復(fù)雜環(huán)境下車輛檢測(cè)算法優(yōu)化及實(shí)現(xiàn).pdf

1、隨著汽車保有量的不斷增加，交通擁堵等問(wèn)題日益嚴(yán)重，人們開(kāi)始著力于研究智能交通系統(tǒng)，充分利用道路資源，緩解交通壓力。智能交通系統(tǒng)中對(duì)車流量的統(tǒng)計(jì)是評(píng)價(jià)交通擁堵?tīng)顩r的一項(xiàng)核心工作，通過(guò)對(duì)交通擁堵?tīng)顩r的評(píng)價(jià)來(lái)合理分配道路資源。而復(fù)雜環(huán)境下，車輛檢測(cè)的不準(zhǔn)確會(huì)給車流統(tǒng)計(jì)帶來(lái)直接的影響，導(dǎo)致統(tǒng)計(jì)誤差，進(jìn)而影響到整個(gè)智能交通系統(tǒng)的性能。因此對(duì)復(fù)雜環(huán)境下車輛檢測(cè)的研究具有重要理論意義和實(shí)際應(yīng)用價(jià)值。
　　復(fù)雜環(huán)境是指雨雪天、夜間及車輛遮擋情況。

2、在雨雪天及夜間的車輛檢測(cè)目前已取得較好的效果，本文針對(duì)車輛遮擋情況進(jìn)行研究。對(duì)當(dāng)前遮擋檢測(cè)算法無(wú)法同時(shí)保證實(shí)時(shí)性、檢測(cè)率與多車輛遮擋處理的問(wèn)題做了深入分析，采用了基于矩形模板的車輛遮擋檢測(cè)算法。該方法首先使用面積比率，快速篩選出明顯遮擋車輛。對(duì)無(wú)法判斷的車輛采用特征點(diǎn)的方法進(jìn)行檢測(cè)，進(jìn)一步提高了遮擋檢測(cè)率。檢測(cè)到遮擋時(shí)采用矩形模板特征點(diǎn)進(jìn)行分割，通過(guò)車輛外圍的特征點(diǎn)，可以處理多輛車遮擋的情況。矩形模板的簡(jiǎn)易性，使得檢測(cè)分割過(guò)程十分迅速，

3、可以滿足實(shí)時(shí)性。此外，遮擋檢測(cè)方法依賴予前景目標(biāo)輪廓的完整性，本文針對(duì)ViBe前景檢測(cè)算法查全率不高而影響前景檢測(cè)結(jié)果完整的問(wèn)題，采用了一種改進(jìn)的算法，該算法通過(guò)將灰度背景模型與顏色空間背景模型相結(jié)合，并使用了像素級(jí)與幀級(jí)相結(jié)合的背景模型更新算法，大幅提升了前景車輛的檢測(cè)效果。
　　實(shí)驗(yàn)結(jié)果表明本文的遮擋檢測(cè)算法可達(dá)到91.02％的檢測(cè)率，且可處理多車遮擋，系統(tǒng)實(shí)時(shí)性測(cè)試結(jié)果在Core2GHz處理器上，320×240分辨率的監(jiān)控視