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

        ?

        車(chē)輛動(dòng)態(tài)目標(biāo)檢測(cè)

        2021-04-26 04:12:38黃志成胡永贊
        科學(xué)技術(shù)創(chuàng)新 2021年10期
        關(guān)鍵詞:前景濾波背景

        黃志成 胡永贊

        (南京信息工程大學(xué),江蘇 南京210044)

        1 概述

        隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展以及科學(xué)技術(shù)的進(jìn)步,對(duì)于交通網(wǎng)絡(luò)的監(jiān)控日益完善,交通視頻設(shè)備在很多的路口完成了部署,為很多技術(shù)的研究提供了數(shù)據(jù)支撐,例如車(chē)輛檢測(cè)、軌道預(yù)測(cè)、定位分析等等[1],通過(guò)這些技術(shù)可以挖掘出交通網(wǎng)絡(luò)中的特征信息,為完善交通以及交通策略的制定提供輔助作用。

        車(chē)輛檢測(cè)的目的是從交通視頻中提取車(chē)輛信息[2],其中亟待解決的問(wèn)題是交通視頻中的遮擋物,當(dāng)進(jìn)行車(chē)輛檢測(cè)時(shí),遮擋物的存在會(huì)對(duì)車(chē)輛檢測(cè)準(zhǔn)確率產(chǎn)生較大的影響。傳統(tǒng)ViBe算法在動(dòng)態(tài)目標(biāo)檢測(cè)中容易出現(xiàn)鬼影區(qū)域[3],針對(duì)該問(wèn)題本文提出一種改進(jìn)的ViBe 算法,通過(guò)對(duì)背景建模的改進(jìn),提高其魯棒性。

        2 車(chē)輛動(dòng)態(tài)目標(biāo)檢測(cè)研究

        針對(duì)傳統(tǒng)ViBe 算法在動(dòng)態(tài)目標(biāo)檢測(cè)中容易出現(xiàn)鬼影區(qū)域,本文通過(guò)對(duì)背景模型的改進(jìn)來(lái)解決該問(wèn)題,具體流程如下圖1所示。首先對(duì)基于傳統(tǒng)ViBe 算法的背景模型進(jìn)行改進(jìn);然后加入Ostu 算法對(duì)圖像進(jìn)行分割;接著對(duì)圖像進(jìn)行濾波處理,最后進(jìn)行實(shí)驗(yàn)仿真模擬。

        圖1 車(chē)輛動(dòng)態(tài)目標(biāo)檢測(cè)流程圖

        2.1 基于改進(jìn)的ViBe 算法的背景模型

        首先要對(duì)背景模型進(jìn)行初始化,模型公式為:

        其中,Vn是M(x)的鄰域隨機(jī)取樣,n 一般取20。

        其中,nummin是固定閾值,取為2。

        圖2 ViBe 算法前景檢測(cè)

        當(dāng)樣本的個(gè)數(shù)大于閾值時(shí),即像素點(diǎn)是背景點(diǎn);當(dāng)樣本的個(gè)數(shù)小于閾值時(shí),即像素點(diǎn)是前景點(diǎn)。背景模型進(jìn)行更新的策略是:傳統(tǒng)的ViBe 算法使用的是無(wú)記憶采樣模式,特點(diǎn)是具有隨機(jī)性。當(dāng)v(x)被認(rèn)定為背景點(diǎn)時(shí),即對(duì)樣本進(jìn)行更新,當(dāng)v(x)被認(rèn)定為前景點(diǎn)時(shí),模型不變化。當(dāng)背景樣本更新時(shí),每一個(gè)背景點(diǎn)都具有 1/φ 的更新概率,與此同時(shí)具有相同概率 1/φ去更新周邊相鄰像素點(diǎn)的樣本值。根據(jù)像素值特有的空間傳播性質(zhì),若一樣本值M 在特定的T 時(shí)刻不被更新的概率為(N-1) / N,則在dt 時(shí)間后,保留原樣本值的概率為:

        傳統(tǒng)ViBe 算法在創(chuàng)建背景模型時(shí)會(huì)出現(xiàn)鬼影區(qū)域[4]。然而當(dāng)前景檢測(cè)時(shí),由于外部環(huán)境在不停得變化,若采用固定閾值來(lái)判別目標(biāo),會(huì)降低車(chē)輛檢測(cè)的準(zhǔn)確率。因此需要對(duì)算法進(jìn)行改進(jìn):采用選取前20 幀中的奇數(shù)幀進(jìn)行與、或運(yùn)算方式建立背景模型。

        樣本集為:

        對(duì)兩幀像素相差較大的圖像進(jìn)行與運(yùn)算:

        通過(guò)上述操作,獲得背景模型。

        2.2 圖像分割

        本文前景檢測(cè)本文對(duì)傳統(tǒng)固定閾值區(qū)分背景區(qū)域和前景區(qū)域的方法進(jìn)行改進(jìn),采用Otsu 算法計(jì)算類(lèi)間最大方差來(lái)獲取最佳分割閾值[5]。分割閾值 T = k ,0 < k < L -1。

        Otsu 算法原理如下:

        接著遍歷所有灰度級(jí)的分割閾值T,得到1 個(gè)最大方差Topt,即最優(yōu)閾值。在這個(gè)過(guò)程中,閾值選取尤為重要,而Otsu 對(duì)光照、噪聲及目標(biāo)大小非常敏感,由于外界環(huán)境經(jīng)常發(fā)生改變,而此時(shí)閾值并不合適當(dāng)前的環(huán)境,從而會(huì)導(dǎo)致目標(biāo)圖像錯(cuò)誤得檢測(cè)為背景圖像。因此本文采用Otsu 進(jìn)行二次判別,用來(lái)降低Otsu 的誤檢率。首先,計(jì)算ViBe 被判定為前景的置信度;同時(shí)計(jì)算Otsu 的前景置信度;最后,比較Otsu 算法和ViBe 算法的前景置信度。

        2.3 圖像濾波

        首先假設(shè)原始圖像為A,濾波后的圖像為B,約束條件是圖像像素強(qiáng)度和圖像梯度函數(shù)。

        上式中,β 和 χ 是用來(lái)調(diào)節(jié)u 和h 與B 和 ?B的相似度的參數(shù)。

        對(duì)于上式的求解,應(yīng)用l1正則優(yōu)化問(wèn)題來(lái)解決,固定B 和u,則原目標(biāo)函數(shù)可簡(jiǎn)化為關(guān)于h 的最小化問(wèn)題,

        也就是,

        同理可解決關(guān)于u 的最小化問(wèn)題。將u 和h 帶入式(11),求解濾波模型的最終解析解B,來(lái)獲得濾波后的圖像。

        3 實(shí)驗(yàn)結(jié)果

        為了表征算法的性能特征,利用召回率Re、精確度Pre、綜合評(píng)價(jià)指標(biāo), FM 作為算法的評(píng)價(jià)指標(biāo)。其中,F(xiàn)M 是衡量算法性能的整體性指標(biāo);Re 是衡量檢測(cè)前景像素點(diǎn)覆蓋有效點(diǎn)的標(biāo)準(zhǔn);Pre 表示前景像素分割的精準(zhǔn)度。

        其中,TP 表示將正類(lèi)預(yù)測(cè)為正類(lèi),TN 將負(fù)類(lèi)預(yù)測(cè)為負(fù)類(lèi)數(shù),F(xiàn)P 將負(fù)類(lèi)預(yù)測(cè)為正類(lèi)數(shù)誤報(bào),F(xiàn)N 將正類(lèi)預(yù)測(cè)為負(fù)類(lèi)數(shù),也就是漏報(bào),P=TP+FN,R=FP+TN。表1 是算法的性能指標(biāo)對(duì)比。

        表1 算法性能指標(biāo)

        由表1 可得,改進(jìn)算法在主要3 個(gè)指標(biāo)Pre、FM、Re 上都有較好的表現(xiàn);傳統(tǒng)算法在車(chē)輛動(dòng)態(tài)目標(biāo)檢測(cè)時(shí)較差;與之相比,改進(jìn)算法可得到更優(yōu)的數(shù)據(jù)指標(biāo),可以有效解決鬼影區(qū)域。

        4 結(jié)論

        針對(duì)傳統(tǒng)ViBe 算法在動(dòng)態(tài)目標(biāo)檢測(cè)中容易出現(xiàn)鬼影區(qū)域,本文提出一種改進(jìn)的ViBe 算法,在進(jìn)行與、或運(yùn)算以獲得背景模型時(shí),以多幀圖像代替原有的單幀圖像;緊接著加入Otsu 算法,分別計(jì)算兩者的前景置信度,雙重判定并計(jì)算出圖像最佳分割閾值。然后對(duì)圖像進(jìn)行分割處理,再進(jìn)行濾波處理,最后對(duì)提出的算法進(jìn)行仿真模擬,結(jié)果表明改進(jìn)的算法在Re、Pre、FM這三個(gè)重要指標(biāo)中都有更加優(yōu)異的表現(xiàn)。

        隨著人工智能的不斷發(fā)展,充分利用機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)的方法進(jìn)行車(chē)輛動(dòng)態(tài)目標(biāo)的檢測(cè)也越來(lái)越廣泛,并且準(zhǔn)確率以及魯棒性更高,因此下一步的研究會(huì)集中在利用機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)算法進(jìn)行動(dòng)態(tài)目標(biāo)的檢測(cè)。

        猜你喜歡
        前景濾波背景
        “新四化”背景下汽車(chē)NVH的發(fā)展趨勢(shì)
        我國(guó)旅游房地產(chǎn)開(kāi)發(fā)前景的探討
        《論持久戰(zhàn)》的寫(xiě)作背景
        四種作物 北方種植有前景
        離岸央票:需求與前景
        晚清外語(yǔ)翻譯人才培養(yǎng)的背景
        量子糾纏的來(lái)歷及應(yīng)用前景
        太空探索(2016年10期)2016-07-10 12:07:01
        RTS平滑濾波在事后姿態(tài)確定中的應(yīng)用
        基于線性正則變換的 LMS 自適應(yīng)濾波
        基于隨機(jī)加權(quán)估計(jì)的Sage自適應(yīng)濾波及其在導(dǎo)航中的應(yīng)用
        国产免费三级三级三级| 国产情侣久久久久aⅴ免费| 欧美视频二区欧美影视| 中国免费av网| 青青草手机视频免费在线播放| 中国女人内谢69xxxxxa片 | 亚洲国产精品综合福利专区| 伊人婷婷综合缴情亚洲五月 | 精品久久久久成人码免费动漫| 日韩亚洲欧美中文高清在线| 成人免费视频自偷自拍| 成人影院视频在线免费观看| av无码精品一区二区三区宅噜噜| 久久精品国产亚洲vr| 久久综合这里只有精品| 久久亚洲精品中文字幕| 在线综合亚洲欧洲综合网站| 国内精品人妻无码久久久影院94| 亚洲一区二区三区麻豆| 午夜人妻久久久久久久久| 中国丰满熟妇av| 色噜噜狠狠色综合欧洲| 久久精品亚洲国产av网站| 亚洲精品色婷婷在线影院| 五月天激情综合网| 成av人片一区二区三区久久| 日本一区二区视频免费在线看| 看全色黄大色大片免费久久| 精品国产91久久综合| 日韩有码在线免费视频| 亚洲人成精品久久久久| 久久国产精品无码一区二区三区| 久青青草视频手机在线免费观看| 国产三级久久精品三级91| 免费人成视频在线| 国产亚洲精品综合一区| 人妻蜜桃日产一本久道综合在线 | 亚洲精品有码日本久久久| 久久久久国产一区二区| 神马不卡一区二区三级| 综合久久精品亚洲天堂|