[发明专利]一种基于背景更新与粒子群算法的运动车辆检测方法

权利要求书

1.一种基于背景更新与粒子群算法的运动车辆检测方法，其特征在于，所述方法包括以下步骤：

(1)图像预处理

获取视频图像，对采集的视频图像采用双边滤波方法去除噪声；

(2)阈值分割

设定粒子群中各参数，并初始化粒子群，根据灰度图像直方图的熵函数的定义，计算各个粒子的适应度函数值，采用极大熵图像分割方法并结合粒子群优化算法，利用粒子群优化算法优化阈值，获取最优分割阈值；

(3)背景更新

读取经过双边滤波之后的图像序列，提取背景图像，采用Surendra算法进行背景实时更新；在背景实时更新过程中，采用步骤(2)中的方法获取图像最佳阈值从而得到二值图像，根据二值图像的像素值更新背景图像；

(4)背景差分

采用背景差分法将获取的实施背景图像与视频图像作差，得到运动车辆前景区域；采用步骤(2)中的方法获取准确阈值分割图像，得到运动车辆前景区域的二值图像；

(5)形态学处理

对二值图像进行形态学处理，去除不属于运动目标的区域，得到较完整的车辆图像信息。

2.根据权利要求1所述的一种基于背景更新与粒子群算法的运动车辆检测方法，其特征在于，步骤(2)中利用粒子群算法选取最优分割阈值的具体步骤为：

a、设定粒子群中各参数，并初始化粒子群，设定最大惯性因子W_max＝0.9，最小惯性因子W_min＝0.1，学习因子分别为C₁＝2.0，C₂＝2.0；

b、根据熵函数的定义计算各个粒子的适应度函数值；

c、根据适应度函数计算各个粒子的个体极值和种群极值，比较个体极值和种群极值，如果个体极值优于种群极值，则该个体极值为种群极值；

d、更新各个粒子的速度和位置；

e、当算法达到最大迭代次数，此时获得的全局极值为所求的最优阈值。

3.根据权利要求1所述的一种基于背景更新与粒子群算法的运动车辆检测方法，其特征在于，步骤(3)中采用Surendra算法进行背景实时更新的具体步骤如下：

a、将双边滤波后的第一帧图像作为初始背景图像B₀(x,y)；

b、采用步骤(2)中方法获取最优阈值T，求得帧差图像的二值图像，

Di(x,y)=1|Ii(x,y)-Ii-1(x,y)|>T0|Ii(x,y)-Ii-1(x,y)|≤T]]>

c、根据b中二值图像的像素值更新背景图像B_i(x,y)，得到：

Bi(x,y)=Bi-1(x,y)Di(x,y)=1αIi(x,y)+(1-α)Bi-1(x,y)Di(x,y)=0]]>

其中，I_i-1(x,y)为前一帧灰度图像，I_i(x,y)为当前灰度图像，B_i-1(x,y)为前一帧背景图像，B_i(x,y)为当前背景图像，D_i(x,y)为二值图像在(x,y)点的像素值，α为背景更新速度；

通过对帧差图像的像素点的灰度进行判断，若该像素点的灰度值大于阈值，那么背景图像对应位置的像素点保持不变；否则就利用当前帧对背景图像进行替换更新，提取出背景图像。