交通场景中车辆视觉检测技术研究.pdfVIP

自动化学报 ACTA 2000年6月 AUTOMATICASINICA 增刊B 交通场景中车辆 视觉检测技术的研究 王春波许晓鸣张卫东 《上海交通大学自动化摹上海200030) ■要本文提出了一种在固定的交通场景中检测行驶车辆的方法，利用递归高 阶统计的方法从噪声图像中提取变化区域，然后用形态滤波修正捡铡结果，最 后蛤出了利用检测结果识别车型的方法． 关-词车辆检测．r高阶统计．形态滤波： 一 ^ l 引言 基于计算机视觉的交通流监控是当前研究的热点问题，车辆检测是实现视觉监控 的第一步，通常采用运动分割中的两种方法：光流法和帧差法．光流分割的精确性依 赖于估算的光流场的精确性．在运动目标的边界咀及纹理较弱的区域，光流计算的结 果通常误差较大．P．noumemyI‘噪用了一种同时分割和估算的MAP方法来解决这一问 题．在MAP形式下，运动估算和分割的过程可以转化为一个优化求解的问题．光流法 的计算量通常较大．为满足实时性要求．交通监控中通常采用基于时空图像亮度和梯 度信息的帧差法．帧差法常见的形式是计算帧问图像像素间的偏差，再通过朗值来找 出运动的区域12,”．帧差的结果一般需要进一步加以修正．才能接近物体的实际轮廓I…． 由于观测噪声的影响．简单的帧差法通常不能得到正确的结果．本文采用了高阶 统计的方法检测车辆．并说明了如何利用检测的结果，采用基于模型的方法识别车型．算 法具有较好的实时性．检测结果可作为高层交通管理和车辆控制的基础． 2 主要结果 2．1变化检测 高阶统计方法能够较好地从高斯噪声中提取非高斯信号，这一特性被许多学者用 在运动估计和运动分割中．物体运动、观察噪声等都会引起图像亮度的变化．物体运 动造成的亮度变化包含着结构信息，其统计行为不同于高斯分布．而摄像机扰动，光 照条件和背景纹理的缓慢变化等对亮度的影响都可看作高斯噪声．因此，高阶统计方 法可以用来解决变化检渊问题．高阶统计方法的形式有多种，我们采用了Amblared[5】 等人提出的递归高阶统计方法，与传统方法相比，该方法能够更好地利用帧间冗余度 来减小噪声的影响．下面研究如何从帧间差分中检测出变化区域．设厂(t，’七)、 厂(f，，，七一1)为连续的两帧图像，帧间差分 d(f，．，，t)=／1j，．，，t)一f(i，』，七一1) (1) 』 I ～——]酉蔼习F————————一 150 自动化学报 增刊B th文rd[61．-f以导出递归高阶统计的形式如F N．，；邪4棚 ，nt ‘2’ 2嵩一3’色。{靠tJl} 其中．w为一个3X 3的窗ra，N。为窗口内的像素数． …^dnz帚2血一一{d ‘3’ r2,一】)+一‘赢【盖都√广会t。(d㈨ Ⅳ为遗忘因子．以适应图像变化的快慢程度．式(2)和(3)给出的多帧递归的形式． 对于初始的两帧形式如下．(4)式也适用于仅用两帧统计的情况． ∑d}√) ， ^”3氮。’志功l ¨’ 噪声方差盯b