Page 112 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

（二）车辆检测算法的应用类型
1. 传统车辆检测算法
（1）帧间差分法
摄像机采集的视频都是连续不断地，将视频分为多个连续帧进行分析，如果

有运动目标则连续帧就会存在差异，帧间差分法就是利用摄像机拍摄的范围内含
有运动目标时上下帧会产生较大的变化，对时间上连续的相隔固定帧数的帧进行
差分运算，不同帧的图片中像素点进行相减计算得出差值的绝对值，判断其是否
超过一定的阈值，如果超过就能得出该目标为运动目标的结论，从而实现检测运

动目标的检测功能。帧间差分法的优点是运算量较小，计算量小，可以快速地检
测出摄像机拍摄的范围内的运动目标。但是由于运动的目标在不同帧内的变化很
小，重叠的部分不容易被检测出来，容易造成帧间差分法检测的目标不完整。
（2）光流法

在空间运动过程中，目标运动物体在平面成像过程中，呈现的像素位移和瞬
时速度被称为光流，光流矢量通常是指，二维平面直角坐标系上，坐标点的灰度
瞬时变化。光流法是指图像中的像素点，运动方向和位移距离，如果在二维平面
直角坐标系中没有发现运动的像素点，则证明该场景内没有运动目标；如果二维

平面直角坐标系中发现像素点的变化，并且是连续变化的，则说明存在运动目标，
并且场景内目标与背景间有相对的位移变化，但要特别注意的是，场景内目标运
动时的向量与背景目标运动的向量不同，才可以证明是需要检测的运动目标。通
过计算图像中的像素点的运动方向和位移距离产生的像素运动的向量是由目标和

摄像机间产生的相对变化的运动产生的，由此可以推出不管是摄像机静止或者运
动拍摄出来的图像都可以使用光流法来检测。
（3）背景差分法
背景差分法又称为背景减法，对于长时间拍摄同一地点且摄像机保持不动的

情况而言，在只有静止目标和没有其他客观条件变化的影响下，计算机中所存储
的所有像素点的灰度值的分布都是服从随机概率的。但是总有一些无用的噪声会
在图像采集的过程中被摄像机所捕获到，将这些像素点的灰度值以设定的值为标
准，背景减法与帧间差分法都是利用不同帧的图像进行相减，从而得到运动着的

目标。背景减法的思想是将当前帧图像与不断更新的背景图像进行相减运算，在
相减的图像中检测出运动的目标背景差分法做目标检测时包含了背景建模、背景

104