尹金楷

（三门峡职业技术学院，河南 三门峡 472000）

引言

随着“城市大脑”在越来越多城市中运用，智能交通系统在缓解交通拥堵方面发挥着重要的作用，检测具有大量运动车辆和其他困难条件的视频序列中的运动目标是一项基本且困难的任务。一种常见的方法是基于背景提取，它从输入视频帧中识别与背景模型明显不同的运动对象。提取一个好的背景有许多挑战。我们提出的方法能够基于同态滤波器处理光照变化。使用组织图学使背景模型对背景的变化如车辆的启动和停止作出积极的反应。此外，对树叶摆动、雨雪、车道、阴影等静止物体的识别，可以使背景模型更加鲁棒，也可以减少处理时间。所提出的方法是简单有效的，从简单的技术到更复杂的概率建模技术。通过与一些基本的和复杂的概率算法的比较，该算法已经在繁忙的交通和其他困难条件场景中被成功地测试。

1 背景提取算法现状

视频监控系统中的车辆检测与跟踪是计算机视觉领域的一个具有挑战性的问题，在交通分析、安全等领域有着重要的应用。许多方法都是通过使用背景减法来提供当前图像的完整特征。背景图像越精确，运动检测越精确。背景图像描述场景中的静止部分。基于背景，可以通过从当前帧中减去运动目标并对结果进行阈值处理来识别运动目标。属于运动物体的像素应该明显偏离背景。结果是图像的二值分割，突出了非静止物体的区域。……