论文部分内容阅读
智能交通系统(Intelligent transportation systems,ITS)在交通系统中加强信息和通信技术的应用,改善了交通运输的安全性和灵活性,提高了社会的生产效率。交通监控是智能交通系统的重要功能之一,它为系统服务功能的实现而提供有用的数据。运动车辆检测是视频交通监控系统中的一项关键技术。它为进一步分析道路状况提供有用的信息。然而场景光照条件的变化给运动目标检测的准确性带来挑战。因为光照的变化会导致属于阴影或者灯光处的像素被错误的当作运动目标的一部分。本文对运动车辆检测技术进行了全面的讨论。对其中关键的阴影检测技术和夜间车辆检测进行了全面系统的分类介绍。本文还提出一种基于本征图像的运动车辆检测算法,这种算法可以有效地去除阴影和光照影响给检测带来的干扰,适用于白天和夜间的视频车辆检测。根据大量实验观察的结果,可以假定视频的背景在一定时间内是固定而不随时间变化的。相反,包括运动目标和变化的光照在内的前景是随时间变化的。此外,前景图像对于空间求导滤波器的输出是稀疏的。因此,可以通过在梯度域对输入的图像序列做中值滤波而得到背景图像在梯度域的估计值。继而用原始图像的梯度图减去背景图像的梯度图即可以得到前景的梯度图。根据本征图像的思想,可以将前景图像的梯度分为由反射引起的变化和由照射引起的变化这两类。本文中把前景图像的所有梯度中由反射变化引起的分量称为目标图像梯度图,把前景图像的所有梯度中由照射变化引起的分量称为光影图像的梯度图。最后,通过将目标图像梯度图中每一个像素位置的梯度值与阈值做比较,把梯度值高于阈值的像素位置标记为运动车辆的边缘。对所得到的目标边缘信息进行形态学闭运算和填充处理,最终将运动车辆分割出来。用本文提出的算法对白天和夜间的多组视频序列进行实验,结果证实本文提出的算法对不同序列都有比较好的性能。此外,本文提出的算法还被应用在了实时车辆检测系统中。路口实地测试结果同样证实了本文算法的有效性。