融合时域和分水岭信息的车辆检测算法

马庆禄，唐小垚

重庆交通大学 交通运输学院，重庆400074

随着视频处理技术与运用在交通场景中的不断发展与成熟，通过机器精准识别交通场景中的交通流信息能够为交通优化提供数据支撑。目前的研究成果主要聚集在某些特定场景的分割算法和检测算法[1-4]，在复杂的交通环境中具有不适应性。因此，需要在现有研究基础上进一步提高交通量检测的准确率。

现有的分割算法主要有基于帧差法、Canny边缘检测法的图像边缘分割，通过帧差法和全局阈值[5]、局部阈值[6]的图像阈值分割，基于分水岭变换的区域分割算法。Gangodkar等提出利用全搜索绝对差和算法动态自适应阈值检测和分割运动车辆的方法[7]，该方法会因动态场景中运动物体而受到干扰，相机的振动和光照条件的变化也会对检测造成影响。Lou等提出利用卡尔曼滤波器和贝叶斯概率准则实现运动车辆的检测与跟踪[8]，该算法具有高效性和实时性，但受阴影和光线等影响。Zhang等提出将贝叶斯框架来分类背景和车辆的高斯运动模型，提高了模型的鲁棒性，利用EM算法对模型的参数进行估计[9]。Mech等提出了一种将阈值处理后得到的帧差图像进行光滑滤波降噪的变化区域检测法[10]，但是由于只利用了两帧的帧差信息，得到的图像噪声干扰比较明显，时域分割的常用方法有光流场和矢量场估计法等。Rashmi等研究了Prewitt、Robert、Sobel、Marr Hildrith和Canny算子等多种边缘检测技术[11]。通过比较可以看出，Canny边缘检测器在自适应、噪声图像处理、边缘锐化、检测假边缘概率等方面都优于其他所有边缘检测器。……