一種區塊背景建模的視頻車流量檢測方法
【技術領域】
[0001]本發明涉及一種視頻車流量檢測方法，具體涉及一種區塊背景建模的視頻車流量檢測方法。
【背景技術】
[0002]針對城市交通路段和十字路口道路視頻車流量檢測的實際應用場景，普遍采用的方法有:車牌識別、車體識別、虛擬線圈等方法。各種方法都有各自優點和缺點，
基于車牌識別與車體識別方式的車流量檢測，晚上必須有補光燈，對于僅僅是道路流量檢測需求存在功耗高，強光照射對駕駛員有刺激。
[0003]目前基于虛擬線圈的車流量檢測方法大部分采用以像素為單位的高斯背景建模，由于車流量檢測系統應用場景為高速公路、城市道路和十字路口，外界的環境光變化，靜態陰影、運動陰影、各色運動車流導致的視頻流圖像亮度的變化非常快，為了得到比較好的圖像質量，攝像機的增益、曝光時間會隨著圖像亮度信息的變化而顯著變化。虛擬線圈的背景會隨著攝像機成像參數的變化而快速變化。同時城市十字路口車流量的間歇性停止和運動，存在較長時間的背景遮擋等問題，單純的以像素為單位的高斯背景建模很容易引入噪聲干擾。
【發明內容】
[0004]為解決現有技術的不足，本發明的目的在于提供一種一種區塊背景建模的視頻車流量檢測方法，以解決現有技術功耗高、強光照射對駕駛員有刺激、容易引入噪聲干擾的技術問題。
[0005]為了實現上述目標，本發明采用如下的技術方案:
一種區塊背景建模的視頻車流量檢測方法，其特征在于，包括如下步驟:
步驟一:當確定好虛擬線圈在視頻圖像中的位置后，視頻信號輸入模塊將虛擬線圈分割為3個塊；
步驟二:運動幀差檢測模塊對圖像數據進行運動幀差檢測，檢測出虛擬線圈3個塊的運動狀態；
步驟三:背景幀差檢測模塊對圖像數據進行背景差檢測，根據背景差檢測結果，再結合先前時刻線圈的運動時序狀態更新當前的背景模型。
[0006]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，所述步驟一包括:視頻信號輸入模塊根據車輛運動方向將虛擬線圈內數據分為3個塊。
[0007]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，所述步驟二包括:將3個塊依次定義為I塊，2塊，3塊;當I塊運動且2塊靜止且3塊靜止時，判斷當前虛擬線圈為車輛進入狀態；當I塊運動且2塊運動且3塊靜止時，判斷當前虛擬線圈為有車輛狀態；當I塊靜止且2塊靜止且3塊運動時，判斷當前虛擬線圈為車輛離開狀態。
[0008]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，先前時刻線圈的運動時序狀態由狀態時序模塊獲取。
[0009]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，步驟二包括:
步驟2a:進行幀差檢測和陰影檢測，判斷差異尺寸是否大于最小目標尺，如果是，進行步驟2b，如果否，進行步驟2c ；
步驟2b:判斷是否只是陰影，如果是，轉到步驟一，如果否，更新參考幀差；
步驟2c:查找狀態時序模塊中本塊的狀態，確定當前狀態下的更新周期，如果達到更新周期的更新時刻后更新參考幀差。
[0010]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，所述步驟三包括: 步驟3a:背景幀差模塊建立主背景模型和候選次背景模型；
步驟3b:當圖像數據進入背景幀差模塊后，與主背景模型進行比較，以確定在設定周期內主背景模型出現的次數，以此決定主背景模型的有效性權重；
步驟3c:圖像數據與候選背景模型比較，以確定在設定周期內候選背景模型出現的次數，以此決定候選背景模型的有效性權重；
步驟3d:結合背景模型檢測算法的有無車狀態和運動時序邏輯狀態來修正當前主背景模型。
[0011 ]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，所述步驟3a包括: 步驟3al:判斷主背景是否存在，如果存在，進行主背景差檢測；
步驟3a2:如果不存在，判斷候選背景是否存在，如果存在，進行候選背景差檢測；
步驟3a3:如果不存在，創建候選背景，初始化權。
[0012]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，所述步驟3b包括: 步驟3bl:進行主背景差檢測，判斷差異尺寸是否大于最小目標尺寸，如果是，進行步驟
3b2，如果否，進行步驟3b3 ；
步驟3b2:降低候選背景權重;如果運動幀差狀態邏輯判斷為無車，增加錯誤計數;如果錯誤計數大于最大錯誤計數，清除主背景；
步驟3b3:更新當前背景和出現權重，降低候選背景權重。
[0013]前述的一種區塊背景建模的視頻車流量檢測方法，其特征在于，步驟3c包括:
步驟3cl:進行候選背景差檢測，判斷差異尺寸是否大于最小目標尺，如果是，進行步驟
3c2，如果否，進行步驟3c3 ；
步驟3c2:降低候選背景權重，判斷候選背景權重是否大于最小權重，如果是，重新輸入視頻信號，如果否，創建候選背景，初始化權；
步驟3c3:更新候選背景并增加權重，如果候選背景權重大于主背景權重，則更新替換主背景。
[0014]本發明的有益之處在于:本發明結合虛擬線圈的實際應用場景，根據連續區塊的運動狀態時序，能快速的自我學習背景，在背景變化的情況下，能快速的切換到新背景，能很好的適應虛擬線圈交通流量視頻檢測背景建模的要求。
【附圖說明】
[0015]圖1是本發明一種區塊背景建模的視頻車流量檢測方法流程圖；
圖2是本發明視頻車流量檢測器的虛擬線圈示意圖； 圖3是本發明運動幀差與背景幀差時序邏輯流程；
圖4是本發明視頻車流量檢測器的總體算法流程；
圖5是本發明背景建模模塊算法流程；
圖6是本發明運動幀差模塊算法流程。
【具體實施方式】
[0016]以下結合附圖和具體實施例對本發明作具體的介紹。
[0017]參照圖1、圖2所示，本發明一種區塊背景建模的視頻車流量檢測方法，包括如下步驟:
步驟一:當確定好虛擬線圈在視頻圖像中的位置后，視頻信號輸入模塊將虛擬線圈分割為3個塊；
步驟二:運動幀差檢測模塊對圖像數據進行運動幀差檢測，檢測出虛擬線圈3個塊的運動狀態；
步驟三:背景幀差檢測模塊對圖像數據進行背景差檢測，根據背景差檢測結果，再先前時刻線圈的運動時序狀態更新當前的背景模型。
[0018]視頻車輛檢測器單個線圈的組成圖，當確定好虛擬線圈在視頻圖像中的位置后，我們的算法將自動將虛擬線圈分割為圖中所示的三塊處理，基于區塊的整體背景模型更新是本發明的主要組成部分，通過合適區域的整體判斷來決定背景的更新，可以減少大量的局部小噪聲點的干擾而導致的背景無法更新;還能適應環境光的快速變化而加快背景更新。視頻信號輸入模塊根據車輛運動方向將虛擬線圈內數據分為3個塊。如圖3，將3個塊依次定義為I塊，2塊，3塊；當I塊運動且2塊靜止且3塊靜止時，判斷當前虛擬線圈為車輛進入狀態；當I塊運動且2塊運動且3塊靜止時，判斷當前虛擬線圈為有車輛狀態；當I塊靜止且2塊靜止且3塊運動時，判斷當前虛擬線圈為車輛離開狀態。
[0019]將虛擬線圈分為三個區塊，三個塊的運動狀態能很好的表現出一種運動的時序狀態，有利于背景差算法中背景模型的建立;背景更新的時間和前景檢測、幀差的結果相關；運動參考幀檢測結果結合車輛運動的趨勢，總結出當前虛擬線圈整體的狀態，同時給出各個區塊的大概率可能情況，是控制背景建模的關鍵;結合運動時序邏輯狀態模塊，背景建模采用主背景模型和候選背景模型的建模方案;如圖3中所示，本文視頻車輛檢測器運動時序邏輯狀態圖，描述了車輛行駛方向從I塊進入，經過2塊，從3塊離開的過程所對應的整個虛擬線圈的關鍵狀態和各自子塊的狀態。本發明將幀差運動時序狀態的結果反饋給背景建模模塊，作為背景更新策略的一個決策因素，能更好的控制錯誤背景的重新學習，具有比較好的自適應功能；
如圖4中所示，本發明視頻車輛檢測器整體算法流程圖，描述了整個算法的圖像數據流在算法各個模塊之間的處理流程。先前時刻線圈的運動時序狀態由狀態時序模塊獲取。其中，分塊檢測方案是指:單虛擬線圈分3塊分塊檢測，分塊方案是狀態時序模塊的基礎;背景模型算法是指:結合狀態時序模塊的具有自適應、自我糾錯能力的背景建模方法;結合分塊檢測方案的基于區塊的背景建模方法；運動時序邏輯是指:通過運動幀差模塊得到的運動時