好书推荐：智能交通系统中的计算机视觉和成像

下载地址1：https://www.wiley.com/en-us/Computer+Vision+and+Imaging

下载地址2：https://ieeexplore.ieee.org/book/7906173

目录：https://media.wiley.com/product_data/excerpt/04/11189716/1118971604-33.pdf
贡献者名单 xiii

前言 xvii

致谢 xxi

关于伴侣网站 xxiii

1 简介 1

Raja Bala 和 Robert P. Loce

1.1 执法与安全 1

1.2 效率 4

1.3 驾驶员安全与舒适 5

1.4 用于交通应用的计算机视觉框架 7

1.4.1 图像和视频捕获 8

1.4.2 数据预处理 8

1.4.3 特征提取 9

1.4.4 推理机 10

1.4.5 数据展示与反馈 11

第一部分 道路基础设施成像 15

2 自动车牌识别 17

亚伦·伯里和弗拉基米尔·科齐茨基

2.1 简介 17

2.2 核心 ALPR 技术 18

2.2.1 车牌定位 19

2.2.2 字符分割 24

2.2.3 字符识别 28

2.2.4 状态识别 38

3 车辆分类 47

Shashank Deshpande、Wiktor Muron 和杨才

3.1 简介 47

3.2 算法概述 48

3.3 现有的 AVC 方法 48

3.4 基于激光雷达成像的 49

3.4.1 激光雷达传感器 49

3.4.2 激光雷达与视觉传感器的融合 50

3.5 基于热成像的 53

3.5.1 热特征 53

3.5.2 基于强度形状的 56

3.6 基于形状和轮廓 58

3.6.1 轮廓测量 60

3.6.2 基于边缘的分类 65

3.6.3 方向梯度直方图 67

3.6.4 Haar 特征 68

3.6.5 主成分分析 69

3.7 内在比例模型 72

3.8 基于 3D 模型的分类 74

3.9 基于 SIFT 的分类 74

3.10 总结 75

4 乘客舱违规检测 81

Orhan Bulan、徐蓓蕾、Robert P. Loce 和 Peter Paul

4.1 简介 81

4.2 乘客舱内的传感 82

4.2.1 安全带使用检测 82

4.2.2 手机使用检测 83

4.2.3 占用检测 83

4.3 路边成像 84

4.3.1 图像采集设置 84

4.3.2 图像分类方法 85

4.3.3 基于检测的方法 94

5 移动违规检测 101

吴文成、Orhan Bulan、Edgar A. Bernal 和 Robert P. Loce

5.1 简介 101

5.2 超速检测 101

5.2.1 单目相机的速度估计 102

5.2.2 立体相机的速度估计 108

5.2.3 讨论 115

5.3 停止违规 115

5.3.1 闯红灯相机 115

5.4 其他违规行为 125

5.4.1 错路驾驶员检测 125

5.4.2 穿越实线 126

6 交通流分析 131

Rodrigo Fernandez、Muhammad Haroon Yousaf、Timothy J. Ellis、Zezhi Chen 和 Sergio A. Velastin

6.1 什么是流量分析？131

6.1.1 流量冲突与流量分析 131

6.1.2 时间观测 132

6.1.3 空间观测 133

6.1.4 基本方程 133

6.1.5 基本图 133

6.1.6 测量流量变量 134

6.1.7 路数 135

6.1.8 结点数 135

6.1.9 乘客人数 136

6.1.10 行人计数 136

6.1.11 速度测量 136

6.2 视频分析在智能交通系统中的应用 137

6.2.1 简介 137

6.2.2 交通流分析的一般框架137

6.2.3 应用领域 143

6.3 从路边闭路电视视频中测量交通流量 144

6.3.1 视频分析框架144

6.3.2 车辆检测 146

6.3.3 背景模型 146

6.3.4 统计车辆 149

6.3.5 跟踪 150

6.3.6 相机校准 150

6.3.7 特征提取和车辆分类 152

6.3.8 车道检测 153

6.3.9 结果 155

6.4 一些挑战 156

7 交叉路口监控使用计算机视觉技术进行容量、延迟和安全分析 163

Brendan Tran Morris 和 Mohammad Shokrolah Shirazi

7.1 基于视觉的交叉口分析：容量、延迟和安全 163

7.1.1 路口监控 163

7.1.2 计算机视觉应用 164

7.2 系统概述 165

7.2.1 追踪道路使用者 166

7.2.2 相机校准 169

7.3 计数分析 171

7.3.1 车辆计数 171

7.3.2 非车辆计数 173

7.4 队列长度估计 173

7.4.1 基于检测的方法 174

7.4.2 基于跟踪的方法 175

7.5 安全分析 177

7.5.1 行为 178

7.5.2 事故 182

7.5.3 冲突 185

7.6 具有挑战性的问题和观点 187

7.6.1 鲁棒检测和跟踪 187

7.6.2 冲突和碰撞预测模型的有效性 188

7.6.3 协作传感模式 189

7.6.4 网络交通监控系统 189

7.7 结论 189

8 基于视频的停车管理 195

奥利弗·西德拉和尤里·利佩茨基

8.1 简介 195

8.2 停车传感器概述 197

8.3 车辆占用检测方法介绍 200

8.4 单目车辆检测 200

8.4.1 简单二维车辆检测的优势 200

8.4.2 基于背景模型的方法 200

8.4.3 使用局部特征描述符的车辆检测 202

8.4.4 基于外观的车辆检测 203

8.4.5 定向梯度直方图 204

8.4.6 LBP特征和LBP直方图207

8.4.7 将检测器组合成级联和复杂描述符 208

8.4.8 案例研究：使用组合特征检测器的停车位监控 208

8.4.9 使用人工神经网络进行检测 211

8.5 3D 方法车辆检测简介 213

8.6 立体视觉方法 215

8.6.1 立体方法介绍 215

8.6.2 立体重建精度的限制 216

8.6.3 计算立体对应 217

8.6.4 用于体积占用测量的简单立体声 218

8.6.5 使用立体系统监控停车位的实用系统 218

8.6.6 使用稀疏 3D 重建的检测方法 220

9 视频异常检测 227

拉贾巴拉和维沙尔蒙加

9.1 简介 227

9.2 事件编码 228

9.2.1 轨迹描述符 229

9.2.2时空描述符231

9.3 异常检测模型 233

9.3.1 分类方法 233

9.3.2 隐马尔可夫模型 234

9.3.3 上下文方法234

9.4 用于鲁棒视频异常检测的稀疏表示方法 236

9.4.1结构化异常检测237

9.4.2 非结构化视频异常检测 243

9.4.3 实验设置和结果 245

9.5 结论和未来研究 253

第二部分 车辆内部和内部的成像 257

10 行人检测 259

沙尚克·德什潘德和杨才

10.1 简介 259

10.2 算法概述 259

10.3 热成像 260

10.4背景减法261

10.4.1 帧减法261

10.4.2 近似中位数 262

10.4.3 高斯混合模型 263

10.5 极坐标剖面 263

10.6 基于图像的特征 265

10.6.1 定向梯度直方图 265

10.6.2 可变形零件模型 266

10.6.3 LiDAR 和基于相机融合的检测 266

10.7 激光雷达特性 268

10.7.1 预处理模块 268

10.7.2 特征提取模块 268

10.7.3 融合模块 268

10.7.4 LIPD 数据集 270

10.7.5 算法概述 270

10.7.6 激光雷达模块 272

10.7.7 视觉模块 275

10.7.8 结果与讨论 276

10.7.8.1 激光雷达模块 276

10.7.8.2 视觉模块 276

10.8 总结 280

11 车道偏离警告系统中的车道检测和跟踪问题 283

詹尼·卡里奥、亚历山德罗·卡萨沃拉和马可·卢皮亚

11.1 简介 283

11.2 LD：单帧算法 285

11.2.1 图像预处理 285

11.2.2 边缘提取287

11.2.3 条带标识 291

11.2.4 线拟合 294

11.3 LT算法297

11.3.1 对后续 N 帧的递归过滤器 298

11.3.2 卡尔曼滤波器 298

11.4 LD 和 LT 算法的实现 299

11.4.1 模拟 300

11.4.2 试驾场景300

11.4.3 驾驶场景：车道以增加的纵向速度300离开

11.4.4 提出的算法302

11.4.5 结论 303

12 基于视觉的防撞系统集成技术 305

Ravi Satzoda 和 Mohan Trivedi

12.1 简介 305

12.2 相关工作 307

12.3 综合方法的上下文定义 307

12.4 ELVIS：建议的综合方法 308

12.4.1 使用车道信息进行车辆检测 309

12.4.2 使用道路车辆信息改进车道检测 312

12.5 绩效评估 313

12.5.1 ELVIS 313 中的车辆检测

12.5.2 ELVIS 316 中的车道检测

12.6 结束语 319

13 驾驶员监控 321

Raja Bala 和 Edgar A. Bernal

13.1 简介 321

13.2 视频采集 322

13.3人脸检测与对齐323

13.4 眼睛检测与分析 325

13.5 头部姿势和注视估计 326

13.5.1 头部姿势估计 326

13.5.2注视估计328

13.6 面部表情分析332

13.7多模态传感和融合334

13.8结论和未来方向336

14 交通标志检测与识别 343

哈桑·弗莱耶

14.1 简介 343

14.2 交通标志 344

14.2.1 欧洲道路和交通标志 344

14.2.2 美国道路和交通标志 347

14.3 交通标志识别347

14.4 交通标志识别应用 348

14.5 潜在挑战 349

14.6交通标志识别系统设计349

14.6.1 交通标志数据集 352

14.6.2 颜色分割 354

14.6.3 交通标志的边缘分析 359

14.6.4 象形图提取364

14.6.5 使用特征的象形图分类 365

14.7 工作系统 369

15 路况监测 375

Matti Kutila、Pasi Pyykonen、Johan Casselgren 和 Patrik Jonsson

15.1 简介 375

15.2 测量原理 376

15.3 传感器解决方案 377

15.3.1基于相机的摩擦估计系统377

15.3.2路面传感器379

15.3.3 光谱学 380

15.3.4 路边雾感 382

15.3.5 车载传感器 383

15.4分类和传感器融合386

15.5 实地研究 390

15.6 合作道路气象服务 394

15.7 讨论和未来工作 395

索引 399