一种基于视频信息的交叉口处车辆的检测方法技术

本发明专利技术公开了一种基于视频信息的交叉口处车辆的检测方法，包括读取交通视频的初始帧图像、背景模型初始化，为图像中每个像素建立一个背景、选取下一帧图像数据、比较判断每个x的灰度值和样本集、对图像进行二值化处理、针对不同情况，应用不同的更新策略，更新背景模型样本集、直至视频帧结束。本发明专利技术针对Vibe算法鬼影区域和静止目标吸收为背景等问题，改进前景点的更新策略，如果像素点连续50次被检测为前景，则重新初始化此点的背景模型，并更新其8邻域点的背景模型，加速鬼影消融；对于静止目标吸收为背景问题，仅选用背景点更新策略，只用背景点更新背景模型同时更新背景点的8邻域的背景模型，采用本发明专利技术可提高交叉口处车辆检测的准确性。

【技术实现步骤摘要】

本专利技术属于智能交通领域，具体设及一种基于视频信息的交叉口处车辆的检测方 法。
技术介绍
车辆检测，是一种基于车辆几何和统计特征的图像分割，是将视频图像分割成前 景和背景区域的智能分析技术，是智能交通领域中一个重要的研究方向。 通常可W将车辆检测的背景分为静态背景和动态背景，静态背景是指摄像头在整 个监控过程中没有移动，动态背景则是指在监控的过程中视频摄像头发生了平移、旋转等 变化。运动车辆检测算法可W归类为点检测法、图像分割法、背景建模法、帖间差分法、聚类 分析法和运动矢量场法。其中，点检测法、背景建模法、帖间差分法只适用于静态场景，对于 动态场景，目前还没有公认的方法能较好地解决该问题，基于运动矢量场的方法虽然能区 分由摄像机引起的背景运动与运动目标的独立运动，但是因其计算量太大，而无法满足实 时检测的需求，基于监督分类的方法也能够实现摄像机运动的车辆检测，但是只适用于特 定目标例如行人检测，具有局限性。从当前国内外的研究现状来看，帖间差分法、光流法和 背景差分法的百分比占有率最大，而Vibe检测是是一种基于样本随机聚类的背景建模算 法，由于算法的实时性和鲁椿性较高，一经提出就很快被用于实际应用中。
技术实现思路
针对现有技术的不足之处，本专利技术的所要解决的技术问题在于提供一种基于视频 信息的交叉口处车辆的检测方法，针对Vibe算法的鬼影区域问题和静止目标吸收为背景 问题，提出改进方法，提高算法的准确性。 为了解决上述技术问题，本专利技术可W通过W下技术措施实现；一种基于视频信息 的交叉口处车辆的检测方法，包括W下步骤： 一、读取交通视频的初始帖图像，对其进行高斯滤波去除噪声，将RGB=通道图像 转化成单通道灰度图像，灰度值Gray= 0. 587*R+0. 114*G+0. 229地，其中R、G、B分别为当 前像素点的红、绿、藍颜色值，其范围为0-255。 二、背景模型初始化，为图像中每个像素建立一个背景，样本大小为n; 设X为平面图像上的某个点，v(x)为X处的灰度值，X的背景模型M(x)定义为： M(x) = {v。V2, . . .，V。} 其中，Vi表示图像在某个点处的灰度值，i= 1，2,…，n; X的初始背景模型的构造方法；Vi是X的8邻域Ne(x)中随机选取的点的灰度值。 =、选取下一帖图像数据，先对其进行高斯滤波去除噪声，转成灰度值图像。[001引四、比较判断每个X的灰度值和样本集，计算X的灰度值与M(x)的欧式距离，若距 离小于阔值R，则近似样本点数H加1 ;如果H大于阔值#min，则认为X是背景点，否则为前 景点；其中，R取值为20, #min取值为2。 五、对图像进行二值化处理，将前景点置1，背景点置0,其中1表示白色，0表示黑 色；计算对图像进行二值化处理中所有外轮廓的面积，当面积大于阔值Q时，则认为此轮廓 所对应的目标为车辆，其中Q大小为交通图像中最小汽车的轮廓面积。六、针对不同情况，应用不同的更新策略，更新背景模型样本集。 ^；：、返回步骤S，直至视频帖结束。作为本专利技术的基于视频信息的交叉口处车辆的检测方法的优选实施方式，所述的 步骤六进一步包括： 当交叉口信号灯为绿色，且视频读取帖数大于500帖时，车辆正常行驶，此时Vibe 算法效果良好，可采用的更新策略是当X是背景点时，那么它有1/<p的概率去更新自己的 模型样本值，同时也有1 的概率去更新它的邻域点的模型样本值，是时间采样因子； 当X是前景点时，对X进行统计，如果X连续50次被检测为前景，则将其更新为背景点，同 时更新X的8邻域点的背景模型样本值其他前景点不更新背景模型。 当交叉口信号灯为红灯，且视频读取帖数大于500帖时，此时缓慢行驶直至静止 车辆会被吸收为背景，此时传统的Vibe算法不足W应对此时的交通场景，本专利提出的更 新策略为当像素点是背景点时，那么它有1 /(/>的概率去更新自己的模型样本值，同时也有 1 /巧的概率去更新它的邻域点的模型样本值，是时间采样因子；当像素点为前景点，不 用前景点更新背景，数学表达式如下： 当视频读取帖数小于500帖时，当X是背景点时，那么它有1/p的概率去更新自 己的模型样本值，同时也有1 /</)的概率去更新它的邻域点的模型样本值；当X为前景点时， 对X进行统计，如果X连续50次被检测为前景，此X实际为背景点，用此点8邻域点的灰度 值重新初始化此点的背景模型样本值，同时更新X的8邻域点的背景模型样本值，其他前景 点不更新背景模型。 实施本专利技术的基于视频信息的交叉口处车辆的检测方法的技术方案具有如下有 益效果；本专利技术的基于视频信息的交叉口处车辆的检测方法针对Vibe算法鬼影区域和静 止目标吸收为背景等问题，对于鬼影区域问题，改进前景点的更新策略，如果像素点连续50 次被检测为前景，则重新初始化此点的背景模型，并更新其8邻域点的背景模型，加速鬼影 消融；对于静止目标吸收为背景问题，仅选用背景点更新策略，只用背景点更新背景模型同 时更新背景点的8邻域的背景模型，采用本专利技术可提高交叉口处车辆检测的准确性。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段， 而可依照说明书的内容予W实施，并且为了让本专利技术的上述和其他目的、特征和优点能够 更明显易懂，W下结合优选实施例，并配合附图，详细说明如下。【附图说明】 利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限 制。 图1是本专利技术的基于视频信息的交叉口处车辆的检测方法的流程图。【具体实施方式】 下面结合附图详细说明本专利技术的【具体实施方式】，其作为本说明书的一部分，通过 实施例来说明本专利技术的原理，本专利技术的其他方面、特征及其优点通过该详细说明将会变得 一目了然。在所参照的附图中，不同的图中相同或相似的部件使用相同的附图标号来表示。 为使本专利技术更加容易理解，下面将进一步阐述本专利技术的具体实施例。 如图1所示，本专利技术的包括W下步 骤：[002引步骤1、读取交通视频的初始帖图像，对其进行高斯滤波去除噪声，将RGB=通道 图像转化成单通道灰度图像，灰度值Gray= 0. 587*R+0. 114*G+0. 229地，其中R、G、B分别 为当前像素点的红、绿、藍颜色值，其范围为0-255。步骤2、背景模型初始化，为图像中每个像素建立一个背景，样本大小为n(本专利技术 的n取值为20)。 设X为平面图像上的某个点，v(x)为X处的灰度值，X的背景模型M(x)定义为： [003UM(x) = {v。V2, . . .，V。} 其中，vi表示图像在某个点处的灰度值，i= 1，2,…，n;[003引 X的初始背景模型的构造方法；Vi是X的8邻域Nc(x)中随机选取的当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于视频信息的交叉口处车辆的检测方法，其特征在于，包括以下步骤：一、读取交通视频的初始帧图像，对其进行高斯滤波去除噪声，将RGB三通道图像转化成单通道灰度图像，灰度值Gray＝0.587*R+0.114*G+0.229*B，其中R、G、B分别为当前像素点的红、绿、蓝颜色值，其范围为0‑255；二、背景模型初始化，为图像中每个像素建立一个背景，样本大小为n：设x为平面图像上的某个点，v(x)为x处的灰度值，x的背景模型M(x)定义为：M(x)＝{v1,v2,...,vn}其中，vi表示图像在某个点处的灰度值，i＝1,2,…,n；x的初始背景模型的构造方法：vi是x的8邻域NG(x)中随机选取的点的灰度值；三、选取下一帧图像数据，先对其进行高斯滤波去除噪声，转成灰度值图像；四、比较判断每个x的灰度值和样本集，计算x的灰度值与M(x)的欧式距离，若距离小于阈值R，则近似样本点数H加1；如果H大于阈值#min，则认为x是背景点，否则为前景点；其中，R取值为20，#min取值为2；五、对图像进行二值化处理，将前景点置1，背景点置0，其中1表示白色，0表示黑色；计算对图像进行二值化处理中所有外轮廓的面积，当面积大于阈值Q时，则认为此轮廓所对应的目标为车辆，其中Q大小为交通图像中最小汽车的轮廓面积；六、针对不同情况，应用不同的更新策略，更新背景模型样本集；七、返回步骤三，直至视频帧结束。...

【技术特征摘要】

【专利技术属性】
技术研发人员：蔡延光，刘宏玉，蔡颢，黄永慧，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44