基于计算机视觉的运动车辆检测

针对视频图像中车辆检测问题,提出了一种基于计算机视觉的运动车辆检测方法。首先,选取最佳方差参数并利用双边滤波对图像进行预处理;再利用Surendra背景更新算法实时更新背景图像,采用粒子群(PSO)极大熵法求得背景差分图像的阈值;然后,将得到的二值图像进行形态学处理并检测出运动车辆。实验结果表明,该算法不仅适用于简单背景、车速较慢的环境中,而且在复杂背景、噪声较大、车速较快的情况下,该方法均能够克服外界环境的不利影响,准确地检测出运动车辆,提高检测的准确率。

基于指数权重局部聚合向量特征的轮毂型号识别

在轮毂型号识别过程中,为了能在大量轮型库中快速识别正确的轮型,提出了基于指数权重局部聚合向量(VLAD)特征的轮型识别方法。VLAD特征是针对BOW特征的改进版,用待分类特征和聚类中心的累积残差代替特征的累加数目,采用四近邻软分配的查找方式,相对于一对一的分配规则具有更好的鲁棒性。最后把得到的VLAD向量进行主成分分析降维,并在降维VLAD的基础上将指数权重和VLAD向量的各数据相乘以削减个别不稳定值,最后通过特征向量的对比来找到最相似图片,识别过程具有非接触、灵活、准确的优点,实验表明在提高图片识别率的同时也具有较好的鲁棒性。

基于形状匹配及纹理筛选的汽车轮毂型号识别

为了对轮毂型号进行识别,提出一种基于形状匹配及纹理筛选的轮型识别算法。首先,确定一个轮辐形状为标准模板并得出其边缘图,把模板作为移动窗口在待识别轮毂图片中移动,逐一计算模板到轮毂图片各感兴趣区域(ROI)的最小二维欧氏距离。若此距离小于设定阈值,则判定搜索到一个与模板相同的形状;然后对待识别的轮毂图片进行随机游走,得出游走直方图,通过改进对游走直方图相似度的评价方式,得出纹理偏差度;最后通过对纹理偏差度的比较确认正确的轮型。识别过程具有非接触、灵活、准确的优点,实验表明对于干扰较大图片也具有较高的识别率和较好的鲁棒性。