高速公路视频分析主要会采用哪些检测算法基础模型？

高速公路视频分析系统在需要监视的路面安装场景监控摄像机，提供实时的路面场景给智能视觉分析设备；设备上运行视觉分析算法，算法可对路面场景进行区域定位将行驶路面设置为热点区域、路边的建筑田地等设置为无关区域，当热点区域有异常事件发生时，系统会马上进行相应的动作，并对该异常事件发生的过程建立时间索引。

目前对视频检测算法性能影响较大的干扰主要有光线变化、车辆的阴影等因素，对于这些干扰的影响我们采用了特殊算进行了补偿、处理，大大提高了系统检测的准确性：

背景更新补偿算法：

采用独具特色的背景自动学习、补偿的算法，能对夜间光线不足、路面积水反光、车辆阴影、摄像机抖动等干扰因素有效的过滤，减少误报率。

自适应阴影过滤算法：

采用独特的前景、背景、阴影分类算法，能够有效的区分建筑物、车辆的阴影，并随阴影倾斜角度、长短，光线亮度的变化动态调整滤除参数，无论因应如何变化都能够有效的将其滤除。

多目标跟踪算法：

设备可选择是对的设定区域进行事件检测或对全场景进行检测,在进行事件检测时可同时对视频场景内多个地点、多个位置发生的事件进行报警、提示，有效的保证了对异常事件的及时发现、及时解决。

动态区域设置技术（DRS）：

在需要设置检测区域的场景下,DRS技术允许在任何时刻对一个检测区域进行编辑修改，随后便立即按照新的检测区域设置规则进行检测,无需重新进行背景学习。

场景自适应技术：

如果摄像机角度发生变化后、监视区域发生变化后，系统可以自动学习、适应新的背景画面，1分钟内即可适应新的背景，并重新开始进行事件事故检测。