智能交通系統(tǒng)中運動目標檢測技術的研究.pdf

1、智能交通系統(tǒng)中的交通檢測與信息采集技術目前已成為計算機視覺領域中的一項重要課題。而以視頻圖像處理、分析為依據的運動車輛檢測技術則是該系統(tǒng)應用中的最基礎而又關鍵的環(huán)節(jié)。本課題對該項技術進行了探索和研究，在原有的基礎上提出了新的思想，并通過實驗驗證了檢測算法的有效性。文中所做的主要工作包括以下幾個方面：
　　 首先，文章介紹了課題的應用背景，并研究了當前的發(fā)展現(xiàn)狀，針對現(xiàn)階段中各種目標檢測算法的優(yōu)缺點，選擇主流的背景減差法作為課題的

2、主要研究方向。而背景建模方法作為背景減差的核心內容，也是本文需要探討的重點。在對多種背景建模方法比較后，采用了混合高斯分布來模擬初始背景，能夠較好地描述背景的多模態(tài)特征，但通過實驗觀察到混合高斯模型在特定的復雜場景下仍然存在一定的局限性。
　　 其次，針對車輛緩慢運行情況下混合高斯模型將前景融入背景而出現(xiàn)的“虛影”現(xiàn)象，提出了一種結合幀間差分的自適應混合高斯模型的改進算法。在背景建模的初始判別階段，通過間隔選取圖像幀進行差分的方

3、法，可以迅速地檢測出運動變化區(qū)域，然后對劃分出的背景及運動區(qū)域賦予不同的更新率，使得背景顯露區(qū)域得到迅速恢復，消去了運動車輛留下的“虛影”。這種改進的算法適應于復雜場景的環(huán)境，對車輛快速或緩慢運行均有較強的適用性，而且相比較傳統(tǒng)算法其運算效率高，魯棒性好。
　　 最后，針對目標檢測中車輛顏色與場景像素灰度相似的情況下輪廓丟失的現(xiàn)象，提出了一種基于邊緣檢測的混合高斯模型，通過先對幀差后得到的結果進行canny邊緣檢測，然后與背景減