亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        公路收費(fèi)站車輛跟蹤及抓拍算法研究與系統(tǒng)實現(xiàn)

        2013-04-29 00:00:00夏創(chuàng)文等

        摘要: 為保障公路收費(fèi)站對車輛抓拍和車流統(tǒng)計的抗干擾能力,以靜止單孔攝像機(jī)獲取的檢票口車道視頻作為研究對象,提出了一種高效的易于擴(kuò)展的抓拍判斷系統(tǒng)框架.在分析常見運(yùn)動檢測方法優(yōu)劣的基礎(chǔ)上,從實時性和魯棒性考慮,采用基于運(yùn)動歷史圖像的改進(jìn)的幀差法,以提高運(yùn)動檢測的靈敏度;為緩解服務(wù)器的計算壓力,提出了一種高效的車輛矩形區(qū)域快速定位算法,并在此基礎(chǔ)上定義了基于時間和空間變化的規(guī)則,以排除攝影機(jī)前人和桿臂運(yùn)動對鏡頭的遮擋,最終構(gòu)成了抓拍判斷系統(tǒng)框架.此外,就多路車道在不同光照下并行地進(jìn)行了實時抓拍實驗,結(jié)果顯示,在總時長5.5 h的測試樣例中,車輛計數(shù)平均準(zhǔn)確度達(dá)87.8%,證明該框架可顯著減弱抬桿、落桿的遮擋以及光照變化的影響,提高抓拍的精度.

        關(guān)鍵詞: 運(yùn)動檢測;幀差法;車輛跟蹤;車輛抓拍;智能交通系統(tǒng)

        中圖分類號: TP391.4文獻(xiàn)標(biāo)志碼: AVideoBased Vehicle Tracking and Capturing System

        隨著中國智能交通系統(tǒng)(intelligent transportation system, ITS)的發(fā)展,基于計算機(jī)視覺和圖像處理技術(shù)的數(shù)字視頻監(jiān)控系統(tǒng)扮演著越來越重要的角色.基于視頻的公路收費(fèi)站車輛跟蹤及抓拍系統(tǒng)屬于ITS的一部分,相對于磁感線圈和紅外傳感系統(tǒng)而言,該抓拍系統(tǒng)具有安裝調(diào)試容易、應(yīng)用靈活、遠(yuǎn)程數(shù)據(jù)讀取方便等諸多優(yōu)勢,且在已建成的收費(fèi)站上增設(shè)和維護(hù)成本較低.以拍照的形式記錄既解決了監(jiān)控中心集中存儲視頻的網(wǎng)絡(luò)壓力和資源壓力,又可進(jìn)一步作為車牌車型識別的重要輸入,總體而言具有所需儲存容量小、保存周期長、檢索方便等優(yōu)點.

        ITS需要解決的一個首要問題是車輛的檢測與跟蹤.近年來,針對該問題已有較為深入的研究[17].一般地,須首先提取道路背景,并自適應(yīng)地更新以保持和環(huán)境變化協(xié)調(diào)一致[8],然后進(jìn)行背景差分以突出目標(biāo)車輛[9],接下來一一定位這些車輛,并分別進(jìn)行跟蹤[5,7],最后統(tǒng)計車流的數(shù)據(jù)[56].在這些研究中,攝像機(jī)通常固定地架設(shè)在道路上方高處,所受干擾較小,且拍攝的視頻畫面包含有大面積靜止背景.目前,針對公路收費(fèi)站檢票口監(jiān)控視頻進(jìn)行車輛檢測的具體研究還較少,由于車輛通常排隊經(jīng)過檢票口,車速緩慢、間距緊密、??款l繁,且攝影機(jī)距離車道近、高度低,特別是重型車輛經(jīng)過攝影機(jī)時幾乎完全遮擋住鏡頭的整個可視區(qū)域,因此,視頻場景與普通交通監(jiān)控尚有較大區(qū)別,傳統(tǒng)的檢測方法不再有效.

        西南交通大學(xué)學(xué)報第48卷第2期夏創(chuàng)文等:公路收費(fèi)站車輛跟蹤及抓拍算法研究與系統(tǒng)實現(xiàn)本文在保證多路運(yùn)算實時性應(yīng)用需求的前提下,針對收費(fèi)站檢票口監(jiān)控視頻,改進(jìn)了運(yùn)動檢測,提出了一種高效的車輛矩形區(qū)域快速定位算法,并在此基礎(chǔ)上研究拍照時機(jī),進(jìn)一步提出了基于時間和空間變化的抓拍判決規(guī)則,以排除鏡頭前人和桿運(yùn)動的遮擋,最后通過實驗驗證了所提出算法的有效性.1運(yùn)動車輛檢測考慮到并行多路實時抓拍的實際需求,運(yùn)動檢測算法須保證非常高的效率.這不僅要求設(shè)計的算法能對視頻流進(jìn)行實時處理,而且單處理線程必須盡可能少地占用處理器資源.在實時運(yùn)動檢測方法中,背景差分法和幀間差分法是兩種常用的基本方法.

        從運(yùn)動的場景中有效地提取背景圖像是背景差分方法研究的主要問題之一,使用自適應(yīng)背景差分方法必須首先解決被選作表示背景的特征(如像素灰度值、色度以及紋理等).通常對于一處固定的位置,背景像素的出現(xiàn)頻率遠(yuǎn)高于前景像素,因此,一種基本的背景提取方法的思想是對視頻在一段時間內(nèi)的連續(xù)數(shù)幀求平均.但仔細(xì)觀察公路收費(fèi)站檢票口場景,不難發(fā)現(xiàn),車輛在??繖z票口時已占據(jù)圖像中央大部分區(qū)域,恰好將車輛下方和后方的部分道路遮擋,尤其是遇到車輛排隊依次通過檢票口或者大型貨車停靠檢票口時,后方的道路幾乎長時間地被車輛全部遮擋.此時,對于檢票車道上被遮擋的位置,出現(xiàn)車輛前景的頻率往往遠(yuǎn)大于出現(xiàn)道路背景的頻率,這違背了動態(tài)場景中提取靜態(tài)背景的基本原則,使背景提取方法在很大一部分圖像區(qū)域中無法正確區(qū)分出背景像素,如圖1所示.此外,由于提取出的背景幀被反復(fù)用于運(yùn)動檢測,一旦提取錯誤,其影響會擴(kuò)散到后續(xù)多幀.因此,本文基于幀差法進(jìn)行運(yùn)動檢測,并對其準(zhǔn)確度和靈敏度進(jìn)行優(yōu)化.

        幀差法是利用視頻幀間像素的時域相關(guān)性,用當(dāng)前幀圖像與相鄰幀圖像求差來檢測目標(biāo)的方法有諸多優(yōu)越性:首先,因為幀差法的檢測僅考慮當(dāng)前幀的相鄰幀或前數(shù)幀,具有無后效性的特點,因此它的性能穩(wěn)定;其次,幀差法效率高,且對于動態(tài)變化的環(huán)境顯示出較強(qiáng)的自適應(yīng)性[1];此外,由于本文所討論的車輛跟蹤及抓拍只關(guān)注精確控制抓拍時機(jī),無需準(zhǔn)確識別車輛輪廓,因此,對于幀差法引入車尾鬼影造成檢測到的運(yùn)動區(qū)域擴(kuò)大可以忽略.但是,幀差法提取出的運(yùn)動實體內(nèi)部往往容易產(chǎn)生大量空洞.比如同一顏色的車身或者車頂相鄰像素之間的灰度值差異不大,加之前后兩幀車的位移量小,因而兩幀間這些位置的像素差異很小,這是空洞的主要成因.由于檢票口攝影機(jī)距離車輛近,空洞現(xiàn)象變得尤其嚴(yán)重,進(jìn)一步導(dǎo)致檢測出的車輛被分隔成多個部分.

        為了解決空洞造成的分裂,本文采用多種方法填補(bǔ)空洞區(qū)域.首先通過維護(hù)一個數(shù)幀大小的幀緩沖池,將幀差從相鄰幀求差擴(kuò)展到允許間隔數(shù)幀求差,從而放大了車輛的位移,使得任何緩慢的運(yùn)動都更容易被偵測到;然后,對二值化的前景像素采用中值濾波抑噪[1012],以及形態(tài)學(xué)的閉運(yùn)算操作先膨脹后腐蝕[13],來增強(qiáng)區(qū)域的連通性;最后,使用運(yùn)動歷史圖像(motion history image, MHI)[14]進(jìn)一步充實車體.運(yùn)動歷史疊加將一個連續(xù)的視頻運(yùn)動序列逐幀疊加到運(yùn)動歷史圖像中,并在每一次進(jìn)行疊加的時候記錄該幀運(yùn)動像素的當(dāng)前時刻.運(yùn)動歷史疊加可以設(shè)置一個消隱時間,超過該消隱時間的運(yùn)動前景像素將從運(yùn)動歷史圖像上刪除.

        本文采用間隔3幀求差,以3×3的窗口大小進(jìn)行中值濾波,以5×3的矩形作為閉運(yùn)算結(jié)構(gòu)化元素,將結(jié)構(gòu)化元素的中心點選取為矩形中心,并迭代2次閉運(yùn)算以強(qiáng)化效果.選取的結(jié)構(gòu)化元素具有寬度大于高度的特點,這是考慮到具體的收費(fèi)站檢票口1臺攝影機(jī)總是對應(yīng)于單一車道.因此,前景圖像中,X方向上只考慮同一輛車,可以增強(qiáng)閉運(yùn)算來增加連通性;而在Y方向上,可能出現(xiàn)前后2車間隔距離較近的情況,須減弱閉運(yùn)算,避免將前后的車輛連接在一起.最后,設(shè)置運(yùn)動歷史疊加的消隱時間th為0.4 s,以在空洞填補(bǔ)效果和車尾鬼影長度之間取得平衡.所采用的多種車身運(yùn)動檢測空洞填補(bǔ)方法效果如圖2所示,經(jīng)過對比可以顯見每種方法都在一定程度上進(jìn)一步充實了車體,從而便于提高車身定位的精確度.

        算法定位1幀圖像中多個連通的前景像素矩形區(qū)域僅需對圖像進(jìn)行1次逐行掃描.其核心思想是對掃描到的前景像素點進(jìn)行標(biāo)號,并建立其矩形區(qū)域,對編號相同的點擴(kuò)展其矩形區(qū)域,而對不同編號的連通域,則合并其所屬的矩形區(qū)域,但無需再逐一修改其編號,最終整理出這些矩形區(qū)域即可.

        詳細(xì)的算法描述如下:

        算法輸入:二值化后的運(yùn)動檢測前景圖;

        算法輸出:由相互鄰接的像素所覆蓋的矩形區(qū)域.

        (1) 從圖像左上角第1個像素起,從左至右,從上至下,逐行進(jìn)行掃描,直到圖像的所有像素被掃描完畢;

        (2) 對每個被標(biāo)記為前景的像素進(jìn)行標(biāo)號,標(biāo)號規(guī)則是:

        ① 首先判決當(dāng)前位置像素上方和左方的點是否已被標(biāo)號,如果均未被標(biāo)號,則為該像素建立新的編號,新編號的值由1開始依次累加,且新記錄一個覆蓋該像素的最小矩形區(qū)域,矩形區(qū)域由其四邊界的值確定,這時的四邊界與該點坐標(biāo)重合;

        ② 如果只是上方的點已被標(biāo)號,則該像素的編號取上邊的編號,并擴(kuò)展已記錄有該編號的矩形區(qū)域邊界以覆蓋當(dāng)前像素;

        ③ 如果只是左方的點已被標(biāo)號,則該像素的編號取左邊的編號,并擴(kuò)展已記錄有該編號的矩形區(qū)域邊界以覆蓋當(dāng)前像素;

        ④ 如果上方的點和左方的點均已經(jīng)被標(biāo)號,則該像素的編號應(yīng)選取上邊的編號值;2個不同編號的連通區(qū)域相遇時,除了為該像素選取編號外,還需要合并上方和左方2個點的編號所屬的矩形區(qū)域.

        為了實現(xiàn)對指定矩形域的各種頻繁操作,例如刪除、合并和重排列,還須動態(tài)維護(hù)1個索引數(shù)組,其中的每個元素都指向1個矩形區(qū)域.當(dāng)整幅圖像的像素全部掃描完畢時,就完成了多目標(biāo)矩形區(qū)域定位.圖3是該算法的1個示例,前景圖像關(guān)注區(qū)域大小為8×16.

        3.1存儲結(jié)構(gòu)由于判決目標(biāo)在時間和空間上的運(yùn)動模式需要回顧、分析歷史的運(yùn)動目標(biāo)矩形區(qū)域,因此必須緩存歷史數(shù)據(jù).考慮到每幀中可能出現(xiàn)多個目標(biāo)矩形區(qū)域,因此將緩存數(shù)據(jù)結(jié)構(gòu)分為2級.第1級是幀結(jié)構(gòu),每個單元包含3個信息:該幀的矩形域個數(shù)、該幀是否有目標(biāo)進(jìn)入拍照檢測區(qū)域以及1個指向第2級矩形域結(jié)構(gòu)的指針;第2級是矩形域結(jié)構(gòu),每個單元包含1個矩形的特征信息.這種2級的存儲結(jié)構(gòu)如圖5所示.顯然,這種分級結(jié)構(gòu)同時具有很強(qiáng)的可擴(kuò)展性,可以方便地增加其他便于利用的信息.

        3.2基于時間的規(guī)則基于時間的拍照判決是針對2級緩沖結(jié)構(gòu)的第1級(即基于幀的存儲結(jié)構(gòu))的.在每次拍照判決時將首先掃描第1級的幀歷史緩沖區(qū),一旦發(fā)現(xiàn)歷史幀中有車輛出現(xiàn)在拍照檢測區(qū)域,則不進(jìn)行拍照,這具有拍照延時的作用,避免大車經(jīng)過時因車身大面積遮擋攝影機(jī)的可視區(qū)域帶來的噪聲干擾,延時時間由幀緩沖區(qū)大小決定.并且,該設(shè)計借助緩存歷史,實現(xiàn)了在前一輛車離開拍照檢測區(qū)之后才開始計算延時,而不是直接針對駛?cè)肱恼諜z測區(qū)的每一輛車設(shè)置一個經(jīng)驗性的通過時間,因而與車輛運(yùn)動速度的快慢無關(guān).所以,該方法對片狀噪聲有一定抵抗能力,且能適應(yīng)于車輛以不同車速經(jīng)過檢票口的情況,提升了拍照判決的魯棒性.3.3基于空間的規(guī)則基于空間幾何變化特征的規(guī)則是車輛抓拍判決的核心,且具有良好的可擴(kuò)展性.

        規(guī)則1根據(jù)透視圖性質(zhì),車輛到達(dá)拍照檢測區(qū)域的過程是一個連續(xù)的運(yùn)動過程,因此,在車輛剛剛駛?cè)肱恼諜z測區(qū)域時,回顧前幾幀的歷史應(yīng)檢測到連續(xù)的運(yùn)動出現(xiàn).該規(guī)則的目的在于過濾拍照檢測區(qū)域中突發(fā)出現(xiàn)的片狀噪聲.此類噪聲的特征是引發(fā)視頻大面積灰度突變,在突變前幾幀檢測不到應(yīng)有的符合車輛特征的運(yùn)動矩形區(qū)域,因而得以將噪聲與車輛的特征區(qū)分開來.

        規(guī)則2為了進(jìn)一步過濾噪聲,特別是針對車輛靠近檢票口攝影機(jī)而引起的并發(fā)噪聲,算法禁止在車輛到達(dá)拍照檢測區(qū)域的前3幀出現(xiàn)運(yùn)動矩形區(qū)域的突然變化.這是因為車輛靠近并駛過檢票口攝影機(jī)的過程在運(yùn)動前景圖像上是運(yùn)動矩形區(qū)域自右上角到左下角由小變大的過程,應(yīng)當(dāng)具有連續(xù)性,而出現(xiàn)躍變則考慮是噪聲干擾.

        規(guī)則3在前2個關(guān)于噪聲過濾的規(guī)則完成之后,將對收費(fèi)站升降桿臂運(yùn)動和工作人員在攝影機(jī)前走動的情況進(jìn)行識別.首先,仍假設(shè)車道位于攝影機(jī)左邊,收費(fèi)站桿臂的運(yùn)動軌跡和車輛的運(yùn)動軌跡有明顯的區(qū)別.由于桿臂安裝在右側(cè),因此桿臂在轉(zhuǎn)動時將檢測到緊靠右邊界對齊的運(yùn)動矩形區(qū)域,這種矩形區(qū)域的直觀特征在于其右邊界貼近于鏡頭視野右邊界,而左邊界則離鏡頭視野左邊界有一定的距離.再次對比分析車輛逐漸靠近并駛過攝影機(jī)的運(yùn)動模式,其表現(xiàn)在運(yùn)動矩形區(qū)域變化上具有從右上角移動到左下角,并逐漸擴(kuò)大的幾何特征,因此矩形的左邊界到鏡頭視野左邊界的距離是一個逐漸減小的過程,這正好與桿臂的矩形區(qū)域運(yùn)動模式相反.基于這一點,可以區(qū)分出收費(fèi)站桿臂的運(yùn)動.

        規(guī)則4考慮工作人員運(yùn)動的識別.運(yùn)動的人與運(yùn)動的車在運(yùn)動前景圖像上的最顯著區(qū)別在于人的運(yùn)動矩形區(qū)域在寬度上明顯小于車的.因此,當(dāng)人和車在設(shè)置為左下角的拍照檢測區(qū)域中出現(xiàn)時,車因?qū)挾却螅渚匦螀^(qū)域右邊界往往投在鏡頭視野的右半平面內(nèi),而人的右邊界往往在鏡頭視野的左半平面.基于這一點,可區(qū)分出收費(fèi)站工作人員的運(yùn)動.

        4實驗結(jié)果本文以廣東省公路收費(fèi)站所使用的服務(wù)器實際配置搭建實驗平臺,其CPU采用一顆四核的Xeon處理器,主頻2.26 GHz,內(nèi)存4 GB,工作在Windows XP操作系統(tǒng)上.應(yīng)用本文提出的系統(tǒng)框架,能實現(xiàn)8路車道并行的實時車輛跟蹤和抓拍,以及簡單的車流量和車型大小統(tǒng)計.

        對廣東省3個公路收費(fèi)站,共11組監(jiān)控視頻進(jìn)行了實驗.視頻總時長5.5 h,共包含494 871幀圖像,不連續(xù)地覆蓋了白天各個時間段的光照情況.實際通過車輛共1 156輛,其中誤檢83輛,誤檢率7.2%;漏檢224輛,漏檢率19.4%.車輛計數(shù)平均準(zhǔn)確度87.8%.針對本文中提出的同時基于時間和空間變化規(guī)則的拍照判決算法,實驗結(jié)果表明,該算法總體上表現(xiàn)出較好的魯棒性.圖6展示了該算法對于兩種典型情況在車輛抓拍魯棒性上的明顯改進(jìn).圖6(b)是圖6(a)的檢測結(jié)果,可見桿臂運(yùn)動的殘影形成連續(xù)前景區(qū)域被識別出來(大框),且該區(qū)域與左下角拍照區(qū)(小框)重疊,但通過規(guī)則3予以濾除,從而避免誤拍.圖6(d)是圖6(c)的檢測結(jié)果,同樣地,人的運(yùn)動區(qū)域(大框)

        4予以濾除.

        另外,基于空間變化規(guī)則的引入大大增強(qiáng)了算法的可擴(kuò)展性,在遇到新的問題影響抓拍判決時,只要該問題可以從空間幾何分布上予以識別和區(qū)分,就能夠添加到現(xiàn)有的過濾中.另一方面,該算法僅對每幀中的矩形區(qū)域進(jìn)行記錄和緩沖,無需請求大的內(nèi)存空間,并且每幀中的矩形區(qū)域數(shù)量有限,因而并不增加識別判決的時間復(fù)雜度.所以,無論在時間還是在空間復(fù)雜度上,該算法都有普遍優(yōu)勢.在實驗的檢測結(jié)果方面,漏檢的情況種類多、原因復(fù)雜,致使漏檢率遠(yuǎn)高于誤檢率,但總體看來尚在可接受的范圍內(nèi).

        5結(jié)論本文中分析了基于視頻的公路收費(fèi)站車輛跟蹤及抓拍系統(tǒng),其主要的工作和成果如下:

        (1) 討論了背景差分方法在收費(fèi)站場景中應(yīng)用的局限性,使用幀差法并進(jìn)行了優(yōu)化.具體地,首先引入了幀緩沖池進(jìn)行間隔數(shù)幀求差以提高運(yùn)動檢測靈敏度,然后分別使用中值濾波、形態(tài)學(xué)閉運(yùn)算和運(yùn)動歷史圖像,極大程度上解決了一般幀差運(yùn)動檢測法在運(yùn)動實體內(nèi)部的空洞現(xiàn)象;

        (2) 提出了一種高效的車輛矩形區(qū)域快速定位算法,算法定位一幀圖像中多個連通的前景像素矩形區(qū)域僅需對圖像進(jìn)行一次逐行掃描,具有良好的計算性能,且內(nèi)存開銷??;

        (3) 進(jìn)一步提出了同時基于時間和空間變化規(guī)則的拍照判決算法,該算法以噪聲過濾和解決收費(fèi)站欄桿臂運(yùn)動和工作人員在攝影機(jī)前走動的影響為目標(biāo),采取兩級緩存數(shù)據(jù)結(jié)構(gòu),在提高拍照判決穩(wěn)定性的同時還具備很好的可擴(kuò)展性.

        目前,收費(fèi)站升降桿臂的運(yùn)動影響仍不能完全被排除,對于部分光照條件差、受路面積水反光影響嚴(yán)重的視頻序列,拍照時機(jī)的選擇仍有待改進(jìn),因此有必要進(jìn)一步研究針對性的方法.

        參考文獻(xiàn):

        [1]GUPTE S, MASOUD O, MARTIN R F K, et al. Detection and classification of vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2002, 3(1): 3747.

        [2]MORRIS B T, TRIVEDI M M. A survey of visionbased trajectory learning and analysis for surveillance[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2008, 18(8): 11141127.

        [3]KHAMMARI A, NASHASHIBI F, ABRAMSON Y, et al. Vehicle detection combining gradient analysis and AdaBoost classification[C]∥Proc. of the IEEE Conference on Intelligent Transportation Systems. Vienna: IEEE, 2005: 6671.

        [4]Van LEEUWEN M B, GROEN F C A. Vehicle detection with a mobile camera: spotting midrange, distant, and passing cars[J]. IEEE Robotics Automation Magazine, 2005, 12(1): 3743.

        [5]HSIEH J W, YU S H, CHEN Y S, et al. Automatic traffic surveillance system for vehicle tracking and classification[J]. IEEE Transactions on Intelligent Transportation Systems, 2006, 7(2): 175187.

        [6]BAS E, TEKALP M, SALMAN F S. Automatic vehicle counting from video for traffic flow analysis[C]∥Proc. of the IEEE Intelligent Vehicles Symposium. Istanbul: IEEE, 2007: 392397.

        [7]XIE Lei, ZHU Guangxi, WANG Yuqi, et al. Realtime vehicles tracking based on kalman filter in a videobased ITS[C]∥Proc. of IEEE Conf. on Communications, Circuits and Systems. Hongkong: IEEE, 2005, 2: 883886.

        [8]曾艷,于濂. 一種新的道路交通背景提取算法及研究[J]. 中國圖象圖形學(xué)報,2008,13(3): 593599.

        ZENG Yan, YU Lian. A new background subtraction method for on road traffic[J]. Journal of Image and Graphics, 2008, 13(3): 593599.

        [9]SHI Peijun, JONES E G, ZHU Qiuming. Median model for background subtraction in intelligent transportation system[C]∥Proc. of SPIE, Imaging Processing: Algorithms and Systems Ⅲ. San Jose: SPIE, 2004, 5298: 168176.

        [10]張?zhí)扈? 基于改進(jìn)型中值濾波算法的圖像去噪[J]. 長春工業(yè)大學(xué)學(xué)報,2009,30(1): 4952.

        ZHANG Tianyu. Image denoising based on improved median filter[J]. Journal of Changchun University of Technology, 2009, 30(1): 4952.

        [11]董付國,原達(dá),王金鵬. 中值濾波快速算法的進(jìn)一步思考[J]. 計算機(jī)工程與應(yīng)用,2007,43(26): 4849.

        DONG Fuguo, YUAN Da, WANG Jinpeng. Study on fast algorithm of median filtering[J]. Computer Engineering and Applications, 2007, 43(26): 4849.

        [12]YUAN Shiqiang, TAN Yonghong. The solutions of equationbased noise detector for an adaptive median filter[J]. Pattern Recognition, 2006, 39(11): 22522257.

        [13]RICHARD A P. A new algorithm for image noise reduction using mathematical morphology[J]. IEEE Transactions on Image Processing, 1995, 4(3): 554568.

        [14]屈楨深,于萌萌,姜永林,等. 用小波模歷史圖像的運(yùn)動車輛視頻檢測[J]. 西南交通大學(xué)學(xué)報,2012,47(3): 8995.

        QU Zhenshen, YU Mengmeng, JIANG Yonglin, et al. Visionbased detection of moving vehicles using wavelet modulus history images[J]. Journal of Southwest Jiaotong University, 2012, 47(3): 8995.

        亚洲妇女无套内射精| 亚洲国产高清一区av| 国产一区二区三区在线视频观看| 久久97久久97精品免视看| 久久精品无码中文字幕| 亚洲av人妖一区二区三区| 在线观看亚洲视频一区二区| 大陆国产乱人伦| 欧美激情a∨在线视频播放| 久草热这里只有精品在线| 亚洲乱码中文字幕第一页| 99久久久无码国产精品性| 亚洲18色成人网站www| 不卡无毒免费毛片视频观看| 国产精品美女主播一区二区| 亚洲 欧美 国产 制服 动漫 | 国产亚洲一区二区三区夜夜骚| 国产精品国产自产自拍高清av| 国产草草影院ccyycom| 日韩AVAV天堂AV在线| 亚州韩国日本区一区二区片| 亚洲tv精品一区二区三区| 色一情一乱一乱一区99av| 99热这里只有精品国产66| 在线观看国产激情免费视频| 人妻精品久久久久中文字幕| 97人妻熟女成人免费视频| 精品一区二区三区人妻久久| 风骚人妻一区二区三区| 久久久久人妻精品一区蜜桃 | 理论片午午伦夜理片影院| 国产成人综合亚洲av| 女同性恋一区二区三区av| 欧洲熟妇色 欧美| 在线精品日韩一区二区三区| 国产一级黄色片一区二区| 伊人精品久久久久中文字幕 | 亚洲国产av精品一区二区蜜芽| 亚洲七七久久综合桃花| 精品奇米国产一区二区三区| 国产精品 无码专区|