基于视频的车辆检测技术和阴影消除方法.doc
《基于视频的车辆检测技术和阴影消除方法.doc》由会员分享,可在线阅读,更多相关《基于视频的车辆检测技术和阴影消除方法.doc(4页珍藏版)》请在三一文库上搜索。
1、基于视频的车辆检测技术和阴影消除方法0 引 言 基于视频的车辆检测技术是在传统电视监视系统基础上发展起来的,以车辆检测技术、摄像机和计算机图像处理技术为基础,来大范围地对车辆施行检测和识别的新兴技术。与传统检测技术相比,它具有处理速度快、安装维护便捷且费用低、监视范围广、可获得各种交通参数等诸多优点。随着图像处理技术和微电子技术的发展,视频检测技术在交通运输系统中的发展潜力巨大。 在典型的交通自动监控系统中,用一个静态的摄像机实时监控固定区域,通过对车辆目标的提取、分类和跟踪等操作,进一步提取交通参数。所以,从视频流中实时分割车辆目标是交通自动监控系统的一个基本环节。提取车辆目标的流程主要包含
2、运用算法将前景车辆从拍摄的图像中提取出来,并对其进行阴影检测,去除阴影。该文依照此流程选取合适的前景提取算法背景差分法,实时进行背景更新,对前景中产生的阴影进行分析,并提出合理有效的阴影去除方法。l 基于视频的车辆检测 背景差分法是车辆运动检测系统中的一种常用算法。该算法通过实时维护一个背景模型,将当前帧消除背景影响即可获得前景图像。而路面、树木、建筑物等一直处于静止状态,因此被当作背景通过差分被去除。经过处理后的图像理论上只包括运动目标,直接进行二值化,提取目标即可,但实际上这时由于摄像机的抖动以及路面光线变化、风吹草动、车辆目标本身的阴影和其他因素对检测结果的影响是很大的,往往造成很大的误
3、差,甚至错误。在提取前景后针对不同的阴影,去除之以获得真实的车辆目标。11 背景建模 将开始的n帧图像用于背景建模(采用n=200)。对相邻一定间隔的两帧图像作差值,获得差值图像A。即有:式中:N为A相应位置的差值,得到二值化的帧差掩模图像N;“1”为对应变化的像素;“O”为对应没有变化的像素。 在帧差掩模序列中,对于长时间没有变化的像素点,即帧差掩模图像序列在一段时间内该像素点都保持为“O”,则认为此像素点对应于背景像素,将原始图像中该点像素值拷贝到理想背景图像中,同时设置此理想背景像素点的状态为“背景像素”。此过程完成后,可能有的理想背景像素点的状态还未转换成“背景像素”,即未被重建,则在
4、后续过程中继续执行上述步骤,对已重建的背景像素点,转而进行背景更新。12 背景更新 在获得背景图像后,随着时间的推移,场景内会有很多变化,其中比较明显的是光照亮度的变化和背景物体的移动,这就需要对背景图像不断地进行更新。文中采用一种当前图像和背景图像加权的方式进行更新。更新方法为:记当前图像中像素值为I(x,y),背景图像中像素值为I*(x,y),对应的帧差掩模图像N(x,y)=0,则I(x,y)为背景像素,I(x,y)与I*(x,y)按照式(2)进行加权:式中:为更新系数,关系着更新速度,而更新速度要求背景能够捕捉亮度的变化,同时又不能让瞬间的变化长时间存在。假设取=O1,当图像亮度大面积变
5、化时,整个背景像素的均值将发生较大幅度的改变,所以当均值改变大于一定范围时,为了能够更快地更新背景,取=02。 若|I(x,y)一I*(x,y)|大于阈值或N(x,y)=1,则I(x,y)为前景像素;如果I(x,y)连续长时间作为前景像素,则需要重建此像素点的背景,重新按照背景重建步骤恢复背景。13 运动目标提取在获得重建的背景之后,可以根据当前图像和背景图像的差值求得运动目标。为了减少计算量和干扰,可以预先设定感兴趣区域,以后的处理只是在感兴趣区域进行。设视频序列图像为I(x,y),当前的背景图像为I*(x,y),背景差图像D(x,y)=|I(x,y)一I*(x,y)|。利用阈值来计算车辆图
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 视频 车辆 检测 技术 阴影 消除 方法
链接地址:https://www.31doc.com/p-3418198.html