[发明专利]权值自适应调整的加权平均背景更新方法

说明书

技术领域

本发明涉及一种权值自适应调整的加权平均背景更新方法，属于交通监控技术领域。 

背景技术

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。本发明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。 

发明内容

本发明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。 

本发明为实现上述目的，采用如下技术方案： 

本发明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B₀，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i-1帧图像P_i-1中坐标为(x，y)的像素的灰度，PP_i1(x，y)表示第i帧前向帧差图像PP_i1(x，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PP_i1的最佳分割阈值THR_i1，其步骤如下： 

(1)求出第i帧前向帧差图像PP_i1中的最小灰度值Z₁和最大灰度值Z_m，令迭代次数k＝0，分割阈值的初值为T₀＝(Z₁+Z_m)/2，此时T_k＝T₀； 

(2)根据阈值T_k对第i帧前向帧差图像PP_i1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帧前向帧差图像PP_i1中的运动目标区域PPO_ik1，灰度小于阈值T_k的像素区域被分割为背景区域PPB_ik1， 

PPO_ik1＝{(x，y)|PP_i1(x，y)≥T_k}， 

PPB_ik1＝{(x，y)|PP_i1(x，y)＜T_k}， 

分别计算运动目标区域PPO_ik1的平均灰度值Z_k1和背景区域PPB_ik1的平均灰度值Z_k2，