基于形态分析的无人机视频车辆自动识别算法 |
| |
引用本文: | 彭博,蔡晓禹,周涛,李少博,张有节,段连飞.基于形态分析的无人机视频车辆自动识别算法[J].重庆交通大学学报(自然科学版),2019,38(4). |
| |
作者姓名: | 彭博 蔡晓禹 周涛 李少博 张有节 段连飞 |
| |
作者单位: | 山地城市交通系统与安全重庆市重点实验室,重庆 400074;重庆交通大学 交通运输学院,重庆 400074;城市交通管理集成与优化技术公安部重点实验室,安徽 合肥 230088;山地城市交通系统与安全重庆市重点实验室,重庆 400074;重庆交通大学 交通运输学院,重庆 400074;重庆市交通规划研究院,重庆,401147;重庆交通大学 交通运输学院,重庆,400074;安徽科力信息产业有限责任公司,安徽 合肥,230088 |
| |
基金项目: | 国家自然科学基金;重庆市社会事业与民生保障科技创新专项项目;重庆市教委科学研究项目;创新项目;创新项目;实验室开放基金;实验室开放基金 |
| |
摘 要: | 为从广域的视角准确全面地采集连续交通流信息,针对悬停无人机视频提出了基于形态分析的车辆自动识别方法。首先,人工勾画视频帧图像的感兴趣区域,并进行灰度化处理;其次,基于感兴趣区域的Canny边缘检测结果生成亚像素级骨架图像,并对图像骨架进行分解和重构处理;然后,综合应用形态学运算(膨胀、腐蚀、填充、闭运算)和连通域形态特征(面积、矩形度、等效椭圆长轴与短轴)识别车辆目标;最后,对548帧无人机视频图像分别进行算法检测和人工识别,并计算车辆识别的正检率、重检率、漏检率和错检率。结果表明:该算法具有较高的正检率(均值95.02%),较低的重检率(均值2.20%)、漏检率(均值2.77%)和错检率(均值8.24%);同时,正检率、重检率、漏检率和错检率标准差分别为2.09%、1.67%、1.67%和2.56%,表明算法性能指标值离散程度较小、稳定性较高。
|
关 键 词: | 交通工程 车辆检测 骨架重构 形态分析 无人机 感兴趣区域 |
本文献已被 CNKI 万方数据 等数据库收录! |
|