导读:本文包含了交通视频论文开题报告文献综述及选题提纲参考文献，主要关键词:城市轨道交通,视频,云存储
交通视频论文文献综述
李鹏[1]（2019）在《城市轨道交通视频云存储方案研究》一文中研究指出对城市轨道交通视频存储的现状及云存储技术进行简要介绍,结合城市轨道交通视频监视系统的特点提出3种云存储方案,并从系统架构、设备配置、带宽占用、用电需求、机柜数量等方面对这3种方案进行对比分析,最终给出推荐方案。(本文来源于《铁路通信信号工程技术》期刊2019年10期）
何冲,张亭[2]（2019）在《基于城市轨道交通视频高清升级改造方案研究与分析》一文中研究指出地铁是改善城市公共交通的状况的有效途径。随着地铁的快速建设,人们对城市交通的安全问题越来越重视。该文介绍南京地铁工程中视频监控系统改造的业务需求,实施方案,高清CCTV系统的特点和优势,最后结合南京地铁1、2号线工程实例,提出了现阶段地铁工程建设的视频监控系统发展趋势。(本文来源于《电脑知识与技术》期刊2019年30期）
原晓伟[3]（2019）在《交通视频监控中的车辆检测与分割方法分析》一文中研究指出我们主要是对当前交通校测系统中检测到的车流量数据并没有和数据库进行相关性。在当前的检测系统来讲,是无法为其提供有组织,非监督的,可方便存取的多媒体数据信息。因此在当前我们需要使用多媒体数据挖掘技术来对交通车流量数据中发现的一些重要知识进行收集和整理,从而选择最为恰当的方式来进行决策。(本文来源于《黑龙江交通科技》期刊2019年10期）
杨志锦[4]（2019）在《智能轨道交通视频监控发展趋势浅析》一文中研究指出安全防范在城市轨道交通项目建设的过程中占据着重要地位,保证了列车的运输安全,智能视频监控系统能够控制和记录监测目标,最终实现了智能轨道交通的管理现代化。本文通过分析城轨交通中国智能视频监控的应用,讨论未来智能轨道交通视频监控的发展趋势。(本文来源于《通讯世界》期刊2019年07期）
宇丰,卢小军[5]（2019）在《浅谈云存储技术在轨道交通视频监控系统中的应用》一文中研究指出1云存储架构佛山地铁二号线一期工程视频监控系统采用基于分布式对象文件系统的云存储技术以解决上述问题。其采用全对称的架构,融合前端IPC接入,流媒体服务,云存储服务,视频综合管理服务于一体。2关键技术2.1自动均衡负载技术采用中心化模式来管理整个云存储文件系统,文件被按块划分存储在不同的数据节点上。节点中具有管理功能的中(本文来源于《通讯世界》期刊2019年07期）
吴琼,郝洋,王洪鹏,刘峰[6]（2019）在《一种改进的卷积神经网络算法在交通视频图像识别中的应用》一文中研究指出本文提出了基于一种改进的卷积神经网络算法,并将该算法应用于交通视频的图像识别。首先,利用Canny算子改善交通视频中车辆的边缘识别检测效率;其次,利用局部结构图LTP算子去除光线影响,提取图像纹理特征;最后,通过改进传统卷积神经网络算法,识别交通视频图像。实验表明,本文构建的LTP-微卷积神经网络大大地提高了交通视频图像的正识率。(本文来源于《教育教学论坛》期刊2019年27期）
王一璇,黎英[7]（2019）在《交通视频图像去雾算法研究》一文中研究指出针对图片去雾算法应用于视频图像处理时存在的实时性差和去雾效果不好等问题,提出了一种雾天交通视频的优化去雾算法。该算法首先识别出运动目标,仅针对选中的运动目标进行去雾,可有效提高去雾的效率和实时性。利用视频图像中运动物体前后帧关联的特点,在传统暗原色先验去雾算法的基础上,对图像进行重构。实验结果表明,该算法不仅可以提高视频图像的去雾效率和实时性,而且还可明显增强运动目标的去雾效果和清晰度,为运动目标信息提取奠定基础。(本文来源于《电子测量技术》期刊2019年12期）
郝林倩[8]（2019）在《基于压缩感知的交通视频压缩技术研究》一文中研究指出随着信息不断的进步与发展,感知压缩技术在视频压缩技术中得到了广泛的应用。感知压缩技术在交通监控中有着非常广泛的应用,可以对车辆进行实时的跟踪,同时还可以对不同的车辆进行辨别,在最快的时间内对车辆信息进行获取,将所有信息进行整合后,再进行提取与分析。目前交通视频监控中存在着车牌识别不清、背景处理不清等问题。基于此,本文针对压缩感知技术在交通视频压缩中的应用进行了分析和研究。(本文来源于《贵阳学院学报(自然科学版)》期刊2019年02期）
汪霜霜[9]（2019）在《稀疏学习城市交通视频异常事件检测算法的研究》一文中研究指出随着公共区域监测仪器的快速发展,如今迫切需要全自动、无监控的异常检测系统,尤其是交通监控。高效的视频异常检测系统已成为目前不可忽视的视频异常检测系统之一。然而,交通监控视频中场景的多变性和事件的复杂状态使得异常事件检测的研究存在着一定的难度。在科技不断进步、智能交通系统迅速发展的影响下,利用科学检测技术进行交通异常的检测研究赢得学者、专家的青睐,并取得了一些突破。但是,由于交通环境的多变性,使得现在所提出的一些方法在现实应用中仍存在一些瓶颈,人们对于交通异常检测系统的研究还有很大的开发空间。本课题是在国内外研究成果的基础上,主要对基于视频图像的城市交通异常事件检测算法展开研究的。本文研究了城市交通视频流中实时、鲁棒的交通异常事件检测算法。为了提高边缘检测性能,提出了一种基于图像融合的多尺度形态与小波变换的边缘检测方法;另外,针对交通环境复杂下鲁棒性不够好的问题,提出了一种基于HSV和边缘梯度信息的目标检测方法,对传统的检测方法和对重影、空洞的问题进行改进;接着,设计了一种新的基于视频监控系统的车辆行为学习自适应稀疏重构方法,引用了_(/1)l_2正则化理论,并采用Half算法对稀疏解进行求解;最后,利用稀疏解和轨迹相似度的结合,设计了一种基于稀疏重构和相似度的轨迹分类器来学习车辆行为。基于对现有的从视频中自动学习车辆行为的学习和研究,本文的研究内容主要分为运动车辆检测、车辆行为轨迹学习和车辆行为轨迹识别这叁大部分。(1)运动车辆检测:通过视频图像预处理,利用改进的VIBE方法和叁帧差分法得到了运动车辆的前景图像,同时根据车辆图像的颜色信息和边缘梯度信息去除车辆在运动时产生的阴影部分。(2)车辆行为轨迹学习:设计了一种用于车辆行为学习的l_p(0<p<1)正则化稀疏重建模型,应用l_p(0<p<1)范数的下界理论获得更稀疏的重构系数向量,保证了对车辆行为轨迹的学习性能。(3)车辆行为轨迹识别:提出一种基于稀疏重构和相似度的轨迹分类器来进行车辆行为轨迹的识别。实验结果表明,提出的方法对于车辆行为进行分类识别有着较高的准确性。(本文来源于《广西科技大学》期刊2019-06-10）
曾星宇[10]（2019）在《基于YOLOv3和多目标跟踪的智能交通视频监控系统》一文中研究指出2018年底,广西高速公路已建及在建总里程超过7800公里,平均每10公里安装一个高清视频监控系统来获取实时交通信息。然而这些监控系统中,具备道路信息自动获取以及车辆异常行为检测等功能的不足叁分之一,大量监控视频仍需人工分析,监管效率低,不利于引导交通流、规范车辆行驶行为、减少交通事故。针对以上问题,本文基于深度学习目标检测方法和多目标视觉跟踪方法设计了一种智能交通视频监控系统。该系统可对高速公路上的交通目标进行位置检测、类型识别和多目标运动轨迹跟踪,具有多车型流量统计、车辆异常行为检测和行人抓拍等功能。主要研究内容有:(1)交通目标检测。研究了YOLO系列3种主要目标检测模型YOLOv1、YOLOv2、YOLOv3和基于高斯混合模型的运动目标检测方法原理并进行实验验证。实验结果表明,YOLOv3检测模型对交通目标中的小车、货车、客车、行人4类进行定位与类型识别准确率最高,达80%,比基于高斯混合模型的检测方法准确率提高了40%。(2)单目标视觉跟踪。首先介绍了单目标跟踪方法的分类及基本思想,然后分析了Camshift和DSST单目标跟踪方法原理,最后实验验证了Camshift、DSST、KCF、TLD四种经典单目标跟踪方法的性能。实验表明,DSST算法跟踪准确率达90%,每秒可处理101帧图像,是高效单目标跟踪器。(3)多目标视觉跟踪。提出了基于DSST跟踪器和多目标匹配的多目标跟踪方法,该方法使用YOLOv3检测结果初始化或者更新DSST跟踪器。首先分析了基于最近邻和基于目标特征相似度的多目标匹配方法原理;然后研究了多目标跟踪过程中新目标识别、跟踪器匹配更新和目标离开判别的方法;实验结果表明该方法能同时跟踪多个目标的运动轨迹。(4)智能交通视频监控系统设计。系统主要包括多车型流量统计、车辆异常行为检测、行人抓拍叁部分。在实际场景下,建立数据集对YOLOv3模型进行训练;利用YOLOv3检测出小车,客车、货车、行人4类目标,使用多目标轨迹跟踪进行多车型流量统计、交通目标低速与停车两种异常行为检测、行人抓拍。实验结果表明,系统车流量统计的平均准确率为98.3%;对运动方向检测、低速运动判别、停车判别、行人抓拍的准确率均超过75%;系统的FPS值在17~30之间波动,基本满足实时要求。(本文来源于《桂林电子科技大学》期刊2019-06-02）
交通视频论文开题报告
（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：
地铁是改善城市公共交通的状况的有效途径。随着地铁的快速建设,人们对城市交通的安全问题越来越重视。该文介绍南京地铁工程中视频监控系统改造的业务需求,实施方案,高清CCTV系统的特点和优势,最后结合南京地铁1、2号线工程实例,提出了现阶段地铁工程建设的视频监控系统发展趋势。
（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。
交通视频论文参考文献
[1].李鹏.城市轨道交通视频云存储方案研究[J].铁路通信信号工程技术.2019
[2].何冲,张亭.基于城市轨道交通视频高清升级改造方案研究与分析[J].电脑知识与技术.2019
[3].原晓伟.交通视频监控中的车辆检测与分割方法分析[J].黑龙江交通科技.2019
[4].杨志锦.智能轨道交通视频监控发展趋势浅析[J].通讯世界.2019
[5].宇丰,卢小军.浅谈云存储技术在轨道交通视频监控系统中的应用[J].通讯世界.2019
[6].吴琼,郝洋,王洪鹏,刘峰.一种改进的卷积神经网络算法在交通视频图像识别中的应用[J].教育教学论坛.2019
[7].王一璇,黎英.交通视频图像去雾算法研究[J].电子测量技术.2019
[8].郝林倩.基于压缩感知的交通视频压缩技术研究[J].贵阳学院学报(自然科学版).2019
[9].汪霜霜.稀疏学习城市交通视频异常事件检测算法的研究[D].广西科技大学.2019
[10].曾星宇.基于YOLOv3和多目标跟踪的智能交通视频监控系统[D].桂林电子科技大学.2019