專利名稱：智能交通監控系統中的車輛檢測方法和裝置的制作方法
技術領域：
本發明屬于數字圖像處理技術領域，具體涉及智能交通監控中的車輛檢測方法和裝置。
背景技術：
隨著計算機視覺算法的發展和硬件平臺處理速度的提高，計算機視覺技術在智能交通監控系統中的應用越來越廣泛。而在眾多的技術中，車輛檢測技術對于智能交通系統具有重要的意義，也是其他技術實現或判決的重要基礎之一。對于固定攝像機，混合高斯背景模型法是實時目標檢測的有效方法之一，但當場景中存在動態背景(光照變化、背景擾動以及攝像頭的輕微抖動等)時，目標區域的背景就會不斷變化，從而影響運動目標的正確檢測。傳統的混合高斯建模方法雖然能很好的處理光流和天氣變化的問題，但卻無法解決物體進入或離開場景時候的判決問題。一種解決方案是對每個像素采用多色彩模型，使用一種自適應無參數的混合高斯建模方法來，這種方法還能減少場景中微小重復運動對判決的影響。例如，運動場景中樹木的晃動或者攝像頭本身的輕微晃動。或者采用另外一種核估計的方法，對每個像素采集核心樣本，然后對各種微小的運動采用空間融合的算法。該算法的原理主要就是對比背景模型周圍環形相互關聯的部分。雖然該算法本身也擁有一系列加快運行速度的方案，但依然無法解決算法過于復雜的問題。此外，混合高斯背景模型運用到智能視頻監控的某些場景時存在計算量大、存在虛影現象以及陰影未去除現象。陰影與運動目標有兩種重要的視覺特征:第一，陰影通常與背景存在明顯的不同，而被檢測為前景；第二，陰影與運動目標具有相同的運動特性。因此，陰影的檢測與去除是一項極具挑戰性的工作。然而，陰影與運動目標也具有可分性，例如在色度空間中，陰影區域與背景區域較接近，而真正的運動目標則不具備這種特性。為了更好的檢測陰影，需要建立一個能分割成色差部分和亮度部分的色彩空間，同時還能兼容前文提出的混合高斯模型。
發明內容
綜合考慮上述問題，本發明在混合高斯建模更新公式中引入先驗概率偏置對傳統的混合高斯建模做出改進，并在一定閾值內，對比無背景情況下前景像素和當前的背景像素在色彩空間中的色差部分和亮度部分發生的變化，進行陰影檢測和去除。采用這種方法可以快速地去除不符合要求的背景模型，有效地減少模型對環境突變的響應時間，保證了系統在光照變化或攝像頭抖動等情況下具有良好的自適應性，配合陰影去除算法大幅提高車輛檢測的準確率。本發明提出了一種智能交通監控系統中的車輛檢測方法，其包括:步驟S101，通過電荷耦合元件CXD攝像頭采集道路交通視頻幀序列；步驟S102，將采集的視頻幀序列數據進行圖像預處理，得到計算機能夠識別的數字視頻序列；步驟S103，輸入步驟S102所得的數字視頻序列，利用改進的混合高斯背景建模算法實現運動目標的檢測；步驟S104，對步驟S103檢測所得的運動目標前景進行陰影檢測；步驟S105，對運動目標前景進行陰影去除，實現運動目標的正確識別。其中，所述改進的混合高斯背景建模算法在于對模型的更新做了相應的改進。其中，改進后模型，t時刻像素點(X，y)的第i個高斯分布的更新公式為:Wi,t,xy=Wi,t-l,xy+^CT⑴；y i，t，xy_ y i，t-l，xy+M( β / ω Uxy) (It，xy-μ i’H’xy) (2),
權利要求
1.一種智能交通監控系統中的車輛檢測方法，其包括: 步驟S101，通過電荷耦合元件CXD攝像頭采集道路交通視頻幀序列； 步驟S102，將采集的視頻幀序列數據進行圖像預處理，得到計算機能夠識別的數字視頻序列； 步驟S103，輸入步驟S102所得的數字視頻序列，利用改進的混合高斯背景建模算法實現運動目標的檢測； 步驟S104，對步驟S103檢測所得的運動目標前景進行陰影檢測； 步驟S105，對運動目標前景進行陰影去除，實現運動目標的正確識別。
2.如權利要求1所述智能交通監控系統中的車輛檢測方法，其中所述改進的混合高斯背景建模算法在于對模型的更新做了相應的改進。
3.如權利要求2所述智能交通監控系統中的車輛檢測方法，其中改進后模型，t時刻像素點(X，y)的第i個高斯分布的更新公式為:
4.如權利要求3所述智能交通監控系統中的車輛檢測方法，其中在不匹配的條件下，會增加一個新的高斯模型，而去除原來模型中權值最小的模型。
5.如權利要求4所述智能交通監控系統中的車輛檢測方法，其中所述新模型參數設置為:ωΜ+1 = β，μ M+1 = It xy, σ M+1 = σ ^，而σ ^為整個模型初始化時的標準差。常數β為權值更新率，它描述了一個指數衰減包絡，用來限制舊數據對整個遞歸過程的影響。
6.如權利要求1所述智能交通監控系統中的車輛檢測方法，其中所述步驟104的陰影檢測為通過對比無背景時前景像素和當前的背景像素的方法實現陰影的檢測，即若在一定閾值內，色彩空間的色差部分和亮度部分都檢測到變化，則可以判定該區域為陰影。
7.如權利要求1所述智能交通監控系統中的車輛檢測方法，其中所述步驟103包括: 第一步，利用最大似然估計對傳統混合高斯背景模型的權值更新公式進行推導； 第二步，在第一步的基礎上引入先驗概率偏置對傳統的混合高斯背景模型中的權值更新公式進行改進。
8.一種智能交通監控系統中的車輛檢測裝置，其包括: 視頻幀序列采集模塊，用于通過電荷耦合元件CCD攝像頭采集道路交通視頻幀序列；圖像預處理模塊，用于將采集的視頻幀序列數據進行圖像預處理，得到計算機能夠識別的數字視頻序列；混合高斯背景建模模塊，用于輸入所述圖像預處理模塊所得的數字視頻序列，利用改進的混合高斯背景建模算法實現運動目標的檢測； 陰影檢測，用于對所述混合高斯背景建模模塊檢測所得的運動目標前景進行陰影檢測； 陰影去除模 塊，用于對運動目標前景進行陰影去除，實現運動目標的正確識別。
全文摘要
本發明提出了一種智能交通監控系統中的車輛檢測方法，其包括步驟S101，通過電荷耦合元件CCD攝像頭采集道路交通視頻幀序列；步驟S102，將采集的視頻幀序列數據進行圖像預處理，得到計算機能夠識別的數字視頻序列；步驟S103，輸入步驟S102所得的數字視頻序列，利用改進的混合高斯背景建模算法實現運動目標的檢測；步驟S104，對步驟S103檢測所得的運動目標前景進行陰影檢測；步驟S105，對運動目標前景進行陰影去除，實現運動目標的正確識別。本發明還提出了一種智能交通監控系統中的車輛檢測裝置。通過本發明可以快速地去除不符合要求的背景模型，有效地減少模型對環境突變的響應時間，保證了系統在光照變化或攝像頭抖動等情況下具有良好的自適應性，配合陰影去除算法大幅提高車輛檢測的準確率。
文檔編號G06K9/00GK103106796SQ201310014669
公開日2013年5月15日 申請日期2013年1月15日 優先權日2013年1月15日
發明者宋雪樺, 謝桂瑩, 顧金, 閆振, 吳朝輝 申請人:江蘇大學