通过帧间差分的方式获取车辆的大致轮廓，由于车前后部位的颜色不一样，很容易被拆分成好几块，因此使用膨胀的方式进行了处理。尽管如此还是面临诸多的问题，比如，尾气排放的正确位置，有的在车尾中间，有的在左侧，因此需要进行多重的判断，对于速度较慢的道路，检测的效果是非常糟糕的


如下是其他人的总结：

Deep Learning很热，所以大家都用这个做图像处理，可以理解，好发论文嘛。我也用过，发现学习

速度太慢，不大实用，如果不是很难（前景和背景对比度低，或者干扰很严重），常用的图像处理方

法就可以了。

2 图像分割，可以用阈值法、区域生长、边缘检测、数学形态学的分水岭、小波变换，这些我都用过

，各有所长吧，还有一些我没有用过的，就不推荐了。我看烟雾边缘缺乏方向性，估计边缘检测不是

很好用。建议你从最简单的阈值法开始尝试。烟雾图像的亮度和背景蓝天差不多，估计基于灰度的阈

值法效果不好，建议用彩×××像的阈值分割。


http://www.docin.com/p-760462141.html