动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

图像处理前照灯检测仪校准器自动检定系统

为保证前照灯检测仪校准器的测量精度,需要对其光轴角与光强度进行定期检定。针对传统检定方案中,自动化程度不足,难于保证检定重复性的问题,提出了一种图像处理技术与高精度电动转台相结合的检定方法,利用实际位移与像素位移间的等比关系及像面灰度与物面照度间的线性关系,实现了对前照灯检测仪校准器的高精度自动检定。使用最小二乘方法对不同照度下的实验数据进行拟合,求出了回归线性方程并绘制了被检校准器光源的等照度曲线。实验分析表明,10 m远距离上,光轴角的测量精度在40″以内,光照度的相对测量不确定度小于1%.     

分块非线性加权在车灯检测仪校准器光轴角测量中的应用

针对传统光轴角测量系统中人为因素干扰导致的重复性能降低等不足,设计一种基于图像处理技术与高精度电控转台相结合的自动测量方案。分析了照明光斑光强分布特性,提出了一种基于图像区域分割的最优非线性加权的特征点提取算法。该方法根据光强与灰度的线性关系,将光强量化到3个区间。然后分析灰度因素在特征点定位中的影响;针对不同区间应用局部最优加权法则以实现局部最优化处理。最后,利用光轴偏转角与特征点在像面上位移的对应关系,计算得到光轴角测量值。开展了光斑特征点重复性实验并分析了光轴角检测精度,结果表明:该系统在不同光强、不同角度条件下重复性好,测角精度优于60.18″。与激光光源的光轴角测量实验对比,该算法在光斑光强分布不均的条件下仍能完成稳定且精确的光轴角测量。     

基于Gabor滤波器的车道线快速检测方法

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题,提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像,然后对展开图像进行不同相位角的Gabor滤波处理,快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中,只对处于该区间内的边缘点进行非极大值抑制及进一步处理,实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试,识别率优于94.2%。结果表明所提算法不易受复杂环境影响,可用性强,有效地提高了车道偏离预警系统的实时性与稳定性。     

特征弦约束随机Hough变换在椭圆检测中的应用

为了提高复杂图像中椭圆/类椭圆的检测效率及精度,提出了一种基于特征弦约束的随机Hough变换(RHT)思想的椭圆检测改进方法,借助特征弦的几何约束及特征弦端点的法向约束,大幅度降低RHT的无效采样和累积次数。通过对边缘图像中像素点的有效分布进行分析,建立用于存储特征弦的端点信息的二维数组累加器,在边界点提取之前利用椭圆幂剔除虚假椭圆中心的干扰,不仅能够提高空间采样点的可靠性,同时降低无效采样点的累积概率。实验表明,该算法具有更高的运行速度和检测精度,同时对于形变较大,轮廓缺失严重及噪声具有较强的抵抗能力。