本文關(guān)鍵詞：行人交通的視頻檢測方法綜述，由筆耕文化傳播整理發(fā)布。

第４期

行人交通的視頻檢測方法綜述

察選擇一幅質(zhì)量好的圖像作為背景；后來雖經(jīng)不斷改進，但對于動態(tài)場景的變化，如光照和外來干擾等特別敏感，且分割精度易受噪聲影響．目前許多研究人員都致力于開發(fā)不同的背景模型，，以期減少動態(tài)場景變化對于運動分割的影響．例如，Ｈａｒｉｔａｏ．ｇｌｕ等ｎ＂利用最小、最大強度值和最大時間差分值為場景中每個像素進行統(tǒng)計建模，并且進行周期性

的背景更新；ＭｃＫｅ—ｕｍ等［Ｉ引利用像素色彩和梯度信

色靠可不和子影決解型模景背應適自的合結(jié)相息彩線索對于分割的影響；Ｋａ聊ａｎｎ與Ｂ砌ｄｔ、ｌ（ｉｌｇ．

等影響．

模型，從而處理了光照變化、背景混亂運動的干擾

（２）幀間差分法．

幀間差分法是在連續(xù)的圖像序列中兩個或三個相鄰幀間采用基于像素的時間差分并且閾值化來提取圖像中的運動區(qū)域旺１’捌．例如，ｋｐｔ叩等舊】利用兩幀差分方法從實際視頻圖像中檢測運動目標，進而用于目標的分類與跟蹤；一個改進的方法是利用三幀差分代替兩幀差分，如ＶＳＡＭⅢ１開發(fā)了一種自適應背景減除與三幀差分相結(jié)合的混合算法，它能夠快速有效地從背景中檢測出運動目標．幀問差分法對于動態(tài)環(huán)境具有較強的自適應性，但不能完全提取出所有相關(guān)的特征像素點，在運動實體內(nèi)部容易產(chǎn)生空洞現(xiàn)象．

（３）光流法．

基于光流法的運動檢測利用運動物體隨時間變化在圖像中表現(xiàn)為速度場的特性，根據(jù)一定的約束條件估算出運動所對應的光流．它的優(yōu)點是在攝像機與背景間存在運動的前提下也能檢測出運動物體．Ｍｅｙ盱等滔１通過計算位移向量光流場初始化基于輪廓的跟蹤算法，從而有效地提取和跟蹤運動目標．但是大多數(shù)的光流計算方法需要多次迭代運算，所以時間消耗比較大，且抗噪性能差，如果沒有專門的硬件裝置則難以應用于視頻圖像流的實時處理．

（４）基于統(tǒng)計學習的人體檢測．

由于上述行人檢測方法不能解決人體形狀和外貌各式各樣的難點，以及人體的不同運動方式，目前人體檢測方法的發(fā)展趨勢為基于學習的人體檢測方法，其中包括：基于ＡｄａＢｏ鵂ｔｃａ８ｃａｄｅ的人體

檢測方法，基于ＳｖＭ的人體檢測方法，基于ｎｅｌｄＭｏｄｅｌ的人體檢測方法．這些方法從樣本集中學習人體的不同變化，從而有很好的推廣性和適用性．基于學習的人體檢測可分為兩類：基于整個人體的檢測和基于人體部位的檢測．例如，Ｖｉｏｌａ等洶１介紹了一種集成了圖像灰度信息和運動信息的行人

檢測系統(tǒng)．Ｎａｖｎ鰍Ｄａｌａｌ掣馴提出了一個在單幀圖

像中用面向梯度的直方圖描述人體的檢測方法．

Ｙｉｎｇ

ｗｕ等洶１提出了一種新的統(tǒng)計模型來檢測和跟蹤可變形物體．

在實際的城市交通環(huán)境中，通常采用背景差法

檢測行人舊】，即首先通過自適應背景提取方法快速提取背景圖像，在差分圖像的基礎(chǔ)上，結(jié)合直方圖自動閾值分割和數(shù)學形態(tài)學運算采用一定的行人分割算法，填充分割中運動行人圖像的斷裂部分，提取出行人完整的輪廓；根據(jù)提取的目標特征信息，結(jié)合多種特征初步判斷行人的存在信息，進行行人檢測．２．２行人識別

行人識別的目的是從道路上交通監(jiān)控攝像機所捕捉的序列圖像中將行人的運動區(qū)域提取出來，主要研究行人、自行車和機動車的區(qū)分方法．圖像識別技術(shù)主要涉及兩方面的內(nèi)容，一是特征提取的方法，二是模式分類方法．運動目標的特征洶１大致可以分為：

（１）圖像的視覺特征，如圖像的邊緣、輪廓、形狀、紋理和區(qū)域等特征；

（２）圖像的統(tǒng)計特征，如目標中心位置、重心、面積周長、顏色直方圖、各種不變矩等特征；

（３）圖像的變換系數(shù)特征，如小波變換系數(shù)、傅立葉描述等特征；

（４）代數(shù)特征，如圖像矩陣的奇異值分解等．車輛是剛體目標，通常選擇一個目標特征作為

常常聯(lián)合多種特征進行目標特征匹配．模計統(tǒng)如，】多很法方類分式模的像圖前目傳統(tǒng)的統(tǒng)計模式分類法及線性判別函數(shù)往往只能提取不同的圖像特征，采用不同的模式分類方法．提供線性的分割平面，采用這種分類方法關(guān)鍵在于

  本文關(guān)鍵詞：行人交通的視頻檢測方法綜述，由筆耕文化傳播整理發(fā)布。