交通视频阴影检测方法研究.docVIP

精品论文 参考文献 交通视频阴影检测方法研究 李树平1 杨柳2 高巍2 佟林2 　　1.牡丹江师范学院教师教育学院；2.牡丹江师范学院工学院 黑龙江牡丹江 157011 　　摘要：针对交通视频阴影检测中目标准确率低的问题，提出一种基于层次的阴影检测方法，并通过实验验证了本文算法的有效性。 　　关键词：交通视频；阴影检测；层次 　　1.引言 　　目前交通视频监控系统被广泛使用，通过视频监控可以检测和跟踪移动目标。在道路交通场景下，当交通监控系统进行监测时，运动车辆所产生的阴影会使监测效果受到很大的影响。如果不能及时准确地将交通监控视频中车辆的阴影进行检测及去除，会对后续的车辆检索、车辆分类、车辆识别、车牌定位等各种工作造成极大影响，出现车辆定位错位、跟踪丢失等系列问题，降低整个系统的性能。 　　2、基于层次的交通视频阴影检测方法 　　2.1检测流程 　　首先，采用混合高斯模型提取交通视频中的背景和前景区域。为每一个像素建立k个高斯模型，通过对每一个高斯模型的均值方差进行更新，获得实时背景与前景区域，然后将所得到的前景区域进行形态学处理，得到较为准确的前景区域。分别对阴影区域和目标区域的S 通道建立字典。在本文中，选取部分阴影区域样本进行测试，分别使用阴影字典及目标字典对这些区域进行重构，并分别计算重构误差。应用重构误差法得到的检测结果与应用亮度特征所得到的检测结果通过取交集进行融合后，相互去掉了误检的部分，检测结果变得更加准确。其次，使用c1c2c3空间对经过结果融合得到的初步检测结果进行细化，最后利用空间调整法进一步完善算法，从而获得更精准的检测结果。 　　2.2实验数据库 　　为了验证本文所提出的算法的有效性，本文对提出的算法在四个数据库中进行了模拟实验。其中，视频 VideoⅠ主要针对当车辆行驶过程中阴影覆盖道路标志线场景；VideoⅡ主要针对摄像镜头与道路较远的场景；VideoⅢ主要针对摄像镜头与道路稍近的场景；VideoⅣ主要针对摄像镜头与道路更近的场景。 　　2.3 评价指标 　　定量分析的评价标准采用学者prati提出的分析阴影检测率（ ）和阴影判别率（ ），它们被定义如下： 　　 　　3、结论 　　本文提出了一种新的分层次的交通视频运动阴影检测方法。通过在四个数据库上进行测试，以及与五种比较经典的算法进行对比，本文提出的算法不但能准确检测交通视频中运动的阴影，而且无论从定性还是定量角度都优于现有的一些方法，并且，本文提出的算法可以很好地解决当阴影覆盖在马路标志线上的情况。 　　参考文献： 　　[1]Zhang，W.，Fang，X.Z.，Yang，X.K.，amp; Wu，Q.J.，Moving cast shadows detection using ratio edge.Multimedia，IEEE，9（6），pp.1202-1214，2007. 　　[2]Cucchiara，R.，Grana，C.，Piccardi，M.，amp; Prati，A.，Detecting moving objects，ghosts，and shadows in video streams.PAMI，IEEE，25（10），pp.1337-1342，2003. 　　[3]Yang，M.T.，Lo，K.H.，Chiang，C.C.，amp; Tai，W.K.，Moving cast shadow detection by exploiting multiple cues.Image Processing，IET，2（2），pp.95-104，2008. 　　[4]Song，K.T.，amp; Tai，J.C.，Image-based traffic monitoring with shadow suppression.Proceedings of the IEEE，95（2），pp.413-426.2007. 　　[5]Huerta，I.，Holte，M.，Moeslund，T.，amp; Gonzalez，J.，Detection and removal of chromatic moving shadows in surveillance scenarios.ICCV，IEEE，pp.1499-1506，2009. 　　[6]Joshi，A.J.，amp; Papanikolopoulos，N.，Learning of moving cast shadows for dynamic environments.ICRA，IEEE.pp.987-992，2008. 　　[7]Leone，A.，Distante，C.，amp; Buccolieri，F.，A texture-based approach for shad