[发明专利]一种基于视频信息的交叉口处车辆的检测方法

说明书

技术领域

本发明属于智能交通领域，具体涉及一种基于视频信息的交叉口处车辆的检测方法。

背景技术

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。

通常可以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以归类为点检测法、图像分割法、背景建模法、帧间差分法、聚类分析法和运动矢量场法。其中，点检测法、背景建模法、帧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，帧间差分法、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棒性较高，一经提出就很快被用于实际应用中。

发明内容

针对现有技术的不足之处，本发明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，本发明可以通过以下技术措施实现：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,...,v_n}

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：v_i是x的8邻域N_G(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。

作为本发明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，且视频读取帧数大于500帧时，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，那么它有的概率去更新自己的模型样本值，同时也有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，且视频读取帧数大于500帧时，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算法不足以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，那么它有的概率去更新自己的模型样本值，同时也有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：