基于视频的交通路口车辆计算研究答辩PPT.ppt

* LOGO 多光源非均匀光照场景的颜色恒常性校正效果图二 01 02 03 04 05 06 输入图像 灰度世界算法 Max-RGB算法 灰度边缘算法 基于网格划分的灰度边缘 基于聚类图像分割的灰度边缘 * LOGO 图二的颜色恒常性校正效果性能度量 度量标准 实验算法 角度误差 中位数 均值 最大值 灰度世界 　　5.5? 　　5.2? 　　9.2? max-RGB 　　7.6? 　　7.5? 　　9.2? 灰度边缘 　　5.9? 　　6.4? 　　13.1? 基于网格划分 k-means, k 3;patch-size 16 灰度世界 　　4.4? 　　4.5? 　　8.3? max-RGB 　　2.4? 　　3.3? 　　8.5? 灰度边缘 　　2.2? 　　2.7? 　　6.3? 基于聚类的图像分割 k-means, k 3 灰度世界 　　4.3? 　　4.5? 　　8.4? max-RGB 　　4.6? 　　4.9? 　　9.2? 灰度边缘 　　2.4? 　　3.2? 　　9.1? * LOGO 颜色恒常性在车辆检测中的应用场景一 01 输入图像 网格化校正结果 手动分割图像 02 03 04 颜色恒常性处理之前 05 颜色恒常性处理之后 * LOGO 颜色恒常性在车辆检测中的应用场景二 01 输入图像 网格化校正结果 手动分割图像 02 03 04 颜色恒常性处理之前 05 颜色恒常性处理之后 * LOGO 颜色恒常性在车辆检测中的应用定量分析 度量标准 检测场景 误差 准确率 误检率 漏检率 场景一 图像校正前 51.60% 40.95% 19.66% 图像校正后 59.80% 32.93% 15.33% 场景二 图像校正前 49.66% 43.85% 18.89% 图像校正后 61.74% 30.42% 15.44% * LOGO 车辆计算 图像中检测的车辆目标大小与实际目标差异示意图 * LOGO 车道空间占有率计算模型 01 摄像头视角的空间占有率 实际的空间占有率 02 03 04 图1对应的二值图像 图2对应的二值图像 * LOGO 占有率计算模型 占有像素总数 准确率 未修正的空间占有率模型 66882 73.41% 修正的空间占有率模型 51519 97.51% 实际空间占有率 52834 100% 车道空间占有率计算模型 * LOGO 路面各车道空间占有率计算 01 输入图像 路面车道分割 02 03 04 车辆分割图像 手动分割图像 * LOGO 车道 来源图像 车辆像素总数 车道占有率 车道 基于RM颜色特征分割 700 9.19% 手动分割 480 6.30% 车道 基于RM颜色特征分割 1684 21.33% 手动分割 1689 21.40% 车道 基于RM颜色特征分割 868 10.91% 手动分割 940 11.81% 车道 基于RM颜色特征分割 2803 32.92% 手动分割 3282 38.55% 车道 基于RM颜色特征分割 2943 33.92% 手动分割 3410 39.31% 车道 基于RM颜色特征分割 127 1.52% 手动分割 236 2.82% 路面各车道空间占有率计算结果 * LOGO 总结展望 * 颜色模型 训练图像的采集 颜色恒常性算法的普适性 如何建立更好的车辆与路面颜色模型，使得它们在某种颜色空间的分布的重叠区域更少。 在多光源非均匀光照场景的颜色恒常性计算中，算法受图像划分的区块大小与光源聚类数目有关，在一定程度影响了算法普适性。为此，下一步的研究将是如何使区块大小与聚类数目根据场景实现自适应调整。 如果可以采集到干净的无车辆路面，那么则可以分类模型中加入位置信息，这样将极大的提高分类的准确率。 LOGO 谢谢观看 2014-3-26 LOGO 基于视频的交通路口车辆计算研究 LOGO * Content 目录 1 选题目的 2 主题内容 3 解决方法 4 实验分析 5 总结展望 LOGO * LOGO 选题目的 * LOGO 功能：智能调节红绿灯时长 根据十字路口各方向的车流量，自动调节红绿灯时长，尽可能使总体等待时间最短。 依据：路口的交通状况信息 诸如车流量、车流密度、车道占有率等交通信息，作为信号灯控制的依据。 意义：提高路网通行效率 提高路网通行效率，减少车流总体等待时长，从而降低能源消耗，减轻环境污染。 实现交通信号灯的智能控制 * LOGO 路口交通信息的采集方法 01 基于物理线圈的交通信息采集方法 优点：车辆检测精度较高。 缺点：安装维护困难，必须破坏路面、中断交通，且无法解决车辆改道问题。 基于视频的车辆目标检测的交通信息采集方法 优点：除了具备基于视频虚拟线圈的优点外，还解决了车辆改道问题。 缺点：无法解决车辆相互遮