基于空间信息高斯混合模型的运动车辆检测-江苏大学.PDFVIP

２０１１年７月 第３２卷　第４期 Ｊｕｌｙ２０１１ Ｖｏｌ．３２　Ｎｏ．４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－７７７５．２０１１．０４．００３ 基于空间信息高斯混合模型的运动车辆检测 张晓娜，何　仁，刘志强，陈士安，倪　捷 （江苏大学 汽车与交通工程学院，江苏 镇江２１２０１３） 摘要：针对传统的高斯混合模型运动目标检测法仅仅在像素域的时间尺度上对像素进行分类，而 忽视空间位置信息，导致在背景图像和场景的动态变化情况下造成误判等问题，提出了一种基于空 间邻域加权的高斯混合模型的运动车辆检测方法．该方法首先根据像素的空间尺度上特征信息，定 义了一个具有抑制噪声能力的空间信息函数；然后设计了具有空间约束的当前像素由某个类生成 的加权概率，并验证了该加权概率满足归一性和空间连续性２个准则；最后，给出了同时考虑像素 点空间和时间信息的模型参数更新公式和运动目标检测方法．通过不同气候条件下的城市交通视 频序列运动车辆检测试验表明：该方法具有较满意的检测效果与较好的检测正确率与误判率． 关键词：智能交通系统；运动目标；检测；高斯混合模型；空间信息 中图分类号：Ｕ４９１．２２６　　文献标志码：Ａ　　文章编号：１６７１－７７７５（２０１１）０４－０３８５－０４ ＭｏｖｉｎｇｖｅｈｉｃｌｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＧａｕｓｓｉａｎｍｉｘｔｕｒｅ ｍｏｄｅｌｏｆｓｐａｔｉａｌｉｎｆｏｒｍａｔｉｏｎ ＺｈａｎｇＸｉａｏｎａ，ＨｅＲｅｎ，ＬｉｕＺｈｉｑｉａｎｇ，ＣｈｅｎＳｈｉａｎ，ＮｉＪｉｅ （ＳｃｈｏｏｌｏｆＡｕｔｏｍｏｂｉｌｅａｎｄＴｒａｆｆｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ，Ｊｉａｎｇｓｕ２１２０１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＢｙｕｓｉｎｇｃｏｎｖｅｎｔｉｏｎａｌＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌ，ｍｏｖｉｎｇｏｂｊｅｃｔｗａｓａｌｗａｙｓｄｅｔｅｃｔｅｄｉｎｃｏｒｒｅｃｔｌｙ ｆｏｒｔｈｅｓｉｔｕａｔｉｏｎｏｆｄｙｎａｍｉｃｖａｒｉａｔｉｏｎｏｆｂａｃｋｇｒｏｕｎｄｉｍａｇｅａｎｄｓｃｅｎｅ，ｂｅｃａｕｓｅｏｎｌｙｐｉｘｅｌｌｅｖｅｌａｎｄｔｉｍｅ ｄｏｍａｉｎｗｅｒｅｃｌａｓｓｉｆｉｅｄｒｅｇａｒｄｌｅｓｓｏｆｓｐａｔｉａｌｉｎｆｏｒｍａｔｉｏｎ．ＢａｓｅｄｏｎｓｐａｔｉａｌｎｅｉｇｈｂｏｒｈｏｏｄｗｅｉｇｈｔｅｄＧａｕｓｓｉａｎ ｍｉｘｔｕｒｅｍｏｄｅｌ ，ａｍｏｖｉｎｇｖｅｈｉｃｌｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｗａｓｐｒｏｐｏｓｅｄ．Ａｃｃｏｒｄｉｎｇｔｏｓｐａｔｉａｌｆｅａｔｕｒｅｏｆｐｉｘｅｌ，ａ ｓｐａｔｉａｌｉｎｆｏｒｍａｔｉｏｎｆｕｎｃｔｉｏｎｗａｓｄｅｆｉｎｅｄｔｏｒｅｓｔｒａｉｎｎｏｉｓｙ．Ｔｈｅｎｅｉｇｈｂｏｒｉｎｆｏｒｍａｔｉｏｎｗｅｉｇｈｔｅｄｃｌａｓｓｐｒｏｂａ ｂｉｌｉｔｉｅｓｏｆｖｅｒｙｐｉｘｅｌｓｗｉｔｈｓｐａｔｉａｌｃｏｎｓｔｒａｉｎｔｗｅｒｅｄｅｓｉｇｎｅｄａｎｄｐｒｏｖｅｄｔｏｂｅｍｅｅｔｗｉｔｈｔｗｏｃｒｉｔｅｒｉｏｎｓｏｆ ｎｏｒｍａｌｉｚａｔｉｏｎａｎｄｓｐａｔｉａｌｃｏｎｔｉｎｕｉｔｙ．Ｒｅｇａｒｄｉｎｇｓｐａｃｅａｎｄｔｉｍｅｉｎｆｏｒｍａｔｉｏｎ，ｔｈｅｉｔｅｒａｔｉｖｅｒｅｎｏｖａｔｅｄｐａｒａ ｍｅｔｅｒｆｏｒｍｕｌａａｎｄｔｈｅｍｏｖｉｎｇｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｗｅｒｅｐｒｏｐｏｓｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｏｆｍｏｖｉｎｇｖｅｈｉｃｌｅｄｅ ｔｅｃｔｉｏｎｆｏｒｕｒｂａｎｔｒａｆｆｉｃｖｉｄｅｏｓｅｑｕｅｎｃｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｌｉｍａｔｅｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎ ｇｅｔｂｅｔｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｅｆｆｅｃｉｅｎｃｙａｎｄａｃｃｕｒａｃｙｗｉｔｈｌｏｗｍｉｓｊｕｄｇｅｍｅｎｔｒａｔｅ．