基于视频的车辆检测技术和阴影消除方法.docVIP

基于视频的车辆检测技术和阴影消除方法 　　摘 要：基于视频的车辆检测技术在智能交通系统中的应用潜力巨大,但由于存在硬软件上的技术难点,仍有很多问题亟待解决,例如阴影消除等。在基于视频的车辆检测技术中,运用背景差分法获取前景车辆目标,针对选取小阈值可能产生的内外阴影,采用基于粗糙集阴影边缘点分类的方法,较好地实现了阴影边缘的检测,从而消除阴影。该方法简单,易理解及操作,精确度高。 　　关键词：视频检测；背景更新；阴影；粗糙集 　　中图分类号：TP391文献标识码：B 　　文章编号：1004-373X(2009)03-192-03 　　 　　Video-based Techniques for Vehicle Detection and Shadow Eliminating Method 　　DU Lili,WANG Guoyu 　　(College of Information ScienceEngineering,Ocean University of China,Qingdao,266100,China) 　　Abstract：Video-based techniques for vehicle detection have an enormous potential development in intelligent transportation system.But there′re still lots of difficult points needed to be solved in hardware and software techniques,such as shadow eliminating.Firstly,background auto-updates arithmetic is presented on the basis of image-differencing in order to obtain foreground objects.Then a novel method to classify shadow edge points is proposed which is based on rough sets.This method is simple,easily understanding and accurate. 　　Keywords：video detection;background update;shadow;rough sets 　　 　　0 引 言 　　 　　基于视频的车辆检测技术是在传统电视监视系统基础上发展起来的,以车辆检测技术、摄像机和计算机图像处理技术为基础,来大范围地对车辆施行检测和识别的新兴技术。与传统检测技术相比,它具有处理速度快、安装维护便捷且费用低、监视范围广、可获得各种交通参数等诸多优点。随着图像处理技术和微电子技术的发展,视频检测技术在交通运输系统中的发展潜力巨大。 　　在典型的交通自动监控系统中,用一个静态的摄像机实时监控固定区域,通过对车辆目标的提取、分类和跟踪等操作,进一步提取交通参数。所以,从视频流中实时分割车辆目标是交通自动监控系统的一个基本环节。提取车辆目标的流程主要包含运用算法将前景车辆从拍摄的图像中提取出来,并对其进行阴影检测,去除阴影。该文依照此流程选取合适的前景提取算法――背景差分法,实时进行背景更新,对前景中产生的阴影进行分析,并提出合理有效的阴影去除方法。 　　 　　1 基于视频的车辆检测 　　 　　背景差分法是车辆运动检测系统中的一种常用算法。该算法通过实时维护一个背景模型,将当前帧消除背景影响即可获得前景图像。而路面、树木、建筑物等一直处于静止状态,因此被当作背景通过差分被去除。经过处理后的图像理论上只包括运动目标,直接进行二值化,提取目标即可,但实际上这时由于摄像机的抖动以及路面光线变化、风吹草动、车辆目标本身的阴影和其他因素对检测结果的影响是很大的,往往造成很大的误差,甚至错误。在提取前景后针对不同的阴影,去除之以获得真实的车辆目标。 　　1.1 背景建模 　　将开始的n帧图像用于背景建模［1］(采用n=200)。对相邻一定间隔的两帧图像作差值,获得差值图像A。即有： 　　 N(x,y)=1， p(x,y)THd 　　0，p(x,y)≤THd 　　p??A (1) 　　式中：N为A相应位置的差值,得到二值化的帧差掩模图像N；“1”为对应变化的像素；“0”为对应没有变化的像素。 　　在帧差掩模序列中,对于长时间没有变化的像素点,即帧差掩模图像序列在一段时间内该像素点都保持为“0”,则认为此像素点对应于背景像素,将原始图像中该点像素值拷贝到理想背景图像中,同时设置此理想