一种基于运动车辆跟踪的车流量统计方法技术

本发明专利技术公开了一种基于运动车辆跟踪的车流量统计方法，其涉及计算机视觉领域。该方法首先利用多尺度的形态学算子进行图像预处理，再结合8邻域帧差法和自适应背景更新率的混合高斯模型进行运动车辆检测，最后根据车辆检测结果，进行卡尔曼滤波的多目标跟踪来统计车流量。该方法可有效快速地统计出单车道或多车道的车流量，将车流量信息传递给交通信号灯平台，可实时改变红绿灯时间，提高城市交通的利用率，改善城市车辆拥堵问题。

【技术实现步骤摘要】
一种基于运动车辆跟踪的车流量统计方法
本专利技术涉及计算机视觉领域，特指一种基于运动车辆跟踪的车流量统计方法。
技术介绍
智能交通系统(ITS)是通过实时的交通信息反馈来掌控道路上车辆的运行情况，从而能够及时地避免交通拥堵，使得交通运行更加安全和顺畅。因此，交通信息的采集是智能交通系统的基础，车流量作为交通的重要信息应该被及时准确地获取。目前对交通流量信息的采集主要包括非视频处理方法和基于视频技术的处理方法。其中，基于视频技术的处理方法无需破坏路面，保护环境，不影响正常交通；摄像机检测器安装方便；维护费用低；可进行多车道检测，信息获取面积大，监控范围广，可提供交通场景实时图像，使用寿命长，性价比高、软件可以随时拓展。基于视频的交通流量统计一般包括三个部分：实时视频采集、运动车辆检测和车流计数统计。其中，运动车辆检测主要有光流法、帧间差分法和背景减差法三种。光流法需要专门的硬件支持，计算复杂且计算量大，一般较少使用。帧间差分法原理简单，对噪声和光线变化不敏感，但是目标检测结果容易出现空洞现象，当运动目标有缓慢变化转为快速运动的时候，背景减差法容易将背景显露区域(即当前背景还留有上一帧的本文档来自技高网...

【技术保护点】
一种基于运动车辆跟踪的车流量统计方法，其特征在于，包括以下步骤：S1采集车辆视频流图像，利用多尺度的形态学梯度算子对该视频流图像进行预处理；S2采用自适应背景更新率的混合高斯模型进行运动目标检测；S2.1建立混合高斯模型；S2.2结合8邻域帧差法和混合高斯模型确定自适应背景更新率；S2.3进行高斯模型匹配来更新高斯背景模型以及运动车辆检测；S3进行卡尔曼滤波的运动车辆跟踪和车流量统计。

【技术特征摘要】
1.一种基于运动车辆跟踪的车流量统计方法，其特征在于，包括以下步骤：S1采集车辆视频流图像，利用多尺度的形态学梯度算子对该视频流图像进行预处理；S2采用自适应背景更新率的混合高斯模型进行运动目标检测；S2.1建立混合高斯模型；S2.2结合8邻域帧差法和混合高斯模型确定自适应背景更新率；S2.3进行高斯模型匹配来更新高斯背景模型以及运动车辆检测；S3进行卡尔曼滤波的运动车辆跟踪和车流量统计。2.根据权利要求1所述的一种基于运动车辆跟踪的车流量统计方法，其特征在于，所述S2.1中，假设图像中每个像素点的观测样本为{X1,X2,X3....Xt}，使用K个高斯分布描述t时刻Xt属于背景的数学模型为：(1)式中，i表示某个混合高斯模型，i＝1,2,...K；K表示混合高斯模型的个数；ωi,t表示t时刻第i个高斯模型的权值，其中ωi,t满足∑ωi,t＝1；η(Xt,μi,t,∑i,t)表示t时刻第i个高斯分布，其定义为：(2)式中，∑i,t为协方差矩阵其中表示像素点在t时刻的第i个高斯模型的方差，n为Xt的维数。3.根据权利要求1所述的一种基于运动车辆跟踪的车流量统计方法，其特征在于，所述S2.2具体包括以下步骤：S2.2.1将图像分为背景区域Bg、背景显露区域Bv和运动区域F，并求取所述背景区域Bg、背景显露区域Bv和运动区域F；1)进行相邻两帧间变化区域的检测；两帧差法的表达式为：Di(x,y)＝|fi(x,y)-fi-1(x,y)|(3)(3)式中，fi(x,y)为当前帧图像的像素点(x,y)灰度值，fi-1(x,y)为当前一帧图像的相同位置像素点(x,y)的灰度值；对像素点f(x,y)进行8邻域帧差法的公式为：利用下面公式(5)进行8邻域帧差法的相邻两帧间变化区域的检测：(5)式中，φi(x,y)为相邻两帧间变化区域，T1、T2为阈值；2)去除阴影部分；采用基于YUV色彩空间方法消除公式(5)获得的相邻两帧间变化区域的阴影部分，设定一个下限阈值来防止出现阴影区域的错误判断，检测阴影区域的判别公式为：(6)式中，α、β为设定阈值，P(x,y)的值为1的像素点代表属于阴影区域；将公式(6)获得阴影区域从公式(5)获得的相邻两帧间变化区域剔除掉，得到去除阴影后的两帧间发生变化的区域A；3)求取背景区域Bg,背景显露区域Bv和运动区域F；所述区域A包括运动区域F，背景显露区域Bv；假设当前图像为I，则背景区域Bg为：Bg＝I-A(7)定义公式|Xt-μi,t(x,y)|≤2.5σi,t-1(8)其中，μi,t为t时刻第i个高斯分布的均值；σi,t-1为t-1时刻第i个高斯分布的的标准差；当图像像素点Xt满足公式(8)，则可认为该像素点与混合高斯分布中第i个高斯分布模型匹配；按照比值ωi,t/σi,t的由大到小对K个高斯模型重新排列，其中ωi,t为某个高斯分布的权值，σi,t为该高斯分布的标准差；取前面B个高斯分布作为背景像素的最佳描述为：式中，ωk为高斯分布的权值，T为阈值；从而，再将区分出来的相邻两帧间的变化区域A逐像素与前B个高斯分布利用公式(8)进行高斯匹配，从而可以获得运动区域F和背景显露区域Bv，如公式(10)所示：式中，xt(x,y)当前时刻A区域的像素点的像素值，μi,t-1为t-1时刻第i个高斯分布的均值，σi,t-1为t-1时刻第i个高斯分布的标准差，0＜i≤B；S2.2.2确定自适应背景更新率；对这两个区域设定不同的背景更新率，来适应运动物体速度变化的情况，消除混合高斯模型检测运动车辆时出现的重影现象。4.根据权利要求3所述的一种基于运动车辆跟踪的车流量统计方法，其特征在于，所述S2.3具体包括以下步骤：S2.3.1利用公式(8)对获取的当前帧图像的各个像素点分别与已经存在的K个高斯分布进行匹配；S2.3.2若是像素点存在满足公式(8)的情况，则认为该像素点与第i个高斯模型匹配，对匹配的高斯模型参数做如下更新：2μi,t＝(1-ρ)μi,t-1+ρXt(14)

【专利技术属性】
技术研发人员：马昊辰，刘述杰，陈蓉，
申请(专利权)人：湖南源信光电科技股份有限公司，
类型：发明
国别省市：湖南,43