[发明专利]一种路口交通视频中车辆检测方法及系统

说明书

本发明提供一种路口交通视频中车辆检测方法及系统，所述方法包括：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；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。本发明避免将车辆等待的场景错误地检测为背景，提高背景检测和车辆检测的正确性。

技术领域

本发明属于背景检测技术领域，更具体地，涉及一种路口交通视频中车辆检测方法及系统。

背景技术

运动目标检测与跟踪的第一步主要任务是从视频图像中提取出运动目标并获得运动目标的特征信息，如位置、形状、轮廓和颜色等，即进行运动目标检测。运动目标检测为后续运动目标跟踪建立初始化目标模板模型。因此，能否正确检测出运动目标对后续的运动目标跟踪具有重大影响。

目前，一般用背景消除法检测运动目标，背景消除法是采用序列图像中的当前帧与背景参考模型进行比较来完成检测的，其中用到的背景帧不是直接从视频中获取的原始帧，而是通过算法进行更新得到的。一般情况下，背景消除法包括背景建模、背景更新、背景消除及后处理等几个步骤。对背景模型进行初始化的过程称为背景建模，它主要决定了背景消除法在后续处理中的响应速度和动态范围等。背景更新的过程是用每帧视频图像对背景模型中的参数进行修正的过程，它反应了环境的变化，即背景中是否存在运动。将当前帧与修正好的背景模型进行比较，提取出运动目标的过程称为背景消除。后处理的过程是对提取出的运动目标进行精确的校正，这个步骤根据视频应用的要求进行后续处理。背景消除法应用的关键不在于用当前视频帧与背景模型进行比较的过程，而在于背景的维持与更新。

多模型的背景消除法比单模型的背景消除法更能反应客观真实世界。在绝大多数视频应用中，每一个背景像素都可以用一个或多个高斯分布近似。因此混合高斯背景消除模型是大多数运动目标检测方法使用的基本模型，它可以有效地适应背景动态变化。对于多峰高斯分布模型，图像的每一个像素点按不同权值的多个高斯分布的叠加来建模，每种高斯分布对应一个可能产生像素点所呈现颜色的状态，各个高斯分布的权值和分布参数随时间更新。当处理彩色图像时，假定图像像素点R、G、B三色通道相互独立并具有相同的方差。对于随机变量X的观测数据集{x₁,x₂,…,x_N}，x_t＝(r_t,g_t,b_t)为t时刻像素的样本，则单个采样点x_t服从的混合高斯分布概率密度函数为：

其中，k为分布模式总数，η(x_t,μ_i,t,τ_i,t)为t时刻第i个高斯分布，μ_i,t为其均值，τ_i,t为其协方差矩阵，δ_i,t为方差，I为三维单位矩阵，ω_i,t为t时刻第i个高斯分布的权重。

实际场景中主要由于光线的变化，背景总是在不停地变化。因此，上述的高斯模型也需要不断地更新。更新的目的是为了反映最近的场景变化，这种方式对渐进变化的场景是适合的。可是，日常的路口路面交通实际是一种渐进的光线变化再加上周期性的变化，如图1所示。如果采用目前的渐进式更新方式，则在场景图1c持续一段时间后，学习到的背景将也如同图1c所示，而对图1b中的车辆进行检测时实际需要的背景如图1a所示，从而造成接下来的车辆检测发生错误。

发明内容

为克服上述路口交通视频中车辆检测错误的问题或者至少部分地解决上述问题，本发明提供一种路口交通视频中车辆检测方法及系统。