基于Kinect深度虚拟线圈的夜间车流量检测

摘要：

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75％与99.25％,大小车型分类正确率可达99.80％,处理单张图片的平均时间仅为7 ms.

关键词：智能交通、夜间车流量检测、深度虚拟线圈、Kinect、SVM、车型分类

所属期刊栏目：35

分类号：U491.116(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目51679181,51208168;湖北省科技创新专项重点项目2016AAA007;河北省普通高等学校青年拔尖人才计划项目BJ2014013

在线出版日期：2018-05-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：28-36