2008年9月第34卷第9期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsSeptember2008Vol.34No19收稿日期:2007209228作者简介:高磊(1979-),男,河北石家庄人,博士生,squirelive@gmail.com.基于边缘对称性的视频车辆检测算法高磊李超朱成军熊璋(北京航空航天大学计算机学院,北京100191)摘要:针对现有视频车辆检测算法受光照、阴影等环境因素影响大,漏检和误检率高的问题,提出了一种视频车辆检测算法.有别于传统算法使用运动特征进行车辆检测,该算法使用边缘特征和对性特征定位车辆.算法首先对图像进行灰度化、平滑去噪等预处理,使用Sobel算子垂直方向掩模计算图像感兴趣区域内的边缘梯度,确定候选区域;而后根据车辆图像垂直边缘具有对称性的特点,分析候选区域的对称性强弱,并计算其对称轴位置和车辆宽度.使用边缘强度、对称性和宽度这3个约束条件对候选区域进行验证.道路实验结果表明,该检测算法有效、可靠,具有良好的鲁棒性.关键词:车辆检测;边缘检测;梯度;对称性检测中图分类号:TP391.4文献标识码:A文章编号:100125965(2008)0921113204VideovehicledetectionalgorithmbasedonedgesymmetryGaoLeiLiChaoZhuChengjunXiongZhang(SchoolofComputerScienceandTechnology,BeijingUniversityofAeronauticsandAstronautics,Beijing100191,China)Abstract:Theexistingvehicledetectionalgorithmsaresubjecttomanyenvironmentalinfluences,suchasdifferentlightingconditions,shadows.Tosolvetheseproblems,anovelvehicledetectionalgorithmwasproposed.Differentfromtraditionalmethods,whichusemotionfeaturestodetectvehicles,theproposedmeth2odusededgeandsymmetryfeaturestolocatepossiblevehicles.First,thecolor2imagewaspreprocessedwithgrayscaling,smoothing.TheverticalgradientcomponentsoftheimagewerefoundusingtheverticalmaskofSobeloperator.Thenthecandidateareaswithsufficientamountofedgesweredeterminedbycalculatingthegradientofedges.Afterfindingpossiblevehiclecandidates,theproposedmethodmeasuredtheprominentver2ticalsymmetryofcandidateareasandverifiedallpossiblecandidates,assymmetryisanimportantfeatureofvehicle.Theproposedmethodalsofiguredouttheverticalaxisofsymmetryandthewidthofthecandidateve2hicle.Threeimportantrestrictionsobtainedfromabovesteps,includingedges,symmetryandwidth,wereusedtovalidatethecandidatevehicles.Theexperimentalresultsshowthattheproposedalgorithmiseffective,reliableandrobust.Keywords:vehicledetection;edgedetection;gradientmethods;symmetrydetection视频车辆检测技术是计算机视觉、图像处理与模式识别等技术在智能交通领域应用的一项重要研究课题,是智能交通系统的核心技术之一[1-2].视频车辆检测作为车辆跟踪、视频测速、流量统计、车辆识别等技术的前提,其准确率与算法复杂度直接影响着智能交通系统的整体效率和最终结果.本文对视频车辆检测技术进行了深入的研究.本文首先简要介绍了视频车辆检测的难点和存在的问题,然后针对视频中车辆的特点,提出了一种基于边缘对称性的视频车辆检测算法,最后给出了详细的实验结果与分析.1视频车辆检测技术1.1视频车辆检测的方法与难点基于视频的运动检测方法主要有背景减除法、帧差法和光流法等.这些方法各有优点和不足.背景减除法[3]是固定背景情况下常用的一种方法,一般能够提供最完全的特征数据.但其检测效果取决于背景模型的更新算法的优劣,对于场景的变化,如光照和外来无关事件的干扰等特别敏感.帧差法对于场景的变化具有较强的自适应性,但一般不能完全提取出所有相关的特征像素点,在运动实体内部产生空洞现象,容易漏检运动速度较慢的车辆,并且常常会将一辆车分成几个部分造成多检.光流法[4]在摄像机运动的前提下也能检测出独立的运动目标,但光流计算方法相当复杂,计算量大,且抗噪性能差.传统的视频运动检测算法在室内环境或相对确定环境下一般可以达到较满意的效果.而车辆检测技术往往应用于户外多变环境下,其存在的主要难...
