针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(f...针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。展开更多
为解决车辆压线行驶或发生交通事故时占用多个车道而无法采集到完整的车辆图像问题,基于SURF(speed up robust features)算法和最佳缝合线的思想,提出一种车道图像序列拼接方法。首先根据车辆运动轨迹提出寻找最优对应图像算法,用于找...为解决车辆压线行驶或发生交通事故时占用多个车道而无法采集到完整的车辆图像问题,基于SURF(speed up robust features)算法和最佳缝合线的思想,提出一种车道图像序列拼接方法。首先根据车辆运动轨迹提出寻找最优对应图像算法,用于找出近似同步拍摄图像;然后用SURF检测图像中的关键点对图像进行粗配准,用RANSAC方法去除误配准点实现精配准;最后利用最佳缝合线方法沿图像的重叠区域进行分割拼接。实验表明:利用车道图像序列拼接方法能找出近似同步拍摄图像,准确计算出图像的重叠区域,避免缝合线经过运动区域,解决了拼接过程中产生的重影、裂缝等问题,合成了质量较高的多车道图像,以此确保获得完整的车辆图像。展开更多
为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题,将SURF(Speeded Up Robust Features)算法与Grab Cut算法相结合,离线采集目标物体不同角度的图像,生成目标模板图片库。利用SURF算法完成目标物体的识别;利用S...为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题,将SURF(Speeded Up Robust Features)算法与Grab Cut算法相结合,离线采集目标物体不同角度的图像,生成目标模板图片库。利用SURF算法完成目标物体的识别;利用SURF算法自动初始化Grab Cut算法,实现目标轮廓的提取;利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配,结合三维重建原理实现目标定位。实验结果表明,该方法可以成功识别目标物体并对目标物体进行准确定位。展开更多
文摘针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。
文摘为解决车辆压线行驶或发生交通事故时占用多个车道而无法采集到完整的车辆图像问题,基于SURF(speed up robust features)算法和最佳缝合线的思想,提出一种车道图像序列拼接方法。首先根据车辆运动轨迹提出寻找最优对应图像算法,用于找出近似同步拍摄图像;然后用SURF检测图像中的关键点对图像进行粗配准,用RANSAC方法去除误配准点实现精配准;最后利用最佳缝合线方法沿图像的重叠区域进行分割拼接。实验表明:利用车道图像序列拼接方法能找出近似同步拍摄图像,准确计算出图像的重叠区域,避免缝合线经过运动区域,解决了拼接过程中产生的重影、裂缝等问题,合成了质量较高的多车道图像,以此确保获得完整的车辆图像。
