一种用于车辆检测的选择性背景更新方法

针对传统背景更新方法实时性差,不能及时正确地处理背景局部突变的问题,文章提出一种用于车辆检测的选择性背景更新方法。该方法采用改进的对称差分法和背景帧差相融合检测车辆运动区域,并使每一个运动目标成为独立的连通域;采用基于两轮扫描法的种子填充技术,解决由于车辆表面与路面灰度接近而产生的运动目标"孔洞"问题;在此基础上对传统的选择性背景更新方法进行改进,对运动目标区域和非运动目标区域采用不同的更新方法进行更新。实验结果表明,所提出的改进方法具有良好的实时性,能够有效解决背景局部突变的问题,提高了车辆检测的准确性。

车辆跟踪中的背景初始化与更新方法研究

对常见的背景初始化及更新方法进行了分析,提出了改进的背景更新方法。采用四邻域帧差的方法减小噪声的影响,同时基于形态学种子填充技术消除由于车辆表面存在大的灰度均匀或局部与路面灰度接近产生的"孔洞"现象。在此基础上对逐渐修正的背景更新方法进行改进,利用背景差和相邻帧差的方法确定车辆的运动区域,针对不同区域采用不同的更新方法进行更新,提出了新的背景更新方法。实验结果表明,在保持近似背景更新速度下,该方法优于传统的2种方法。

基于改进Sigma-Delta滤波的复杂场景背景估计

背景估计是运动目标检测一项重要的前期工作,在城市交通等复杂场景中,存在大量慢速或暂停运动目标,背景模型很快受到污染,需要进行较多的后续处理或者采用高复杂度算法来检测前景。针对该问题,提出基于Sigma-Delta滤波改进的背景估计算法,融合可选择性背景更新机制和多频Sigma-Delta滤波背景估计方法,处理复杂场景中不同运动目标的运动特征,以获取稳定的背景。通过对典型城市路段和交叉口复杂交通场景序列进行对比实验,结果表明,该算法在保持Sigma-Delta滤波低内存消耗和高计算效率的基础上可获得更好的检测效果。

一种改进的三帧差分运动目标实时检测算法

针对传统三帧差分法提取的运动目标存在大量的噪声和空洞,提出一种改进的三帧差分运动目标实时检测算法;该算法采用Surendra背景提取算法提取有效背景,对视频流中连续三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行"与"运行,通过将中间帧背景减除结果与"与"运算的结果进行"或"运算,这样可以得到运动目标的完整信息;实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统。

TMS320在交通流视频检测中的应用

针对目前的交通流检测技术,采用DSP开发了一种新型的交通流检测系统,从而提高了系统的安装速度、便携性,同时降低了功耗。该系统采用了一种新的车辆检测算法,即选择性背景更新算法,显著提高了交通流参数的数字化检测精度。应用结果表明,该视频检测系统运行稳定可靠、检测精度高,具有一定的实用性和推广价值。