图2 是在车头灯的检测过程。在实验中，我们发现一维熵二值化方法具有较好的二值效果。由于我们可以根据实际情况大致确定二值化阈值的范围，这样可以缩短二值化过程中搜索时间，所以一维熵二值化方法耗时是很短的。(d) 图中的黑色区域就是表示车头灯。
由于篇幅的原因，本文只是在图3 列出了部分运动序列。其中(i) 和(j) 是最后的跟踪结果轨迹图。在图3 中，图像中的摩托车由于车头灯光线比较暗，导致无法检测。而在(j) 中左边出现一个黑点，是因为摩托车后视镜的反光造成的，由于这个反光的干扰点基本上是静止，所以丝毫不会影
响我们的跟踪结果。从图3 中的跟踪轨迹图(i) 和(j)可以看出，我们的跟踪结果是相当令人满意的。
5 总结
由于夜晚环境与白天的环境有着极大的差别，所以无法直接应用白天环境下的检测跟踪方法。本文根据夜晚环境的实际情况，我们选用车头灯作为车辆的特征标志，并进行跟踪。通过WTH（白高帽变换）来检测车头灯，并通过车头灯的颜色和形状特征来排除干扰，最后是通过跟踪车头灯来达到跟踪车辆的目的。其检测跟踪的实验结果是很令人满意的。这种方法的缺点是：如果车辆不开灯的情况就无法检测，不过这种情况在夜晚的情况下很少发生。