CAJ | 학술논문

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域；然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像；最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后.将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0％,有效率为92.5％；与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.
위제고차량목표검측적은정성화준학성,제출료기우배경감제화소파분해모역사도상적운동차량검측산법.수선대원시도상진행소파분해,대저빈분량용혼합고사모형화문리특정상결합적방법,자괄응경신배경병표기운동목표초시구역；연후,기우고빈분량계산모치,병통과축정역사루적득도모역사도상；최후,이용차량목표여음영상비부함변연세절적특점,대목표진행경사교정후.장목표변연분별연도상x화y방향투영,이용투영곡선장변연신식여목표초시구역신식질대융합,득도최종검측결과.실험결과표명,용본문방법검측차량적포획솔체도99.0％,유효솔위92.5％；여사용단일자괄응배경제취방법상비,재실제교통장경중가유효처리음영도치적다목표점련문제,검측결과경준학.