[发明专利]交通视频监控中的背景更新方法和车辆目标提取方法

说明书

技术领域

本发明属于智能交通视频监控技术领域，具体涉及一种基于Canny边缘检测的背景更新方法，以及基于上述背景更新方法的车辆目标提取方法。

背景技术

基于视频监控技术的车辆检测方法发展很快，由于检测区域大、系统设置灵活等突出优点，已成为智能交通系统领域的一个研究热点。视频监控技术为交通系统提供了直观、方便的分析手段，因此以视频图像处理、分析、理解为基础的视频监视技术越来越引起人们的重视。车辆检测是智能运输系统的重要组成部分，由于视频设备和高性能计算机硬件的发展以及视频处理技术的成熟，基于视频的车辆检测器成为交通运输领域的研究热点并得到越来越广泛的应用。下述几个要点在车辆检测当中至关重要。

一、背景建模：

常用的背景图像获取方法有：手动给出背景法、中值法、混合高斯模型方法等。

1、手动给出背景法：需要人工实时干预，当人在观察到没有车辆目标时启动摄像装置获得背景图像。

缺点：这种方法增加了人力和物力的需求，不能实现自动背景更新，而且很多情况下很难在没有车辆目标的情况下获得背景图像，如高速路的车辆检测系统。

2、中值法：在一段时间内对像素点的灰度值取中值，用这个中值作为背景图像对应点的灰度值。

缺点：对每一个像素度点，当没有车辆目标通过或光线变化时，该点的灰度值在一个很小的范围内保持稳定，然而当有车辆目标通过或光线变化，该点的灰度值会发生剧烈变化。该方法适合用于场景车辆目标较少的场合，当目标频繁出现时容易将前景车辆目标混入背景图像当中，产生混合现象，从而导致提取的目标不准确。

3、混合高斯模型方法：在读入一段视频后，对图像个点的灰度进行统计。在没有车辆目标通过时，改点的灰度值保持稳定，只有当车辆目标通过时，改点的灰度才会发生剧烈的变化，并依此滤去变化的灰度从而建立背景模型。

缺点：混合模型计算量大，会出现车辆目标长期静止时算法失效的状况。

4、中国专利《交通监控中背景更新方法》，CN200910019287.1，只适用于初始背景建模时理想的状态下，比如高速路车流量不是很多，在获得理想背景下的根据车流量判决背景更新方法。此专利的弊端是：(1)适用于初始背景建模需要理想状态，不能适用市区道路口，尤其是红绿灯路口车辆拥挤并时有停下等红灯，初始背景建模困难，除红绿灯路口外的其他路段包括高速路车辆一直处在运动状态，很少像市区的红绿灯路口，红绿灯路口车辆比较拥堵，而且存在等红灯现象，因此其他路段获得一个满意的初始背景相对容易，而红绿灯路口存在如下困难：①、背景提取后容易有下列糟糕情况：a.初始背景因为车辆一直在监控区域中缓慢运动，导致背景提取出来局部模糊，背景提取的不准确影响后面的车辆检测准确性；b.初始背景建立时，车辆正在等红灯，因此获得的背景中有很多车辆，背景提取的相当不准确，严重影响车辆检测；②背景更新带来的问题：对于其他的更新算法，在车辆运动离开监控区域后会将背景更新至理想的情况下，但下一波车辆等红灯时候，又会把车辆更新到背景中，这样就存在一个死循环：背景由差到好，再到差，再到好，一直循环下去，对于有些算法甚至一直获得不到好的背景，这样更谈不上检测的准确性。(2)根据车流量判决背景更新，这需要一套很复杂的车流判断方法。(3)此专利如果初始背景不理想，后续的一切工作都受影响。

二、阴影消除及其必要性：

在车辆目标检测中，由于车辆阴影的特征与背景迥然不同，而阴影和车辆目标有相同的运动特征，导致运动阴影很容易被误判为车辆目标，给后续的车辆目标检测跟踪带来很大的误差。而且阴影的存在会使多个目标粘连，误判为一个目标；还会使车辆目标形状失真。因此实时有效阴影检测并去除是非常有必要的。

常见的阴影消除方法：彩色空间下阴影检测、互相关阴影检测等。

1、彩色空间下阴影检测算法

目前阴影算法多是在HIS空间下进行的，色调H和饱和度S包含了颜色信息，而强度I则与彩色信息无关；当一个像素点被阴影覆盖时，它的亮度变化较大，而色度信号变化不大。

缺点：车窗和某些局部车身信息同阴影相似，进行阴影消除后，车窗和局部车身被当做阴影消除，车身会存在很大一块区域空洞，这样影响车辆检测中车身信息以及位置信息。

2、互相关阴影检测算法

由于像素点在未被阴影覆盖和被阴影覆盖时的亮度值近似呈线性关系，因此可以利用互相关函数系数的性质来进行阴影检测。

缺点：同样车窗和局部车身被消除，而且车辆阴影边缘不能消除，导致车辆检测不准确。

发明内容