导读:本文包含了车流量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:车流量,深度,地磁,车辆,智能交通,交通灯,系统。
车流量检测论文文献综述
张明月,朱明旱,郭言信,周楠皓,张栩华[1]（2019）在《基于时空图的夜间车流量检测算法》一文中研究指出夜间由于道路光线不好,不容易检测出车流量。针对这个问题,本文提出了一种基于时空图夜间车流量检测的有效方法。该方法首先将道路交通监控视频拍摄到的的图像,利用时空图转换为时间-空间坐标连续图。然后通过时空图提取到的车灯信息,采用车灯配对的方法来识别车辆,并计算出一定时间内的车流量。本实验所用的监控视频图像由架在路边高层建筑上的摄像机拍摄所得。实验结果表明:该检测方法鲁棒性较强,能够准确快速的检测出一定时间内的夜间车流量,检测准确率高达97.7%,其实用价值非常的高。(本文来源于《电子设计工程》期刊2019年24期）
宋嘉炜,张程誉,何思卓[2]（2019）在《具有车流量检测功能的智能交通灯控制系统设计》一文中研究指出针对目前城市交通道路拥堵问题,设计了一种具有车流量检测功能的智能交通灯控制系统,采用环境监测采集单元实时采集环境数据,并提供给译码器使控制器做出相应的响应;利用每个信号组的队列长度从而改进队列测量的叁种算法,同时将各个监测器传来的数据进行准确的分析,判断路况,实时调整绿灯时间保障通行畅通;利用GPRS通信系统保障通信质量,各个路灯之间采用ZigBee无线Mash自组网以达到故障检测功能。实现了路灯自控,路灯环境参数检测响应,实时车流量检测估算,故障报修,网络自愈等功能。(本文来源于《计算机与数字工程》期刊2019年11期）
黄泽江,卜雄洙,丁岳峰,曹一涵[3]（2019）在《基于磁传感器的道路车流量检测方法研究》一文中研究指出地磁车辆检测系统是利用检测地磁变化来获取相关的交通信息,针对现有地磁车辆检测设备存在基线漂移、交通车流量正确检测率不稳定以及环境干扰导致的设备误检等实际问题,提出基于有限状态机的地磁车辆检测系统。该系统利用磁传感器采集磁场原始信号,由嵌入式程序对原始信号进行预处理,并由上位机采用以状态机判断为主的算法,将车辆检测的过程分为多个状态,包括无车、波形初变、拟驶入、有车、拟驶离、波形趋稳6个状态,并在各个状态执行相应的任务,包括基线跟踪与更新、采样点计数等,检测算法的正确率达97%以上。(本文来源于《国外电子测量技术》期刊2019年11期）
闫旭刚,李博[4]（2019）在《基于数组变化的单车道车流量检测系统》一文中研究指出针对现行的基于背景差分法计算的停车场车流量检测系统在特殊情况下容易出现误判,准确率不够高的问题,拟通过对比车辆差异、易引起误判因素间的异同,改进系统算法,利用矩阵中数组的变化规律过滤干扰因素,使系统提高识别率,只针对进出车辆执行操作,从而提高准确率。经过反复实验,改进后系统的准确率接近100%。(本文来源于《现代电子技术》期刊2019年21期）
周楠皓,朱明旱,张明月,郭言信,张栩华[5]（2019）在《一种改进的针对车体遮挡的车流量检测方法》一文中研究指出随着社会的发展,人均收入的增加,城市道路中的车辆越来越多。当车流量增多时,车体遮挡问题也随之而来。针对于此问题,本文在传统的针对车体遮挡的车流量检测方法的基础上进行改进。首先通过对视频的分析,提出了利用车体面积法来解决前后车辆的遮挡,对于特例的大型货车、客车利用近景图像检测黄色车牌的方法,其次采用分车道取景框来解决相邻车辆的遮挡。实验结果表明,本文提出的改进方法能更好的识别遮挡车辆,具有较高的实用价值。(本文来源于《科技风》期刊2019年28期）
吕晓颖[6]（2019）在《基于车流量检测的智能交通控制系统设计与仿真》一文中研究指出文章论述了基于STC89C52单片机采用智能交通控制,系统采用STC89C52单片机和74HC245以及外围的按键、红外接近传感器、数码管等元器件构成,本系统可以根据不同路口车流量大小的变化,来改变各路口红绿灯的时间,用智能的方式,来达到控制交通的目的。设计通过两位一体共阴极数码管显示,并能通过按键对定时进行设置。本系统实用性强、操作简单、拓展功能强。(本文来源于《科技创新与应用》期刊2019年25期）
马永杰,宋晓凤[7]（2019）在《基于YOLO和嵌入式系统的车流量检测》一文中研究指出城市道路普遍存在机动车、非机动车、行人的人车混行路段,车辆目标的准确识别与统计成为视频方法检测混合交通流量的关键问题。本文提出了基于深度学习YOLO(You Only Look Once)的车流量检测算法。用YOLO v2检测道路上移动的目标,对检出目标中的车辆目标进行识别与筛选,设置感兴趣区域,在车辆目标经过感兴趣区域时计数,并用核相关滤波器跟踪车辆,避免车辆重复计数;在ARM上利用该算法实现了混合交通视频中的车流量检测。测试结果表明,该方法中车辆的检测、跟踪、计数结果良好,可应用于混合交通中的车流量检测。(本文来源于《液晶与显示》期刊2019年06期）
李奂谌[8]（2019）在《基于视频图像处理的交叉路口车流量智能检测系统》一文中研究指出随着当前交通行业发展迅速,在城市的交通网中,往往出现个别路口拥堵严重,但附近路口却通行顺畅的情况。因此,实时的了解到每个交叉路口交通状况,对于驾驶员选择合理的行车路线有重要意义,同时也是改善城市交通拥挤的有效途径。基于视频处理的车队长度检测系统,将图像处理与各种交通信息技术相结合,具有使用范围广、测量精度高、实时性好以及可基于已有的监控系统直接升级的优势,是现代化智能交通信息获取的技术中重要的组成成分。车流量的识别过程是:首先采集交叉路口的车辆视频,通过中值滤波和高斯滤波去除图像中的噪声,然后使用背景差分法检测出前景车辆,并通过B样条曲线法计算出图像中车辆的面积,从而可以计算车辆的数量。系统对中值滤波模块在3×3窗口中值计算法进行改进,使用将9个数据进行排序的方式代替传统的计算方法,将计算次数从30次减少到18次,在保证精度的前提下,节省了机器时间。背景差分过程中,首先建立背景,将连续图像帧中的像素点进行差分运算,当差值小于阈值是认为该点为背景点,经多次训练可以实时的得到最适合当前情形的背景图;然后将图像与背景图像进行差分运算,当差值超过阈值,认为该点为前景车辆。通过在差分后图像中建立B样条曲线轮廓,按照B样条曲线控制点的法线方向逼近前景目标边缘,经过多次迭代运算,B样条曲线轮廓与前景车辆轮廓相同,此时计算B样条曲线轮廓包含的面积,即为车辆面积。最终通过预设的参数,将面积转换为车辆数目。论文分别使用Matlab和Modelsim进行仿真,测试证明:方法可以得到准确的面积,并可以较准确的计算出车辆的数目,误差为10%,具有良好的检测精度,在智能交通行业有较高的应用前景。图[60]表[3]参[73](本文来源于《安徽理工大学》期刊2019-06-12）
张海玉,陈久红[9]（2019）在《一种基于深度学习的夜间车流量检测方法》一文中研究指出当车流量较少时,降低路灯亮度可以达到能源节约目的。为此,采用深度学习中的R-FCN目标检测网络完成夜间车辆检测任务。R-FCN网络相比传统深度学习网络,不仅是基于区域推荐模型的网络,而且引入了平移变化特性,所以对目标检测效果更好。为了占用更少硬件资源,缩小模型规模,采用ShuffleNet通道分组与组间通信机制,压缩原始残差网络。同时,对NMS(非极大值抑制)算法进行修改,从而可以更好地筛选重迭目标,降低网络漏检率。实验结果表明,该方法准确率较高,在UA-DETRAC数据集的夜间图片检测中精度最高可达到90.89%。(本文来源于《软件导刊》期刊2019年09期）
栾剑[10]（2019）在《基于趋势检测算法的车流量模式与空气质量关系可视分析》一文中研究指出随着我国经济的快速发展与经济水平的不断提升,国内机动车市场规模越来越大,很多家庭都拥有私家车以满足出行便利的需求。而与此同时,大量行驶的机动车排放的尾气会影响空气的质量,加重我们对赖以生存环境的破坏,也严重影响人们的身体健康状况。因此,对机动车车流量的分析也是空气质量分析的一个重要方面。目前,对机动车分析的相关研究主要集中在分析某一条路段上车辆的行驶状况,或者是分析某一特定轨迹的运动变化。空气质量的分析包括气象要素和空气质量相关性分析、基于空气质量数据探索城市群在时空上动态演变、以及雾霾分布状况的可视分析。本文使用北京市车流量的网格数据,分析某一区域的车流量状况,并结合北京市空气质量数据分析车流量和空气污染物之间的相关性。设计并实现了一个新的车流量时空模式与空气质量关系交互式可视分析系统,通过对北京市车流量网格数据与空气质量站点数据可视分析,探索人们使用出租车的时空周期模式,及空气质量的周期规律。进而对车流量与空气污染物的相似性和趋势变化情况展开研究。最后通过案例分析证明本文实验的有效性。本文主要研究内容包括:(1)对空气污染物数据和车流量数据分别进行聚类,分析周期规律。不同于传统的相似性判断方法,本文对聚类后的结果进行聚类相似比较,判断车流量和污染物之间的相似性。(2)提出趋势检测算法,分析车流量和空气质量随时间的变化情况。(3)设计车流量时空模式与空气质量关系交互式可视分析系统,对实验数据进行有效分析。(本文来源于《东北师范大学》期刊2019-05-01）
车流量检测论文开题报告
（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：
针对目前城市交通道路拥堵问题,设计了一种具有车流量检测功能的智能交通灯控制系统,采用环境监测采集单元实时采集环境数据,并提供给译码器使控制器做出相应的响应;利用每个信号组的队列长度从而改进队列测量的叁种算法,同时将各个监测器传来的数据进行准确的分析,判断路况,实时调整绿灯时间保障通行畅通;利用GPRS通信系统保障通信质量,各个路灯之间采用ZigBee无线Mash自组网以达到故障检测功能。实现了路灯自控,路灯环境参数检测响应,实时车流量检测估算,故障报修,网络自愈等功能。
（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。
车流量检测论文参考文献
[1].张明月,朱明旱,郭言信,周楠皓,张栩华.基于时空图的夜间车流量检测算法[J].电子设计工程.2019
[2].宋嘉炜,张程誉,何思卓.具有车流量检测功能的智能交通灯控制系统设计[J].计算机与数字工程.2019
[3].黄泽江,卜雄洙,丁岳峰,曹一涵.基于磁传感器的道路车流量检测方法研究[J].国外电子测量技术.2019
[4].闫旭刚,李博.基于数组变化的单车道车流量检测系统[J].现代电子技术.2019
[5].周楠皓,朱明旱,张明月,郭言信,张栩华.一种改进的针对车体遮挡的车流量检测方法[J].科技风.2019
[6].吕晓颖.基于车流量检测的智能交通控制系统设计与仿真[J].科技创新与应用.2019
[7].马永杰,宋晓凤.基于YOLO和嵌入式系统的车流量检测[J].液晶与显示.2019
[8].李奂谌.基于视频图像处理的交叉路口车流量智能检测系统[D].安徽理工大学.2019
[9].张海玉,陈久红.一种基于深度学习的夜间车流量检测方法[J].软件导刊.2019
[10].栾剑.基于趋势检测算法的车流量模式与空气质量关系可视分析[D].东北师范大学.2019
论文知识图
