基于自适应背景更新的运动车辆检测技术.pdfVIP

维普资讯 第29卷 第12期 武汉理工大学学报 ·信息与管理工程版 Vo1．29No．12 Z生 JOURNALOFWUT(INFORMATIONMANAGEMENTENGINEERING Dec．2007 文章编号：1007—144X(2007)12—0140—03 基于 自适应背景更新的运动车辆检测技术 朱芬芳，李维来 (武汉理工大学信息工程学院，湖北 武汉 430070) 摘 要：在基于视频的交通检测系统中，运动车辆的正确检测是关键 ，目前采用的典型方法是背景差分法。为 了得到较理想的背景图像，利用基于动态信息窗IZl的自适应背景更新算法 ，解决了背景的复杂性问题，提高了 对多车道上运动车辆检测的正确率。 关键词：背景差分 ；背景更新；图像分割 中图法分类号：TN911．73 文献标志码：A 交通场景中车辆对象的实时检测是基于视频 均值为 0的高斯白噪声，因此可 以用高斯分布模 的交通检测系统中最重要也是最基本的步骤 ，检 型表示静态背景中每个像素在一段时间内的颜色 测的正确与否直接关系到智能交通系统决策的正 分布 J。因此 ， 的概率分布模型可以表示为 确性 ¨ 。典型的车辆检测方法有连续帧差法和 3 ， 、2 背景差分法，前者基于车辆运动使图像前后两帧 p()=兀i1expf-1 l(1) ’√2rrtr~ ‘ ‘ 发生变化以检测运动车辆，这种方法对静止的车 假设R、G、B3个颜色分量相互统计独立， 和 辆无能为力 J。另外，由于帧间差分值较大部分 依次为3个颜色分量的均值和方差，由最近的～ 主要集中在车头和车尾，而在拥挤的情况下，车辆 个采样值决定。 头尾重叠严重，因此不利于分割。而背景差分法 随着时间的推移，监视的场景内会有许多现象 则不存在这些问题，并且算法相对简单，即先提取 发生。其中，比较明显的是光照亮度变化和背景物 出背景，然后用当前帧中与背景相减得到运动 目 体的移动。对于前者，背景图像会随着光线而变 标，但是这种方法对背景质量的要求较高。然而， 化，与新引进的前景物体相混淆。对于后者，当物 交通状况往往十分复杂，所使用的背景模型也随 体移入或移出场景 (如路边有行人走进或离开)， 之变化 。如果不对原来建立的背景模型进行更新 如果持续的时间很长，就需要修改背景模型_5J，式 就容易将背景检测成运动车辆。针对这一问题， (1)所示的背景像素分布模型必须更新。 笔者采用动态背景模型更新算法，可达到准确定 1．2 基于动态信息窗 口的背景更新 位车辆的目的。 背景模型更新的方法有很多，例如用带有预 测的Kalman滤波器来适应变化，用线性迭代的方 1 动态信息窗口的背景更新模型 法对背景区域的像素进行更新。笔者采用的是一 1．1 背景建模 种新的基于概率的自适应模型进行背景更新，即 背景模型的准确与否直接关系到最终检测结 对于每个像 素点，维护一个动态信 息窗 口 果的正确性 。利用固定摄像机采集的背景图像是 (DIW)，记录如下信息：①均值；②方差；③最近～ 随时间渐变的，而在一定时间内，背景中的每一个 个采样值；④前景点比率 F；⑤像素点