摄像头屏蔽器中的颜色转移算法
在拥挤场景中进行人的跟踪一直是计算机摄像头视觉中的一个热门话题，同时也是一个非常困难的课题。这主要是因为难以从场景的单一视图中获取目标的固有特征。许多因素，如可变的照明条件和视角，干扰器会导致目标固有特征的虚幻修改。本文的目的是验证颜色恒定性（CC）方法是否真的有助于CCTV网络系统中的人员跟踪。
我们已经验证了许多CC算法以及各种颜色描述符，以评估通过监控接收器操作特征（ROC）从多摄像头i-LIDS数据集识别人员的效率。研究发现，当CC与某种形式的颜色恢复机制（如颜色转移）一起应用时，它确实能将人们的识别能力提高至少2倍。本文提出了一种基于亮度的基本CC和基于像素的颜色转移算法。CCTV图像屏蔽器是城市交通监控最实用的工具之一，广泛用于通过人工监控生成和更新交通地图。
但是，由于城市道路网络的扩张和大量闭路电视摄像机的使用，视觉检查和交通更新有时似乎效率低下且耗时，因此摄像头无法提供实时可靠的更新。本文提出了一种车辆检测计算和速度估计的方法，为交通评估提供了一个更加自动化的解决方案。通过去除违章目标和形态学滤波检测车辆，并对现场的运动目标进行分类，统计车辆数量，估计交通速度。提出的方法是开发和测试使用两个数据集和评估值计算。结果表明，由于图像屏蔽器的光照质量降低，该算法的成功率降低了约12%。
One of the most practical tools for urban traffic monitoring is CCTV imaging which is widely used for traffic map generation and updating through human surveillance. But due to the expansion of urban road network and the use of huge number of CCTV cameras, visual inspection and updating of traffic sometimes seems to be ineffective and time consuming and therefore not providing real-time robust update. In this paper a method for vehicle detection accounting and speed estimation is proposed to give a more automated solution for traffic assessment. Through removing violating objects and detection of vehicles via morphological filtering and also classification of moving objects at the scene vehicles are counted and traffic speed is estimated. The proposed method is developed and tested using two datasets and evaluation values are computed. The results show that the successfulness of the algorithm decreases by about 12 % due to decrease in illumination quality of imagery.
我们已经验证了许多CC算法以及各种颜色描述符，以评估通过监控接收器操作特征（ROC）从多摄像头i-LIDS数据集识别人员的效率。研究发现，当CC与某种形式的颜色恢复机制（如颜色转移）一起应用时，它确实能将人们的识别能力提高至少2倍。本文提出了一种基于亮度的基本CC和基于像素的颜色转移算法。CCTV图像屏蔽器是城市交通监控最实用的工具之一，广泛用于通过人工监控生成和更新交通地图。
但是，由于城市道路网络的扩张和大量闭路电视摄像机的使用，视觉检查和交通更新有时似乎效率低下且耗时，因此摄像头无法提供实时可靠的更新。本文提出了一种车辆检测计算和速度估计的方法，为交通评估提供了一个更加自动化的解决方案。通过去除违章目标和形态学滤波检测车辆，并对现场的运动目标进行分类，统计车辆数量，估计交通速度。提出的方法是开发和测试使用两个数据集和评估值计算。结果表明，由于图像屏蔽器的光照质量降低，该算法的成功率降低了约12%。
