资料下载
×
基于图像纹理的车辆检测算法
消耗积分:3 |
格式:rar |
大小:237 |
2009-07-30
打马过草原
分享资料个
传统的视频检测方法是基于面阵图像的，其背景图像复杂，不利于目标分割和特
征提取，而线阵CCD成像中背景图像相对简单，并且其帧速率远远高于面阵CCD的帧速率，从而可以实现高精度的检测，特别是车辆存在和车辆速度的检测。本文提出了适用于线阵CCD图像的车辆检测算法。其基本思想是：利用小波变换提取路面的纹理特征，然后对采集的每线数据进行二值化，并在此基础上，逐线进行车辆分割。实验表明：该算法能有效抑制车灯和阴影对车辆分割的干扰，实现车辆的实时准确分割。
目前，交通信息检测常用的方法有环形线圈[1]、超声波/微波检测[2]、激光/红外线检测
和视频图像检测[3]等。其中，视频检测方法操作直观灵活，安装简便、易于维护并且费用偏低，因此比其他检测方法更具优越性。
但是，传统的视频检测方法[4-5]是基于面阵图像的，其背景图像复杂，不利于目标分割
和特征提取，而线阵CCD 成像中背景图像相对简单，便于后续的目标分割、特征提取和描述，这使得系统在全天候条件下的工作稳定性更易于保证，并且线阵CCD 图像的帧速率远远高于面阵CCD 的帧速率，从而可以实现高精度的检测，特别是车辆存在和车辆速度的检测[6]。而常规的视频检测算法都是基于一帧面阵图像的，因此，需要设计出适用于线阵CCD图像的车辆检测算法。
本文提出了适用于线阵 CCD 图像的车辆检测算法，包括背景特征提取，二值化和车辆
分割三部分。该算法能有效抑制车灯和阴影对车辆分割的干扰，实现车辆的实时准确分割。
征提取，而线阵CCD成像中背景图像相对简单，并且其帧速率远远高于面阵CCD的帧速率，从而可以实现高精度的检测，特别是车辆存在和车辆速度的检测。本文提出了适用于线阵CCD图像的车辆检测算法。其基本思想是：利用小波变换提取路面的纹理特征，然后对采集的每线数据进行二值化，并在此基础上，逐线进行车辆分割。实验表明：该算法能有效抑制车灯和阴影对车辆分割的干扰，实现车辆的实时准确分割。
目前，交通信息检测常用的方法有环形线圈[1]、超声波/微波检测[2]、激光/红外线检测
和视频图像检测[3]等。其中，视频检测方法操作直观灵活，安装简便、易于维护并且费用偏低，因此比其他检测方法更具优越性。
但是，传统的视频检测方法[4-5]是基于面阵图像的，其背景图像复杂，不利于目标分割
和特征提取，而线阵CCD 成像中背景图像相对简单，便于后续的目标分割、特征提取和描述，这使得系统在全天候条件下的工作稳定性更易于保证，并且线阵CCD 图像的帧速率远远高于面阵CCD 的帧速率，从而可以实现高精度的检测，特别是车辆存在和车辆速度的检测[6]。而常规的视频检测算法都是基于一帧面阵图像的，因此，需要设计出适用于线阵CCD图像的车辆检测算法。
本文提出了适用于线阵 CCD 图像的车辆检测算法，包括背景特征提取，二值化和车辆
分割三部分。该算法能有效抑制车灯和阴影对车辆分割的干扰，实现车辆的实时准确分割。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
