基于视频的智能交通信息检测算法研究.pdfVIP

第28卷第5期 ’ 杭州电子科技大学学报 Vei．28。№．5 加∞年lO月 JeennldHq—哪Ⅸ面UI南嘶 Oct．枷B 基于视频的智能交通信息检测算法的研究 陈 丹，张贽，曾虹，李二涛 (杭州电子科技大学计-g机应用研究所，浙江杭州310018) 摘要：该文通过自适应混合高斯模型在一系列连续视频图像中提取出背景并进行更新的基础上， 利用背景差法对视频图像中的运动车辆进行检测并进行占道比计算，以实现对高速公路上过往车 辆的自动监控功能。实验结果表明，该系统能够快速地适应环境的变化，达到实时的要求，具有较 好的效果。 关键词：混合高斯模型；视频图像；背景差法 中国分类号：7I卫埘01 文献标识码：A 文章编号：1001—9146(20吣)05—0155—04 O 引 言 随着社会经济的发展，交通运输也在不断地飞速增长。为了解决日益严峻的交通问题，综合运用多 种高新技术的智能交通系统应运而生。在智能交通系统的众多信息中，交通特征参数信息是最根本的， 它包括车流量、车型分类统计、占道比等，而这些信息的检测是基于对视频图像进行背景提取的基础上 进行的，因此，如何建立背景…1并进行实时更新至关重要。近年来，基于计算机视觉和图像处理技术的 交通信息检测技术(简称视频检测技术)逐步成为研究主流。其主要优点有：不破坏路面，安装无须中 断交通，检测的覆盖范围大、检测的参数多、维护方便、适用面广并且能够提供真实的交通场景等。 1视频检测技术 目前常用的基于视频的车辆检测方法[2J主要有：帧差法、灰度比较法、背景差法等。帧差法【3J是将 相邻两帧相减，对保留的运动车辆信息进行检测，环境光线变化对其影响不大。然而当摄象头的抖动引 起相邻两帧背景点的相应“抖动”时，该方法不能完全将背景滤除，从而引起误判。灰度比较法采用对路 面和车辆的灰度统计值来检测车辆，但它对环境光线的变化十分敏感。背景差法【4J计算当前输入帧与 背景图像的差值，以提取车辆，背景差法的关键问题是如何建立背景模型和实时更新模型参数以适应背 景变化。为此，本文利用混合高斯模型【5J对背景进行建模，并进行实时更新，有效地克服了这些问题。 2背景模型的建立与更新 ’ 2．1自适应高斯混合模型 背景图像的每一个象素分别用由K个高斯分布构成的混合高斯模型来建模，即： 收稿日期：2008—07—20 基金项目：浙江省科技厅资助项目(C24002)，杭州电子科技大学科研项目(zx070430) 作者简介：陈丹(1985一)，女，浙江台州人，在读研究生，计算机软件与理论． 万方数据 156 杭州电子科技大学学报 2008年 X (1) P(Xt)=i∑l“Ji。t1()【i，胁，t’∑i，t) 式中，K是混合高斯模型中高斯分布的个数，一般取5—7，K个高斯分布总是按照优先级从高到低 的次序排列；Xt是象素在t时刻的值，由红、绿、蓝三色分量构成；mi．。表示时刻t混合高斯模型中第i个 高斯分布的权系数的估计值；体．。和∑i，t分别表示时刻t混合高斯模型中第i个高斯分布的均值向量和协 方差矩阵(此处假定象素的红、绿、蓝分量相互独立)；1表示高斯分布概率密度函数。其中： 。=㈠] ’(2) 1(xt，}￡，∑)=i云南e一{(It一^r∑。(x一^) 背景建模过程如下： (1)高斯分布模型匹配 最小优先级pi．。的高斯分布。新的高斯分布以Xl作为均值，并初始一个大的方差； (2)高斯混合模型的更新 分布的均值和方差进行更新，不匹配的分布保持不变。 fpi，t=(1