基于统计模型的交通视频车辆遮挡分割算法

"一种新的车辆遮挡检测与分割方法.pdf" 这篇论文主要研究的是在智能交通系统（ITS）中解决车辆遮挡问题的一种创新性方法。随着城市交通拥堵情况的加剧，车辆之间的相互遮挡给诸如车辆跟踪、车牌识别、车型判定等ITS功能带来了挑战。论文作者岳恒军、吴健和崔志明提出了一个基于统计模型的车辆遮挡分割算法，以有效地处理这一难题。 首先，该算法通过运动车辆的提取，使用横向-纵向扫描技术来填补运动车辆前景模板中的空洞，从而得到完整的车辆区域。这种方法有助于消除由于遮挡导致的不完整图像信息，确保了车辆轮廓的完整性。 其次，论文中介绍的统计模型被用来判断是否存在遮挡情况。当判断到有车辆发生遮挡时，算法会在一个纠错机制的支持下准确识别遮挡点，这一步对于精确地定位遮挡区域至关重要。纠错机制可能包括了对相邻帧的分析以及对车辆运动规律的理解，以确保识别的准确性。 然后，利用边缘检测技术，算法可以进一步分割出遮挡区域，实现对被遮挡车辆的精确分割。边缘检测可以帮助区分不同车辆的边界，即使在部分遮挡的情况下也能保持分割的准确性。 实验结果显示，该方法在处理车辆部分遮挡问题上表现出色，证明了其在实际应用中的有效性。这种新的车辆遮挡检测与分割方法对于提高ITS系统的性能和处理复杂交通环境的能力具有重要的理论和实践意义。 论文发表在2012年的《计算机工程与应用》杂志第48卷第19期，页码为179-182页。作者们的研究贡献在于为解决车辆遮挡问题提供了新的思路和技术，这对于未来智能交通领域的研究和发展具有积极的推动作用。