视频交通检测系统中背景建立算法地研究.pdfVIP

三届DSP应用技术 全国第 联合学术会议论文集 120 九届信号与信J色处理 视频交通检测系统中背景建立算法的研究 张 流 航天三院8357所，天津,300141 摘 要 本丈提出了一种建立视频交通检测背景图像的方法，其基于道路场景图像灰度分布的时城统计 特性。对该方法的基本原理作了详细分析，并通过实脸结果说明了该方法在基于DSP的视倾交通检浏系统中 应用的可行性。录后，对该方法的实现方式进行了说明，并对试脸结果进行了分析。 关健词 视频交通检测,DSP,虚拟线圈，自适应性，时城灰度直方图 1 引 言 DSP具有极高的处理速度，因此十分适用于具有很高实时性(RealTime)要求的场合。智能交通中的视频 交通检测系统就是其中之一。视频交通检测算法中，普遍采用基于道路场景图像当前帧与预估计背景图像灰 度值之差的方法实现车辆存在检测。因此，道路场景背景图像的实时建立和动态更新是视频交通检测算法中 最为关键的一部分，其准确性直接决定了检测精度川。视频交通检测系统的工作过程如图1所示阁。 图1视颇交通检测系统的工作过程 工程实践中，视频交通检测系统中检测器的位置和形状由用户根据具体的道路场景和检测需求使用图形 界面设置，并将设置完毕的检测器位置参数提供给检侧算法。通常，一个检测器由若干个虚拟线圈构成，每个 虚拟线圈宽度为1-5行像素，长度由用户设定。检测算法一旦获得检测器位置参数，需要关心的就只是图像 中被各虚拟线圈夜盖的区域。因此，背景估计也就简化为对被各个虚拟线圈覆盖的区域内像素点灰度值的 估计。 假设一帧图像中第 ￡个虚拟线圈覆盖的区域D ‘内像素点数为N，第k帧图像中像素点尸(二，y)的灰度表 示为几(x,刃,P(二，刃ED;;背景图像中像素点P(x,刃的灰度表示为B(x,y)。目前，大部分检测算法是根 据第k帧图像中区域D ‘内像素点灰度值的平均值相对于预估计背景图像中区域D ‘内像素点灰度值的平均值 的变化情况来判断第k帧图像中虚拟线圈D，上是否有车辆存在，并以虚拟线圈的存在检测为基础进行其他交 通参数的检测，包括速度、车流量等。用公式表示为: 艺[fk(x,y)一B(x,y)] △一_N1l {N1郭x(,y)-N补x,川Px(,y)ED; 如果△大于或等于某个选定的闽值，则认为第k帧图像中虚拟线圈上有车辆存在;否则认为虚拟线圈上 不存在车辆[3]o因此，背景估计最终可以归结为对_7,1T习B(x，，)的估计· lY 目前，视频交通检测算法中普遍采用的背景初建(初始值估计)算梦有如下几种’，〔，‘:①基于高斯统计模 型的自适应背景图像估计算法;②基于卡尔曼滤波器的自适应背景图像估计算法;③基于人工控制与时域 均值滤波相结合的背景图像估计算法。 相比较而言，前两种方法的理论基础和自适应性较好，但是过于复杂，且稳定性不高，很难在工程实践中应 用;后一种方法的实用性和可靠性都很好，但它不具备自适应性，使得其在工程实践中的应用受到很大限制。 第二篇 DSP在音频和视频信号处理中的应用 121 针对以上问题，本文提出了一种基于道路场景图像灰度分布时域统计特性，建立视频交通检测初始背景的 方法，它兼有良好的自适应性和实用性。 2 基本原理 实际的道路场景图像中，车道上可能出现的目标类型包括:背景、阴影、各种颜色(红、黑、白等)的车辆和车 窗。从道路场景摄像机的角度看，绝大多数车辆的车体，除了车窗之外，可以近似地认为是单色的。而在相同 光照条件下，不同颜色车辆的车窗可以近似认为是相同的。因此，这里将车窗单独作为一种目标类型。不妨假 设一共有Q种目标类型(Q为正整数)。 工程实践中，虚拟线圈一