基于视频的改进背景差分法车辆检测与遮挡分离.pdfVIP

No．4 陕西科技大学学报 Aug．2011 Vo1．29 J0URNALOFSHAANXIUNIVERSITY OFSCIENCE8LTECHNOLOGY ·39 · 文章编号 ：1000—5811(2011)04—0039—04 基于视频的改进背景差分法车辆检测与遮挡分离 李秦君，党宏社，王明伟 (陕西科技大学电气与信息工程学院，陕西 西安 710021) 摘 要 ：视频检测法已成为智能交通 系统领域 中车辆检测技术的一个研究热点．作者构建了一 个基 于智能交通的视频 目标检测与遮挡粘连检测及分割 系统 ，提 出了采用改进的基 于 自适应 背景更新的背景差分法检测运动 目标 ，通过对视频序 列图像的分析 ，先分割 图像 ，获得前景运 动车辆 目标及剪除前景对象后的背景图像 ，然后采用背景 自适应更新、动态阈值更新、背景 自 动提取等方法实现 ，研究了车辆 间遮挡粘连的检测和对象分离的方法． 关键词 ：视频 ；车辆检测 ；背景差分法；遮挡检测 中图法分类号 ：TN957．51 文献标识码 ：A 0 引 言 视频监控方法通过分析拍摄的交通图像序列，对交通 目标进行检测、识别和跟踪 ，并对其行为进行分 析和判断．与其它检测手段相 比，视频监控方式可以同时获得多种重要路况状态信息，有利于实现交通管 理的智能化 ，具有很大的发展潜力． 在智能交通视频监控 中，无论采用什么解决方案 ，首先必须能够检测分割出交通场景中的目标．因此 ， 车辆检测与分割方法的研究 ，在交通视频监控系统中具有重要的意义．背景差分法是当前应用比较广泛的 一 种方法 ，该方法是在假定获得理想背景图的基础上 ，将 当前输入各帧图像和理想背景图像相减，得到的 像素值非零 (实际应用中会设定一个阈值)部分即为运动物体 ，这样无论什么场景都会 比较精确地得到运 动区域 ，但是背景容易受环境 、天气和光线变化的影响，因此需要不断地更新．车辆分割的难点主要是场景 中存在的阴影以及车辆间的遮挡粘连 ，针对这种情况 ，本文提出采用基于 自适应背景更新的背景差分方法 检测运动 目标，并研究了车辆间遮挡粘连的分割方法． 1 视频 图像分割及车辆分离 探测车辆的第一步是分割图像从而将车辆从背景 中分离 出来．分割方法需要精确地从背景 中分离 出 车辆 ，并且要求速度快 ，能实时操作 ，不受光线和天气条件变化的影响，初始化步骤尽可能减少．我们选择 采用 自适应背景差分法来实现分割 ，其中我们采用了一种更简单、更可靠 的方法来实现背景更新．此外 ，我 们的方法 自动地从视频序列提取背景 ，所 以不需要手动初始化．我们的分割技术分为 3个任务 ：(1)分割 ； (2)背景更新 ；(3)背景提取 [． 1．1 分割 对于每一个视频序列(简称 当前 图像)帧，我们提取当前 图像与当前背景的差异给出差分 图像．差分图 像是给一个二进制对象模型设定阈值．对象模型是一个二进制图像 ，其所有对应前景 目标的像素值为 1， * 收稿 日期 ：2011-06—09 作者简介 ：李秦君(1977一)，男，陕西省宝鸡市人 ，讲师，硕士，研究方 向：电子信息技术、信息处理技术 基金项 目：咸阳市 2010年科技计划项 目(编号 ：2010K08—07)，陕西科技大学 自然科学基金项 目(编号：ZX09—33) ·4O · 陕西科技大学学报 第 29卷 所有其它像素设置为0． 1．2 自适应背景更新 该方法的基本原理是修改从当前 图像 (被称为当前背景)中减除前景对象所得到的背景 图片 ，以便近 似于当前视频帧的背景，我们采用当前背景和当前视频序列帧的加权平均值来更新背景．然而 ，当前图像 也包含前景对象，因此在做更新前，我们需要把像素归类为前景和背景 的像素，然后只使用从当前图像得 到的背景像素来修改 目前的背景．否则，背景图片会被前景 中的物体污染．二进制对象的遮罩是用来区分 背景像素与前景像素的，对象的遮罩作为选通功能决定哪些 图片样本用于更新背景．在遮罩为 0的位置 (对应于背景像素)，当前图像被采样．在遮罩为 1的位置 (对应前景像素)