[发明专利]一种路口交通视频中车辆检测方法及系统

权利要求书

1.一种路口交通视频中车辆检测方法，其特征在于，包括：

对于目标路口交通视频中进行车辆检测的当前时间段，对所述当前时间段对应的视频帧进行背景学习，获取所述当前时间段对应的背景模型；

所述获取所述当前时间段对应的背景模型包括：在所述当前时间段的最后根据各时间段的视频帧一次性计算出所述当前时间段对应的背景模型；

获取所述目标路口交通视频中当前时间段的后一个时间段对应的视频帧，使用所述当前时间段对应的背景模型对所述后一个时间段对应的视频帧进行车辆检测，并将所述后一个时间段作为下一个进行车辆检测的当前时间段；

其中，所述当前时间段和所述后一个时间段的时长分别大于目标路口的预设红灯等待时长的两倍；

其中，对所述当前时间段对应的视频帧进行背景学习的步骤具体包括：

采用高斯混合模型对所述当前时间段对应的视频帧进行背景学习；

采用高斯混合模型对所述当前时间段对应的视频帧进行背景学习的步骤具体包括：

对于当前时间段之前最新获取到的背景模型中的任一高斯层，若当前时间段对应的各视频帧中各像素的特征值小于该高斯层均值的预设倍数，则各所述像素与该高斯层匹配，根据各所述像素对该高斯层的平均值、方差和权重进行更新；

若当前时间段对应的各视频帧中各像素的特征值大于或等于该高斯层均值的所述预设倍数，则各所述像素与该高斯层不匹配，对该高斯层的权重进行更新；

若当前时间段对应的视频帧中不存在与该高斯层匹配的像素，则对该高斯层进行重置；

对该高斯层的平均值、方差和权重进行更新具体包括：

若各所述像素与该高斯层匹配，则获取各所述像素的特征值与该高斯层均值的预设倍数之间的差值；

根据各所述差值的和和平方之和，获取新的平均值和新的方差；其中，将与该高斯层匹配的所述像素的个数作为新的权重；

根据所述新的平均值、新的方差和新的权重，对该高斯层进行更新；

所述新的平均值μ和新的方差σ²通过以下公式获取：

其中，p为各所述差值的和，q为各所述差值的平方之和，n为与该高斯层匹配的所述像素的个数。

2.一种路口交通视频中车辆检测方法，其特征在于，包括：

对于目标路口交通视频中进行车辆检测的当前时间段，对所述当前时间段对应的视频帧进行背景学习，获取所述当前时间段对应的背景模型；

所述获取所述当前时间段对应的背景模型包括：在所述当前时间段的最后根据各时间段的视频帧一次性计算出所述当前时间段对应的背景模型；

获取所述目标路口交通视频中当前时间段的后一个时间段对应的视频帧，使用所述当前时间段对应的背景模型对所述后一个时间段对应的视频帧进行车辆检测，并将所述后一个时间段作为下一个进行车辆检测的当前时间段；

其中，所述当前时间段和所述后一个时间段的时长分别大于目标路口的预设红灯等待时长的两倍；

其中，对所述当前时间段对应的视频帧进行背景学习的步骤具体包括：

采用高斯混合模型对所述当前时间段对应的视频帧进行背景学习；

其中，对所述当前时间段对应的视频帧进行背景学习，获取所述当前时间段对应的背景模型的步骤具体包括：

将所述当前时间段划分为多个子时间段，对于任一所述子时间段之前最新获取到的背景模型中的任一高斯层，若该子时间段对应的各视频帧中各像素与该高斯层匹配，则获取各所述像素的特征值与该高斯层均值的预设倍数之间的差值，以及各所述差值的和和平方之和；

将各所述子时间段对应的所述差值的和和平方之和分别进行累加；

根据所述差值的和的累加结果和所述差值的平方之和的累加结果，获取新的平均值和新的方差；其中，将所有所述子时间段中与该高斯层匹配的像素的个数作为新的权重；

根据所述新的平均值、新的方差和新的权重，对该高斯层进行更新；

其中，所述新的平均值μ和新的方差σ²通过以下公式获取：

其中，P为所述差值的和的累加结果，Q为所述差值的平方之和的累加结果，N为所有所述子时间段中与该高斯层匹配的像素的个数。