论文部分内容阅读
车辆目标识别是停车、拥堵等交通事件视频检测的基础和前提。在隧道场景中,由于车辆和环境光照的影响,导致提取的车辆目标区域扩大、多车辆目标区域连通等问题,极大地影响了车辆目标提取的准确性。而现有的光照干扰抑制方法不能消除局部区域光照干扰和适应隧道场景的变换,且缺乏针对性的解决方案。因此,研究隧道场景下车辆目标识别中的光照干扰抑制技术,具有重要的理论和实际意义。本文在深入分析隧道光照干扰抑制的问题和难点后,基于隧道场景下光照干扰的特点,重点研究了隧道场景的背景建模方法、环境光照干扰抑制方法、车辆光照干扰抑制方法,形成了一套隧道场景下的光照干扰抑制技术。针对隧道场景中长时间存在的车辆目标对背景模型产生的干扰问题,提出一种基于像素点邻域帧间特征的背景建模方法。考虑运动目标图像序列像素值变化对像素点作为背景模型可靠性的影响,分析像素点邻域的运动特征并建立像素值帧间平均变化率与可靠性的关系获取背景建模权值,从而提高背景建模的有效性。实验结果表明,提出的背景建模方法能消除运动车辆目标的影响,并能兼顾实时性和准确性的需求。针对隧道环境照明灯光突变所产生的伪车辆目标区域问题,提出一种基于区域离散性特征的环境光照干扰抑制方法。首先基于环境光照突变的分布特征,构造光照干扰的距离-光强模型以完成对前景区域像素值的散点拟合;然后利用变异系数作为离散性指标对各区域的离散程度进行评价,并建立光照和车辆区域的变异系数概率分布关系以筛选和去除光照区域,从而实现对环境光照干扰的抑制。实验结果表明,该方法能有效地抑制环境光照的干扰,降低车辆目标识别的误检测率。针对隧道场景车辆光照干扰的车辆目标提取准确性及场景适应性的问题,提出一种基于梯度特征的车辆光照干扰抑制方法。通过研究车辆光照的辐射特性和空间结构位置关系,建立车辆光照区域的光强模型并构造其梯度函数;进而利用发现的光照区域梯度方向不变特性,筛选出非车辆光照区域并构造前景掩膜,通过与运动目标前景叠加实现车辆光照干扰的抑制。实验结果表明,该方法能有效地抑制车辆光照的干扰,提高车辆目标识别的准确性,并能适应不同的隧道场景。最后,综合上述研究成果,形成了一套隧道场景下的光照干扰抑制技术,并将其应用于实际的停车事件检测系统,应用效果表明,本文提出的光照干扰抑制技术能降低光照干扰产生的停车误检测率,且具有较好的场景适应性。