基于实时交通状况和自适应像素分割的运动车辆检测
车辆检测是车辆识别和跟踪的重要前提.为解决传统车辆检测算法无法兼顾检测的准确性与实时性的问题,本文提出一种基于实时交通状况和自适应像素分割的运动车辆检测算法.该算法采用多帧间隔图像建立初始背景模型,提出基于时-空变化度的背景区域变化评价方法,并基于时-空变化度制订了自适应的学习率更新策略.通过设置一个信任区间,并根据当前交通状况和像素点是否处于信任区间内来判断当前的背景模型是否需要更新,进而实现对运动车辆的准确、快速检测.改进后的像素自适应分割算法在不同场景中检测的性能指标Recall、Precision和F-measure分别达到0.929,0.864,0.888,均高于传统像素自适应分割算法,且算法的处理时间为88.37 ms,比传统像素自适应分割算法的运算速度快近10 ms,基本满足车辆检测所需的速度快、精度高、鲁棒性高等要求.
智能交通系统;车辆检测;像素自适应分割;时-空变化度;信任区间;背景模型
36
TP391.41;U463.6(计算技术、计算机技术)
国家自然科学基金;江苏省自然科学基金;大学生实践创新训练计划;南京信息工程大学本科生优秀毕业设计论文支持计划
2021-10-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
1454-1462