采用极限学习机的运动阴影检测模型

针对智能交通系统中车辆阴影严重影响运动目标检测的问题,在混合高斯前景检测的基础上,提出了一种基于极限学习机的阴影检测方法。该方法只需提取前景像素点处的梯度值及其邻域的方差值来作为特征,并通过极限学习机来对其进行分类,获得真实阴影区域,无需预先设置任何经验阈值。最后实验结果表明,与传统方法相比,该方法不仅实现简单,而且可以准确地检测出阴影内部区域和阴影边缘区域。     

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YUV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.     

基于图像差分的背景差分算法改进及实验数据分析

针对交通视频中车辆移动检测问题,结合交通视频镜头相对固定、实时性强的特点,研究了基于图像差分运动目标检测算法中的背景差分算法,在真实的环境中对运动的目标区域完成实验检测,然后对检测数据进行分析,在背景估计和背景更新算法上做了相应的改进。通过对实验数据的观察和分析,背景差分法在交通视频车辆移动目标检测中具有较好的适用性和通用性,能较好地对交通视频车辆移动目标进行检测。     

基于颜色特征与模板匹配的车牌识别系统设计与实现

为实现对国内蓝底白字车牌的快速识别,提出一种基于颜色特征与模板匹配的车牌识别系统。通过分析长宽比、白色比例对车牌候选区域进行多次筛选以检测车牌位置,然后对车牌区域进行图像灰度化、倾斜校正、二值化、擦除反色与裁剪后,利用垂直投影分割出字符,最后通过比较字符图像与模板字符的相似度识别出字符。通过对400张不同颜色和背景条件下的车辆图像进行测试,系统处理时间为1.97s,识别正确率达到92%。     

基于车辆轮廓对称与车牌定位信息融合的车辆检测方案(英文)

为了有效地定位交通监控图像中的车辆区域,提出了一种基于车辆轮廓对称和车牌定位信息融合的车辆检测方法. 该方法首先检测图像中的车辆轮廓竖直对称轴,然后以车辆轮廓对称轴位置为基准检测车牌水平和竖直对称轴,最后根据车牌横纵对称轴和车辆轮廓图像的水平、竖直投影进行车辆区域定位. 以450 张 15 类车型的图片为测试集进行了基于对称特征融合的车辆区域检测,并与基于车辆边缘、车牌、车辆纹理特征和车辆图像 Gabor 特征的 4 种方法进行了对比,实验结果表明基于车辆轮廓对称与车牌对称特征融合的车辆区域检测方法最优,其检测率和检测时间分别为 90. 7%和 125 ms.     

基于背景差分的运动目标检测研究

基于视频的运动车辆检测及车型识别系统是智能交通系统的重要组成部分。论述了在固定摄像头拍摄的车辆图像序列中检测出运动车辆,使用了目前最常用也最有效的运动目标检测方法和背景差分算法,其中前景提取是背景差分算法的关键。实验表明:此方案可行。     

基于自动背景提取及Lab色彩空间的运动目标检测

常用的几种背景提取算法在车流量较大的情况下提取的背景效果较差。在某些目标检测区域较少的场景中,若将所有像素进行检测,会浪费许多时间。针对这些问题,提出一种新的背景提取算法。先将视频帧进行分割,再对分割出的检测带依次进行车辆存在检测,最终自动选取视频中没有车辆的车道块并将其拼接成完整背景帧,最后利用Lab空间色度与亮度相互独立的特性提取目标。该算法能够充分提取前景图像,不会丢失车辆目标。相比传统算法,该算法准确性较高。     

最大类间方差二值化在车牌定位中的应用

根据车牌区域字符的纹理特征和统计规律,应用综合纹理分析和垂直投影的车牌定位方法来进行车牌定位。首先对图像进行灰度均衡,再在最大类间方差（OTSU）二值化的基础上,用边缘检测和投影法相结合实现车牌定位和分割。经实验证明利用这种方法定位准确率高,具有很强的可行性。     

基于HSV颜色空间的侧方车辆检测

传统的车辆检测方法无法检测未完全进入摄像机视野的车辆,并且不具备对车辆大小的识别能力。在不同区域分别搜索车辆尾部阴影和侧边阴影并检测车高可以解决这些问题。在HSV颜色空间中通过Otsu算法获得阴影分割门限,利用车道线检测划分不同的搜索区域,设计了三邻域定向搜索车侧阴影算法,利用梯度分布直方图实现对车辆大小的识别。实验结果表明,算法对车侧阴影有较高的检测概率,对车辆的大小识别具有较高的正确率。     

一种自适应的基于混合高斯模型的运动目标检测算法

为提高运动目标检测的可靠性,提出了一种自适应的基于混合高斯模型的运动目标检测算法．该算法利用混合高斯分布对每个背景像素建模,高斯分布的个数不是固定不变的,而是随着像素值的混乱程度自适应变化．差分图像的像素按大小被分为2部分,然后对这2部分分别进行自适应阈值化分割,得到前景图像．利用基于形态学重构的阴影消除方法来改善前景图像分割的性能．不同实际场景的实验结果表明该算法能够快速准确地建立背景模型,且具有更强的鲁棒性．     

基于非线性扩散滤波的运动细胞检测方法

将非线性扩散滤波和背景差分法相结合,提出了一种新的运动细胞检测方法。通过在时间域内使用非线性扩散滤波,消除了背景差分法对阈值的强依赖性,并消除了图像噪声,增强了图像边界。实验结果表明,新方法能够较好地检测出运动细胞。     

基于噪声与阴影抑制多模态背景模型的运动物体检测

针对场景照明变化、模型初始化以及阴影等问题, 提出了一种用于视频监视系统运动物体检测的统计多模态背景模型. 通过相隔固定的帧差值阈值化得到背景样本值, 并采用高斯核密度估计方法计算背景灰度的概率密度函数. 利用像素的邻域信息来去除由于摄像机抖动和场景小运动产生的噪声. HMMD色彩信息用来检测和抑制运动投射阴影. 实验结果验证了算法在交通监控前景物体分割中的有效性.     

一种基于边缘信息的车牌字符分割算法

提出了一种新型的基于边缘信息的车牌字符分割方法,首先对采集的彩色车牌进行灰度化,在去除噪声后,对车牌区域利用SUSAN算子进行边缘检测.通过垂直投影分割,确定字符区域的不同宽度,利用字符宽度的分类与区域前后文宽度的变化可降低误分割的概率.实验结果表明,采用该算法对车牌字符进行分割时,可显著提高分割的正确性.     

基于最大局部变化的安全带检测算法

传统的边缘检测算法的效果很大程度上取决于阈值的选取,针对这个问题,提出了基于局部最大变化和二维OTSU的边缘检测方法,该方法利用图像局部区域的所有像素灰度值与中心像素灰度值的最大差值来描述图像边缘分布信息,从而得到图像边缘分布信息图,然后利用二维OTSU方法对该边缘分布信息图进行二值化处理得到边缘二值图。利用该边缘二值图,结合车辆的一些先验信息,提出车窗定位算法,并进一步确定驾驶员区域,最后通过在驾驶员区域内检测是否存在满足安全带先验特征的直线来判断驾驶员是否佩戴安全带。实验结果表明,该方法能够准确定位车窗边缘和驾驶员区域,可以应用于安全带的检测,具有一定的实用价值。     

基于时空特征的航拍视频运动目标检测研究

航拍视频具有监控场景范围大、采集设备移动迅捷等优点。与普通监控视频相比,航拍具有目标分辨率低、场景干扰因素多、采集设备不固定等问题,运动目标检测是个难题。针对这些问题,提出一种融合时空特性的两级运动目标检测算法。首先利用SURF算子完成图像匹配,解决摄像机移动问题,并结合目标的运动特性及自适应道路检测算法完成时域上的目标区域检测|采用HSV空间中的S分量图颜色特征,利用道路区域与目标区域的差异性完成空域目标区域检测。实验采用著名的VIVID Egtest01数据库以及Munich Crossroad01数据库中的数据,并与传统方法进行对比。结果显示该算法平均准确率达到93%,相比于传统方法有效性和鲁棒性更好。     

结合k-means聚类和Hough变换的原木根数统计方法

为了准确识别原木端面区域,在RGB颜色空间和Lab颜色空间对装载原木车辆的图片进行k-means算法以实现原木端面区域与背景的分离,实验证明:基于Lab颜色空间中a(红/绿)、b(黄/蓝)层信息进行k-means聚类分割,能够正确识别原木端面区域的阴影部分.在原木根数的统计中,Hough变换圆检测方法能够较好地解决原木轮廓偏离圆形及边缘相交的问题.K-means聚类结合Hough变换可实现原木根数的统计,能提高人工统计根数的效率.     

多特征自适应融合的运动目标阴影检测方法

为去除运动目标检测中阴影造成的误检漏检问题,提出一种基于多特征自适应融合的运动目标阴影检测方法.目标特征的相似度构造目标的多特征描述,利用线性加权将多个特征集成在阴影检测方法中,具体利用目标的YUV颜色空间的亮度色调特征与梯度纹理特征等实现多特征自适应融合的阴影检测.实验表明,该方法阴影检测的有效率在85.3%以上,并且能很好地满足实时场景要求,为后续交通参数的提取等工作奠定良好的基础.     

基于形态学和SUSAN算子的车牌定位方法

车牌定位是智能交通管理中车牌识别的重要环节,文章首先对车辆图片进行预处理,先用自适应阈值的SUSAN算法获取车辆边缘,再根据数学形态学去除边缘图片中的噪音点和无关边缘,突出车牌区域的特征,最后根据水平扫描和投影法确定车牌位置。实验证明,该方法能有效定位含噪声点的车牌图片,定位准确。     

一种简单快速的人眼定位方法

人眼的自动定位是人脸识别研究中一个基本且非常重要的课题．对于人脸正面灰度图像,提出一种基于小区域内的积分投影和模板匹配相结合的人眼定位算法,该算法首先利用垂直积分投影确定人脸的左右边界,再对边界内图像提取水平边缘和水平积分投影以便提取眼睛小区域,最后利用模板匹配法精确定位瞳孔．实验表明该算法简单快速,定位准确率高,并且对图像背景及拍摄条件、倾斜、眼镜等变化具有很强的鲁棒性．     

基于投影特征提取的路面裂纹识别与检测

道路裂纹会加速路基受损,威胁车辆安全。目前采用人工排查与人机交互检测的方式,满足不了智能化系统的处理要求。通过对路面裂纹进行水平方向与垂直方向的投影及其特征研究,提出了基于图像处理与图像投影的路面裂纹识别与分类方法。通过分析两个方向的投影特征,可以有效识别横向、纵向和网状裂纹。实例分析表明,该方法达到了良好的识别和分类效果。