论文部分内容阅读
随着信息技术的发展和计算机视觉理论的成熟，视觉监控的应用越来越广泛，数字监控系统也将逐步取代传统的模拟监控系统。目前，自动车辆识别系统AVC(AutomaticVehicleClassification)作为数字监控的一种重要应用，广泛地应用在国防和民用系统，但现有算法多数只能在某种约束条件下使用，这种对约束条件的依赖性也导致了这些算法潜在的应用局限性，无法完成随机运动车辆的识别，而在战场或交通的区域监控中这正是至关重要的。
随机运动车辆识别系统由运动检测、运动阴影消除和目标识别几个步骤组成。为使系统具有实时、高适应性和不依赖场景特征即图像采集器的假设的特点，就要求各个环节也必须满足这些条件。而目前的算法几乎都暗含了特定条件，因此，有必要进行研究，寻求适合随机运动车辆识别系统的算法。
论文的主要工作和特色如下：1.提出了一种基于DesaS.M混合图像差分法的运动目标检测改进算法。Desa，S.M算法是一种基于背景差分和连续三帧帧差分方法的方法，算法存在计算冗余。改进算法采用了区域帧差分，并使用动态比率因子消除目标速度对算法的影响，实验结果表明，相同的实验条件和测试样本下，可以减少74％～92％的计算量，与Desa，S.M原算法和帧差分方法比较，精确度平均高出1％～33％。
2.提出一种基于物理属性的运动阴影检测算法提出了一种在场景特征未知情况下的阴影检测算法。算法将同反射率分割方法引入到RGB颜色空间作为分割标准，并使用目标周围背景区域的颜色信息确定阴影造成的颜色形变。通过使用颜色形变补偿和纹理校正检测到了运动阴影。实验结果表明，对不同场景的平均检测准确率为96.36％，比同类的NadimiS算法高8.3％
。3.将刚体目标的二维不变量扩展为定视角下的3维空间不变量特征提取刚体目标在某一视角下旋转360度时各个投影掩模的RTS不变矩形成特征曲线，无论车辆如何运动，在一定的俯仰视角误差内(±15。)，此特征曲线即是该视角下刚体目标的三维不变量特征。相比传统算法的几何特征(长、宽、高、紧致性等)和二维不变矩特征，它可以作为定视角下图像采集器和运动车辆空间关系发生变化时的车辆分类特征。
4.提出一种基于定视角下三维不变量特征的随机运动车辆分类算法当前基于图像的车辆分类算法只能区分车辆和行人以及大型车和小型车，特别是当图像采集器与运动车辆的空间关系发生变化时，不能对车辆进一步细分，本文提出了一种适用于固定视角下的基于Radon不变矩特征曲线的分类算法。实验结果表明，对随机运动中的八类车辆的平均分类准确率为96％。