本文關(guān)鍵詞：行人交通的視頻檢測(cè)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(cè)方法綜述

察選擇一幅質(zhì)量好的圖像作為背景；后來(lái)雖經(jīng)不斷改進(jìn)，但對(duì)于動(dòng)態(tài)場(chǎng)景的變化，如光照和外來(lái)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(kāi)發(fā)不同的背景模型，，以期減少動(dòng)態(tài)場(chǎng)景變化對(duì)于運(yùn)動(dòng)分割的影響．例如，Ｈａｒｉｔａｏ．ｇｌｕ等ｎ＂利用最小、最大強(qiáng)度值和最大時(shí)間差分值為場(chǎng)景中每個(gè)像素進(jìn)行統(tǒng)計(jì)建模，并且進(jìn)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(yīng)適自的合結(jié)相息彩線(xiàn)索對(duì)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(yùn)動(dòng)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(gè)或三個(gè)相鄰幀間采用基于像素的時(shí)間差分并且閾值化來(lái)提取圖像中的運(yùn)動(dòng)區(qū)域旺１’捌．例如，ｋｐｔ叩等舊】利用兩幀差分方法從實(shí)際視頻圖像中檢測(cè)運(yùn)動(dòng)目標(biāo)，進(jìn)而用于目標(biāo)的分類(lèi)與跟蹤；一個(gè)改進(jìn)的方法是利用三幀差分代替兩幀差分，如ＶＳＡＭⅢ１開(kāi)發(fā)了一種自適應(yīng)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(cè)出運(yùn)動(dòng)目標(biāo)．幀問(wèn)差分法對(duì)于動(dòng)態(tài)環(huán)境具有較強(qiáng)的自適應(yīng)性，但不能完全提取出所有相關(guān)的特征像素點(diǎn)，在運(yùn)動(dòng)實(shí)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(yùn)動(dòng)檢測(cè)利用運(yùn)動(dòng)物體隨時(shí)間變化在圖像中表現(xiàn)為速度場(chǎng)的特性，根據(jù)一定的約束條件估算出運(yùn)動(dòng)所對(duì)應(yīng)的光流．它的優(yōu)點(diǎn)是在攝像機(jī)與背景間存在運(yùn)動(dòng)的前提下也能檢測(cè)出運(yùn)動(dòng)物體．Ｍｅｙ盱等滔１通過(guò)計(jì)算位移向量光流場(chǎng)初始化基于輪廓的跟蹤算法，從而有效地提取和跟蹤運(yùn)動(dòng)目標(biāo)．但是大多數(shù)的光流計(jì)算方法需要多次迭代運(yùn)算，所以時(shí)間消耗比較大，且抗噪性能差，如果沒(méi)有專(zhuān)門(mén)的硬件裝置則難以應(yīng)用于視頻圖像流的實(shí)時(shí)處理．

（４）基于統(tǒng)計(jì)學(xué)習(xí)的人體檢測(cè)．

由于上述行人檢測(cè)方法不能解決人體形狀和外貌各式各樣的難點(diǎn)，以及人體的不同運(yùn)動(dòng)方式，目前人體檢測(cè)方法的發(fā)展趨勢(shì)為基于學(xué)習(xí)的人體檢測(cè)方法，其中包括：基于ＡｄａＢｏ鵂ｔｃａ８ｃａｄｅ的人體

檢測(cè)方法，基于ＳｖＭ的人體檢測(cè)方法，基于ｎｅｌｄＭｏｄｅｌ的人體檢測(cè)方法．這些方法從樣本集中學(xué)習(xí)人體的不同變化，從而有很好的推廣性和適用性．基于學(xué)習(xí)的人體檢測(cè)可分為兩類(lèi)：基于整個(gè)人體的檢測(cè)和基于人體部位的檢測(cè)．例如，Ｖｉｏｌａ等洶１介紹了一種集成了圖像灰度信息和運(yùn)動(dòng)信息的行人

檢測(cè)系統(tǒng)．Ｎａｖｎ鰍Ｄａｌａｌ掣馴提出了一個(gè)在單幀圖

像中用面向梯度的直方圖描述人體的檢測(cè)方法．

Ｙｉｎｇ

ｗｕ等洶１提出了一種新的統(tǒng)計(jì)模型來(lái)檢測(cè)和跟蹤可變形物體．

在實(shí)際的城市交通環(huán)境中，通常采用背景差法

檢測(cè)行人舊】，即首先通過(guò)自適應(yīng)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(dòng)閾值分割和數(shù)學(xué)形態(tài)學(xué)運(yùn)算采用一定的行人分割算法，填充分割中運(yùn)動(dòng)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(biāo)特征信息，結(jié)合多種特征初步判斷行人的存在信息，進(jìn)行行人檢測(cè)．２．２行人識(shí)別

行人識(shí)別的目的是從道路上交通監(jiān)控?cái)z像機(jī)所捕捉的序列圖像中將行人的運(yùn)動(dòng)區(qū)域提取出來(lái)，主要研究行人、自行車(chē)和機(jī)動(dòng)車(chē)的區(qū)分方法．圖像識(shí)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(lèi)方法．運(yùn)動(dòng)目標(biāo)的特征洶１大致可以分為：

（１）圖像的視覺(jué)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(jì)特征，如目標(biāo)中心位置、重心、面積周長(zhǎng)、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(chē)輛是剛體目標(biāo)，通常選擇一個(gè)目標(biāo)特征作為

常常聯(lián)合多種特征進(jìn)行目標(biāo)特征匹配．模計(jì)統(tǒng)如，】多很法方類(lèi)分式模的像圖前目傳統(tǒng)的統(tǒng)計(jì)模式分類(lèi)法及線(xiàn)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(lèi)方法．提供線(xiàn)性的分割平面，采用這種分類(lèi)方法關(guān)鍵在于

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