摘要：运动目标检测有两大难点,即光照变化的影响以及阴影对运动目标准确提取的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将该算法和多层前景算法、边缘检测算法进行对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。

摘要：针对光照变化对行人的颜色外观有很大影响导致行人再识别率低的问题,提出了一种基于光照不变性颜色特征的行人再识别方法。使用颜色属性转换(Color Characteristic Transfer,CCT)把不同光照条件下的行人图像统一转换到相近亮度,把转换后的图像从像素值变化大的RGB空间转换到可以使像素值变化相对较小的颜色空间中去,提取出颜色直方图作为光照不变性特征。采用跨视图二次鉴别分析(Cross-view Quadratic Discriminant Analysis,XQDA)算法进行行人图像特征向量间的相似性度量。通过在公共数据集VIPeR和CUHK01上的实验,表明了文中所提出的特征对光照变化有一定的鲁棒性,且算法与相关的行人再识别方法相比,识别精度得到了进一步提升,具有更高的实际应用价值。

摘要：为增强高级辅助驾驶系统中对城市复杂路况的可驾驶道路检测性能,提出一种稳健的可驾驶道路检测算法。对彩色图像,通过特征空间变换去除光照强度变化、阴影等因素的影响,提取图像的光照不变特征,在线建立道路模型并分类得到道路区域二值图,对道路区域二值图进行滤波处理得到道路的相似度分布;将相似度分布和经验性道路空间先验分布相结合进行贝叶斯概率分析,获得可驾驶道路的感兴趣区域;利用感兴趣区域内的深度信息,通过RANSAC算法排除非道路点,获得可驾驶道路区域。在KITTI数据集上的实验测试结果表明了该算法的有效性和鲁棒性。