【摘 要】
：
车流量检测在智能交通领域具有重要的地位,车流量检测的重点是识别监控视频中的车辆并计数,因此,提出一种有效的背景建模和准确的车辆计数方法显得尤为重要。本文提出了背景
【机 构】
：
内蒙古警官学校,内蒙古监狱管理局服刑人员矫治办公室
论文部分内容阅读
车流量检测在智能交通领域具有重要的地位,车流量检测的重点是识别监控视频中的车辆并计数,因此,提出一种有效的背景建模和准确的车辆计数方法显得尤为重要。本文提出了背景差分法和混合高斯模型来提高运动车辆的检测质量,并在车道内设置了虚拟线圈,利用连通域分析法、区域灰度均值法两种方法检测运动车辆。实验结果表明区域灰度均值法要优于连通域分析法,区域灰度均值法可以解决车辆漏检的问题,车辆计数的准确度有了显著的提高,准确率可达到94%以上。
其他文献
高分辨率合成孔径雷达(SAR)数据量大,导致稀疏重建过程计算量大。复数近似信息传递(CAMP)是一种收敛速度快的稀疏重建算法,经常被用于稀疏信号重建。为了解决计算量大的问题,提出了一种基于CAMP的并行算法,在计算统一设备架构(CUDA)上对CAMP算法中Chirp Scaling算子和排序算法进行优化。在Chirp Scaling算子中,主要对矩阵转置、FFT和IFFT进行并行优化,并引入并行版
方位多通道SAR系统能够克服最小天线面积的限制,从而满足了高分辨率和宽测绘带的性能要求,是星载SAR研究的热点。对于方位多通道SAR系统,通道间的幅相误差对系统成像性能有很