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