[发明专利]一种基于双背景的高速公路抛洒物检测方法

说明书

本发明公开了一种基于双背景的高速公路抛洒物检测方法，该方法步骤如下：S1、对高速公路监控视频进行背景建模，得到背景帧视频；S2、用背景帧视频中的当前背景帧减去历史背景帧，得到当前背景帧和历史背景帧的差分图；S3、对差分图进行数学形态学操作，得到背景帧视频中的运动物体；S4、在获得的运动物体中去除面积过小和过大的、距离摄像头过远的，以及不在路面上的运动物体，其余运动物体判定为抛洒物，并在画面中进行标示。本发明通过背景建模并进行背景帧相减，再通过一系列的条件判断检测出抛洒物，在实际场景中验证了本发明的有效性。

技术领域

本发明涉及目标检测技术领域，具体涉及一种基于双背景的高速公路抛洒物检测方法。

背景技术

抛洒物检测是目标检测领域的一个重要分支。利用数字图像来进行抛洒物检测在生产生活中具有重要意义，尤其是在高速公路的场景下。高速公路上的抛洒物检测，利用公路摄像头的监控视频，及时、自动地发现抛洒物，尽可能地减少道路安全隐患，提升高速公路行驶的安全性。

目前国内外对高速公路抛洒物检测的研究较少，且大多数是使用深度学习的方法。基于深度学习的方法需要有大量的数据集进行训练，但当面对训练集中未出现过的抛洒物时，这些方法很难奏效。现实环境中，抛洒物的种类繁多，理论上无法通过建立包含所有抛洒物种类的训练集对模型进行训练，目前亟待提出一种不需要数据驱动的高速公路抛洒物检测方法。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于双背景的高速公路抛洒物检测方法，以提高抛洒物检测准确度以及鲁棒性。

本发明的目的可以通过采取如下技术方案达到：

一种基于双背景的高速公路抛洒物检测方法，所述抛洒物检测方法包括以下步骤：

S1、对高速公路监控视频进行背景建模，得到背景帧视频；

S2、用所述背景帧视频中的当前背景帧减去历史背景帧，得到当前背景帧和历史背景帧的差分图；

S3、对所述差分图进行数学形态学操作，得到背景帧视频中的运动物体；

S4、在获得的运动物体中去除面积过小和过大的、距离摄像头过远的，以及不在路面上的运动物体，其余运动物体判定为抛洒物，并在画面中进行标示。

进一步地，所述步骤S1过程如下：

采用混合高斯模型进行背景建模，将高速公路监控视频P输入混合高斯模型，生成对应的背景帧视频G，所述背景帧视频中G只包含高速公路监控视频的背景内容。

图像中的背景在人眼看来应该是不变的，但其灰度其实是在一定范围内变化的。如果做一个统计的话，这些像素值是在某一中心值一定范围内分布，表现形式上呈正态分布，也称为高斯分布。根据图像所表现出的这个特点，如果像素点的值离中心值过远，就可以认为是前景，如果离中心值很近，就可以认为是背景。理论上，如果不存在干扰的话，可以准确区分前景和背景，但现实环境中往往会有很多干扰因素，比如当光照条件发生变化时，中心值就会发生变化，因此很难达到理想状况。混合高斯模型指某个像素点附近存在多个中心位置，多个中心位置可能是由现实环境中的多种因素造成的，比如树叶的摆动、翻动的水面和摄像头的抖动等。这些意外因素都会使像素点在多个中心位置聚集大量的点，每个位置都会有一个高斯分布。因此，混合高斯模型就是用来解决背景像素点具有多峰特性的场合，适合环境因素复杂多变的高速公路实际场景。

混合高斯模型在接受输入视频的帧图像后，可生成对应的背景帧视频G，背景帧视频G中只包含高速公路监控视频的背景内容。

进一步地，所述步骤S2过程如下：

在背景帧视频G中提取当前时刻的背景帧R，并取背景帧R之前时间间隔为t的历史背景帧L，用当前背景帧R减去历史背景帧L，得到差分图D，差分图D表示为：D＝R-L。