基于視頻圖像的車輛檢測方法的研究.pdf

1、動(dòng)態(tài)變化場景的監(jiān)控是近年來非常受關(guān)注的前沿研究方向。對現(xiàn)實(shí)中復(fù)雜交通場景下運(yùn)動(dòng)目標(biāo)的檢測和識(shí)別是智能視頻監(jiān)控中的關(guān)鍵技術(shù)，其處理結(jié)果直接影響隨后的軌跡跟蹤、行為理解和對監(jiān)控事件的處理。
　　 針對現(xiàn)實(shí)中復(fù)雜交通場景下的運(yùn)動(dòng)物體檢測問題，本文采用了改進(jìn)的α-blending算法（背景模型的自適應(yīng)更新法），并將其處理效率和效果分別與光流算法、混合高斯模型算法進(jìn)行比較，試驗(yàn)結(jié)果顯示該算法能更好地克服背景擾動(dòng)、外界光照劇烈變化等惡劣條件

2、，有效地提取復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)圖像，并具有更高的處理效率。
　　 針對運(yùn)動(dòng)車輛的檢測，本文使用梯度方向直方圖特征(HOG)。該特征首先將圖像分成不同的單元，分別統(tǒng)計(jì)每個(gè)單元內(nèi)的多尺度方向的直方圖。然后，對于四個(gè)相鄰的單元組成的一個(gè)區(qū)域，將直方圖每一維的值進(jìn)行歸一化，并將整幅圖像中所有區(qū)域的直方圖連接起來，形成特征集合。最后用HOG特征集來訓(xùn)練一個(gè)支持向量機(jī)(SVM)分類器，并將其用于路面運(yùn)動(dòng)物體的分類。
　　 在理論和