高速公路場(chǎng)景下車輛目標(biāo)檢測(cè)中的陰影干擾抑制關(guān)鍵技術(shù)研究.pdf

1、車輛目標(biāo)區(qū)域的準(zhǔn)確提取，是基于視頻監(jiān)控的高速公路異常事件檢測(cè)的關(guān)鍵。而在高速公路場(chǎng)景中存在的車輛陰影干擾，使得提取的車輛目標(biāo)區(qū)域扭曲、擴(kuò)大、連通甚至丟失。同時(shí)該場(chǎng)景圖像中存在的噪聲、畫質(zhì)模糊等干擾加大了陰影抑制的難度，導(dǎo)致傳統(tǒng)的陰影抑制方法尚難以適用。因此，研究高速公路場(chǎng)景下的車輛陰影干擾抑制方法，進(jìn)而提高車輛目標(biāo)檢測(cè)精度，具有重要的理論和實(shí)際意義。
　　本文通過分析高速公路場(chǎng)景下的陰影干擾特點(diǎn)，針對(duì)其中的背景建模、露天場(chǎng)景陰影干

2、擾抑制與隧道場(chǎng)景陰影干擾抑制三個(gè)方面展開了重點(diǎn)研究，最終形成了一套高速公路場(chǎng)景下的陰影干擾抑制方法。
　　在背景建模方面，提出了一種改進(jìn)的基于時(shí)域幀間顏色梯度均值特征的背景建模方法。針對(duì)梯度均值特征不能很好界定前景與背景像素，導(dǎo)致建模效果欠佳的問題，采用目標(biāo)像素值在三通道中的最大變化率建立該像素屬于前景或是背景的置信度，以確定其對(duì)背景模型可靠性的影響。同時(shí)，為了減少噪聲對(duì)背景建模的干擾，采用局部區(qū)域的三通道顏色梯度最大值的均值構(gòu)成

3、背景建模貢獻(xiàn)率的權(quán)值，從而提高背景建模的有效性。對(duì)比實(shí)驗(yàn)表明，本文建模方法能夠更好的減弱前景像素對(duì)背景建模的影響，并能兼顧實(shí)時(shí)性和準(zhǔn)確性的需求。
　　在露天場(chǎng)景陰影干擾抑制方面，針對(duì)露天場(chǎng)景噪聲干擾問題，提出了融合顏色灰度特征與局部梯度模式方向直方圖(Histogram of Local Gradient Patterns, HLGP)特征的陰影抑制方法。首先采用色度以及亮度相似度初步判定陰影；進(jìn)而對(duì)于紋理信息較豐富的局部區(qū)域，采

4、用具有噪聲魯棒性的局部梯度模式(Local Gradient Patterns, LGP)特征提取局部紋理，并融合局部梯度直方圖構(gòu)成HLGP特征，且證明了其光照不變性。在此基礎(chǔ)上對(duì)顏色陰影判別結(jié)果進(jìn)行修正，以減少其誤檢區(qū)域。對(duì)比實(shí)驗(yàn)結(jié)果表明，該方法能夠克服噪聲干擾，獲得較高的陰影檢測(cè)率和前景判別率。
　　在隧道場(chǎng)景陰影干擾抑制方面，針對(duì)隧道場(chǎng)景顏色灰暗、圖像模糊等問題，提出了基于局部相位量化(Local Phase Quantiz

5、ation, LPQ)特征和小波分解的陰影抑制方法。該方法引入了具有模糊魯棒性和光照不變性的LPQ特征分析濾波后的紋理，同時(shí)采用小波分析手段，提取模糊后的細(xì)節(jié)信息。通過圖像合并操作，融合兩者提取的結(jié)果，從而獲得較為準(zhǔn)確的陰影區(qū)域和車輛目標(biāo)區(qū)域。對(duì)比實(shí)驗(yàn)結(jié)果表明，該方法能夠在顏色信息不足與畫質(zhì)模糊的情況下，兼顧陰影檢測(cè)率與前景判別率，準(zhǔn)確提取車輛目標(biāo)區(qū)域。
　　最后，綜合上述研究成果，形成了一套高速公路場(chǎng)景下的陰影干擾抑制技術(shù)，并利