融合聚类法的改进三帧差分车辆检测算法

针对三帧差分法在车辆检测任务中出现的前景点误检和漏检问题,提出了一种融合K-means聚类的改进三帧差分车辆检测算法。首先,综合当前图像分别与改进算法所选两帧的差分结果,初步判定像素点类别并定义待分类点;其次,结合待分类点在三帧内的灰度特征对其进行K-means聚类,并依据点的坐标信息修正聚类结果,得到待分类点类别;最后,设计车辆形状修正方法,填补空洞并修正目标边界,完成检测。实验结果显示,改进算法在2种不同场景视频上的检测效果达到了81.72%的平均精确率、93.85%的平均召回率以及87.34的平均F1值,各指标值相比于原三帧差分法平均有11.86%提升,较好解决了检测中前景点误检和漏检的问题。