交通視頻中運動目標檢測及道路檢測問題研究及實現(xiàn).pdf

1、交通視頻中運動目標的檢測是智能監(jiān)控系統(tǒng)的基礎(chǔ)技術(shù)，對這項技術(shù)的研究已經(jīng)持續(xù)多年，取得了很多成果，但由于現(xiàn)實環(huán)境的復雜性和相關(guān)需求的增加，運動目標的檢測技術(shù)仍然吸引著眾多研究者的目光。
　　本文在研究了多種經(jīng)典運動檢測方法后，基于準確性和實時性的綜合考慮，選擇ViBe(Visual Background Extractor)法作為實現(xiàn)手段，實現(xiàn)平臺為VC+OpenCV，并對其進行了初始化和背景提取方面的改進。最后將問題一般化，考慮由

2、攝像機轉(zhuǎn)動及光照引起的場景突變、運動目標停止、人車同行等情況，提出相應(yīng)解決方法。
　　在運動目標檢測中，由于目標的投射陰影隨物體一起運動，且常常與背景差距較大，使其往往作為目標的一部分被檢測出來，這給后續(xù)處理帶來很大的困擾，所以運動陰影的檢測與去除成為目標檢測的重要后續(xù)處理步驟。
　　在運動陰影檢測方面，采取基于陰影特性的檢測算法，研究并實現(xiàn)了基于HSV顏色空間的陰影檢測、基于LBP紋理的陰影檢測、基于邊緣信息的陰影檢測以及

3、基于NCC的陰影檢測，并對后三種方法加以改進。為提高檢測效果，將改進的基于LBP紋理和改進的基于邊緣的檢測結(jié)果，分別與基于HSV的檢測結(jié)果進行“或”操作，實驗驗證了算法的準確性。
　　道路檢測方面，不同于傳統(tǒng)的在單幀圖像中進行檢測，而利用運動信息，結(jié)合邊緣檢測進行道路的檢測。具體分為基于運動區(qū)域的道路檢測和基于運動軌跡的道路檢測，針對單車道情形、雙車道情形和有道路陰影的情況進行了實驗，驗證了算法的魯棒性和實用性。最后，對兩種方法的