我正在开发一个名为 ATCS（自动交通控制器系统）的项目，它将根据交通灯前的车辆数量来修改交通灯持续时间。
我使用openCV和backgroundsubtractorMOG来检测车辆，当车辆移动时它运行成功，但是当红色信号打开时，所有车辆都是不可数的。当然这会使我的软件无法工作。
到目前为止，我知道 backgroundsubtractorMOG 是最好的解决方案，因为该系统可以在天气、光强度等多种变化中工作。它将比较当前帧和前一帧，以便将移动对象检测为前景 (CMIIW)。那么移动并停止的车辆怎么样 - 因为交通灯的红色信号灯亮并且它迫使驾驶员停止他们的车辆？它还会被检测为前景物体吗？
所以我想问最合适的算法来做。如何在移动时计算车辆数量，以及当车辆停止移动时，因为红色信号 - 它仍然检测为车辆。
谢谢你 ：）
你如何更新你的背景？由于照明条件（云、白天、夜晚、黄昏、天气）的变化，您无法对其进行统计，但是如果您仍然知道背景的外观（即如果车不在那里，道路。如果图像中有汽车没有通过的区域，您可以使用它来了解照明条件是否正在发生变化。
您对车辆的视角是什么？将 Viola Jones 探测器与 KLT 跟踪器相结合，您有可能获得更好、更通用的结果。
如果背景减法对您有用（如您所说），我会尝试添加另一个背景模型。然后您可以执行两次背景减除，一次用于前一张图像（适用于所有移动物体），一次用于您的图像long term background model，它将检测所有停止的车辆（以及移动的车辆），但对于不同的照明条件可能会有一些缺点。
您可以查看ViBe或Gaussian-Mixture-Models创建这些背景模型。
另一种方法是引入安东尼奥已经提到的一些跟踪机制。一旦通过背景减法检测到车辆（只有移动的物体会出现在图像中），您就会开始跟踪，即使没有再次检测到它们（因为它们没有移动），您也会知道它们在那里。因此，您需要一种不是“通过检测进行跟踪”而是其他方法的跟踪方法。我会推荐卡尔曼滤波器或粒子滤波，或者可能是均值偏移跟踪。
编辑：一种经常用于车辆检测的方法，类似于背景减法技术是Local Binary Patterns (LBP)
我建议使用带有“汽车”和“公共汽车”模型的潜在 SVM 检测器来检测车辆，然后对获得的边界框应用简单的跟踪。
潜在 SVM 检测器： http: //docs.opencv.org/modules/objdetect/doc/latent_svm.html