一種基于視頻信息的交叉口處車輛的檢測方法
【技術領域】
[0001] 本發明屬于智能交通領域，具體設及一種基于視頻信息的交叉口處車輛的檢測方 法。
【背景技術】
[0002] 車輛檢測，是一種基于車輛幾何和統計特征的圖像分割，是將視頻圖像分割成前 景和背景區域的智能分析技術，是智能交通領域中一個重要的研究方向。
[0003] 通常可W將車輛檢測的背景分為靜態背景和動態背景，靜態背景是指攝像頭在整 個監控過程中沒有移動，動態背景則是指在監控的過程中視頻攝像頭發生了平移、旋轉等 變化。運動車輛檢測算法可W歸類為點檢測法、圖像分割法、背景建模法、帖間差分法、聚類 分析法和運動矢量場法。其中，點檢測法、背景建模法、帖間差分法只適用于靜態場景，對于 動態場景，目前還沒有公認的方法能較好地解決該問題，基于運動矢量場的方法雖然能區 分由攝像機引起的背景運動與運動目標的獨立運動，但是因其計算量太大，而無法滿足實 時檢測的需求，基于監督分類的方法也能夠實現攝像機運動的車輛檢測，但是只適用于特 定目標例如行人檢測，具有局限性。從當前國內外的研究現狀來看，帖間差分法、光流法和 背景差分法的百分比占有率最大，而Vibe檢測是是一種基于樣本隨機聚類的背景建模算 法，由于算法的實時性和魯椿性較高，一經提出就很快被用于實際應用中。

【發明內容】

[0004] 針對現有技術的不足之處，本發明的所要解決的技術問題在于提供一種基于視頻 信息的交叉口處車輛的檢測方法，針對Vibe算法的鬼影區域問題和靜止目標吸收為背景 問題，提出改進方法，提高算法的準確性。
[0005] 為了解決上述技術問題，本發明可W通過W下技術措施實現；一種基于視頻信息 的交叉口處車輛的檢測方法，包括W下步驟：
[0006] 一、讀取交通視頻的初始帖圖像，對其進行高斯濾波去除噪聲，將RGB=通道圖像 轉化成單通道灰度圖像，灰度值Gray= 0. 587*R+0. 114*G+0. 229地，其中R、G、B分別為當 前像素點的紅、綠、藍顏色值，其范圍為0-255。
[0007] 二、背景模型初始化，為圖像中每個像素建立一個背景，樣本大小為n;
[0008] 設X為平面圖像上的某個點，v(x)為X處的灰度值，X的背景模型M(x)定義為：
[0009] M(x) = {v。V2, . . .，V。}
[0010] 其中，Vi表示圖像在某個點處的灰度值，i= 1，2,…，n;
[0011] X的初始背景模型的構造方法；Vi是X的8鄰域Ne(x)中隨機選取的點的灰度值。
[0012] =、選取下一帖圖像數據，先對其進行高斯濾波去除噪聲，轉成灰度值圖像。
[001引四、比較判斷每個X的灰度值和樣本集，計算X的灰度值與M(x)的歐式距離，若距 離小于闊值R，則近似樣本點數H加1 ;如果H大于闊值#min，則認為X是背景點，否則為前 景點；其中，R取值為20, #min取值為2。
[0014] 五、對圖像進行二值化處理，將前景點置1，背景點置0,其中1表示白色，0表示黑 色；計算對圖像進行二值化處理中所有外輪廓的面積，當面積大于闊值Q時，則認為此輪廓 所對應的目標為車輛，其中Q大小為交通圖像中最小汽車的輪廓面積。
[0015]六、針對不同情況，應用不同的更新策略，更新背景模型樣本集。
[0016] ^；：、返回步驟S，直至視頻帖結束。
[0017]作為本發明的基于視頻信息的交叉口處車輛的檢測方法的優選實施方式，所述的 步驟六進一步包括：
[0018] 當交叉口信號燈為綠色，且視頻讀取帖數大于500帖時，車輛正常行駛，此時Vibe 算法效果良好，可采用的更新策略是當X是背景點時，那么它有1/<p的概率去更新自己的 模型樣本值，同時也有1 的概率去更新它的鄰域點的模型樣本值，是時間采樣因子； 當X是前景點時，對X進行統計，如果X連續50次被檢測為前景，則將其更新為背景點，同 時更新X的8鄰域點的背景模型樣本值其他前景點不更新背景模型。
[0019] 當交叉口信號燈為紅燈，且視頻讀取帖數大于500帖時，此時緩慢行駛直至靜止 車輛會被吸收為背景，此時傳統的Vibe算法不足W應對此時的交通場景，本專利提出的更 新策略為當像素點是背景點時，那么它有1 /(/>的概率去更新自己的模型樣本值，同時也有 1 /巧的概率去更新它的鄰域點的模型樣本值，是時間采樣因子；當像素點為前景點，不 用前景點更新背景，數學表達式如下：
[0020]
[0021] 當視頻讀取帖數小于500帖時，當X是背景點時，那么它有1/p的概率去更新自 己的模型樣本值，同時也有1 /</)的概率去更新它的鄰域點的模型樣本值；當X為前景點時， 對X進行統計，如果X連續50次被檢測為前景，此X實際為背景點，用此點8鄰域點的灰度 值重新初始化此點的背景模型樣本值，同時更新X的8鄰域點的背景模型樣本值，其他前景 點不更新背景模型。
[0022] 實施本發明的基于視頻信息的交叉口處車輛的檢測方法的技術方案具有如下有 益效果；本發明的基于視頻信息的交叉口處車輛的檢測方法針對Vibe算法鬼影區域和靜 止目標吸收為背景等問題，對于鬼影區域問題，改進前景點的更新策略，如果像素點連續50 次被檢測為前景，則重新初始化此點的背景模型，并更新其8鄰域點的背景模型，加速鬼影 消融；對于靜止目標吸收為背景問題，僅選用背景點更新策略，只用背景點更新背景模型同 時更新背景點的8鄰域的背景模型，采用本發明可提高交叉口處車輛檢測的準確性。
[0023]上述說明僅是本發明技術方案的概述，為了能夠更清楚了解本發明的技術手段， 而可依照說明書的內容予W實施，并且為了讓本發明的上述和其他目的、特征和優點能夠 更明顯易懂，W下結合優選實施例，并配合附圖，詳細說明如下。
【附圖說明】
[0024] 利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限 制。
[0025] 圖1是本發明的基于視頻信息的交叉口處車輛的檢測方法的流程圖。
【具體實施方式】
[0026] 下面結合附圖詳細說明本發明的【具體實施方式】，其作為本說明書的一部分，通過 實施例來說明本發明的原理，本發明的其他方面、特征及其優點通過該詳細說明將會變得 一目了然。在所參照的附圖中，不同的圖中相同或相似的部件使用相同的附圖標號來表示。 為使本發明更加容易理解，下面將進一步闡述本發明的具體實施例。
[0027] 如圖1所示，本發明的一種基于視頻信息的交叉口處車輛的檢測方法包括W下步 驟：
[002引步驟1、讀取交通視頻的初始帖圖像，對其進行高斯濾波去除噪聲，將RGB=通道 圖像轉化成單通道灰度圖像，灰度值Gray= 0. 587*R+0. 114*G+0. 229地，其中R、G、B分別 為當前像素點的紅、綠、藍顏色值，其范圍為0-255。
[0029]步驟2、背景模型初始化，為圖像中每個像素建立一個背景，樣本大小為n(本發明 的n取值為20)。
[0030] 設X為平面圖像上的某個點，v(x)為X處的灰度值，X的背景模型M(x)定義為： [003UM(x) = {v。V2, . . .，V。}
[0032] 其中，vi表示圖像在某個點處的灰度值，i= 1，2,…，n;
[003引 X的初始背景模型的構造方法；Vi是X的8鄰域Nc(x)中隨機選取的