一种公交车客流量实时检测算法的研究.pdf

一种公交车客流量实时检测算法的研究 邱道尹郑鹏宋克峰 (华北水利水电大学，河南 郑州450011) 摘要：提出了一种新的公交车客流量检测算法，实现对视频帧图中仅包含乘客的敏感区域进行背景匹配更新，能较精确地检 测到上下车乘客。该算法首先提出了用双差分模型确定上下车乘客最大可能分布的敏感区域，然后采用单高斯背景模型对上述区域 进行背景重建，最后运用背景差分得到精确的前景目标。试验仿真结果表明，该算法降低了运算复杂程度，有效提高了检测精度，具 有很好的鲁棒性。 关键词：双差分；单高斯背景模型：目标检测 中图分类号：U491文献标识码：A文章编号：1003—5168(2014)20—0155—02 公交车客流量检测是实现公交车客流量人数统计的基本 1单高斯背景模型的搭建 前提。经过近些年的研究已经提出了许多算法，主流的算法包括 单高斯背景模型的基本思想是把影像中每个像素点的颜 帧问差分法、背景差分法和光流法。这些算法各有弊益，其中帧 色分布用单个高斯函数表示，具体步骤如下： 问差分法虽比较简单，实时陛较好，便于实现，但常会引起一些 (1)搭建初始背景。提取视频序列帧图x={x。，x：，…，x。}中 不良后果，比如帧问物体重叠部分不能有效地检测出来，即通过 各像素点的平均灰度值肛。，灰度方差6j，由№和6j构建初始高 帧差所得到的检测信息不够完整，不利于后续的跟踪和判别环 斯背景图像O，公式如下： 节【l_3]。基于光流的运动目标检测虽然可以利用运动物在速度场 O={斗。，82} (1) 中表现出相对应的光流特性求得较为精确的运动目标，但是大 bq=百1∑仁lxN。 (2) 多数的光流方法都需要进行多次迭代，因此消耗的时问比较多， 11 并且抗噪性能差，不利于公交车上乘客检测的实时处理阳。背景 8j=导∑‰(x。一‰)(x。一‰)1 (3) 差分算法已在公交车客流量检测中普遍应用，基本思想是利用 (2)背景匹配。环境发生变化时，需要判断新场景中每个像 图像序列中的初始帧图搭建该场景的背景模型，然后把当前帧 素点是属于前景还是属于背景，具体判别公式如下： 图与背景模型做差分处理得到前景目标，同时更新背景。理想的 』Ixi-bl,一l≤埘i∈background)r4、 公交车客流量检测算法应聚焦在乘客所在的敏感区域，但由于 、7 lx。一斗。IX8。(i∈tbregoudn) 背景模型更新速度和客流量的运动速度不能较好匹配，导致检 式中，阈值入为经验值，一般取2．3。 测出的客流量前景产生随机分布的虚景M。本文将单高斯背景 (3)构建更新背景模型。利用视频序列提供的实时信息，对 建模处理缓慢变化场景的方法及帧问差分算法简单、容易实现 背景进行实时更新： 的特点，与单高斯背景建模和双差分算法的公交车乘客检测算 f斗。(t+1)=(1-a)斗。(t)+ax。(t) … 法融合。通过双差分模型，先确定乘客最大分布的可能区域，再 结合单高斯背景模型对该区域进行背景重建，其他区域背景像 素直接进行更新，最后采用背景差分算法得到精确的前景目标。 职工进行培训，增强管理人员和操作人员的环境保护和能源节