交通視頻中運(yùn)動(dòng)車(chē)輛檢測(cè)的算法研究.pdf

1、智能交通系統(tǒng)是計(jì)算機(jī)視覺(jué)的一個(gè)重要研究方向，運(yùn)動(dòng)車(chē)輛檢測(cè)是智能交通中關(guān)鍵和最為基礎(chǔ)的課題，優(yōu)秀的運(yùn)動(dòng)檢測(cè)方法被不斷提出，但由于交通視頻場(chǎng)景本身的復(fù)雜多變性，現(xiàn)有的檢測(cè)技術(shù)還需更進(jìn)一步完善。本文是在前人成果的基礎(chǔ)上，對(duì)交通視頻場(chǎng)景，尤其是含有大量背景干擾場(chǎng)景中運(yùn)動(dòng)車(chē)輛檢測(cè)的關(guān)鍵性技術(shù)進(jìn)行研究。主要包括以下幾個(gè)方面： 1.一般的運(yùn)動(dòng)檢測(cè)都是基于視覺(jué)的，本文同樣是從視覺(jué)的角度來(lái)檢測(cè)運(yùn)動(dòng)物體。獲取的視頻序列是否清晰直接影響到后續(xù)的運(yùn)動(dòng)檢

2、測(cè)精度。本文介紹通用的圖像增強(qiáng)技術(shù)：圖像平滑、圖像銳化、灰度增強(qiáng)，并分析它們?cè)趫D像增強(qiáng)中的作用。 2.分析了典型的運(yùn)動(dòng)檢測(cè)方法：幀差法、背景差法、光流法。針對(duì)典型算法在含有大量干擾背景的交通視頻場(chǎng)景存在大量誤檢的缺點(diǎn)，介紹了一種對(duì)運(yùn)動(dòng)向量建立高斯模型的運(yùn)動(dòng)檢測(cè)方法——高斯運(yùn)動(dòng)模型，并指出其缺陷：將所有車(chē)輛的運(yùn)動(dòng)向量認(rèn)為是服從同一分布。然而很顯然相向行駛的車(chē)輛不服從同一分布。本文提出的改進(jìn)算法與以往改進(jìn)模型不同的是：不是通過(guò)增加高

3、斯模型的個(gè)數(shù)來(lái)精確模型，而是通過(guò)變量變換，使得相向運(yùn)動(dòng)車(chē)輛的變換運(yùn)動(dòng)向量服從同一分布，這樣做的優(yōu)點(diǎn)是一方面充分利用相向行駛車(chē)輛間的相關(guān)性，得到更精確的模型，另一方面降低了算法實(shí)現(xiàn)的難度和運(yùn)算量。此外由于運(yùn)動(dòng)向量對(duì)視覺(jué)角度的敏感性，本文介紹了視覺(jué)坐標(biāo)轉(zhuǎn)換的通用算法，并將其加入到車(chē)輛檢測(cè)框圖中。在仿真試驗(yàn)中，本文的改進(jìn)算法與以往算法相比，取得更高的檢測(cè)精度。 3.高斯運(yùn)動(dòng)模型建模的對(duì)象是運(yùn)動(dòng)向量，運(yùn)動(dòng)向量是否精確直接影響到運(yùn)動(dòng)檢測(cè)的