定場(chǎng)景內(nèi)隨機(jī)運(yùn)動(dòng)車輛檢測(cè)分類算法研究.pdf

1、隨著信息技術(shù)的發(fā)展和計(jì)算機(jī)視覺理論的成熟，視覺監(jiān)控的應(yīng)用越來越廣泛，數(shù)字監(jiān)控系統(tǒng)也將逐步取代傳統(tǒng)的模擬監(jiān)控系統(tǒng)。目前，自動(dòng)車輛識(shí)別系統(tǒng)AVC(AutomaticVehicleClassification)作為數(shù)字監(jiān)控的一種重要應(yīng)用，廣泛地應(yīng)用在國(guó)防和民用系統(tǒng)，但現(xiàn)有算法多數(shù)只能在某種約束條件下使用，這種對(duì)約束條件的依賴性也導(dǎo)致了這些算法潛在的應(yīng)用局限性，無法完成隨機(jī)運(yùn)動(dòng)車輛的識(shí)別，而在戰(zhàn)場(chǎng)或交通的區(qū)域監(jiān)控中這正是至關(guān)重要的。 隨

2、機(jī)運(yùn)動(dòng)車輛識(shí)別系統(tǒng)由運(yùn)動(dòng)檢測(cè)、運(yùn)動(dòng)陰影消除和目標(biāo)識(shí)別幾個(gè)步驟組成。為使系統(tǒng)具有實(shí)時(shí)、高適應(yīng)性和不依賴場(chǎng)景特征即圖像采集器的假設(shè)的特點(diǎn)，就要求各個(gè)環(huán)節(jié)也必須滿足這些條件。而目前的算法幾乎都暗含了特定條件，因此，有必要進(jìn)行研究，尋求適合隨機(jī)運(yùn)動(dòng)車輛識(shí)別系統(tǒng)的算法。 論文的主要工作和特色如下：1.提出了一種基于DesaS.M混合圖像差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)改進(jìn)算法。Desa，S.M算法是一種基于背景差分和連續(xù)三幀幀差分方法的方法，算法存在

3、計(jì)算冗余。改進(jìn)算法采用了區(qū)域幀差分，并使用動(dòng)態(tài)比率因子消除目標(biāo)速度對(duì)算法的影響，實(shí)驗(yàn)結(jié)果表明，相同的實(shí)驗(yàn)條件和測(cè)試樣本下，可以減少74％～92％的計(jì)算量，與Desa，S.M原算法和幀差分方法比較，精確度平均高出1％～33％。 2.提出一種基于物理屬性的運(yùn)動(dòng)陰影檢測(cè)算法提出了一種在場(chǎng)景特征未知情況下的陰影檢測(cè)算法。算法將同反射率分割方法引入到RGB顏色空間作為分割標(biāo)準(zhǔn)，并使用目標(biāo)周圍背景區(qū)域的顏色信息確定陰影造成的顏色形變。通過使

4、用顏色形變補(bǔ)償和紋理校正檢測(cè)到了運(yùn)動(dòng)陰影。實(shí)驗(yàn)結(jié)果表明，對(duì)不同場(chǎng)景的平均檢測(cè)準(zhǔn)確率為96.36％，比同類的NadimiS算法高8.3％ 。3.將剛體目標(biāo)的二維不變量擴(kuò)展為定視角下的3維空間不變量特征提取剛體目標(biāo)在某一視角下旋轉(zhuǎn)360度時(shí)各個(gè)投影掩模的RTS不變矩形成特征曲線，無論車輛如何運(yùn)動(dòng)，在一定的俯仰視角誤差內(nèi)(±15。)，此特征曲線即是該視角下剛體目標(biāo)的三維不變量特征。相比傳統(tǒng)算法的幾何特征(長(zhǎng)、寬、高、緊致性等)和二維不