自適應(yīng)背景更新的車輛檢測算法.pdf

1、在車輛檢測算法中,單一的目標(biāo)提取技術(shù)在性能是很有限的。為了得到良好的檢測效果,有效的途徑之一是使用改進(jìn)的目標(biāo)提取技術(shù)來進(jìn)行車輛檢測。不同的目標(biāo)提取技術(shù)有各自的局限性,使用沒有改進(jìn)的目標(biāo)提取技術(shù)會使得檢測結(jié)果達(dá)不到滿意的結(jié)果,這在智能交通的車輛檢測中更為突出。如何克服這些缺點以到達(dá)較好的車輛檢測效果就是本文所要研究的問題。對于相對較有優(yōu)勢的目標(biāo)提取技術(shù)加以改進(jìn)和完善是一種解決問題的辦法。同時我們也嘗試使用兩種目標(biāo)提取技術(shù)相融合的技術(shù)來解決

2、各自技術(shù)本身存在的不足問題,并通過互補(bǔ)得到功能更加完善的、更加智能化的系統(tǒng)。本文圍繞如何設(shè)計有效的車輛檢測算法,開展了以下工作:
　　1.研究了基于背景差分法的目標(biāo)識別技術(shù),重點研究了該算法的核心部分背景提取的各種算法,分析了各個算法的優(yōu)缺點,為后文中自適背景更新的車輛檢測算法中背景提取的算法提供了依據(jù)。
　　2.研究了基于幀間差分的目標(biāo)提取技術(shù),分析了幀間差分技術(shù)的優(yōu)勢和劣勢,并且對幀間差分算法的改進(jìn)進(jìn)行了研究。為后文中兩

3、種目標(biāo)識別技術(shù)的融合提供了有利的支持。
　　3.研究了非監(jiān)督視頻分割的目標(biāo)提取技術(shù),簡要敘述了兩種運(yùn)用比較廣泛的算法,但是由于其在智能交通中的使用并不廣泛,所以本系統(tǒng)中并未采用此種方法。
　　4.研究了自適應(yīng)背景更新的車輛檢測算法,引入了動態(tài)閾值獲取規(guī)范,并且分析了兩種閾值獲取規(guī)范的優(yōu)劣,將動態(tài)閾值獲取規(guī)范應(yīng)用于自適應(yīng)背景更新的車輛檢測算法,通過優(yōu)化動態(tài)閾值的獲取和更新,以實現(xiàn)自動獲取高質(zhì)量的背景圖像和目標(biāo)區(qū)域的提取。在研究