通过帧间差分的方式获取车辆的大致轮廓，由于车前后部位的颜色不一样，很容易被拆分成好几块，因此使用膨胀的方式进行了处理。尽管如此还是面临诸多的问题，比如，尾气排放的正确位置，有的在车尾中间，有的在左侧，因此需要进行多重的判断，对于速度较慢的道路，检测的效果是非常糟糕的
如下是其他人的总结：
Deep Learning很热，所以大家都用这个做图像处理，可以理解，好发论文嘛。我也用过，发现学习
速度太慢，不大实用，如果不是很难（前景和背景对比度低，或者干扰很严重），常用的图像处理方
法就可以了。
2 图像分割，可以用阈值法、区域生长、边缘检测、数学形态学的分水岭、小波变换，这些我都用过
，各有所长吧，还有一些我没有用过的，就不推荐了。我看烟雾边缘缺乏方向性，估计边缘检测不是
很好用。建议你从最简单的阈值法开始尝试。烟雾图像的亮度和背景蓝天差不多，估计基于灰度的阈
值法效果不好，建议用彩×××像的阈值分割。
汽车尾气的识别
第一步
分析是否有车
至少有车才有尾气
第二步
分析车运动的方向，判别出排气管的大概位置
第三步
尝试分析出烟雾的区域
第四步
在不同的时间段，由于太阳光或者月亮光的照射程度
不一样，必须采集每一个时间段的，没有车辆行驶的
环境的自然图片，然后跟烟雾的区域进行对比
按照雾化的效果，是否能够从没有烟雾的图片，雾化后，
效果出烟雾，当然，这里有一个非常重要的问题是
烟雾化的效果
第五步
汽车尾气排放的方向，以及形状，是否有助于分析
注意事项
凌晨的雾霾啊！！
