车辆检测中背景模型的实现 影响, 选择性, 背景

alizhonga

为解决基于背景差分的车辆检测办法易受交通状况影响的问题，首先建立基于区间分布的自适应背景模型，然后利用改进的背景更新算法对建立的背景模型选择性更新。
序列图像中车辆检测与跟踪在智能交通领域中起着关键作用。
基于背景的差分办法能解决基于帧间差分办法和光流法中的问题，并且计算简单，但是背景容易受到交通环境和光强度的影响，理想的背景不容易获得，所以，自动焊锡机设备自适应环境变化的背景模型对运动车辆检测的精确性起着非常重要的作用。
车辆检测常用的方法有基于帧间的差分办法、光流法和基于背景的差分办法
与经典的算法相比，该车辆检测算法在实时性和准确性方面都有所提高。
随着智能交通技术的发展，智能交通系统中交通检测已经成为计算机视觉技术应用的一项重要课题。
实验结果表明，该算法在交通堵塞或临时停车等复杂交通环境中有很好的背景提取和更新效果。