基于稀疏特征的交通流视频检测算法

摘要

基于背景建模的交通流参数视频检测方法易受车辆遮挡、光线变化、雨雪等外界环境条件干扰等而误判;基于机器学习方法的机理不同,改变帧间像素动态变化解析的方式,而着重于车辆样本空间的目标识别提取,具有抗干扰优势.为此,在深度学习的基础上,提出了基于稀疏特征的交通流检测算法.其构建高斯混合背景模型,提取交通视频的运动目标,以稀疏编码处理目标的尺度不变特征来获得稀疏特征;经最大池化的稀疏特征维度降低、线性支持向量机训练、背景建模方法误判样本去除,从而计算获得交通流参数.测试结果表明：与背景建模方法比较,该算法去除了60%~80%误判,准确率提高了12%~17%,对外界干扰大、分辨率不高的视频图像优势显著.