆检测过程中引入高斯混合模型，与现有技术相比，能够克服遮挡以及光照条件差对目标检测算法的影响，提高了车辆识别的准确性。
-
公开(公告)号：CN105761507B
公开(公告)日：2018-03-02
申请号：CN201610182189.X
申请日：2016-03-28
Applicant: 长安大学
Abstract: 本发明公开了一种基于三维轨迹聚类的车辆计数方法，具体包括利用摄像机采集道路的视频图像，利用灭点的方法建立二维图像坐标与三维世界坐标之间的关系，求得转移矩阵M；在视频图像中确定检测线和检测区域，提取视频图像的背景图像；获取视频图像上的多条运行轨迹；选取符合粗聚类条件的运行轨迹进行粗聚类，将所选取的运行轨迹分成多个类，并将所选取的运行轨迹标记为已聚类；对在步骤四中被标记为已聚类的运行轨迹进行细聚类。本发明的方法不受工程应用上的环境限制，具有较高的稳定性和检测精度，且易于实现，能有效地对视野范围内的车辆进行实时准确的检测，因此具有广阔的应用前景。
-
公开(公告)号：CN105761507A
公开(公告)日：2016-07-13
申请号：CN201610182189.X
申请日：2016-03-28
Applicant: 长安大学
CPC classification number: G08G1/065 , G08G1/0125
Abstract: 本发明公开了一种基于三维轨迹聚类的车辆计数方法，具体包括利用摄像机采集道路的视频图像，利用灭点的方法建立二维图像坐标与三维世界坐标之间的关系，求得转移矩阵M；在视频图像中确定检测线和检测区域，提取视频图像的背景图像；获取视频图像上的多条运行轨迹；选取符合粗聚类条件的运行轨迹进行粗聚类，将所选取的运行轨迹分成多个类，并将所选取的运行轨迹标记为已聚类；对在步骤四中被标记为已聚类的运行轨迹进行细聚类。本发明的方法不受工程应用上的环境限制，具有较高的稳定性和检测精度，且易于实现，能有效地对视野范围内的车辆进行实时准确的检测，因此具有广阔的应用前景。
-
Patent Agency Ranking
-
公开(公告)号：CN107315994B
公开(公告)日：2020-08-18
申请号：CN201710334850.9
申请日：2017-05-12
Applicant: 长安大学
Abstract: 本发明公开了基于Spectral Clustering空间轨迹的聚类算法，包括利用摄像机对道路进行视频图像采集，对视频图像中的每一帧图像中的所有运动目标采用ORB算法提取特征点，然后利用基于双向加权可逆性约束的KLT跟踪算法对特征点进行跟踪，得到所有运动目标的多条运动轨迹以及每条运动轨迹上每个轨迹点在图像坐标系中的坐标值；利用刚体运动约束对所有运动目标的n条运动轨迹构建相似矩阵进行谱聚类，得到不同类别的运动轨迹；对不同类别的运动轨迹进行类间合并，得到类间合并后的运动轨迹；本发明所提到的方法不受工程应用上各类环境的影响和限制，并且易于实现，能有效的对车辆进行实时精确的检测，因此具有很广的应用前景。
-
公开(公告)号：CN105243354B
公开(公告)日：2018-10-26
申请号：CN201510567757.3
申请日：2015-09-08
Applicant: 长安大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于目标特征点的车辆检测方法，属于图像处理领域。所述发明包括获取所述世界坐标系与所述像素坐标系之间的转移矩阵；确定视频中的运动目标区域，在运动目标区域提取特征点进而确定垂足点，从视频中选取稳定特征点，对稳定特征点进行跟踪，获取运动目标的轨迹线，根据运动目标的轨迹线进行轨迹线判定，如果判定两条轨迹线属于同一辆车，则对车辆计数结果加一，重复前述步骤直到所述视频结束为止。通过在车辆检测中引入基于目标特征点跟踪与聚类的检测方式，与现有技术相比，减少了环境限制，具有较高的稳定性和检测精度，并且降低检测误差，提高了车辆识别的准确率。
-
公开(公告)号：CN107315994A
公开(公告)日：2017-11-03
申请号：CN201710334850.9
申请日：2017-05-12
Applicant: 长安大学
CPC classification number: G06K9/00724 , G06K9/6223 , G06T7/246 , G06T2207/10016
Abstract: 本发明公开了基于Spectral Clustering空间轨迹的聚类算法，包括利用摄像机对道路进行视频图像采集，对视频图像中的每一帧图像中的所有运动目标采用ORB算法提取特征点，然后利用基于双向加权可逆性约束的KLT跟踪算法对特征点进行跟踪，得到所有运动目标的多条运动轨迹以及每条运动轨迹上每个轨迹点在图像坐标系中的坐标值；利用刚体运动约束对所有运动目标的n条运动轨迹构建相似矩阵进行谱聚类，得到不同类别的运动轨迹；对不同类别的运动轨迹进行类间合并，得到类间合并后的运动轨迹；本发明所提到的方法不受工程应用上各类环境的影响和限制，并且易于实现，能有效的对车辆进行实时精确的检测，因此具有很广的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.018 seconds)
