基于计算机视觉的弱化阴影测量

以OpenCV为开发平台,通过摄像头获取背景图片和含有目标物的图片,将得到的图片转化为HSV图像后,分别求解H、S、V 3个通道的平均值、标准差、最大最小值,利用该数值对上述三通道进行卷积、筛选等操作。在光照不均匀的情况下,降低阴影对计算机视觉测量的影响,提高目标物轮廓与背景的对比度,实现不同环境背景下目标物的精确测量。实验结果表明,该测量方法能显著提高自然光下的测量精度。

一种基于主成分分析算法的车辆阴影消除算法

针对车辆检测中的阴影问题,提出了一种基于主成分分析算法(principal component analysis,PCA)的交通视频车辆阴影消除算法。该算法通过引入PCA算法确定阴影区域的方位,将算法的计算复杂度降低了3/4,提高了检测效率。基于亮度与纹理的分布特征,提出了一种IT(inverse transformation)模型将阴影区域转化为与其相应背景相似的分布以弱化阴影,从而使阴影像素在背景差法中被检测为背景像素与运动车辆分离。实验表明,本文算法阴影检测与分辨率高,阴影消除效果好,显著提高了检测的准确性。