权值自适应调整的加权平均背景更新方法技术

本发明专利技术公布了一种权值自适应调整的加权平均背景更新方法，本发明专利技术对当前帧图像与前一帧图像进行前向帧差计算并二值化，得到前向帧差前景二值图，对当前帧图像与后一帧图像进行后向帧差计算并二值化，得到后向帧差前景二值图，对前向和后向帧差前景二值图执行与操作，得到能够准确区分运动车辆区域与静止背景区域的二值图，最后根据该二值图判断像素所处的区域，对每个像素赋予自适应的权值进行加权平均背景更新。本发明专利技术所提供的背景更新方法能够对光照变化和车流变化进行自适应响应，且具有准确性高的优点。

【技术实现步骤摘要】

本专利技术涉及一种，属于交通监控技术领 域。
技术介绍
随着经济的不断发展和城市化进程的快速进行，机动车保有数量急剧增加，交通 问题越来越突出，比如交通事故发生不断增长、交通拥堵频繁发生。为了解决这些问题，20 世纪90年代以来，我国开始进行智能运输系统(ITS)的建设。智能运输系统的一个重要子系统就是交通信息采集系统，车辆检测是该系统的重 要功能之一。传统的车辆检测方法是环形线圈检测，它存在容易损坏、维修困难等缺点。近 些年来，视频车辆检测技术成为车辆检测技术中的一个热点，相比传统的环形线圈检测技 术具有检测区域大、检测参数多、安装维护方便等优点，具有广阔的应用前景。在视频车辆检测技术中，往往利用交通场景的背景图像来对车辆进行检测。由于 光照的变化，背景图像也在不断的变化，准确、实时地更新背景图像是保证车辆检测率的关 键。通过对现有技术文献的检索发现现有的车辆跟踪方法主要有以下几种加权平均法、逐 步修正法和基于Kalman滤波的背景更新方法等。这些方法在一定环境下能够对背景进行 准确更新，但不能兼顾对光照变化的快速响应和车辆经过后路面灰度的准确恢复，具有一 定的局限性。本专利技术将提供一种能够对光照变化和车流变化进行自适应响应的背景更新方 法。
技术实现思路
本专利技术目的是针对现有技术存在的缺陷提供一种可以对光照变化和车流变化进 行自适应响应的背景更新方法，该方法具有更新准确的优点。本专利技术为实现上述目的，采用如下技术方案本专利技术，其特征在于包括如下步骤①计算前向帧差图像并对其二值化背景初始化之后得到的背景图像为Btl，当采集到第i帧图像Pi (i > 1)时，计算第i帧图像Pi与第i_l帧图像Ph之间的绝对差，得到第i帧前向帧差图像PPil,即PPil (x, y) = Pi (Xjy)-Pi-1(X,y) I,式中，Pi(Ly)表示第i帧图像Pi中坐标为(x，y)的像素的灰度，Ph (x，y)表示第 i-Ι帧图像Pg中坐标为(x,y)的像素的灰度，PPil (x，y)表示第i帧前向帧差图像PPil (χ， y)中坐标为(x，y)的像素的灰度，x，y分别表示横坐标和纵坐标，下同；其次，计算第i帧前向帧差图像PPil的最佳分割阈值THRil，其步骤如下图13是第73帧背景图像B73，图14是更新得到的第74帧背景图像B74。 图15是光照变暗之后的第90帧图像P9Q。图16是更新得到的第90帧背景图像B9Q。(2)根据阈值Tk对第i帧前向帧差图像PPil进行分割，灰度大于等于阈值Tk的像 素区域被分割为第i帧前向帧差图像PPil中的运动目标区域PPOikl，灰度小于阈值Tk的像 素区域被分割为背景区域PPBikl，<formula>formula see original document page 5</formula> 分别计算运动目标区域PPOikl的平均灰度值Zkl和背景区域PPBikl的平均灰度值<formula>formula see original document page 5</formula>式中，Nlk和N2k分别表示运动目标区域PPOikl和背景区域PPBikl中像素的个数；(3)求出新的阈值 Tk+1 = (Zkl+Zk2)/2 ；(4)若Tk+1 = Tk则结束迭代，令THRil = Tk，否则令k = k+Ι，重复第(2)-(3)步，最后，根据最佳分割阈值THRil对第i帧前向帧差图像PPil进行二值化计算，得到 第i帧前向帧差图像PPil的初始前景二值图OMil,<formula>formula see original document page 5</formula>式中，OMil (χ, y)表示第i帧前向帧差图像PPil的初始前景二值图OMil中坐标为 (x，y)的像素的值，若为1表示该像素属于运动车辆区域，若为O表示该像素属于静止背景 区域，利用种子填充法去除初始前景二值图OMil中的空洞，获得第i帧前向帧差图像PPil的 最终前景二值图OMil ；②计算后向帧差图像并对其二值化计算第i帧图像Pi与第i+Ι帧图像Pi+1之间的绝对差，得到第i帧后向帧差图像 PPi2，即，<formula>formula see original document page 5</formula>式中，Pi(Ly)表示第i帧图像Pi中坐标为(x，y)的像素的灰度，Pi+1(x，y)表示第 i+Ι帧图像Pi+1中坐标为(x,y)的像素的灰度，PPi2 (x，y)表示第i帧后向帧差图像PPi2 (χ， y)中坐标为(χ，y)的像素的灰度，其次，计算第i帧后向帧差图像PPi2的最佳分割阈值THRi2，其步骤如下(a)求出第i帧后向帧差图像PPi2中的最小灰度值Z1和最大灰度值Zm，令迭代次 数k = 0，分割阈值的初值为T0 = (ZJZm)/2，此时Tk = T0 ；(b)根据阈值Tk对第i帧后向帧差图像PPi2进行分割，灰度大于等于阈值Tk的像 素区域被分割为第i帧后向帧差图像PPi2中的运动目标区域PPOik2，灰度小于阈值Tk的像 素区域被分割为背景区域PPBik2，<formula>formula see original document page 5</formula>分别计算运动目标区域PPOik2的平均灰度值Zkl和背景区域PPBik2的平均灰度值<formula>formula see original document page 6</formula>式中，Nlk和N2k分别表示运动目标区域PPOik2和背景区域PPBik2中像素的个数，(c)求出新的阈值 <formula>formula see original document page 6</formula>(d)若Tk+1 = Tk则结束迭代，令THRi2 = Tk，否则令k = k+Ι，重复第(2)-(3)步，最后，根据最佳分割阈值THRi2对第i帧后向帧差图像PPi2进行二值化计算，得到 第i帧后向帧差图像PPi2的初始前景二值图OMi2,<formula>formula see original document page 6</formula>式中，OMi2 (χ, y)表示第i帧后向帧差图像PPi2的初始前景二值图OMi2中坐标为 (x，y)的像素的值，若为1表示该像素属于运动车辆区域，若为0表示该像素属于静止背景 区域，利用种子填充法去除初始前景二值图OMi2中的空洞，获得第i帧后向帧差图像 PPi2的最终前景二值图OMi2 ；③计算第i帧图像Pi的前景二值图OMi<formula>formula see original document page 6</formula>式中，OMi (χ, y)表示第i帧图像Pi的前景二值图OMi中坐标为(x，y)的像素的 值，OMilU, y)表示第i帧前向帧差图像PPil的前景二值图OMil中坐标为(x，y)的像素的 值，OMi2本文档来自技高网...

【技术保护点】
一种权值自适应调整的加权平均背景更新方法，其特征在于包括如下步骤：①计算前向帧差图像并对其二值化背景初始化之后得到的背景图像为Ｂ↓［０］，当采集到第ｉ帧图像Ｐ↓［ｉ］（ｉ＞１）时，计算第ｉ帧图像Ｐ↓［ｉ］与第ｉ－１帧图像Ｐ↓［ｉ－１］之间的绝对差，得到第ｉ帧前向帧差图像ＰＰ↓［ｉ１］，即：ＰＰ↓［Ｉ１］（ｘ，ｙ）＝｜Ｐ↓［ｉ］（ｘ，ｙ）－Ｐ↓［ｉ－１］（ｘ，ｙ）｜，式中，Ｐ↓［ｉ］（ｘ，ｙ）表示第ｉ帧图像Ｐ↓［ｉ］中坐标为（ｘ，ｙ）的像素的灰度，Ｐ↓［ｉ－１］（ｘ，ｙ）表示第］之间的绝对差，得到第ｉ帧后向帧差图像ＰＰ↓［ｉ２］，即，ＰＰ↓［ｉ２］（ｘ，ｙ）＝｜Ｐ↓［ｉ］（ｘ，ｙ）－Ｐ↓［ｉ＋１］（ｘ，ｙ）｜，式中，Ｐ↓［ｉ］（ｘ，ｙ）表示第ｉ帧图像Ｐ↓［ｉ］中坐标为（ｘ，ｙ）的像素的灰度，Ｐ↓［ｉ＋１］（ｘ，ｙ）表示第ｉ＋１帧图像Ｐ↓［ｉ＋１］中坐标为（ｘ，ｙ）的像素的灰度，ＰＰ↓［ｉ２］（ｘ，ｙ）表示第ｉ帧后向帧差图像ＰＰ↓［ｉ２］（ｘ，ｙ）中坐标为（ｘ，ｙ）的像素的灰度，其次，计算第ｉ帧后向帧差图像ＰＰ↓［ｉ２］的最佳分割阈值ＴＨＲ↓［ｉ２］，其步骤如下：（ａ）求出第ｉ帧后向帧差图像ＰＰ↓［ｉ２］中的最小灰度值Ｚ↓［１］和最大灰度值Ｚ↓［ｍ］，令迭代次数ｋ＝０，分割阈值的初值为Ｔ↓［０］＝（Ｚ↓［１］＋Ｚ↓［ｍ］）／２，此时Ｔ↓［ｋ］＝Ｔ↓［０］；（ｂ）根据阈值Ｔ↓［ｋ］对第ｉ帧后向帧差图像ＰＰ↓［ｉ２］进行分割，灰度大于等于阈值Ｔ↓［ｋ］的像素区域被分割为第ｉ帧后向帧差图像ＰＰ↓［ｉ２］中的运动目标区域ＰＰＯ↓［ｉｋ２］，灰度小于阈值Ｔ↓［ｋ］的像素区域被分割为背景区域ＰＰＢ↓［ｉｋ２］，ＰＰＯ↓［ｉｋ２］＝｛（ｘ，ｙ）｜ＰＰ↓［ｉ２］（ｘ，ｙ）≥Ｔ↓［ｋ］｝，ＰＰＢ↓［ｉｋ２］＝｛（ｘ，ｙ）｜ＰＰ↓［ｉ２］（ｘ，ｙ）＜Ｔ↓［Ｋ］｝，分别计算运动目标区域ＰＰＯ↓［ｉｋ２］的平均灰度值Ｚ↓［ｋ１］和背景区域ＰＰＢ↓［ｉｋ２］的平均灰度值Ｚ↓［ｋ２］，Ｚ↓［ｋ１］＝＊ＰＰ↓［ｉ２］（ｘ，ｙ）／Ｎ↓［１Ｋ］，Ｚ↓［ｋ２］＝＊ＰＰ↓［ｉ２］（ｘ，ｙ）／Ｎ↓［２ｋ］，式中，Ｎ↓［１ｋ］和Ｎ↓［２ｋ］分别表示运动目标区域ＰＰＯ↓［ｉｋ２］和背景区域ＰＰＢ↓［ｉｋ２］中像素的个数，（ｃ）求出新的阈值Ｔ↓［ｋ＋１］＝（Ｚ↓［ｋ１］＋Ｚ↓［ｋ２］）／２，（ｄ）若Ｔ↓［ｋ＋１］＝Ｔ↓［ｋ］则结束迭代，令ＴＨＲ↓［ｉ２］＝Ｔ↓...

【技术特征摘要】

【专利技术属性】
技术研发人员：路小波，朱周，曾唯理，
申请(专利权)人：东南大学，
类型：发明
国别省市：84[中国|南京]