导读:本文包含了车流检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:车流,车流量,线圈,车辆,智能交通,算法,实时。
车流检测论文文献综述
潘翯[1]（2018）在《基于视觉的车流检测算法研究》一文中研究指出随着现代社会经济的高速发展,城市化进程的加速,车辆也在急剧增加,交通逐渐成为社会发展的热点问题。智能交通系统(Intelligent Transportation System)应运而生,是解决当前城市交通问题的有效途径。在ITS中,实时获取交通车流量是核心内容。相较传统的电磁感应、微波检测器等方式,基于数字图像处理的视频车辆检测技术,凭借其具有的检测区域大、参数设置灵活、安装维护方便等突出优点得到广泛应用。本论文的主要内容如下:(1)车流量检测系统中的视频图像预处理和后处理方法:主要包括图像的灰度化、图像的去噪、图像的二值化和图像的形态学处理如腐蚀、膨胀等。在图像去噪方面,给交通视频车辆添加噪声,然后分别用均值滤波、中值滤波和高斯滤波进行处理。(2)车辆的运动目标检测算法:对现有的几类基于视频的车辆检测方法如帧差法、背景差分法、光流法进行了分析,并做了测试比较。根据各种方法的优缺点,并结合具体的应用场景,提出一种帧差分法和自适应均值背景建模相融合的运动车辆检测方法。(3)阴影的检测与消除:主要介绍了车辆阴影的数学模型,列举了阴影对车辆检测的影响及几种阴影消除方法。详细介绍了在YUV颜色空间下利用Y分量去除车辆运动阴影的算法。(4)设计了一种实时可靠的基于虚拟检测线圈的车流量检测算法,以此技术为基础在windows操作系统平台上用MATLAB软件编程实现算法,验证算法的准确性、实时性、鲁棒性,并进行交通流视频的测试,对车流的计数准确率、漏检率、误检率进行统计分析,达到预期效果。(本文来源于《电子科技大学》期刊2018-04-01）
张文都[2]（2018）在《基于车路协同的十字路口车流检测系统》一文中研究指出针对现有的城市道路车流检测方法的不足,利用定向天线构建了一种基于车路协同的十字路口车流检测系统。首先,在讨论车流数据的采集、处理方法的基础上,基于车路协同技术设计了一种车流量判定方法;然后,通过分析定向天线的固有特性,讨论了路侧设备定向天线的最优选择方案;最后,通过进行实地测试,对系统的检测准确度进行了评估,并对不同型号的定向天线的检测性能进行了对比。实验证明,基于车路协同的车流检测系统具有较高的检测准确度,能够满足城市道路十字路口处的车流检测需求。(本文来源于《电子设计工程》期刊2018年06期）
杨磊,杨东凯,朱云龙,高超群[3]（2018）在《利用GNSS-R信号进行交通车流检测》一文中研究指出为了有效检测交通状况,提出了一种使用GNSS-R(导航卫星反射)信号进行车流检测的方法。该方法利用两种天线分别接收导航卫星直射信号和反射信号,使用通用接收机进行信号采集后,在软件接收机中进行信号处理解算,获得直射通道和反射通道的相关功率,以及卫星的高度角。然后使用反演介电常数的方法对车辆进行探测,获得交通车流状况。通过试验验证,该方法能够有效地对探测区域内的车辆进行检测,证明了使用GNSS-R进行交通车流检测的可行性。(本文来源于《测绘学报》期刊2018年03期）
夏武[4]（2017）在《基于深度学习的航拍车流实时检测与追踪方法研究》一文中研究指出随着机器计算能力的快速提升,深度学习算法在计算机视觉领域取得了巨大的突破,为计算机视觉相关的很多问题提供了解决方案,其中包括车流检测与追踪问题。传统的车辆检测算法大都基于路口摄像头数据进行研究,此方法在现实应用场景比较低效。随着低空航拍器的快速发展,获取低空航拍影像的难度下降,但依然需要很大的标注成本。目前,基于低空航拍数据的车流检测与追踪方法不能兼顾准确性与实时性。基于上述背景,本文提出基于深度学习的航拍车流实时检测与追踪方法。针对航拍图像的标注样本不够的问题,本文在YOLO检测算法的基础上,采用弱监督的训练方法进行了改进。通过少量标注图像训练了一个车辆分类器,利用区域推荐方法从图中挑选出候选框,由此分类器给候选框进行粗标注。粗标注的图像将用于初始化YOLO的卷积网络层,由此提升模型的检测性能。经过实验验证,本文提出的改进方法能使用少量的标注图像结合大量的未标注图像进行训练,并达到大量标注图像训练的模型效果。针对基于航拍数据的实时车流检测问题,本文利用Faster R-CNN的anchor机制和全卷积网络思想对YOLO算法模型进行了改进。利用全卷积网络思想改进YOLO的全连接层,提升YOLO的检测速度。通过anchor机制改进YOLO的目标框提取层,使其学习目标框的先验知识,从而学习到更多强特征,以提升模型检测精度。并利用多分辨率和多视角的训练方法对YOLO训练网络进行改进,提升检测模型的鲁棒性,使得模型更适用于现实复杂的场景。实验结果表明,本文提出的改进方法保证了实时检测效果,同时在复杂的场景具有88.8%的m AP。针对基于航拍数据的车流追踪问题,本文采用匹配式追踪方式。通过设计一个车辆匹配模型,即将视频中前后两帧的检测结果作为匹配模型的输入,根据检测框的尺寸、颜色直方图、位置等信息进行匹配,从而实现车流的追踪效果。(本文来源于《哈尔滨工业大学》期刊2017-12-01）
薛晓铂[5]（2016）在《基于视频的车辆跟踪及车流长度检测算法研究》一文中研究指出车辆的检测是智能交通系统的一个重要方面,它是其它所有技术实现的基础,如果不能准确地检测出车辆,其它各种处理结果就很难得到保证。在智能交通控制系统中,车辆排队长度也是关键的交通参数之一。本文对车辆检测方法和车队长度检测方法进行了一定的研究,主要工作如下:首先针对昼间车流密度高的特点将类Haar+Adaboost分类器的统计学习方法用于昼间车辆检测,并在检测后进行一定后处理去除虚警。实验结果表明,在车流密度较高的情况下仍能快速地检测出车辆,明显优于运动目标检测的效果。其次针对夜间车辆特征不丰富的难点以Hough圆检测为核心,设计了一种夜间车辆检测方法。实验结果表明,在车流较稀疏的情况下,该方法能够正确且快速地检测出车辆,是一种可行有效的夜间车辆检测方法。然后针对昼间、夜间车辆检测结果的漏检、错检问题,提出了一种基于Kalman滤波器的4状态跟踪算法,通过跟踪算法不仅前后帧车辆信息联系起来,也去掉了一些虚警并在一些帧中补全了漏检的车辆,使检测效果变得更加稳定。最后提出一种基于视频的车辆排队长度检测方法,对通过固定摄像头得到的视频序列,综合利用车辆检测和运动检测来计算车辆排队长度。先利用Sobel边缘提取进行车辆检测,然后利用KLT特征点跟踪方法来进行运动检测。实验证明,该方法检测运动的准确性和稳定性都很高。(本文来源于《湖南大学》期刊2016-02-10）
王燕玲,李广伦,丁玉连,林晓[6]（2015）在《公路视频中实时车流密度检测算法》一文中研究指出公路上固定相机拍摄的视频中背景难以自动更新、运动目标难以快速准确识别和车流密度难以快速获得的问题,提出了一种车流密度实时检测算法。首先,将统计直方图法和多帧平均法相结合,提出固定窗口背景自动更新算法来获得视频的背景图像;其次,使用背景差分法获得前景区域、前景掩码和背景区域;第叁,使用腐蚀和膨胀的方法去除微小区域,以及将较大区域内部的空白点进行填充;第四,提出使用行扫描标记算法获得运动目标的最大矩轮廓,并消除运动目标的部分阴影;最后,根据设定阈值过滤掉微小目标,统计瞬时车流量,并根据预设值计算车流密度。该系统使用Visual Studio 2010和Open CV实现,实时效果良好。(本文来源于《科学技术与工程》期刊2015年32期）
金照[7]（2015）在《基于地磁检测技术的道路断面车流数据采集应用研究》一文中研究指出针对城市道路断面车流数据采集,文中提出了基于地磁检测技术的道路断面交通数据采集系统技术方案。该方案根据城市道路断面车流数据采集需求,结合地磁检测技术原理,搭建车流数据采集系统框架,最后通过具体实施验证了系统的可行性。通过实施效果表明,地磁检测技术作为新型的道路断面交通检测技术,安装和维护方便、检测灵敏度高、时间占有率检测准确、可检测参数较多、适合于城市重点道路断面的车流数据采集应用。(本文来源于《广东交通职业技术学院学报》期刊2015年03期）
王兹林,曲大义,杨建,陈秀锋,陈文娇[8]（2014）在《道路交叉口车流检测策略及排队统计方法研究》一文中研究指出基于3组道路交叉口交通信息检测器的布设,可实现对交叉口交通流的运行状态信息检测.研究车队头车的特征、判断逻辑和方法,并分析车队尾车的判断逻辑和车队追加的方法,进而提出排队统计开始时刻、排队统计策略,以及排队算法,力求获得较为准确的排队数据.车队检测方法、路口排队统计方法和排队消散方法将为交通控制策略提供信息和技术基础.(本文来源于《青岛理工大学学报》期刊2014年02期）
钱凯,吴晓红,沈清波[9]（2014）在《基于虚拟线圈的夜晚车流检测》一文中研究指出针对智能交通系统提出的夜间车流检测问题,提出了一种基于视频虚拟线圈的检测方法。该方法主要包括车灯配对和车辆检测两个部分。车灯配对是根据同一车辆的两个车灯大小和相对位置等特性对车灯进行配对;车辆检测是根据车灯配对情况输出车流量。结果表明,该算法取得了良好的检测效果,具备较好的鲁棒性,并且能满足实时性的要求。(本文来源于《微型机与应用》期刊2014年03期）
吴运金[10]（2013）在《磁阻传感器在车流检测中的应用》一文中研究指出为了缓解城市交通拥堵,研究了一种基于磁阻传感器的车流量检测系统,磁阻传感器能将车辆引起的地磁扰动转换为清晰的电压信号输出。该系统包含了信号放大模块、无线通信模块等,多个地磁传感器节点通过无线通信模块与计算机系统相连,将检测到的车流信息反馈到上位机,从而实现对整个路口车流的检测。(本文来源于《电子世界》期刊2013年24期）
车流检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对现有的城市道路车流检测方法的不足,利用定向天线构建了一种基于车路协同的十字路口车流检测系统。首先,在讨论车流数据的采集、处理方法的基础上,基于车路协同技术设计了一种车流量判定方法;然后,通过分析定向天线的固有特性,讨论了路侧设备定向天线的最优选择方案;最后,通过进行实地测试,对系统的检测准确度进行了评估,并对不同型号的定向天线的检测性能进行了对比。实验证明,基于车路协同的车流检测系统具有较高的检测准确度,能够满足城市道路十字路口处的车流检测需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车流检测论文参考文献
[1].潘翯.基于视觉的车流检测算法研究[D].电子科技大学.2018
[2].张文都.基于车路协同的十字路口车流检测系统[J].电子设计工程.2018
[3].杨磊,杨东凯,朱云龙,高超群.利用GNSS-R信号进行交通车流检测[J].测绘学报.2018
[4].夏武.基于深度学习的航拍车流实时检测与追踪方法研究[D].哈尔滨工业大学.2017
[5].薛晓铂.基于视频的车辆跟踪及车流长度检测算法研究[D].湖南大学.2016
[6].王燕玲,李广伦,丁玉连,林晓.公路视频中实时车流密度检测算法[J].科学技术与工程.2015
[7].金照.基于地磁检测技术的道路断面车流数据采集应用研究[J].广东交通职业技术学院学报.2015
[8].王兹林,曲大义,杨建,陈秀锋,陈文娇.道路交叉口车流检测策略及排队统计方法研究[J].青岛理工大学学报.2014
[9].钱凯,吴晓红,沈清波.基于虚拟线圈的夜晚车流检测[J].微型机与应用.2014
[10].吴运金.磁阻传感器在车流检测中的应用[J].电子世界.2013
论文知识图
