專利名稱：智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及智能交通監(jiān)控中的車輛檢測(cè)方法和裝置。
背景技術(shù)：
隨著計(jì)算機(jī)視覺算法的發(fā)展和硬件平臺(tái)處理速度的提高，計(jì)算機(jī)視覺技術(shù)在智能交通監(jiān)控系統(tǒng)中的應(yīng)用越來越廣泛。而在眾多的技術(shù)中，車輛檢測(cè)技術(shù)對(duì)于智能交通系統(tǒng)具有重要的意義，也是其他技術(shù)實(shí)現(xiàn)或判決的重要基礎(chǔ)之一。對(duì)于固定攝像機(jī)，混合高斯背景模型法是實(shí)時(shí)目標(biāo)檢測(cè)的有效方法之一，但當(dāng)場(chǎng)景中存在動(dòng)態(tài)背景(光照變化、背景擾動(dòng)以及攝像頭的輕微抖動(dòng)等)時(shí)，目標(biāo)區(qū)域的背景就會(huì)不斷變化，從而影響運(yùn)動(dòng)目標(biāo)的正確檢測(cè)。傳統(tǒng)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(jìn)入或離開場(chǎng)景時(shí)候的判決問題。一種解決方案是對(duì)每個(gè)像素采用多色彩模型，使用一種自適應(yīng)無參數(shù)的混合高斯建模方法來，這種方法還能減少場(chǎng)景中微小重復(fù)運(yùn)動(dòng)對(duì)判決的影響。例如，運(yùn)動(dòng)場(chǎng)景中樹木的晃動(dòng)或者攝像頭本身的輕微晃動(dòng)?；蛘卟捎昧硗庖环N核估計(jì)的方法，對(duì)每個(gè)像素采集核心樣本，然后對(duì)各種微小的運(yùn)動(dòng)采用空間融合的算法。該算法的原理主要就是對(duì)比背景模型周圍環(huán)形相互關(guān)聯(lián)的部分。雖然該算法本身也擁有一系列加快運(yùn)行速度的方案，但依然無法解決算法過于復(fù)雜的問題。此外，混合高斯背景模型運(yùn)用到智能視頻監(jiān)控的某些場(chǎng)景時(shí)存在計(jì)算量大、存在虛影現(xiàn)象以及陰影未去除現(xiàn)象。陰影與運(yùn)動(dòng)目標(biāo)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(cè)為前景；第二，陰影與運(yùn)動(dòng)目標(biāo)具有相同的運(yùn)動(dòng)特性。因此，陰影的檢測(cè)與去除是一項(xiàng)極具挑戰(zhàn)性的工作。然而，陰影與運(yùn)動(dòng)目標(biāo)也具有可分性，例如在色度空間中，陰影區(qū)域與背景區(qū)域較接近，而真正的運(yùn)動(dòng)目標(biāo)則不具備這種特性。為了更好的檢測(cè)陰影，需要建立一個(gè)能分割成色差部分和亮度部分的色彩空間，同時(shí)還能兼容前文提出的混合高斯模型。

發(fā)明內(nèi)容
綜合考慮上述問題，本發(fā)明在混合高斯建模更新公式中引入先驗(yàn)概率偏置對(duì)傳統(tǒng)的混合高斯建模做出改進(jìn)，并在一定閾值內(nèi)，對(duì)比無背景情況下前景像素和當(dāng)前的背景像素在色彩空間中的色差部分和亮度部分發(fā)生的變化，進(jìn)行陰影檢測(cè)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(duì)環(huán)境突變的響應(yīng)時(shí)間，保證了系統(tǒng)在光照變化或攝像頭抖動(dòng)等情況下具有良好的自適應(yīng)性，配合陰影去除算法大幅提高車輛檢測(cè)的準(zhǔn)確率。本發(fā)明提出了一種智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)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(shù)據(jù)進(jìn)行圖像預(yù)處理，得到計(jì)算機(jī)能夠識(shí)別的數(shù)字視頻序列；步驟S103，輸入步驟S102所得的數(shù)字視頻序列，利用改進(jìn)的混合高斯背景建模算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)；步驟S104，對(duì)步驟S103檢測(cè)所得的運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影檢測(cè)；步驟S105，對(duì)運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影去除，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的正確識(shí)別。其中，所述改進(jìn)的混合高斯背景建模算法在于對(duì)模型的更新做了相應(yīng)的改進(jìn)。其中，改進(jìn)后模型，t時(shí)刻像素點(diǎn)(X，y)的第i個(gè)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(quán)利要求
1.一種智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)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(shù)據(jù)進(jìn)行圖像預(yù)處理，得到計(jì)算機(jī)能夠識(shí)別的數(shù)字視頻序列； 步驟S103，輸入步驟S102所得的數(shù)字視頻序列，利用改進(jìn)的混合高斯背景建模算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)； 步驟S104，對(duì)步驟S103檢測(cè)所得的運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影檢測(cè)； 步驟S105，對(duì)運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影去除，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的正確識(shí)別。
2.如權(quán)利要求1所述智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)方法，其中所述改進(jìn)的混合高斯背景建模算法在于對(duì)模型的更新做了相應(yīng)的改進(jìn)。
3.如權(quán)利要求2所述智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)方法，其中改進(jìn)后模型，t時(shí)刻像素點(diǎn)(X，y)的第i個(gè)高斯分布的更新公式為:
4.如權(quán)利要求3所述智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)方法，其中在不匹配的條件下，會(huì)增加一個(gè)新的高斯模型，而去除原來模型中權(quán)值最小的模型。
5.如權(quán)利要求4所述智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)方法，其中所述新模型參數(shù)設(shè)置為:ωΜ+1 = β，μ M+1 = It xy, σ M+1 = σ ^，而σ ^為整個(gè)模型初始化時(shí)的標(biāo)準(zhǔn)差。常數(shù)β為權(quán)值更新率，它描述了一個(gè)指數(shù)衰減包絡(luò)，用來限制舊數(shù)據(jù)對(duì)整個(gè)遞歸過程的影響。
6.如權(quán)利要求1所述智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)方法，其中所述步驟104的陰影檢測(cè)為通過對(duì)比無背景時(shí)前景像素和當(dāng)前的背景像素的方法實(shí)現(xiàn)陰影的檢測(cè)，即若在一定閾值內(nèi)，色彩空間的色差部分和亮度部分都檢測(cè)到變化，則可以判定該區(qū)域?yàn)殛幱啊?br> 7.如權(quán)利要求1所述智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)方法，其中所述步驟103包括: 第一步，利用最大似然估計(jì)對(duì)傳統(tǒng)混合高斯背景模型的權(quán)值更新公式進(jìn)行推導(dǎo)； 第二步，在第一步的基礎(chǔ)上引入先驗(yàn)概率偏置對(duì)傳統(tǒng)的混合高斯背景模型中的權(quán)值更新公式進(jìn)行改進(jìn)。
8.一種智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)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(yù)處理模塊，用于將采集的視頻幀序列數(shù)據(jù)進(jìn)行圖像預(yù)處理，得到計(jì)算機(jī)能夠識(shí)別的數(shù)字視頻序列；混合高斯背景建模模塊，用于輸入所述圖像預(yù)處理模塊所得的數(shù)字視頻序列，利用改進(jìn)的混合高斯背景建模算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)； 陰影檢測(cè)，用于對(duì)所述混合高斯背景建模模塊檢測(cè)所得的運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影檢測(cè)； 陰影去除模 塊，用于對(duì)運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影去除，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的正確識(shí)別。
全文摘要
本發(fā)明提出了一種智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)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(shù)據(jù)進(jìn)行圖像預(yù)處理，得到計(jì)算機(jī)能夠識(shí)別的數(shù)字視頻序列；步驟S103，輸入步驟S102所得的數(shù)字視頻序列，利用改進(jìn)的混合高斯背景建模算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)；步驟S104，對(duì)步驟S103檢測(cè)所得的運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影檢測(cè)；步驟S105，對(duì)運(yùn)動(dòng)目標(biāo)前景進(jìn)行陰影去除，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的正確識(shí)別。本發(fā)明還提出了一種智能交通監(jiān)控系統(tǒng)中的車輛檢測(cè)裝置。通過本發(fā)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(duì)環(huán)境突變的響應(yīng)時(shí)間，保證了系統(tǒng)在光照變化或攝像頭抖動(dòng)等情況下具有良好的自適應(yīng)性，配合陰影去除算法大幅提高車輛檢測(cè)的準(zhǔn)確率。
文檔編號(hào)G06K9/00GK103106796SQ201310014669
公開日2013年5月15日 申請(qǐng)日期2013年1月15日 優(yōu)先權(quán)日2013年1月15日
發(fā)明者宋雪樺, 謝桂瑩, 顧金, 閆振, 吳朝輝 申請(qǐng)人:江蘇大學(xué)