一、视频检测式违章抓拍系统(论文文献综述)
马沈骐[1](2020)在《基于深度学习的车辆行为视频识别方法研究及系统实现》文中研究表明随着近几年道路交通运输业的迅猛发展,各类交通违章行为的频发给交通监管机构带了巨大的压力。基于深度学习的车辆行为视频系统可以通过信息化、智能化手段,有效的监管路况,对不同的违章行为及时反馈上传,达到提高监管效率、降低人力成本的目的。本文针对智能交通系统中的车辆识别、车辆违章及其他车辆行为的判定等核心功能及关键技术进行研究并完成系统实现。本文研究的基于深度学习的车辆行为视频识别系统是基于监控球机返回的实时图像和本地视频图像双数据通道,并支持实时图像的抓拍取证功能。系统首先是预处理模块,主要根据颜色空间、图像形态学处理原理对分辨率较大的视频图像进行滤波、抽取。其次是系统的核心功能模块,包括目标检测与跟踪模块、违章判定模块和预测抓拍模块。对目标检测模块,快速且高精确度的目标检测是系统实现的关键。本文采用基于YOLO v3基础模型的深度学习网络实现车辆识别与位置的提取。通过大量不同类型车辆的参数训练,解决了传统形态学帧差法在识别车辆时受场景环境影响较大的问题,并且有效避免监控场景中由于光源位置及强度变化导致的阴影变化对车辆目标检测的影响,检测精度得到提高。对车辆跟踪提出了边界框收窄的帧间目标最大重叠面积法,降低了识别误差对跟踪的影响,通过阈值来适应不同场景范围内的目标车辆轨迹跟踪,可以有效的获得并记录每帧、每个目标的位置坐标信息。针对不同的违章行为给出了判别算法。首先采用最小二乘法实现道路边界线、禁停区域线等多种道路曲线拟合;然后根据目标车辆的轨迹信息,再结合拟合得到的道路边界数据,定义出跨黄线行驶、禁停区域违章停车等车辆行为的判定准则。最后对违章车辆运用像素坐标系运动轨迹预测方法进行最佳拍摄取证位置的预测,根据预测的位置调动球机及时变焦,实现违章抓拍与录像取证。该方法不受实际路况以及所使用的监控摄像机相关参数的影响,计算简单且鲁棒性良好,适用性强。最后本文实现了交通车辆违章智能跟踪抓拍系统。系统的硬件设备部分包括球形摄像机、计算机及服务器;软件部分基于Visual Studio开发平台,包括球机接口、球机控制、图像处理、智能研判、违章判别、取证及上传模块,实现系统自动判别违章等车辆行为并自动控制球机云台抓拍录像取证。本系统在实际违章频发路段进行测试,对压车道标线行驶、禁停区域违章停车等违章行为进行违章抓拍取证,经测试系统可以有效识别车辆及其特定违章行为。
黄勇[2](2018)在《交通违法视频检测关键技术研究及系统实现》文中指出随着道路交通的迅速发展,交通违法行为出现的频率提高,带来的危害性也在增加,因此有效的限制交通违法行为的发生至关重要。智能交通系统是当今处理交通违法行为的一种重要手段,具有范围广、效率高等特点。本文针对智能交通系统中交通违法视频检测的关键技术进行研究并完成系统实现。本文研究的系统处理监控摄像机返回的实时图像数据。为了解决视频图像分辨率较大带来的程序计算效率的问题,同时保留图像的主要信息,对每帧图像按行和列分别进行了抽取操作。为了更准确地识别目标以及减少噪声等干扰因素带来的不利影响,对图像进行开运算的形态学处理。使用均值法建立背景,差分二值化提取前景,连通域分析识别场景中的运动目标,用矩形类来表征每个目标。监控场景中的光照会对车辆造成投射阴影,为解决阴影误压道路标线的问题,使用了一种结合梯度投影和小波变换的阴影去除算法,达到去除阴影区域分割出车辆目标的效果,同时对目标做了形状上的修正。为了匹配不同帧之间相同的运动目标,使用了最大重叠面积阈值法对车辆目标进行跟踪,记录场景中每个目标的位置、大小等信息,保存目标的完整行驶路径。针对复杂的实际监控场景,使用最小二乘法拟合监控区域边界、道路标线、违停区域等边界信息并将数据存盘供程序多次读取。分析运动目标的运动轨迹,并结合道路数据,定义了骑轧道路标线和禁停区域停车等违章行为的判定准则。使用了一种不需要实际路面的信息以及摄像机参数的像素坐标系运动轨迹预测方法,该方法基于运动目标在像素坐标系的历史运行轨迹,计算简便且准确度高,用此预测方法对出现违章行为的车辆进行违章抓拍并保存图像和视频证据。对图像证据进行数字水印加密处理防止被篡改,并和视频证据本地存盘,通过网络传输发送到报警信息接收中心的服务器。设计实现了完整的交通违法视频检测系统。本系统的硬件设备包括球型摄像机、计算机及服务器,软件部分基于MFC软件平台,包括摄像机接口、图像处理、违章判别、抓拍取证、证据上传等模块,实现了摄像机的全自动监控、抓拍和上传。本系统在现实中违章频发路段进行了测试,对违反禁行标线行驶、违章停车等违章行为进行抓拍取证,测试效果良好,并通过公安部产品质量监督中心产品认证。
赵成强[3](2018)在《公路交通车辆违章行为检测与监控实现系统》文中研究说明随着国民生活水平的提高,全国汽车保有量不断增加,随之而来的是各种交通安全事故时有发生。通过国家交通管理部门发布的交通事故分析显示,交通车辆的违章行为在所有交通故事诱发因素中占较大比例。进一步对这些交通违章行为进行技术分析,最为常见的违章行为包括车辆违停、非紧急情况下违规占用应急车道、随意变更车道等。在众多交通事故的背后往往存在着“小违章”导致“大事故”的现象,因驾驶人员交通安全意识薄弱,没有认识到交通车辆违章行为的危害,从而造成交通事故发生,严重的交通事故还可能造成重大财产损失和人员伤亡,影响公民出行安全。另一方面,国家正加快数字化智能交通监控系统建设,交通安防监控系统是整个智能交通监控体系中的重要组成部分。因此,加强交通违章行为系统建设,加快交通车辆违章行为检测研究具有重要的现实应用价值和市场前景。本文主要应用了计算机视觉处理技术、智能视频分析技术以及数字图像处理技术等相关前沿技术。所涉及的具体技术有图像处理技术、图像分割技术、目标检测与跟踪技术、数字信号采集与处理等相关技术。研究了能适应于公路交通场景监控的车辆违章行为监控系统,并重点对车辆违停、非紧急情况下违规占用应急车道、随意变更车道这三种交通事故诱发率占比较高的车辆违章行为的检测识别实现方案进行了研究和设计,并通过系统开发调试和实现验证。具体包括:(1)本文对现有监控模式进行了优化设计,提出了一种基于视频流的自动保存取证监控系统。该系统主要针对现有交通监控模式中,采用的是视频检测自动抓拍的方式进行交通场景监控,整个监控模式实现系统有一个反应抓拍环节,整个抓拍环节涉及到一个控制信号的发出、传输、执行,需要一定的反应时间。本文提出的监控系统优势在于:在实际应用中,减少了反应抓拍环节,也就减少了很多信息传输环节,从而保证了整个监控系统的稳定性和实时性。(2)本文提出了一种基于几何坐标图像区域自由分割方法,在进行交通监控场景特定区域设置时,可通过此方法自由设置场景中所要监控的特殊区域。此方法是针对在进行公路交通违章停车和非紧急情况下违规占用应急车道监控时,采用的监控摄像头都是广角摄像头,在现实监控场景中,几乎采用的是角度偏差,视野调整等方法进行特别区域的监控,但这一定程度上限制的监控范围,而且还可能产生漏检或误检的情况。此方法优势在于:一是通过分割去掉了视频监控场景中许多无用的图像区域,在进行后续的相关图像像素处理时能减少计算量,一定程度上节约了图像信息处理运算时间,提升了整个监控系统的实时性。二是去除了图像中非特殊监控区域上其他车辆的图像信息,在进行后期的违章车辆车牌识别时,保证了系统识别准确率。(3)本文对这三种常见车辆违章行为的检测实现方案进行了优化设计,通过监控软件系统设计开发,程序编写和相关算法调用,采用本地监控视频素材,验证了本文优化设计的监控模式的有效性和三种常见违章行为的检测实现方案的可行性和实效性。通过相关测试验证,取得了较好的结果,并对相应输出结果进行总结分析,所得测试结果基本达到了方案设计效果,对进行实地交通场景实时监控和车辆违章行为检测提供了优化的解决方案。
刘常德,徐贵力,陈曦,程月华[4](2016)在《基于计算机视觉的车辆违章轧线监管系统研究》文中指出针对目前车辆违章轧线监管系统监控范围小和准确率有待提高的问题,为了尽可能扩大监控范围和提高准确率,本文提出一种基于高速球型摄像机的主动智能车辆轧线监管方法。首先,根据实际需求设计硬件系统和软件系统,并利用高速球机的机动性,提出静态检测和动态抓拍相结合的方法,以扩大监管范围。此外,针对准确率不高的问题,提出两步轧线检测算法,即根据前景最小外接矩形框初步判断是否轧线,再进一步通过轧线附近的区域统计前景比例来精确判断,从而提高轧线检测的准确率和抗干扰能力。实验结果表明,相比于传统轧线检测系统,本文设计的系统监控范围扩大了1倍,并且检测准确率提高了21.1%,实现了大范围内对违章轧线车辆的有效监管。
徐乐[5](2016)在《车载便携式交通违章智能抓拍系统关键技术研究》文中研究说明随着城镇化进程的不断加速,城市人口和机动动车数量迅猛增长,使得人、车、路之间的矛盾日趋严重。交通违章问题越来越严重,不仅破坏了城市交通秩序,同时由于交通违章行为而导致的交通事故也给人民生命财产安全造成了极大损失,因此有效治理交通违章行为对于消除道路交通安全隐患具有极其重要的现实意义。相关部门加大了对电子警察系统的研究和投入,但现行的电子警察系统由于体积、功耗等局限性,通常只能安装在固定的地点或者专用执法车辆上对局部范围内的违章行为进行监控,易被驾驶员刻意躲避,使其监管范围和效能受到了极大限制。本课题基于“互联网+交通管理”模式,主要提出并实现一种车载便携式道路交通违章行为智能抓拍系统。其基本原理是,以车辆行车记录仪或智能手机为载体,综合运用前方车辆驶入的快速检测技术、车牌自动识别技术、车辆违章行为智能分析技术实现对前方车辆违章行为的智能识别与自动抓拍,适合全路网大面积部署应用,进而形成全民参与交通管理的良好局面。首先,总结基于视频的车辆入侵检测技术研究现状及发展趋势,提出了一种集成候选识别区域标定和多特征融合技术的前方车辆驶入快速检测与跟踪方法,并从准确率、处理效率等方面对该方法的有效性进行了实验验证。其次,对本文所采用的车牌定位算法、车牌字符切分及字符识别算法进行了详细介绍,重点提出了倾斜校正的改进算法,并从准确率、处理效率、倾斜适应性和光照适应性等方面对实验验证结果进行了分析。最后,围绕双黄线违章的问题,建立车辆的几何姿态与双黄线区域的动态位置关系,提出了一种适合于便携式车载终端使用的双黄线违章自动识别方法,并通过实验验证。
潘行杰[6](2015)在《违法使用远光灯自动抓拍系统研究》文中提出目前夜晚滥用远光灯的现象相当严重,导致车祸频发。为了保证夜间行驶车辆的安全,引导人们正确使用远光灯,本文提出了一种基于形态学的夜间行驶车辆远光灯开闭状态的检测方法,可适应夜间不同路灯光照环境下的行驶车辆的远光灯开闭状态的判别。本系统将视频监控模式作为检测手段,自动检测监视画面内的行驶车辆,当夜晚被监控路段有汽车违章使用远光时,提取行驶车辆远光灯形态特征,判别行驶车辆远光灯开闭状态,并对其进行定位跟踪。通过分析该行驶车辆在监控区域内远光灯的开启持续时间、道路照明情况、道路通行情况以及同向、对向车道是否有通行车辆等信息,对该车辆是否违章使用远光灯进行综合判定。如违违章使用条件成立,系统将自动保存反映该车辆违法使用远光灯三个关键位置信息的图像序列和违法使用全过程的短视频,并形成包含违章性质、违章地点、违章车辆车身颜色和车型、违章车辆车牌信息等完整的执法证据链,为执法人员提供执法依据。本文通过远光灯开闭状态检测获取违章车辆违章性质信息,利用宽动态成像的原理,通过双摄像机方案获得违法车辆违规地点、违规车辆车身颜色和车型、违规车辆车牌信息。实验结果表明,本文提出的算法可以达到90%以上的正确率和60%以上的捕获率,并对环境干扰的鲁棒性较高。
李旭[7](2014)在《基于视觉的车辆违章轧线与违停监管系统研究》文中提出违章车辆检测与抓拍是智能交通系统中的重要组成部分,在约束司机行为、减少车辆违章与交通事故、提高交通效率等方面发挥着重大作用。本文针对目前车辆越、轧线车道线与违停两种违章行为的监管系统范围小、检测与抓拍成功率较低等问题,研究一种新的基于高速球摄像机的大范围监管系统。首先,根据轧线、违停监管应用需求分析,设计了基于高速球摄像机的系统总体硬件框架、工作原理和算法流程,以增大监管范围和提高可靠性。其次,根据轧线、违停监管应用需求和系统可靠性问题,对现有高速球摄像机缺少角度反馈这一缺陷,将角度编码器增设在其内部云台的两转动轴上,构建了闭环运动控制系统,并研究了基于ARM的测控硬件系统,以此为基础,建立抓拍测控模型。然后,为了提高从道路背景中提取出的车辆目标准确性,分别研究了基于有参与无参背景模型的前景检测算法,通过理论与实验研究了现有算法的优劣,将一种历史像素序列与ViBe相结合,做背景建模,验证实验表明,与现有多种背景建模算法相比,本文算法的目标提取准确率较高,误检率较低,且对初始化时产生的伪前景有良好的抑制能力。此外,针对现有图像测距算法过程复杂、操作繁琐等问题,设计了基于相机成像原理和车道等宽线的标定方法,分别实现了纵向(车道方向)与横向(车道垂直方向)测距,实验结果表明,本文方法实现简单,目标位置信息获取准确,测量误差均在15%以下,较好的达到了本系统动态抓拍要求。最后,针对本系统的大范围监管需要相机配合云台、镜头动作才可以抓拍到不同位置违章车辆高清图像的问题,本文结合抓拍测控模型,设计了动态抓拍方法。为了精确判断目标车辆是否轧线,设计一种根据车辆位置与越线像素比例的轧线判定算法,大大降低非车辆物体引起的误判定,并针对车辆违停设计违停检测算法。整合以上内容,构建车辆轧线与违停监管系统,经多个实际交通路段试点运行,本系统取得了良好的监管效果。
龚鸣[8](2013)在《违章车辆抓拍系统的研究与实现》文中认为闯红灯等车辆违章行为是发生交通事故的一个主要原因。本文设计了一种嵌入式违章车辆抓拍系统,能实现对车辆闯红灯违章行为的抓拍取证,系统结构紧凑,功耗低,满足实际道路的使用要求。本文的主要研究内容如下:①分析了违章车辆抓拍系统的结构和工作原理,组成的抓拍系统由车辆检测模块、红灯检测模块和抓拍相机等部分组成;②由于抓拍相机的视频图像采集系统需要采集和处理大量的视频图像数据,对图像采集和处理速度要求很高。所以在选择、设计视频图像采集系统时,选用了基于达芬奇平台的TMS320DM355芯片作为相机的控制和视频图像处理模块;③设计了抓拍相机的硬件电路,对硬件电路的电源复位电路、DM355主控电路、视频图像采集电路、STM32通信电路四个电路模块进行了说明;④对抓拍相机的软件进行了设计。由于主控芯片DM355需要处理的任务较多,采用了支持Linux操作系统的POSIX标准的多线程程序设计来实现。对抓拍相机的图像增强算法和车辆违章的判定算法进行了设计;⑤对抓拍系统的各项功能进行了测试。通过测试表明:抓拍系统有着较高的抓拍成功率,拍摄的图像清晰,各项指标都达到了系统的要求。最后对本文的工作进行了总结,提出了有待改进和完善的地方。
王旭昕[9](2013)在《电子警察系统中虚拟线圈技术研究与实现》文中研究指明随着信息科技的不断发展,对于信息技术的使用在我们现在的社会发展及经济的增长的作用体现可以说是更明显了。信息数字化管理系统也是一个城市发展当中的一个重要的标志。由于城市化进程的加快,机动车辆日益增多,交通变得越来越拥挤而道路的利用率也随之降低,从而给环境产生了严重的污染、使环境指标也超标了。因而利用现代化的信息科学技术来实现对交通的智能化管理系统也随之产生了,即智能交通系统。在当前的现有电子警察系统中,主要都是从路口的检测线圈当中提取违章车辆的信息、红灯的信号主要是从信号控制系统当中获取的。这方面的系统一般依赖性比较强,而且施工起来也是比较麻烦,维护起来比较困难,也不够灵活。在本文当中主要针对目前现有的电子警察系统安装、使用等方面的问题,提出了通过虚拟线圈视频检测技术来对车辆闯红灯违章事件的解决方案,力求能够在实际的需求当中更加适用,并且在实际的应用当中做了大量的工作。其具体的工作内容包括如下内容:(1)对现场的检测区域场景进行采样,抓拍固定的背景来对车辆违规图像进行对比。(2)对图片进行背景差法、形态除噪、阴影边缘去除、边缘检测等处理,然后把经过加工后的图像中的虚拟线圈相关检测线的特征量提取出来,最后把特征量作为依据进行一系列的事件、参数检测。(3)对现场检测区域环境的固有特点和检测区域内运动物体和运动物体间的关系进行分析,根据设备距停车线的位置、停车线距信号灯的位置、车辆尾部信息和车辆速度与闯红灯行为特征的联系等特点总结出一种结合虚拟线圈技术和车辆尾部跟踪的车辆越线检测算法。该算法能有效减低干扰因素影响。因此本文研究采用虚拟线圈技术,并结合智能交通其它相关技术而形成的一套有利于道路交通控制的系统技术。对于本文研究来源于福州市电子警察闯红灯系统建设工程项目,以相关的电子警察系统设计标准及规范为依据,研究主要内容是建立一个公安服务器网站,实现对全市路口交通的有效管理。因此,深入研究解决如何才能使城市的道路交通得到有效的管理有着极其重要的现实意义。本文研究的是采用虚拟线圈视频检测技术来识别车辆闯红灯等交通违章时间,以及记录下违章图像以便取证。
王华锋[10](2013)在《基于视频检测技术的道路卡口系统研究与设计》文中研究说明随着世界经济技术的发展,智能交通系统(ITS)已越来越受到人们关注,成为了世界交通领域重要的研究课题。它将先进的信息技术、数据通讯传输技术、电子传感器技术、电子控制技术及计算机处理技术等有效地集成运用于整个交通运输管理体系,事实证明智能交通系统的应用大大提高了交通运输的效率,它对于机动车流量监控、道路规划设计和交通指挥引导起到了越来越重要的作用。该论文所研究的基于视频检测技术的道路卡口系统是智能交通系统的重要组成部分。该系统主要应用于城市道路或高速公路出入口、收费站等治安卡口及重点治安地段,结合高清摄像机,依靠视频图像处理技术,实时地对经过卡口的车辆进行全天候检测、抓拍与记录。传统的道路卡口系统一般基于地感线圈或微波探测等方式,随着视频技术的飞速发展和计算机处理能力的大大增强,基于计算机视频检测技术的交通监控系统已成为可能。采用基于视频检测的道路卡口系统,与传统的卡口系统相比,有以下优点:1.基于视频检测的道路卡口系统安装方便,安装时不用损坏路面,不影响公路交通。2.计算机视觉处理技术能够提取更加完善的交通信息。通过计算机视觉技术,可以获得车流量、车道占有率、车辆颜色、车牌号码、车辆运行轨迹等现场信息。3.系统更易维护和升级。目前计算机视觉处理技术发展迅速,基于视频检测的道路卡口系统可以通过软件升级来方便地增加功能和提高性能。鉴于以上背景,本文对视频车辆检测式的卡口系统进行了研究与探讨。在运动车辆检测方面,本文采用了一种基于虚拟线圈检测的背景差分算法,通过检测该敏感区域的图像变化,来判断是否有机动车经过,并对原有的背景更新算法进行了改进而且加入了灰度域的阴影消除算法。在此基础上进一步的用双虚拟线圈的方法来判断车辆行驶方向和估计车辆速度。论文还详细分析了该系统的设计需求、系统总体结构、工作流程、系统功能,并做了详细的测试,分三个部分着重分析了本系统的软件构成:路口设备管理模块、数据管理模块和数据传输模块。系统以C++为开发语言,VS2008为开发工具软件,Windows/XP为设计平台,综合地应用了图像处理技术、GDI+、多线程技术、数据库技术等,构建了一个实用、可靠的系统。最后,对系统进行了详细的测试,测试结果表明本系统运用的车辆检测算法具有良好的实时性与鲁棒性,能够正确的对车辆进行实时检测且系统具有较强的抗干扰性,能够较好的适应晴天、阴雨天,可以长时间的可靠稳定工作。
二、视频检测式违章抓拍系统(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、视频检测式违章抓拍系统(论文提纲范文)
(1)基于深度学习的车辆行为视频识别方法研究及系统实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
1.4 论文组织结构 |
第二章 智能交通系统中的视频处理理论基础 |
2.1 颜色空间理论 |
2.1.1 RGB颜色空间 |
2.1.2 YUV颜色空间 |
2.2 图像处理理论基础 |
2.2.1 图像滤波 |
2.2.2 图像抽取 |
2.3 视频图像数据获取 |
2.3.1 文件版本视频图像解码 |
2.3.2 实时监控视频图像解码 |
2.4 本章小结 |
第三章 基于YOLOv3 深度学习的目标检测与跟踪原理 |
3.1 深度学习理论基础 |
3.1.1 卷积神经网络(CNN) |
3.1.2 误差反向传播算法(BP算法) |
3.2 基于深度学习的目标检测典型模型理论基础 |
3.2.1 基于候选区域的目标检测模型 |
3.2.2 基于回归的目标检测模型 |
3.3 YOLOv3 基础模型网络结构与实现方法 |
3.4 YOLOv3 性能检测指标 |
3.5 目标检测网络模型训练 |
3.5.1 网络参数训练-训练集 |
3.5.2 网络识别性能测试-测试集 |
3.5.3 网络模型评估-验证集 |
3.6 目标跟踪算法 |
3.6.1 跟踪算法实现 |
3.6.2 跟踪效果分析及优化 |
3.7 本章小结 |
第四章 智能交通系统中违章检测和抓拍方法研究 |
4.1 道路信息提取 |
4.1.1 监控边界信息提取 |
4.1.2 预置位信息提取 |
4.2 车辆违章行为判定算法 |
4.2.1 车道分界标压线行驶行为判别 |
4.2.2 违章禁停行为判别 |
4.3 预测抓拍取证算法研究 |
4.3.1 预测抓拍原理 |
4.3.2 预测抓拍方法实现 |
4.3.3 预测抓拍应用结果分析 |
4.4 本章小结 |
第五章 智能交通系统中跟踪抓拍系统构建研究 |
5.1 硬件系统 |
5.1.1 球形摄像机 |
5.1.2 硬件系统组织架构 |
5.2 软件系统 |
5.2.1 系统初始化模块 |
5.2.2 目标检测与跟踪模块 |
5.2.3 违章判定模块 |
5.2.4 预测抓拍模块 |
5.2.5 证据上传模块 |
5.3 系统的构建实现 |
5.3.1 系统初始化及运行步骤 |
5.3.2 系统测试结果 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
(2)交通违法视频检测关键技术研究及系统实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 论文研究内容及意义 |
1.4 论文组织结构 |
第二章 视频图像处理基础 |
2.1 视频数据获取及预处理 |
2.1.1 视频颜色空间 |
2.1.2 图像的抽取 |
2.2 前景目标提取 |
2.2.1 背景建立 |
2.2.2 差分二值化提取前景 |
2.3 形态学处理识别目标 |
2.3.1 腐蚀和膨胀 |
2.3.2 连通域分析识别目标 |
2.3.3 外接矩形合并及筛选 |
2.4 本章小结 |
第三章 复杂场景处理 |
3.1 阴影处理 |
3.2 目标后续处理 |
3.2.1 目标底部修正 |
3.2.2 干扰目标去除 |
3.3 目标跟踪及轨迹记录 |
3.4 本章小结 |
第四章 违章检测抓拍 |
4.1 道路信息提取 |
4.1.1 监控边界信息提取 |
4.1.2 预置位信息提取 |
4.2 车辆违章行为判定 |
4.2.1 骑轧道路标线行为研究 |
4.2.2 禁停区域停车行为研究 |
4.3 预测抓拍算法研究 |
4.3.1 预测抓拍原理 |
4.3.2 预测抓拍方法应用实例 |
4.4 本章小结 |
第五章 交通违法视频监控系统实现 |
5.1 系统硬件架构 |
5.2 系统软件架构 |
5.2.1 抓拍取证模块 |
5.2.2 证据上传模块 |
5.2.3 软件工作流程 |
5.3 数字水印加密图像 |
5.3.1 数字水印嵌入 |
5.3.2 数字水印提取 |
5.3.3 数字水印攻击测试 |
5.4 系统软件测试及实验结果 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
(3)公路交通车辆违章行为检测与监控实现系统(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景与意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 国内外研究现状分析 |
1.2.1 交通监控国内外研究现状 |
1.2.2 车辆违章行为监控模式分析 |
1.3 论文研究内容、技术路线与创新点 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.3.3 研究创新点 |
1.4 论文结构安排 |
第2章 系统监控模式与违章行为检测方案设计 |
2.1 基于视频流的自动保存取证监控系统监控模式设计 |
2.2 违章停车行为监控实现方案 |
2.3 非紧急情况下违章占用应急车道行为监控实现方案 |
2.4 随意变更车道违章行为监控实现方案 |
2.5 常见违章行为联合监控实现方案 |
2.6 本章小结 |
第3章 公路交通监控视频图像预处理与分割 |
3.1 监控视频图像预处理 |
3.1.1 图像去噪平滑处理 |
3.1.2 图像金字塔采样处理 |
3.1.3 视频监控图像直方图均衡化 |
3.2 监控视频图像分割 |
3.2.1 监控视频图像分割方法分析 |
3.2.2 基于几何坐标的图像分割方法实现 |
3.3 本章小结 |
第4章 监控车辆的检测跟踪 |
4.1 运动车辆检测 |
4.1.1 背景差分法 |
4.1.2 背景建模的监控车辆检测 |
4.2 监控场景中的车辆跟踪 |
4.2.1 卡尔曼滤波算法跟踪 |
4.2.2 质心计算跟踪 |
4.2.3 车辆运动轨迹分析 |
4.3 本章小结 |
第5章 违章车辆的车牌识别 |
5.1 车辆图像获取 |
5.2 车牌定位 |
5.3 车牌字符分割 |
5.4 车牌字符识别 |
5.5 本章小结 |
第6章 软件系统的开发与测试 |
6.1 软件系统开发 |
6.1.1 系统开发环境 |
6.1.2 系统功能模块介绍 |
6.2 功能模块测试 |
6.2.1 违章停车行为检测 |
6.2.2 非紧急情况下违章占用应急车道行为检测 |
6.2.3 随意变更车道违章行为检测 |
6.2.4 常见违章行为综合检测 |
6.3 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间取得学术成果 |
(4)基于计算机视觉的车辆违章轧线监管系统研究(论文提纲范文)
0 引言 |
1 系统总体设计 |
1.1 需求分析 |
1.2 硬件系统设计 |
1.3 系统软件设计 |
2 运动目标检测算法 |
3 轧线检测算法 |
4 基于高速球机的抓拍模型建立 |
4.1 焦距计算 |
4.2 俯仰角和偏转角计算 |
5 实验结果及分析 |
6 结束语 |
(5)车载便携式交通违章智能抓拍系统关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 交通违章识别系统 |
1.2.1 概述 |
1.2.2 主要交通检测器技术对比分析 |
1.2.3 基于视频的车辆违章识别方法研究进展 |
1.3 论文的研究内容及技术路线 |
1.4 论文组织结构 |
第2章 前方车辆驶入的快速检测与跟踪方法 |
2.1 基于视频的车辆入侵检测技术研究与发展现状 |
2.1.1 基于帧运动特征的车辆入侵检测 |
2.1.2 基于立体视觉的车辆入侵检测 |
2.1.3 基于车辆特征型的入侵检测 |
2.2 总体方案设计 |
2.3 基于单目视觉测距法的车辆候选识别区标定方法 |
2.3.1 图像中目标距离的测距方法 |
2.3.2 车辆候选识别区的标定方法 |
2.4 一种基于多特征融合的前方车辆驶入快速检测算法 |
2.4.1 基于阴影特征的车辆假设区域生成方法 |
2.4.2 基于灰度对称性特征的假设区域验证 |
2.5 实验验证与结果分析 |
2.5.1 实验方案设计 |
2.5.2 实验结果分析 |
2.6 本章小结 |
第3章 前方驶入车辆车牌快速识别技术 |
3.1 车牌识别技术的发展及研究现状 |
3.1.1 车牌识别系统构成 |
3.1.2 车牌定位技术 |
3.1.3 车牌字符识别技术 |
3.2 基于车载视频系统的前方车辆车牌字符快速识别技术 |
3.2.1 总体方案设计 |
3.2.2 车牌定位算法的应用研究 |
3.2.3 倾斜校正算法的应用研究 |
3.2.4 车牌字符切分及字符识别算法的应用研究 |
3.3 实验验证与结果分析 |
3.4 本章小结 |
第4章 前方车辆双黄线违章行为智能识别技术 |
4.1 基于视频的车辆违章自动识别技术发展及研究现状 |
4.1.1 基于视频的车辆违章自动识别基本实现原理 |
4.1.2 基于视频的典型车辆违章行为基本判断准则与方法 |
4.2 前方车辆双黄线违章的自动识别方法 |
4.2.1 总体方案设计 |
4.2.2 基于直线和颜色特征提取的双黄线识别方法 |
4.2.3 双黄线违章行为的检测与识别算法 |
4.3 实验验证与结果分析 |
4.4 本章小结 |
第5章 原型系统总体设计 |
5.1 系统需求分析 |
5.1.1 系统功能需求 |
5.1.2 系统性能指标 |
5.2 系统总体设计方案 |
5.2.1 系统工作原理 |
5.2.2 系统架构设计 |
5.3 软件系统设计 |
5.3.1 软件系统功能模块设计 |
5.3.2 主要功能模块工作流程设计 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 研究工作总结 |
6.2 对进一步研究工作的展望 |
参考文献 |
致谢 |
(6)违法使用远光灯自动抓拍系统研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 引言 |
1.2 研究背景和意义 |
1.3 国内外研究现状 |
1.4 本文的研究重点和难点 |
1.5 论文章节安排 |
2 远光灯违法使用判别条件 |
2.1 远光灯的概念 |
2.2 远光灯的使用条件 |
2.2.1 需要使用远光灯的条件 |
2.2.2 禁止使用远光灯的条件 |
2.3 违法使用远光灯的安全隐患 |
2.4 本章小结 |
3 基于图像的违法使用远光灯检测算法 |
3.1 摄像机的动态范围 |
3.1.1 动态范围的定义 |
3.1.2 摄像机宽动态技术 |
3.1.3 宽动态技术在视频处理系统应用上的不足 |
3.1.4 多摄像机同步采集方案 |
3.2 远光灯开闭状态检测原理 |
3.2.1 远、近光的区别 |
3.2.2 前照灯定位算法 |
3.3 远光灯开闭状态的判别特征提取 |
3.3.1 前照灯图像水平矫正 |
3.3.2 远光灯开闭状态判别 |
3.4 远光灯违法行为记录 |
3.5 执法依据构成 |
4 违法使用远光灯自动抓拍系统组成 |
4.1 远光灯自动抓拍系统模块区分 |
4.1.1 双摄像机视频采集模块 |
4.1.2 原始视频保存模块 |
4.1.3 违法使用远光灯判别模块 |
4.1.4 远光灯违法结果保存模块 |
4.2 远光灯自动抓拍系统组成 |
4.2.1 远光灯自动抓拍系统硬件组成 |
4.2.2 远光灯自动抓拍系统软件组成。 |
5 远光灯自动抓拍系统时效性优化 |
5.1 系统时效性分析 |
5.2 多线程优化 |
5.2.1 生产者消费者模式 |
5.2.2 生产者消费者模式的优点 |
5.2.3 生产者消费者模式在视频处理系统应用上的不足 |
5.2.4 流水线模式 |
5.3 GPU硬件编解码优化 |
5.3.1 硬件编解码 |
5.3.2 硬件编解码优劣分析 |
6 实验结果与分析 |
6.1 违法使用远光灯记录功能测试实验 |
6.1.1 实验目的 |
6.1.2 实验条件 |
6.1.3 实验方法 |
6.1.4 实验结果 |
6.2 系统环境适应性实验 |
6.2.1 实验目的 |
6.2.2 实验条件 |
6.2.3 实验方法 |
6.2.4 实验结果 |
6.3 违法使用远光灯捕获率和识别准确率测试实验 |
6.3.1 实验目的 |
6.3.2 实验条件 |
6.3.3 实验方法 |
6.3.4 实验结果 |
6.4 实验结果分析 |
7 总结与展望 |
7.1 论文工作总结 |
7.2 展望 |
致谢 |
参考文献 |
已发表论文、专利、获奖及科研情况 |
国家发明专利 |
获奖情况 |
参与的科研与教学工作 |
(7)基于视觉的车辆违章轧线与违停监管系统研究(论文提纲范文)
摘要 |
ABSTRACT |
图表清单 |
注释表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 交通信息检测技术研究现状 |
1.2.2 基于机器视觉的交通监测技术现状 |
1.2.3 基于视觉的车辆越、轧车道线检测研究现状 |
1.2.4 基于视觉的车辆违停检测研究现状 |
1.3 研究难点及存在问题 |
1.4 本文主要内容 |
1.5 本文章节安排 |
第二章 车辆轧线、违停监管系统总体设计 |
2.1 监管系统应用分析及总体框架 |
2.2 监管系统硬件构建 |
2.3 系统软件设计 |
2.3.1 系统工作原理 |
2.3.2 系统各功能模块开发 |
2.3.3 系统界面设计 |
2.4 本章小结 |
第三章 高速球相机改造及抓拍测控模型建立 |
3.1 抓拍系统硬件设计 |
3.1.1 高速球相机改造及设计 |
3.1.2 闭环系统工作原理 |
3.1.3 下位机软件设计 |
3.2 基于高速球相机的抓拍测控模型设计 |
3.2.1 坐标系定义 |
3.2.2 场景坐标系与相机坐标系融合算法 |
3.2.3 抓拍实验验证 |
3.3 本章小结 |
第四章 基于背景建模的运动目标提取方法研究 |
4.1 基于有参背景模型的目标检测算法原理 |
4.1.1 平均背景建模及其改进算法原理及实验分析 |
4.1.2 混合高斯建模原理及分析 |
4.2 基于无参背景模型的目标检测算法原理 |
4.2.1 ViBe 背景建模方法 |
4.2.2 基于历史像素建模的 ViBe 改进算法 |
4.3 实验比较及分析 |
4.4 本章小结 |
第五章 基于图像的测距方法研究 |
5.1 图像测距算法研究现状 |
5.2 基于成像原理的图像纵向测距算法 |
5.2.1 透视投影模型 |
5.2.2 像素-距离关系构建 |
5.2.3 实验结果 |
5.3 基于车道等宽线的图像横向测距算法 |
5.3.1 像素-距离模型 |
5.3.2 等宽线自动生成算法 |
5.3.3 实验结果 |
5.4 本章小结 |
第六章 轧线与违停抓拍系统实验 |
6.1 相机抓拍参数计算 |
6.1.1 焦距计算方法 |
6.1.2 云台俯仰角与偏转角计算方法 |
6.2 车辆轧线抓拍方案及实验验证 |
6.2.1 轧线判定算法 |
6.2.2 违章车辆位置预测 |
6.2.3 轧线抓拍实验结果 |
6.3 车辆违停抓拍方案及实验验证 |
6.3.1 违停区域设定 |
6.3.2 违停判定算法 |
6.3.3 违停抓拍实验结果 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 本文工作总结 |
7.2 研究展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(8)违章车辆抓拍系统的研究与实现(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文的主要研究内容 |
1.4 本章小结 |
2 抓拍系统组成 |
2.1 系统功能需求 |
2.2 系统总体结构及抓拍原理 |
2.2.1 系统总体结构 |
2.2.2 系统抓拍原理 |
2.3 车辆检测模块 |
2.3.1 车辆检测的基本原理 |
2.3.2 车辆检测模块的电路设计 |
2.4 红灯检测模块 |
2.4.1 红灯检测的基本原理 |
2.4.2 红灯检测模块的电路设计 |
2.5 本章小结 |
3 抓拍相机设计 |
3.1 嵌入式视频图像采集系统方案比较 |
3.2 方案选择 |
3.3 主控芯片介绍 |
3.4 抓拍相机硬件方案设计 |
3.5 本章小结 |
4 抓拍相机硬件设计 |
4.1 电源复位电路 |
4.1.1 电源电路 |
4.1.2 复位电路 |
4.2 视频图像采集电路 |
4.3 DM355 主控电路设计 |
4.3.1 存储电路设计 |
4.3.2 以太网接口电路设计 |
4.3.3 串口电路设计 |
4.3.4 闪光灯设计 |
4.4 通信电路设计 |
4.4.1 时钟电路设计 |
4.4.2 电源电路设计 |
4.4.3 串口电路设计 |
4.5 相机调试接口 |
4.6 本章小结 |
5 抓拍相机软件设计 |
5.1 抓拍相机软件设计 |
5.1.1 抓拍相机软件结构 |
5.1.2 抓拍相机软件开发流程 |
5.1.3 抓拍相机应用程序功能分析 |
5.2 抓拍相机应用程序设计 |
5.2.1 主程序设计 |
5.2.2 文件传输线程设计 |
5.2.3 调试线程设计 |
5.2.4 串口线程设计 |
5.3 图像增强算法 |
5.3.1 图像增强的基础算法 |
5.3.2 图像数据的处理过程 |
5.3.3 抓拍图像锐化处理的实现 |
5.3.4 增强算法的具体实现 |
5.4 违章抓拍算法设计 |
5.4.1 闯红灯违章抓拍算法设计 |
5.4.2 逆向行驶违章抓拍算法设计 |
5.4.3 超速行驶违章抓拍算法设计 |
5.5 通信电路的软件设计 |
5.6 本章小结 |
6 实验与总结 |
6.1 实验结果 |
6.1.1 硬件连接 |
6.1.2 上位机客户端调试软件 |
6.1.3 图像增强算法的测试 |
6.1.4 抓拍图片 |
6.1.5 抓拍成功率验证 |
6.2 工作总结 |
6.3 工作展望 |
致谢 |
参考文献 |
附录 |
(9)电子警察系统中虚拟线圈技术研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 虚拟线圈概述 |
1.3 本课题研究的主要成果 |
1.4 论文的组织结构 |
第二章 基于匹配的虚拟线圈检测算法分析 |
2.1 虚拟线圈检测原理 |
2.2 虚拟线圈设计 |
2.3 基于匹配算法的虚拟线圈车辆检测 |
2.4 本章小结 |
第三章 基于特征提取的虚拟线圈检测算法分析 |
3.1 图像预处理 |
3.1.1 图像去噪滤波 |
3.1.2 图像边缘锐化 |
3.2 图像检测目标阴影去除 |
3.2.1 阴影的产生和特点 |
3.2.2 阴影去除法 |
3.2.3 三层比较法 |
3.3 图像特征提取 |
3.4 决策过程与阈值选取 |
3.5 背景更新与阈值计算 |
3.6 本章小结 |
第四章 结合虚拟线圈和车辆尾部的越线检测算法分析 |
4.1 车尾部特征 |
4.2 基于车辆尾部跟踪的车速估算 |
4.2.1 基于车尾部跟踪的测速算法 |
4.2.2 视频测速常用的方法 |
4.3 车辆越线检测 |
4.4 本章小结 |
第五章 系统总体架构及设计 |
5.1 前端卡口系统需求分析 |
5.2 系统总体架构 |
5.3 前端卡口系统的设计 |
5.4 前端卡口系统的功能结构 |
5.5 前端卡口系统功能模块设计 |
5.5.1 车辆检测模块 |
5.5.2 车辆抓拍模块 |
5.5.3 车牌识别模块 |
5.5.4 信号灯接收模块 |
5.5.5 数据传输模块 |
5.6 前端卡口系统的实现 |
5.7 本章小结 |
第六章 电子警察中虚拟线圈技术应用测试 |
6.1 系统设备及开发平台 |
6.2 机动车不按交通信号灯规定通行的 |
6.3 通过路口遇停止信号时,停在停止线以内或路口内的 |
6.4 机动车不按规定车道行驶的 |
6.5 机动车逆向行驶的 |
6.6 机动车违反禁止标线指示的 |
6.7 机动车违反禁令标志指示的 |
6.8 机动车不在机动车道内行驶的 |
6.9 机动车违反规定使用专用车道的 |
6.10 机动车违章变道行为 |
6.11 本章小结 |
第七章 总结与展望 |
致谢 |
参考文献 |
(10)基于视频检测技术的道路卡口系统研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 智能交通系统(ITS)简介 |
1.1.1 智能交通的数据采集 |
1.1.2 国内外智能交通发展现状 |
1.2 视频检测技术概述 |
1.2.1 国外的研究现状 |
1.2.2 国内的研究现状 |
1.3 论文研究的主要工作和内容安排 |
第2章 系统相关原理概述 |
2.1 摄影机相关原理介绍 |
2.1.1 CCD 和 CMOS 传感器介绍 |
2.1.2 摄像机的基本功能参数 |
2.2 数字图像处理技术 |
2.2.1 图像分辨率与显示分辨率 |
2.2.2 像素深度 |
2.2.3 颜色空间 |
2.2.4 图像的预处理 |
2.3 视频车辆检测系统概述 |
2.3.1 车辆检测算法介绍 |
2.3.2 基于虚拟线圈方式的车辆检测算法 |
2.3.3 光流法 |
2.3.4 帧差法 |
2.3.5 背景差分法 |
2.3.6 三种算法的分析比较 |
2.4 车辆牌照识别技术概述 |
2.4.1 车辆牌照定位 |
2.4.2 车牌字符提取 |
2.4.3 车牌字符识别 |
2.4.4 本系统所用的车牌识别软件 |
第3章 系统的分析与设计 |
3.1 系统需求分析 |
3.1.1 系统设计需求 |
3.1.2 系统设计依据 |
3.2 系统结构分析 |
3.2.1 路口监控系统 |
3.2.2 前端抓拍设备 |
3.2.3 工业控制计算机 |
3.3 路口监控系统软件分析 |
3.3.1 车辆检测算法 |
3.3.2 设备管理模块 |
3.3.3 数据管理模块 |
3.3.4 数据传输模块 |
第4章 车辆检测算法的研究 |
4.1 本系统对算法的特殊性要求 |
4.2 交通样本库介绍 |
4.3 虚拟线圈法下的背景差分算法 |
4.4 背景更新算法 |
4.4.1 时间平均法 |
4.4.2 单一权值的时间平均法构建的背景 |
4.4.3 改进的时间平均法 |
4.4.4 改进的时间平均法构建的背景 |
4.4.5 两种时间平均法构建的背景结果分析 |
4.5 前景提取及车辆检测判断 |
4.5.1 前景提取流程图 |
4.5.2 前景提取结果与分析 |
4.6 阴影检测与消除 |
4.6.1 阴影产生的基本原理及其特征 |
4.6.2 阴影检测算法 |
4.6.3 背景差分法下阴影消除实验与分析 |
4.7 虚拟线圈法车流量检测与行为判断 |
4.8 算法的整体测试和评估 |
第5章 系统各软件模块的详细分析 |
5.1 设备管理模块 |
5.1.1 相机配置程序 |
5.1.2 异常处理程序 |
5.1.3 照片图像的信息叠加及保存 |
5.1.4 设备管理模块的主要线程分析 |
5.2 数据管理模块 |
5.2.1 MySQL 数据库简介 |
5.2.2 MySQL 数据库接口介绍 |
5.2.3 数据结构分析 |
5.3 数据传输模块 |
5.3.1 传输方式设计 |
5.3.2 数据传输方式 |
5.3.3 程序的流程及实现 |
第6章 系统工作流程与测试结果 |
6.1 系统工作流程 |
6.1.1 系统启动流程 |
6.1.2 系统参数配置 |
6.2 现场测试结果 |
6.2.1 软件运行性能 |
6.2.2 车辆统计结果 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
致谢 |
参考文献 |
附录 |
详细摘要 |
四、视频检测式违章抓拍系统(论文参考文献)
- [1]基于深度学习的车辆行为视频识别方法研究及系统实现[D]. 马沈骐. 东南大学, 2020(01)
- [2]交通违法视频检测关键技术研究及系统实现[D]. 黄勇. 东南大学, 2018(05)
- [3]公路交通车辆违章行为检测与监控实现系统[D]. 赵成强. 成都理工大学, 2018(01)
- [4]基于计算机视觉的车辆违章轧线监管系统研究[J]. 刘常德,徐贵力,陈曦,程月华. 计算机与现代化, 2016(05)
- [5]车载便携式交通违章智能抓拍系统关键技术研究[D]. 徐乐. 大连海事大学, 2016(07)
- [6]违法使用远光灯自动抓拍系统研究[D]. 潘行杰. 西安理工大学, 2015(01)
- [7]基于视觉的车辆违章轧线与违停监管系统研究[D]. 李旭. 南京航空航天大学, 2014(01)
- [8]违章车辆抓拍系统的研究与实现[D]. 龚鸣. 重庆大学, 2013(02)
- [9]电子警察系统中虚拟线圈技术研究与实现[D]. 王旭昕. 电子科技大学, 2013(01)
- [10]基于视频检测技术的道路卡口系统研究与设计[D]. 王华锋. 杭州电子科技大学, 2013(S2)