智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的研究.pdf

1、智能交通系統(tǒng)中的交通檢測(cè)與信息采集技術(shù)目前已成為計(jì)算機(jī)視覺(jué)領(lǐng)域中的一項(xiàng)重要課題。而以視頻圖像處理、分析為依據(jù)的運(yùn)動(dòng)車輛檢測(cè)技術(shù)則是該系統(tǒng)應(yīng)用中的最基礎(chǔ)而又關(guān)鍵的環(huán)節(jié)。本課題對(duì)該項(xiàng)技術(shù)進(jìn)行了探索和研究，在原有的基礎(chǔ)上提出了新的思想，并通過(guò)實(shí)驗(yàn)驗(yàn)證了檢測(cè)算法的有效性。文中所做的主要工作包括以下幾個(gè)方面：
　　 首先，文章介紹了課題的應(yīng)用背景，并研究了當(dāng)前的發(fā)展現(xiàn)狀，針對(duì)現(xiàn)階段中各種目標(biāo)檢測(cè)算法的優(yōu)缺點(diǎn)，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(nèi)容，也是本文需要探討的重點(diǎn)。在對(duì)多種背景建模方法比較后，采用了混合高斯分布來(lái)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(guò)實(shí)驗(yàn)觀察到混合高斯模型在特定的復(fù)雜場(chǎng)景下仍然存在一定的局限性。
　　 其次，針對(duì)車輛緩慢運(yùn)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(jié)合幀間差分的自適應(yīng)混合高斯模型的改進(jìn)算法。在背景建模的初始判別階段，通過(guò)間隔選取圖像幀進(jìn)行差分的方

3、法，可以迅速地檢測(cè)出運(yùn)動(dòng)變化區(qū)域，然后對(duì)劃分出的背景及運(yùn)動(dòng)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(fù)，消去了運(yùn)動(dòng)車輛留下的“虛影”。這種改進(jìn)的算法適應(yīng)于復(fù)雜場(chǎng)景的環(huán)境，對(duì)車輛快速或緩慢運(yùn)行均有較強(qiáng)的適用性，而且相比較傳統(tǒng)算法其運(yùn)算效率高，魯棒性好。
　　 最后，針對(duì)目標(biāo)檢測(cè)中車輛顏色與場(chǎng)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(cè)的混合高斯模型，通過(guò)先對(duì)幀差后得到的結(jié)果進(jìn)行canny邊緣檢測(cè)，然后與背景減