本发明专利技术提出了一种智能交通监控系统中的车辆检测方法，其包括：步骤S101，通过电荷耦合元件CCD摄像头采集道路交通视频帧序列；步骤S102，将采集的视频帧序列数据进行图像预处理，得到计算机能够识别的数字视频序列；步骤S103，输入步骤S102所得的数字视频序列，利用改进的混合高斯背景建模算法实现运动目标的检测；步骤S104，对步骤S103检测所得的运动目标前景进行阴影检测；步骤S105，对运动目标前景进行阴影去除，实现运动目标的正确识别。本发明专利技术还提出了一种智能交通监控系统中的车辆检测装置。通过本发明专利技术可以快速地去除不符合要求的背景模型，有效地减少模型对环境突变的响应时间，保证了系统在光照变化或摄像头抖动等情况下具有良好的自适应性，配合阴影去除算法大幅提高车辆检测的准确率。
【技术实现步骤摘要】
本专利技术属于数字图像处理
，具体涉及智能交通监控中的车辆检测方法和装置。
技术介绍
随着计算机视觉算法的发展和硬件平台处理速度的提高，计算机视觉技术在智能交通监控系统中的应用越来越广泛。而在众多的技术中，车辆检测技术对于智能交通系统具有重要的意义，也是其他技术实现或判决的重要基础之一。对于固定摄像机，混合高斯背景模型法是实时目标检测的有效方法之一，但当场景中存在动态背景(光照变化、背景扰动以及摄像头的轻微抖动等)时，目标区域的背景就会不断变化，从而影响运动目标的正确检测。传统的混合高斯建模方法虽然能很好的处理光流和天气变化的问题，但却无法解决物体进入或离开场景时候的判决问题。一种解决方案是对每个像素采用多色彩模型，使用一种自适应无参数的混合高斯建模方法来，这种方法还能减少场景中微小重复运动对判决的影响。例如，运动场景中树木的晃动或者摄像头本身的轻微晃动。或者采用另外一种核估计的方法，对每个像素采集核心样本，然后对各种微小的运动采用空间融合的算法。该算法的原理主要就是对比背景模型周围环形相互关联的部分。虽然该算法本身也拥有一系列加快运行速度的方案，但依然无法解决算法过于复杂的问题。此外，混合高斯背景模型运用到智能视频监控的某些场景时存在计算量大、存在虚影现象以及阴影未去除现象。阴影与运动目标有两种重要的视觉特征:第一，阴影通常与背景存在明显的不同，而被检测为前景；第二，阴影与运动目标具有相同的运动特性。因此，阴影的检测与去除是一项极具挑战性的工作。然而，阴影与运动目标也具有可分性，例如在色度空间中，阴影区域与背景区域较接近，而真正的运动目标则不具备这种特性。为了更好的检测阴影，需要建立一个能分割成色差部分和亮度部分的色彩空间，同时还能兼容前文提出的混合高斯模型。
技术实现思路
综合考虑上述问题，本专利技术在混合高斯建模更新公式中引入先验概率偏置对传统的混合高斯建模做出改进，并在一定阈值内，对比无背景情况下前景像素和当前的背景像素在色彩空间中的色差部分和亮度部分发生的变化，进行阴影检测和去除。采用这种方法可以快速地去除不符合要求的背景模型，有效地减少模型对环境突变的响应时间，保证了系统在光照变化或摄像头抖动等情况下具有良好的自适应性，配合阴影去除算法大幅提高车辆检测的准确率。本专利技术提出了一种智能交通监控系统中的车辆检测方法，其包括:步骤S101，通过电荷耦合元件CXD摄像头采集道路交通视频帧序列；步骤S102，将采集的视频帧序列数据进行图像预处理，得到计算机能够识别的数字视频序列；步骤S103，输入步骤S102所得的数字视频序列，利用改进的混合高斯背景建模算法实现运动目标的检测；步骤S104，对步骤S103检测所得的运动目标前景进行阴影检测；步骤S105，对运动目标前景进行阴影去除，实现运动目标的正确识别。其中，所述改进的混合高斯背景建模算法在于对模型的更新做了相应的改进。其中，改进后模型，t时刻像素点(X，y)的第i个高斯分布的更新公式为:Wi,t,xy=Wi,t-l,xy+^CT⑴；y i，t，xy_ y i，t-l，xy+M( β / ω Uxy) (It，xy-μ i’H’xy) (2),权利要求1.一种智能交通监控系统中的车辆检测方法，其包括: 步骤S101，通过电荷耦合元件CXD摄像头采集道路交通视频帧序列； 步骤S102，将采集的视频帧序列数据进行图像预处理，得到计算机能够识别的数字视频序列； 步骤S103，输入步骤S102所得的数字视频序列，利用改进的混合高斯背景建模算法实现运动目标的检测； 步骤S104，对步骤S103检测所得的运动目标前景进行阴影检测； 步骤S105，对运动目标前景进行阴影去除，实现运动目标的正确识别。2.如权利要求1所述智能交通监控系统中的车辆检测方法，其中所述改进的混合高斯背景建模算法在于对模型的更新做了相应的改进。3.如权利要求2所述智能交通监控系统中的车辆检测方法，其中改进后模型，t时刻像素点(X，y)的第i个高斯分布的更新公式为:4.如权利要求3所述智能交通监控系统中的车辆检测方法，其中在不匹配的条件下，会增加一个新的高斯模型，而去除原来模型中权值最小的模型。5.如权利要求4所述智能交通监控系统中的车辆检测方法，其中所述新模型参数设置为:ωΜ+1 = β，μ M+1 = It xy, σ M+1 = σ ^，而σ ^为整个模型初始化时的标准差。常数β为权值更新率，它描述了一个指数衰减包络，用来限制旧数据对整个递归过程的影响。6.如权利要求1所述智能交通监控系统中的车辆检测方法，其中所述步骤104的阴影检测为通过对比无背景时前景像素和当前的背景像素的方法实现阴影的检测，即若在一定阈值内，色彩空间的色差部分和亮度部分都检测到变化，则可以判定该区域为阴影。7.如权利要求1所述智能交通监控系统中的车辆检测方法，其中所述步骤103包括: 第一步，利用最大似然估计对传统混合高斯背景模型的权值更新公式进行推导； 第二步，在第一步的基础上引入先验概率偏置对传统的混合高斯背景模型中的权值更新公式进行改进。8.一种智能交通监控系统中的车辆检测装置，其包括: 视频帧序列采集模块，用于通过电荷耦合元件CCD摄像头采集道路交通视频帧序列；图像预处理模块，用于将采集的视频帧序列数据进行图像预处理，得到计算机能够识别的数字视频序列；混合高斯背景建模模块，用于输入所述图像预处理模块所得的数字视频序列，利用改进的混合高斯背景建模算法实现运动目标的检测； 阴影检测，用于对所述混合高斯背景建模模块检测所得的运动目标前景进行阴影检测； 阴影去除模 块，用于对运动目标前景进行阴影去除，实现运动目标的正确识别。全文摘要本专利技术提出了一种智能交通监控系统中的车辆检测方法，其包括步骤S101，通过电荷耦合元件CCD摄像头采集道路交通视频帧序列；步骤S102，将采集的视频帧序列数据进行图像预处理，得到计算机能够识别的数字视频序列；步骤S103，输入步骤S102所得的数字视频序列，利用改进的混合高斯背景建模算法实现运动目标的检测；步骤S104，对步骤S103检测所得的运动目标前景进行阴影检测；步骤S105，对运动目标前景进行阴影去除，实现运动目标的正确识别。本专利技术还提出了一种智能交通监控系统中的车辆检测装置。通过本专利技术可以快速地去除不符合要求的背景模型，有效地减少模型对环境突变的响应时间，保证了系统在光照变化或摄像头抖动等情况下具有良好的自适应性，配合阴影去除算法大幅提高车辆检测的准确率。文档编号G06K9/00GK103106796SQ201310014669公开日2013年5月15日 申请日期2013年1月15日 优先权日2013年1月15日专利技术者宋雪桦, 谢桂莹, 顾金, 闫振, 吴朝辉 申请人:江苏大学本文档来自技高网...
【技术保护点】
一种智能交通监控系统中的车辆检测方法，其包括：步骤S101，通过电荷耦合元件CCD摄像头采集道路交通视频帧序列；步骤S102，将采集的视频帧序列数据进行图像预处理，得到计算机能够识别的数字视频序列；步骤S103，输入步骤S102所得的数字视频序列，利用改进的混合高斯背景建模算法实现运动目标的检测；步骤S104，对步骤S103检测所得的运动目标前景进行阴影检测；步骤S105，对运动目标前景进行阴影去除，实现运动目标的正确识别。
【技术特征摘要】
【专利技术属性】
技术研发人员：宋雪桦，谢桂莹，顾金，闫振，吴朝辉，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。