融合背景差分的二次重构和内外标记分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部标记,进行'准欧式'距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完整的目标,很好地抑制了过分割问题,在动态场景的行人检测中取得了较好的效果.

基于时空融合的交通场景中运动行人检测算法

将视频监控技术应用于交通信息获取与处理,解决行人安全问题,已成为智能交通系统中的一项关键技术。为精准地提取交通场景语义信息,提出了融合时域和空域信息的行人检测算法。通过相邻多帧时域变化和Canny边缘检测算法得到初始检测掩模图像,解决差值局部化和噪声问题;提取空域信息时,引入二次重构和内外标记技术对梯度图像进行修正和分水岭变换,得到空域掩模图像,有效地提高空域分割精度,消除过分割现象;最后将两者结果进行融合和形态学修正,提取出交通场景图像中的运动行人。以北京南站为例进行实验分析,结果表明,该方法能快速准确地检测到较完整的目标信息,在动态场景的行人检测取得了较好的效果。

融合时域和分水岭信息的车辆检测算法

在实时视频图像车辆目标检测时,为了克服行进中车辆背景噪声和阴影带来的准确率低、漏检率高等问题,提出一种时空融合和内外标记的分水岭车辆检测算法。通过相邻视频三帧差法得到的时域运动变化信息结合Canny算子得到的边缘图像相结合,得到时域掩模图像。利用文中提出的基于二次重构、内外区域标记、梯度修正的分水岭空域算法对运动区域及其周围区域进行分割,解决了一般分水岭算法的过分割现象。将得到的结果进行投影,以提高运动状态下车辆的检测精度。实验结果表明,在车辆背景噪声和阴影的影响下,该算法的检测效果仍然较好,车辆漏检率降低到4.90%,算法的准确性、鲁棒性和适应性较好。