交通视频监控中的背景更新方法和车辆目标提取方法技术

本发明专利技术公开了一种交通视频监控中的背景更新方法和车辆目标提取方法，本发明专利技术的背景更新方法包含进行背景更新判决的步骤，背景更新判决的步骤基于Canny边缘检测，解决了常见的市区路口车辆拥堵和红绿灯路口常见的等红灯时的背景实时更新差的问题；本发明专利技术的车辆目标提取方法包含本发明专利技术的背景更新方法以及消除阴影和粘连的方法，基于本发明专利技术的背景更新方法，在获得一个理想背景的前提下，提取车辆目标的前景图像，然后再进行消除阴影和粘连，消除阴影和粘连的方法是利用互相关函数进行阴影消除后再进行空洞填补和边缘裁剪，然后再依次进行去噪、“垂直投影”和“水平投影”，解决了阴影所造成的车辆目标粘连和轮廓不准确的问题，提取出理想的车辆目标。

【技术实现步骤摘要】

本专利技术属于智能交通视频监控
，具体涉及一种基于Carmy边缘检测的背景更新方法，以及基于上述背景更新方法的车辆目标提取方法。
技术介绍
基于视频监控技术的车辆检测方法发展很快，由于检测区域大、系统设置灵活等突出优点，已成为智能交通系统领域的一个研究热点。视频监控技术为交通系统提供了直观、方便的分析手段，因此以视频图像处理、分析、理解为基础的视频监视技术越来越引起人们的重视。车辆检测是智能运输系统的重要组成部分，由于视频设备和高性能计算机硬件的发展以及视频处理技术的成熟，基于视频的车辆检测器成为交通运输领域的研究热点并得到越来越广泛的应用。下述几个要点在车辆检测当中至关重要。一、背景建模常用的背景图像获取方法有手动给出背景法、中值法、混合高斯模型方法等。1、手动给出背景法需要人工实时干预，当人在观察到没有车辆目标时启动摄像装置获得背景图像。缺点这种方法增加了人力和物力的需求，不能实现自动背景更新，而且很多情况下很难在没有车辆目标的情况下获得背景图像，如高速路的车辆检测系统。2、中值法在一段时间内对像素点的灰度值取中值，用这个中值作为背景图像对应点的灰度值。缺点对每一个像素度点，当没有车辆目标通过或光线变化时，该点的灰度值在一个很小的范围内保持稳定，然而当有车辆目标通过或光线变化，该点的灰度值会发生剧烈变化。该方法适合用于场景车辆目标较少的场合，当目标频繁出现时容易将前景车辆目标混入背景图像当中，产生混合现象，从而导致提取的目标不准确。3、混合高斯模型方法在读入一段视频后，对图像个点的灰度进行统计。在没有车辆目标通过时，改点的灰度值保持稳定，只有当车辆目标通过时，改点的灰度才会发生剧烈的变化，并依此滤去变化的灰度从而建立背景模型。缺点混合模型计算量大，会出现车辆目标长期静止时算法失效的状况。4、中国专利《交通监控中背景更新方法》，CN200910019287. 1，只适用于初始背景建模时理想的状态下，比如高速路车流量不是很多，在获得理想背景下的根据车流量判决背景更新方法。此专利的弊端是(1)适用于初始背景建模需要理想状态，不能适用市区道路口，尤其是红绿灯路口车辆拥挤并时有停下等红灯，初始背景建模困难，除红绿灯路口外的其他路段包括高速路车辆一直处在运动状态，很少像市区的红绿灯路口，红绿灯路口车辆比较拥堵，而且存在等红灯现象，因此其他路段获得一个满意的初始背景相对容易，而红绿灯路口存在如下困难①、背景提取后容易有下列糟糕情况a.初始背景因为车辆一直在监控区域中缓慢运动，导致背景提取出来局部模糊，背景提取的不准确影响后面的车辆检测准确性；b.初始背景建立时，车辆正在等红灯，因此获得的背景中有很多车辆，背景提取的相当不准确，严重影响车辆检测；②背景更新带来的问题对于其他的更新算法，在车辆运动离开监控区域后会将背景更新至理想的情况下，但下一波车辆等红灯时候，又会把车辆更新到背景中，这样就存在一个死循环背景由差到好，再到差，再到好，一直循环下去，对于有些算法甚至一直获得不到好的背景，这样更谈不上检测的准确性。( 根据车流量判决背景更新，这需要一套很复杂的车流判断方法。(3)此专利如果初始背景不理想，后续的一切工作都受影响。二、阴影消除及其必要性在车辆目标检测中，由于车辆阴影的特征与背景迥然不同，而阴影和车辆目标有相同的运动特征，导致运动阴影很容易被误判为车辆目标，给后续的车辆目标检测跟踪带来很大的误差。而且阴影的存在会使多个目标粘连，误判为一个目标；还会使车辆目标形状失真。因此实时有效阴影检测并去除是非常有必要的。常见的阴影消除方法彩色空间下阴影检测、互相关阴影检测等。1、彩色空间下阴影检测算法目前阴影算法多是在HIS空间下进行的，色调H和饱和度S包含了颜色信息，而强度I则与彩色信息无关；当一个像素点被阴影覆盖时，它的亮度变化较大，而色度信号变化不大。缺点车窗和某些局部车身信息同阴影相似，进行阴影消除后，车窗和局部车身被当做阴影消除，车身会存在很大一块区域空洞，这样影响车辆检测中车身信息以及位置信肩、ο2、互相关阴影检测算法由于像素点在未被阴影覆盖和被阴影覆盖时的亮度值近似呈线性关系，因此可以利用互相关函数系数的性质来进行阴影检测。缺点同样车窗和局部车身被消除，而且车辆阴影边缘不能消除，导致车辆检测不准确。
技术实现思路
为了克服上述缺陷，本专利技术提供了一种基于Carmy边缘检测的交通视频监控中的背景更新方法，以及基于本专利技术背景更新方法的交通视频监控中的车辆目标提取方法，本专利技术的交通视频监控中的背景更新方法解决了常见的市区路口车辆拥堵和红绿灯路口常见的等红灯时的背景实时更新差的问题，本专利技术的交通视频监控中的车辆目标提取方法还解决了阴影所造成的车辆目标粘连和轮廓不准确的问题。本专利技术为了解决其技术问题所采用的技术方案是本专利技术基于Carmy边缘检测法，Canny边缘检测法首先在X和y方向求一阶导数， 然后组合为四个方向的导数。这些方向导数达到局部最大值的点就是组成边缘的候选点。 然而，Carmy算法最重要的一个特点是其试图将独立像素变得候选像素并拼装成轮廓，轮廓的形成是对这些像素运用了两个阈值，上限阈值和下限阈值。如果一个像素的梯度大于上限阈值，则被认为是边缘像素，如果低于下限阈值，则被抛弃，如果介于二者之间，只有当其与高于上限阈值的像素连接时才会被接受。Carmy推荐的上下限阈值比为2 1到3 1 之间。对前景灰度图像进行Carmy边缘检测会发现，车身的边缘信息非常丰富，有车窗、车轮、车灯等，而阴影则是比较平滑的，只有最边缘一条曲线，利用这一特征可较好地进行后续的消除阴影并解决车辆粘连问题。基于上述Carmy边缘检测法，本专利技术的交通视频监控中的背景更新方法，包括下述步骤步骤A、读取一帧图像，任取一种背景建模方法，获得初始背景图像；步骤B、进行背景更新判决；步骤C、背景更新；其中，步骤B中，进行背景更新判决的步骤如下Bi、在获得背景图像的基础上，对当前帧的灰度图像做Carmy边缘检测，得到当前帧图像中包括背景和前景的轮廓信息；B2、用背景减法检测出前景目标；B3、对前景灰度图像做Carmy边缘检测，得到前景图像的边缘轮廓；B4、将当前帧的边缘检测图像与前景的边缘检测图像进行“与”操作；B5、对“与”操作之后的图像进行像素点的统计，若像素点的累积总数小于等于某一预定值时，则执行步骤C ；若像素点的累积总数大于所述预定值时，则返回步骤A。基于本专利技术的背景更新方法，本专利技术的交通视频监控中的车辆目标提取方法，包括背景更新方法和消除阴影和粘连的方法，所述背景更新方法包括下述步骤A至C 步骤A、读取一帧图像，任取一种背景建模方法，获得初始背景图像；步骤B、进行背景更新判决；其中，步骤B中，进行背景更新判决的步骤如下Bi、在获得背景图像的基础上，对当前帧的灰度图像做Carmy边缘检测，得到当前帧图像中包括背景和前景的轮廓信息；B2、用背景减法检测出前景目标；B3、对前景灰度图像做Carmy边缘检测，得到前景图像的边缘轮廓；B4、将当前帧的边缘检测图像与前景的边缘检测图像进行“与”操作；B5、对“与”操作之后的图像进行像素点的统计，若像素点的累积总数小于等于某一预定值时，则执行步骤C ；若像素点的累积总数大于所述预定值本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：李晓飞，韩光，丁威，刘汉艳，李良，朱箭容，
申请(专利权)人：昆山市工业技术研究院有限责任公司，南京邮电大学，
类型：发明
国别省市：