一种基于鲁棒混合高斯模型的城市交通场景中车辆检测方法技术

本发明专利技术公开了一种基于鲁棒混合高斯模型的城市交通场景中车辆检测方法，包括以下步骤：1)实时采集城市交通场景视频，快速得到较为理想的城市交通场景背景模型；2)引入图像计数器，图像前景检测计数器，背景置信度图像计数器，图像更新标志，图像各点像素所处的交通状态并设置相应的初始值；3)图像的像素点当前场景的交通状态的判定；4)背景模型的每个像素点置信度是否更新的判定；5)每个像素点背景模型更新判定；6)背景更新时，根据当前场景所处的交通状态，用自适应的学习率来更新背景模型；7)城市交通场景前景检测。本发明专利技术用于实现车辆计数，车型分类，车辆跟踪以及交通参数的获取，从而实现对卡口视频数据的智能化管理。

【技术实现步骤摘要】

本专利技术专利涉及智能交通研究领域，尤其是复杂城市交通场景中车辆检测方法。
技术介绍
作为智能交通系统和智慧城市的重要部分，近年来，城市交通的智能化得到了更多的关注,城市交通中交通密度大，交通拥堵严重，各道路使用者呈现多样性，从城市交通复杂的背景中得到运动的前景对城市交通和城市公共安全是重要的，然而找到一个通用的鲁棒的城市交通车辆的前景检测和分割的方法依然是一个公开的挑战。背景相减技术是高效的从静态相机的视频序列中检测运动前景的方法，背景相减的性能由场景背景模型决定。近10年，基于各种不同的背景模型提出了许多背景相减技术来，其中最常用和最热门的方法是参数模型算法，高斯混合背景模型和其改进模型是最常用的参数类背景相减算法，然而，选择合适的学习率来平衡背景模型的鲁棒性和模型的灵敏性依然是一个关键的问题，在真实的城市交通环境中，交通参与者，如车辆，行人，以不同的速度移动，时而开始移动时而突然停止，因此，如果学习率太高，缓慢移动的物体会破坏背景，如果学习率太低，将要花很长的时间来在物体突然“醒来”或者“入睡”的区域得到一个好的背景模型。
技术实现思路
本专利技术的目的在于有效地解决复杂城市交通本文档来自技高网...

【技术保护点】
一种基于鲁棒混合高斯模型的城市交通场景中车辆检测方法，其特征在于：包括以下步骤：1)实时采集城市交通场景视频，以初始的视频对模型初始化，以基于帧的数量的学习率，运用传统混合高斯模型方法来训练模型，快速得到城市交通场景背景模型；2)引入图像计数器，图像前景检测计数器，背景置信度图像计数器，图像更新标志，图像各点像素所处的交通状态并设置相应的初始值；3)图像的像素点当前场景的交通状态的判定；4)背景模型的每个像素点置信度是否更新的判定；5)每个像素点背景模型更新判定；6)背景更新时，根据当前场景所处的交通状态，用自适应的学习率来更新背景模型；7)城市交通场景前景检测。

【技术特征摘要】
1.一种基于鲁棒混合高斯模型的城市交通场景中车辆检测方法，其特征在于：包括以下步骤：1)实时采集城市交通场景视频，以初始的视频对模型初始化，以基于帧的数量的学习率，运用传统混合高斯模型方法来训练模型，快速得到城市交通场景背景模型；2)引入图像计数器，图像前景检测计数器，背景置信度图像计数器，图像更新标志，图像各点像素所处的交通状态并设置相应的初始值；3)图像的像素点当前场景的交通状态的判定；4)背景模型的每...

【专利技术属性】
技术研发人员：赵池航，张运胜，陈爱伟，齐行知，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32