我正在開發一個名爲ATCS（自動交通控制系統）的項目，它將根據交通信號燈前的車輛數量修改交通燈持續時間。基於BackgroundSubtractor的車輛計數MOG
我使用openCV和backgroundsubtractorMOG來檢測車輛，它在車輛移動時成功運行，但是當紅色信號打開時，所有車輛都是不可數的。當然，這會使我的軟件無法工作。
到目前爲止，我知道BACKGROUNDubtractorMOG是最好的解決方案，因爲這個系統在很多天氣，光照強度等方面的工作。它會比較當前幀和前一幀，因此移動對象被檢測爲前景（CMIIW）。所以那輛已經移動並停下的車輛怎麼樣 - 因爲交通信號燈的紅燈亮着，並且迫使司機停下車子？它仍會被檢測爲前景物體嗎？
所以我想問一個最合適的算法。如何計算車輛在移動時的車輛數量，以及車輛由於紅色信號而停止移動時 - 它仍然被檢測爲車輛。
謝謝:)
如何更新背景？由於照明條件（雲層，白天，夜晚，黃昏，天氣）的變化，您無法保持統計數據，但是如果您仍然知道背景的外觀，那麼仍然可以檢測到停止的汽車的存在，那就是如果汽車不在那裏的話。 如果在圖像中汽車沒有通過的區域，可以使用它來了解照明條件是否正在改變。
哪個是您的車輛視角？有可能將Viola Jones探測器與KLT跟蹤器相結合，您可以獲得更好，更通用的結果。
我建議使用潛在的SVM探測器與「汽車」和「巴士」模型來檢測車輛，然後在你得到的邊界框上應用簡單的跟蹤。
潛SVM檢測： http://docs.opencv.org/modules/objdetect/doc/latent_svm.html
如果減去背景對你的作品（如你所說），我會嘗試添加另一個背景模型。然後，您可以執行背景減法兩次，一次用於前一張圖像（適用於所有移動物體），一次用於檢測所有停止的車輛（以及移動的車輛），但對於不同的照明條件可能有一些缺點。
你可以看看ViBe或Gaussian-Mixture-Models創建這些背景模型。
另一種方法是引入一些跟蹤機制，正如Antonio已經提到的那樣。一旦通過背景減法檢測到車輛（只有移動的物體會出現在圖像中），您將開始追蹤，並且即使它們沒有再次被檢測到（因爲它們不移動），您也會知道它們在那裏。 因此，您需要一種不是「通過檢測進行跟蹤」的跟蹤方法，而是一些其他方法。我會推薦卡爾曼濾波器或粒子濾波，或者可能是平均值偏移跟蹤。
編輯：通常用於車輛檢測的一種方法，它類似於背景減除技術Local Binary Patterns (LBP)
當然是的，背景總是變化取決於天氣，所以我用統計的方法，我將不檢測罷車輛（停放），但是車輛已經移動並停下來，就像當你開車時一樣，如果紅燈亮着，那麼你會停下你的車。 –
我把相機放在交通燈上，所以它抓住車輛的前部。 –