交通視頻中運動車輛檢測的算法研究.pdf

1、智能交通系統(tǒng)是計算機視覺的一個重要研究方向，運動車輛檢測是智能交通中關(guān)鍵和最為基礎(chǔ)的課題，優(yōu)秀的運動檢測方法被不斷提出，但由于交通視頻場景本身的復雜多變性，現(xiàn)有的檢測技術(shù)還需更進一步完善。本文是在前人成果的基礎(chǔ)上，對交通視頻場景，尤其是含有大量背景干擾場景中運動車輛檢測的關(guān)鍵性技術(shù)進行研究。主要包括以下幾個方面： 1.一般的運動檢測都是基于視覺的，本文同樣是從視覺的角度來檢測運動物體。獲取的視頻序列是否清晰直接影響到后續(xù)的運動檢

2、測精度。本文介紹通用的圖像增強技術(shù)：圖像平滑、圖像銳化、灰度增強，并分析它們在圖像增強中的作用。 2.分析了典型的運動檢測方法：幀差法、背景差法、光流法。針對典型算法在含有大量干擾背景的交通視頻場景存在大量誤檢的缺點，介紹了一種對運動向量建立高斯模型的運動檢測方法——高斯運動模型，并指出其缺陷：將所有車輛的運動向量認為是服從同一分布。然而很顯然相向行駛的車輛不服從同一分布。本文提出的改進算法與以往改進模型不同的是：不是通過增加高

3、斯模型的個數(shù)來精確模型，而是通過變量變換，使得相向運動車輛的變換運動向量服從同一分布，這樣做的優(yōu)點是一方面充分利用相向行駛車輛間的相關(guān)性，得到更精確的模型，另一方面降低了算法實現(xiàn)的難度和運算量。此外由于運動向量對視覺角度的敏感性，本文介紹了視覺坐標轉(zhuǎn)換的通用算法，并將其加入到車輛檢測框圖中。在仿真試驗中，本文的改進算法與以往算法相比，取得更高的檢測精度。 3.高斯運動模型建模的對象是運動向量，運動向量是否精確直接影響到運動檢測的