快速消除车辆阴影的多阈值图像分割法

视频图像分割时的运动阴影由于与被测对象的相似性而常被误判为被测对象,传统的阴影检测方法一般难以满足实时智能交通系统对处理速度的要求。为此,提出用多阈值法分割图像,将灰度化的当前图像与背景差分,再用正、负两个阈值对其二值化,在分割出深色和浅色被测对象的同时消除阴影。实验表明,将这种方法应用于运动车辆的检测,具有速度快和阴影消除效果好等特点,可应用于实时的运动目标检测和跟踪等领域。

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。

基于计算机视觉的实时车辆运动速度检测算法研究

在对比了传统运动车辆实时检测方法的基础上,提出了一种新的G-C二重差分法,将视频流中的某一当前帧与背景帧进行边缘检测,将两帧的结果相减,得到梯度差分,再将此结果与背景颜色差分结果进行"或"运算,提高了车辆存在判断的准确度,此算法可以准确检测出路面运动车辆存在同时有效消除车辆阴影的影响,为后续车辆运动速度的实时检测提供了有力保证。基于运动车辆检测的结果,在VC环境下进行了编程实现,自动检测出运动车辆的实时速度,测试结果表明该算法效果很好。

复杂环境下基于图和条件随机域的运动车辆检测

针对当前车辆检测方法中存在难以有效消除阴影干扰的缺点,提出了一种能够消除阴影干扰的车辆区域检测方法。该算法首先运用选择性背景更新法进行背景相减,获取感兴趣区域,然后提出基于图的区域分割算法,对感兴趣区域进行再分割。该方法充分考虑了视频图像全局和局部的空间信息,根据分割区域的大小自动自适应地调节对图像局部细节的忽略程度,从而获取局部区域特征较为一致的分割块。最后基于分割过程中所具有的马尔可夫属性,运用条件随机域的方法建立分割后验概率分布,求取最大后验概率确定标号,并对具有相同标号的相邻分割块进行合并。

基于背景重构的公路车流量检测方法

在分析现有检测算法的基础上,提出了一种车流量统计算法,应用自适应背景重构方法,首先利用差分法提取动目标,然后通过先边缘检测再膨胀腐蚀的方法去除车影,最后在虚拟检测线上分区域段设置资源信号灯统计车流量。实验结果表明,本算法能够适应公路背景的变化,有效地去除了车影,统计结果准确可靠。

基于视频的运动车辆阴影检测与去除

对交通目标监控系统中运动车辆阴影的检测与去除的关键步骤进行研究,利用车辆阴影所固有的特征进行阴影抑制,针对车辆颜色与背景颜色相近时分割容易丢失目标车辆部分像素点的问题,提出了在提取的过程中将图像阈值分割和边缘检测相结合的算法,较好地把目标车辆完整的提取出来,便于车辆的准确定位.

一种运动车辆阴影去除的新算法

文章提出一种改进运动车辆阴影去除新算法,首先通过帧差获得车辆和阴影的轮廓图像,然后对轮廓点应用离散K-L变换解除R、G、B分量的相关性,并运用颜色聚类检测出阴影区域,最后用帧差法产生的运动车辆图像与获得的阴影图像差分得到去除阴影的运动车辆,实验表明该方法能够更好地实现运动车辆阴影的去除。

利用YUV颜色空间和纹理特性消除车辆阴影

车辆视频检测中的阴影消除通常可利用图像的颜色特性或纹理特性来进行。如果只用其中一种方法,效果不是很理想。提出了同时利用YUV颜色空间的Y、U、V三个分量和图像纹理特性进行阴影消除的方法。首先利用Y UV颜色空间中的YUV分量用亮度比及颜色不变性的方法消除运动区域中的阴影;然后再利用图像的纹理特性对图像进行阴影消除;最后对两种方法的检测结果进行融合,达到了更好的消除效果。

基于视频图像的高速公路车辆检测算法研究

针对高速公路智能交通系统中的复杂场景变化、阴影和车辆遮挡等影响车辆检测率的问题,提出了使用基于高斯混合模型的自适应方法来建立和更新背景,采用基于HSV的邻域均值快速阴影消除算法提高阴影消除的速度。对于遮挡车辆,采用基于Kalman滤波的识别算法进行遮挡车辆的识别,然后使用基于模板匹配的金字塔分级搜索算法对遮挡车辆进行细分割。实验结果表明,该算法既简单又有效,车辆的检测率达到97%,完全满足车辆检测的要求。

改进的车流量估计ViBe算法

针对视觉背景提取(visual background extractor,ViBe)算法中出现的鬼影、阴影前景和漏检静止目标等问题,提出了经过改善的ViBe算法。首先在背景模型初始化阶段,利用改善的平均背景建模法建立初始化背景模型以消除鬼影。在前景检测阶段,通过计算运动目标与背景像素间的差值消除由于光照所造成的阴影,同时利用直方图相似度检测静止目标。最终在车道设置虚拟线圈检测区以检测各个车道的占用比,从而得出道路的交通情况。实验表明,经过改善后的ViBe算法在抑制鬼影出现、检测静止目标和消除阴影三个方面有较好的效果,能够准确检测出道路车流量。

阴影处理在交通监控系统中的应用

在视频交通监控系统中阴影去除结果与后续的整个监控系统有很大的关系,例如车型分类,车辆跟踪以及车流量统计和测速都会因为阴影产生很大的困难。本文结合车辆监控系统所观测的道路场景的特点,分析了具体情况下阴影的特殊性,提出一种有效的阴影去除算法。该方法将时间信息和道路纹理特征有效的应用于算法中。首先,在序列图片中进行运动物体分割;下来,在前景中应用边缘信息和纹理特征实现车辆和阴影的区分。经过实时系统的应用显示出很好的阴影去除性能。