一种基于低秩矩阵的车流量检测算法

针对传统车流量检测方法在复杂环境中检测精度较低的问题,提出了一种新的基于低秩矩阵的车流量检测方法。首先利用伊辛模型和鲁棒性主成份分析方法(RPCA)得到非凸的能量函数,然后利用奇异值分解(SVD)并且不断迭代的方法分步解决能量函数非凸性的问题,进而优化能量函数检测出最佳车辆前景,最后利用虚拟检测线圈来统计车流量。实验结果表明:该方法与帧差法和混合高斯算法相比,检测车流量的精度得到显著提高,并且能够较好地分割大雾天气的运动车辆。