定場景內隨機運動車輛檢測分類算法研究.pdf

1、隨著信息技術的發(fā)展和計算機視覺理論的成熟，視覺監(jiān)控的應用越來越廣泛，數(shù)字監(jiān)控系統(tǒng)也將逐步取代傳統(tǒng)的模擬監(jiān)控系統(tǒng)。目前，自動車輛識別系統(tǒng)AVC(AutomaticVehicleClassification)作為數(shù)字監(jiān)控的一種重要應用，廣泛地應用在國防和民用系統(tǒng)，但現(xiàn)有算法多數(shù)只能在某種約束條件下使用，這種對約束條件的依賴性也導致了這些算法潛在的應用局限性，無法完成隨機運動車輛的識別，而在戰(zhàn)場或交通的區(qū)域監(jiān)控中這正是至關重要的。 隨

2、機運動車輛識別系統(tǒng)由運動檢測、運動陰影消除和目標識別幾個步驟組成。為使系統(tǒng)具有實時、高適應性和不依賴場景特征即圖像采集器的假設的特點，就要求各個環(huán)節(jié)也必須滿足這些條件。而目前的算法幾乎都暗含了特定條件，因此，有必要進行研究，尋求適合隨機運動車輛識別系統(tǒng)的算法。 論文的主要工作和特色如下：1.提出了一種基于DesaS.M混合圖像差分法的運動目標檢測改進算法。Desa，S.M算法是一種基于背景差分和連續(xù)三幀幀差分方法的方法，算法存在

3、計算冗余。改進算法采用了區(qū)域幀差分，并使用動態(tài)比率因子消除目標速度對算法的影響，實驗結果表明，相同的實驗條件和測試樣本下，可以減少74％～92％的計算量，與Desa，S.M原算法和幀差分方法比較，精確度平均高出1％～33％。 2.提出一種基于物理屬性的運動陰影檢測算法提出了一種在場景特征未知情況下的陰影檢測算法。算法將同反射率分割方法引入到RGB顏色空間作為分割標準，并使用目標周圍背景區(qū)域的顏色信息確定陰影造成的顏色形變。通過使

4、用顏色形變補償和紋理校正檢測到了運動陰影。實驗結果表明，對不同場景的平均檢測準確率為96.36％，比同類的NadimiS算法高8.3％ 。3.將剛體目標的二維不變量擴展為定視角下的3維空間不變量特征提取剛體目標在某一視角下旋轉360度時各個投影掩模的RTS不變矩形成特征曲線，無論車輛如何運動，在一定的俯仰視角誤差內(±15。)，此特征曲線即是該視角下剛體目標的三維不變量特征。相比傳統(tǒng)算法的幾何特征(長、寬、高、緊致性等)和二維不