改进光流法和GMM融合的车辆实时检测算法研究

摘要：

针对传统光流算法受光照影响较大和在不同场景中检测效果差别较大等问题,提出一种改进的光流法与混合高斯背景模型相融合的运动车辆实时检测算法(improved optical flow and gaussian mixture model,IOFGMM).首先,在光流算法中加入限制条件使得不同梯度点处采用不同约束;其次,融合高斯混合背景模型(gaussian mixture model,GMM);最后,采用提出的融合算法比较目标框的数量和目标框之间的重叠面积,从而在监控视频中显示出融合后的车辆检测信息.实验结果表明:该算法在3种不同场景视频上的检测效果达到了 84.80％的平均准确率,84.79％的平均召回率以及84.63％的平均F1值.与经典的光流法和高斯混合背景模型及基于这两种理论的算法相比,IOFGMM算法的各项指标平均有37％的提高,具有良好的检测效果.

关键词：IOFGMM检测算法、光流法、高斯混合背景模型、信息融合、实时检测、梯度、光照、约束

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：山西省自然科学基金;山西省自然科学基金;太原科技大学博士科研启动基金;山西省高等学校人文社会科学重点研究基地项目;忻州市平台和人才专项

在线出版日期：2021-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：271-278