夜間監(jiān)控視頻在檢測車輛方面會面臨哪些問題？該如何解決？
介紹
在基于視覺的交通監(jiān)控系統(tǒng)中，道路場景上的車輛檢測是第一步。有許多基于運動的方法可用于基于視覺的車輛檢測。
背景建模是實現這一目標的常用方法，其中運動車輛被視為前景，靜止區(qū)域即道路被視為背景。
從背景建模技術中提取的夜間或昏暗光線下的前景既包含車輛，也包含高光。如上所述，有效的車輛檢測在許多交通監(jiān)控項目中至關重要。
在白天，車輛檢測已經完成了許多工作。由于多種原因，夜間監(jiān)控視頻在檢測車輛方面面臨問題。車輛前照燈落在路上的高光是造成檢測干擾的主要原因之一。
在車輛檢測中，由于突出顯示而增加的干擾會進一步導致車輛尺寸過高或車輛跟蹤錯誤。
在討論了這個博客背后的動機之后，讓我們了解解決當前問題的方法。
方法
讓我們來介紹兩種主要的方法，它們有助于在夜間進行有效的車輛檢測：
1．邊緣閾值：讓我們觀察下面的圖像，該圖像顯示幀的邊界邊緣貼圖（在前景遮罩上應用Sobel過濾器后）邊界邊緣貼圖被評估。
可以清楚地看到，車輛有鋒利的邊緣。該因素在項目中得到利用，并且包含內部邊緣像素（＞閾值）的前景塊被歸類為車輛。
2．強度因子：在包含以下3個對象的幀中：車輛、高光和深色背景（因為使用了夜間視頻），強度水平的差異非常有用。由于高光比車輛更亮，因此采用最佳閾值來區(qū)分高強度塊和低強度塊。
進一步修改
為了解決夜間車輛檢測中的一些問題，上述方法還包括以下因素：
1．大小限制：車輛和高光之間的一個重要區(qū)別因素是它們所在的塊的大�。瘮盗俊＼囕v在每個方向上占據許多連續(xù)的塊（可以認為是一個矩形），而高光將占據較少的塊。在每個方向上應用2－3個連續(xù)塊占用的閾值來移除高亮塊。
2．單獨亮點：有時路燈的亮點也會干擾車輛檢測。這種在前景塊中占用較少面積的燈光稱為單獨亮點。應用區(qū)域約束（前景塊中前景像素小于5％）來去除這些單獨的亮點。
3．HSV顏色系數：有時由于車內亮度區(qū)域較低或邊緣像素較少，車輛未被完全檢測到。當車輛逐幀移動時，車輛的色調保持不變，這一特性可用于檢測車輛的整體或最大值。對HSV顏色的三個參數進行了不同的約束條件下的試驗，尋找合適的組合，以更好地檢測HSV。
結果
1.在第一組結果中，讓我們看看該方法是如何在夜間對視頻片段起作用的。應用邊緣閾值和最佳強度因子：在下面的兩幅圖像中，我們可以看到根據我們應用的閾值檢測到較高的邊緣求和值。邊和閾值＝45邊緣總和閾值＝ 45在第一幅圖像中，落在道路上的高光也會隨著汽車一起被檢測到，而在第二幅圖像中，幾乎整個汽車都會被檢測到，道路上的高光也會降低。
2．在第二組結果中，描述了HSV因子的使用：
在應用任何色調約束之前
應用紅色色調約束后可以看出，在第二圖像中，在應用紅色色調約束之后，公交車的大部分被檢測到。
結論和未來的工作
我們已經討論了用于去除主要在夜間干擾車輛檢測的高光的方法。在這一領域可以做更多的工作，因為仍有許多問題有待解決，如下所示：孔填充可用于有效的車輛檢測�？梢愿玫貦z測白色車輛（因為它們的色調與高光相匹配）。暴雨等天氣條件會進一步導致上述方法的錯誤。它們需要單獨處理。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
