李少博
- 作品数：9 被引量：44H指数：4
- 供职机构：重庆交通大学交通运输学院更多>>
- 发文基金：重庆市教委科研基金国家自然科学基金重庆市教育委员会科学技术研究项目更多>>
- 相关领域：交通运输工程自动化与计算机技术更多>>
- 基于车联网环境的驾驶员反应时间研究被引量：8
- 2017年
- 为探究车联网(IOV)环境下驾驶员反应时间规律,搭建车车互联平台进行实车跟驰实验,基于高斯混合模型(GMM)分析了车联网环境跟驰状态下驾驶员反应时间特征。通过对传统和车联网环境驾驶员反应时间实测数据拟合分布模型对比,验证了车联网环境高斯混合模型优于正态分布和对数正态分布模型,及进一步对车联网环境道路基本通行能力的修正应用。研究结果表明:车联网环境下:1)简单反应时间缩短7.94%,复杂反应时间缩短25.79%,单车道基本通行能力提升15.39%;2)驾驶员反应时间总体标准差降低32.99%,分布更为集中;3)速度对反应时间的影响不显著。
- 蔡晓禹蔡明张有节吴启顺谭宇婷李少博
- 关键词：智能交通车联网高斯混合模型
- 无人机视频车辆跟踪算法研究被引量：4
- 2019年
- 鉴于现有算法在复杂环境下易造成目标跟踪丢失的问题,为研究精准高效的车辆跟踪算法,实现无人机视频交通参数提取,将传统KCF(核相关滤波)算法中的固定尺度检测窗口替换为多尺度检测窗口,提出多尺度KCF优化算法;与CamShift算法和KCF算法的对比结果表明,在不同场景下多尺度KCF优化算法的跟踪效果均优于其他两种算法,在目标遮挡和存在阴影的情况下表现更优异,具有较强的鲁棒性和适用性。
- 李少博马立蔡晓禹蔡晓禹
- 关键词：交通安全CAMSHIFT
- 基于无人机的交通监控研究现状与展望
- 首先介绍了无人机在民用领域的应用发展历程,分析了无人机在交通信息采集方面的优势。然后,重点对基于无人机视频的交通参数提取(交通流量、密度、车辆轨迹和速度等)、交通事故检测、车辆检测和跟踪算法进行了综述,阐明了无人机在交通...
- 彭博张有节蔡晓禹李少博
- 关键词：交通信息采集无人机车辆检测车辆跟踪事故检测交通监控
- 文献传递
- 基于三维虚拟路面的裂缝自动检测算法被引量：6
- 2018年
- 为了在考虑路面三维特征的基础上快速、准确、完整地识别裂缝,基于三维虚拟路面提出了裂缝自动并行识别算法。首先,对1 mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面,通过4个角度的立体投影产生4幅投影图像(Ω1~Ω4);然后,分别对Ω1~Ω4进行降维处理、裂缝识别(包括强度验证及对称性检测)和裂缝连接,获得阴影区裂缝图像Ωs1~Ωs4及反光区裂缝图像Ωr1~Ωr4;最后,有效融合Ωs1~Ωs4及Ωr1~Ωr4的裂缝信息并进行深度验证和滑动去噪处理,获得裂缝图像。基于255张图像(4 096×2 048)的测试显示:算法具有较高的准确率(平均80.34%)和召回率(平均83.89%),以80.47%的F值优于ADA3D算法;此外,并行框架有利于程序并行化,能有效提高运算速度。
- 彭博蔡晓禹李少博张有节
- 关键词：道路工程图像处理路面裂缝
- 基于对称帧差和分块背景建模的无人机视频车辆自动检测被引量：14
- 2017年
- 为了从广域的视角准确全面地识别交通流信息,针对无人机视频提出了基于对称帧差和分块背景建模的车辆自动检测方法.首先,对视频图像进行4×4降维处理和灰度化处理,并人工勾勒出感兴趣区域(ROI),以降低图像维度,划定检测区域;其次,利用对称帧间差分法提取ROI中的运动目标,并在此基础上应用分块背景建模获得背景图像;然后,通过背景差分初步提取车辆信息;最后,基于形态学处理等方法消除噪声,实现车辆识别.此外,提出了针对车辆识别算法的正检率、重检率、漏检率和错检率4个评价指标.基于150帧无人机视频图像对算法进行测试,结果表明:算法具有较高的正检率(均值92.29%)、较低的漏检率(均值7.31%)与错检率(均值0.39%),而重检率为0.
- 彭博蔡晓禹张有节李少博
- 关键词：智能交通车辆检测无人机感兴趣区域
- 山地城市干道交织区通行能力模型研究
- 为研究适用于山地城市干道交织区通行能力计算模型,本文利用高空视频采集技术对典型城市复杂交织区展开研究,提出山地城市干道交织区交通仿真模型构建与参数标定方法。针对仿真模型多个参数进行敏感性分析与测试,最终确定4个关键影响参...
- 蔡晓禹李少博彭博谭景元
- 关键词：交织区
- 文献传递
- 基于像素-亚像素级形态分析的路面三维图像裂缝自动识别算法被引量：4
- 2018年
- 为了准确有效地检测路面裂缝,为路面性能评估、路面养护管理、路面结构和材料设计提供数据支撑,针对1 mm/像素路面三维图像提出了基于像素-亚像素级形态分析的裂缝自动识别算法。首先,应用Canny算法和区域生长算法检测候选裂缝目标并进行融合处理,得到融合分割图像;然后,提取并重构像素级与亚像素级图像骨架;最后,融合像素-亚像素级骨架图像,综合利用形态学算子和轮廓长度、圆度、扁平率等连通域形态特征提取裂缝目标。基于150张路面三维图像(992像素×992像素)对笔者算法和另外5种既有算法进行测试,结果显示,笔者算法获得了较高的准确率(均值90.45%)和召回率(均值96.49%),F均值由高至低分别为:笔者算法(90.72%)、种子并行生长算法(39.65%)、GAVILáN算法(33.46%)、各向异性测度算法(30.32%)、Canny检测(25.85%)和OTSU分割法(5.85%)。算法适用性分析表明,笔者算法较适用于细小裂缝图像识别,种子并行生长算法、GAVILáN算法和各向异性测度算法有利于宽而明显的裂缝识别,而Canny和OTSU通常可作为裂缝识别算法中的一个图像处理环节。
- 彭博黄大荣郭黎蔡晓禹李少博
- 关键词：路面裂缝形态分析亚像素
- 基于无人机视频的车辆检测与评价指标研究被引量：4
- 2017年
- 无人机视频车辆检测的准确性和稳定性对提取交通信息至关重要。研究专门应用于无人机视频的车辆检测算法,通过对比分析现有车辆检测算法实验结果,结合对称差分能够有效分离背景与目标像素的特点,引入分块建模的思想,提出了基于对称差分分块建模的背景差分法。针对无人机视频车辆检测算法评价指标缺失的现状,分析车辆检测结果,提出正检率、重检率、漏检率、错检率4个评价指标来衡量无人机视频车辆检测算法性能。实验结果表明,所提算法具有较高正检率(均值92.29%,中值100%)和稳定性(四分位距为8%)。上述算法能够在无人机视频中准确地检测车辆。
- 蔡晓禹张有节彭博李少博
- 关键词：车辆检测评价指标背景差分对称差分
- 基于形态分析的无人机视频车辆自动识别算法被引量：5
- 2019年
- 为从广域的视角准确全面地采集连续交通流信息,针对悬停无人机视频提出了基于形态分析的车辆自动识别方法。首先,人工勾画视频帧图像的感兴趣区域,并进行灰度化处理;其次,基于感兴趣区域的Canny边缘检测结果生成亚像素级骨架图像,并对图像骨架进行分解和重构处理;然后,综合应用形态学运算(膨胀、腐蚀、填充、闭运算)和连通域形态特征(面积、矩形度、等效椭圆长轴与短轴)识别车辆目标;最后,对548帧无人机视频图像分别进行算法检测和人工识别,并计算车辆识别的正检率、重检率、漏检率和错检率。结果表明:该算法具有较高的正检率(均值95.02%),较低的重检率(均值2.20%)、漏检率(均值2.77%)和错检率(均值8.24%);同时,正检率、重检率、漏检率和错检率标准差分别为2.09%、1.67%、1.67%和2.56%,表明算法性能指标值离散程度较小、稳定性较高。
- 彭博彭博周涛蔡晓禹张有节李少博
- 关键词：车辆检测形态分析无人机感兴趣区域
