基于梯度方向恒定性的运动车辆阴影检测

交通参数的视频检测是智能交通系统的一个研究重点,其中运动车辆的分割是视频检测过程中的一个关键环节。目前,运动车辆阴影的检测与剔除是准确、有效的分割出运动车辆所面临的一个难题。本文发现并证明了梯度方向恒定性原理,在此基础上提出了一种基于梯度方向恒定性的阴影检测与剔除方法。首先建立路面背景梯度矢量图,根据与当前帧图像的梯度矢量图的比较结果,判断是否是路面背景或是运动车辆,然后对运动车辆区域进行形态滤波,弥补内部空洞和剔除杂点,进而准确分割出车辆。试验结果表明,该方法适应性强,车辆分割效果好。     

运动车辆阴影的快速检测算法

针对室外交通监控系统遇到的环境光性质变化等问题,提出一种运动车辆阴影快速检测算法.算法首先根据局部阴影模型,利用亮度比判据进行阴影初检测,然后根据动态边缘投影估计得到的车体位置剔除伪阴影,最后根据亮度比统计直方图对亮度比判据阈值进行自适应更新.为验证算法的有效性,分别在不同监控场景、不同日照情况下,对车辆阴影检测进行了实验.实验结果表明:该算法检测速度快,精度高,不受光源性质变化造成的颜色漂移现象的影响,能准确剔除阴影,适合室外环境下的车辆动态检测.     

基于小波系数及光学特征的车辆阴影检测

为消除投射阴影对检测交通实景图中行驶车辆的干扰,从阴影区域的图像特征入手,在对实景图与背景图实施“商比例”处理的基础上,提出了基于小波系数分布特征及阴影光学特征的车辆阴影滤除两步法．首先通过对高、低频带小波系数分析,提取出符合阴影特征的小波系数,重构运算后得到准阴影图;然后通过构造基于光学不变性的识别判据,成功识别出虚假阴影区．实验结果表明,本文方法对汽车对象的颜色、大小及阴影的投射方向没有特殊要求,阴影平均检出率超过92％,平均误检率低于3％,且速度较快;与汽车对象同画面行驶的自行车及行人阴影也受到有效抵制和滤除;在适用性、有效性和处理速度等方面反映出较优的品质．     

基于阴影属性的运动阴影检测方法

提出一种基于阴影属性的阴影检测与去除方法,首先采用光照评估方法判断阴影是否存在,若有阴影存在则确定阴影方向并计算阴影属性,最后根据阴影属性检测阴影点。由于使用了阴影属性,阴影的检测和去除更加准确。     

基于阴影特征和Adaboost的前向车辆检测系统

为了解决汽车安全辅助驾驶系统中的前向车辆检测问题,提出了一种基于单目视觉的在线前向车辆检测系统。通过检测车底阴影特征来生成车辆假设,分别提出了自适应路面阈值方法和阴影区域融合方法以解决路面区域灰度变化和阴影边缘变形问题;使用基于梯度特征的adaboost方法来验证车辆假设;最后使用Kalman滤波对检测到的目标进行跟踪以改善系统性能。使用道路实拍的图像序列对系统进行了测试。结果表明,该系统能够在实时条件下有效检测前方车辆。     

基于HSI运动车辆阴影消除的快速算法

针对视频序列图像提出一种运动阴影快速消除的算法,首先利用背景差分获取前景,再根据投射阴影HSI彩色空间的特征,分割运动车辆和运动车辆阴影。实验结果表明该方法能快速准确分割,具有良好性能。     

基于区域的运动阴影检测方法

为了使阴影检测结果更加准确和鲁棒,提出了一种基于区域的运动阴影检测方法。该方法从阴影具有的物理特性出发,考虑了区域内所有像素的总体特征。将每帧图像进行合理的分块,并且采用基于梯度的方法对运动区域边缘的小块进行合并。对每个小块根据阴影区域和对应的背景区域之间具有较强的结构相似性和色度近似性的特点进行阴影检测。实验结果表明,阴影检测准确率超过90%,其结果明显比基于颜色不变量的方法有效。该方法能够准确而鲁棒地检测出运动阴影。     

基于自适应特征选择的夜间运动车辆检测算法

针对夜间交通环境的特点,提出了基于自适应特征选择的夜间运动车辆检测算法.首先,利用SIFT算法提取夜间运动车辆的形状特征,并融合颜色和纹理特征,得到夜间运动车辆的特征向量;其次,利用Boosting算法和遗传算法以迭代形式获取模糊规则及其权值;然后,采用Boosting算法以加权投票方式自适应选取对检测最有利的特征,从而实现自适应特征选择;最后,对夜间交通场景下3种不同道路情况进行实验.实验结果表明,在遮挡、光照及背景干扰等复杂情况下,该方法可以根据背景信息的不同自适应地选择特征,实现夜间车辆的实时检测,鲁棒性较好,可以满足智能交通系统的实时性和准确性的要求.     

基于多信息融合的车辆阴影检测与车辆跟踪算法

为了准确检测车辆,提出一种基于颜色、纹理、光照模型相结合的阴影检测算法。根据颜色恒常性完成阴影的初步检测,利用局部二值模式(LBP)纹理不变性和基于光照模型的亮度比值置信区间去除误检阴影像素,最后用区域生长完成阴影边缘像素的恢复,保证车辆阴影检测的准确与完整性。为了保证不同智能监控场景下车辆追踪的准确度和稳定度,提出一种特征与概率相结合的改进的Camshift跟踪算法。研究结果表明:所提出的阴影检测算法与改进的Camshift算法可以提升车辆检测与跟踪的准确性与稳定性。     

一种基于局部HOG特征的运动车辆检测方法

在平均车头时距较小的交通拥挤情景中,针对传统的基于截取完整车辆作为待检区域的方向梯度直方图(HOG)特征匹配方法较难取得准确的待检区域及其漏检率与误检率较高等问题,本文提出一种基于局部HOG特征提取及识别方法。首先采用中值滤波的方式对图像进行预处理,然后在图像中选取特定区域并设置一条虚拟检测线,将此检测线作为感兴趣区域(ROI)来提取灰度图像的局部HOG特征向量,最后采用支持向量机(SVM)对局部HOG特征向量进行模型训练,以及对车辆处于检测线和离开检测线这2种状态进行分类和计数。针对支持向量机的输出结果存在噪声点的问题,使用检测队列和二次确认模块相结合的方法进行过滤,且在选取训练样本时利用车尾阴影来提高检测的灵敏度。该方法与传统的基于车辆整体外观的HOG特征检测方法及其他车辆计数方法相比,具有检测率高、实时性强、灵敏度高的特点,尤其在平均车头时距较小的交通拥挤状况中,检测效果明显优于其他方法。     

一种运动车辆的阴影消除新方法

针对运动车辆阴影消除时可靠性和实时性难以兼容的问题,提出一种基于彩色检测线的线间差分的阴影消除新方法.通过检测运动区域四周方向线的线特性确定出运动区域所属的车辆/阴影模型,结合车辆/阴影模型和运动区域找到检测线,再利用检测线在彩色空间内的线间差分和检测线的属性找到阴影和车辆的分界点,进而根据分界点找到车辆和阴影的分界,从而实现阴影的消除.由于利用了检测线在彩色空间中的颜色特性和检测线在灰度空间中的背景图像,因而新方法具有较强的噪声抑制能力,并提高了低亮度车辆的阴影消除效果.实验结果表明,所采用的阴影消除新方法不仅具有较高的可靠性,也具有较好的实时性.     

基于HSV色彩空间的云模型车辆阴影检测

介绍和分析了云模型、运动目标初定位和HSV色彩空间等相关内容.提出了基于HSV色彩空间的云模型车辆阴影检测方法.在HSV空间下,于不同光照下在具有代表性的阴影区域采样,用正态云逆向发生器建立云模型,利用云模型进行阴影检测.和其他方法相比,实验结果证明了本文方法的有效性.     

基于Log-gabor小波的运动目标阴影检测

针对阴影覆盖前后的场景纹理相似的特点和Gabor小波在纹理特征提取上的不足,利用Log-gabor在纹理特征提取上的较优性能及对光照的不敏感性,提出一种基于Log-gabor的运动目标阴影检测方法.首先根据阴影在颜色空间的特点,利用像素点亮度变化规律,对前景中包含阴影的运动目标进行检测,提取疑似阴影区域.然后对疑似阴影区域分块,获取块Log-gabor纹理特征.最后,针对运动目标和道路纹理区别,提出合理有效的阴影判定准则,使用判定准则识别阴影.实验结果表明,所提方法在不需场景先验知识情况下,能较快较准确检测出阴影.     

基于彩色边缘的运动车辆检测

在RGB空间中对彩色交通视频图像进行多通道边缘检测,利用融合的边缘信息进行多帧迭加建立自适应背景模型,通过背景模型抽取运动车辆.受车速,车流量,噪声等影响,得到的是不完整的目标边缘,依靠边缘生长对目标进行修补,以提高运动车辆检测的准确性,保证边缘的连续性.实验结果表明,该方法计算量小,能够满足实时系统的要求,可有效地检测运动车辆.     

基于边缘特征的汽车运动阴影去除算法

首先设计了一种新的预处理流程,去除非阴影及车辆区域的边缘;其次,对边缘图像进行填充,得到运动部分的轮廓边缘图;最后,建立边缘擦除法则,擦去阴影部分的边缘,并对边缘图进行填充,得到最终的去除了阴影的目标图像.算法的核心是将前景图像中的阴影边缘从目标边缘上分离出来,着重解决了实际应用中经常出现的目标轮廓图边缘和实际阴影轮廓边缘不重合造成阴影边缘无法去除的问题,同时很好解决了多个前景目标因阴影而粘连的情况.大量实际道路视频图像的测试表明,本算法去除阴影效果好,有较强的实际应用价值.     

基于灰度突变特征结构的快速人脸检测

基于面向人脸的分析，按照将复杂背景中的人脸检测转化为对五官检测的思想，建立了以五官结构为检测特征的人脸检测模型。在进行了灰度突变点、灰度突变块，组件特征块等一系列特征标识的基础上，设计了以双眼结构为主索引特征的多步快速快速检测算法，实验结果显示，该算法具有良好的检测性能。     

基于阴影抑制和自适应背景更新的车辆检测系统

在基于视频的交通监控系统中,车辆的正确检测是关键,目前采用的典型方法是背景相减法.为了提高对多车道上运动车辆检测的正确率,该文提出的车辆检测系统采用了快速自适应背景生成与更新算法,并结合基于轮廓跟踪的阴影去除技术,可以达到精确定位车辆的目的.实验图像数据表明:该检测技术较传统方法更具鲁棒性和准确性,并且从算法实现的角度来看,具有简单易用、实时性较高的特点.     

基于阴影线的智能车辆检测及测距方法研究

针对当前智能车辆检测算法在实际应用中存在误差、测量结果不够准确等问题,使用基于运动车辆中车底阴影线算法的车辆检测机制,并利用车底阴影稳定存在特征解决车辆检测问题,进一步基于机器视觉的双目立体匹配测距方法实现对前方最近车辆距离测量,为智能车辆及驾驶员辅助系统提供信息。笔者采用的车底阴影线方法及双目测距最终实现结果证实,可以获取较为精确的道路前方的车辆及距离信息,有效检测距离为10 ～ 50 m,整体识别率达到85%。     

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。