[发明专利]基于复杂高动态环境建模的闯红灯检测方法及系统

说明书

技术领域

本发明属于交通图像处理领域，尤指一种基于复杂高动态环境建模的闯红灯检测方法及系统。

背景技术

经济发展催生的交通问题已然成为城市的共有难题。中国是一个经济持续发展的发展中国家，城市化与汽车化发展十分迅猛。为了解决由此带来的一系列问题，需要增加交通设施的投入，加速交通供给的建设；更重要的是要科学合理的使用现有的道路交通设施，发挥它们最大的作用。而传统的采用地感线圈进行闯红灯检测的方式有成本高，维护难的缺点，近来催生的视频检测方式通过工业摄像机获取路口视频来进行闯红灯检测，为了得到摄像机所拍摄图像中的车辆，一般采用有帧间差分和背景差分两种方式。

帧间差分法算法实现简单，程序设计复杂度低，对光线等场景变化不太敏感，能够适应各种动态环境，稳定性较好，也是目前在针对复杂高动态环境的智能监控领域用得比较多的方法。但是它不能提取出对象的完整区域，只能提取出边界；同时依赖于选择的帧间时间间隔。对快速运动的物体，如果时间间隔偏大，当物体在前后两帧中没有重叠时，会被检测为两个分开的物体；而对慢速运动的物体，如果时间间隔偏小，当物体在前后两帧中几乎完全重叠时，则检测不到物体，不适于路口的闯红灯检测。

背景差分包含静态背景和基于高斯体的背景建模方法。在以前的老式监控系统中会采用一帧没有车辆的图片作为背景的前景检测方法。这种方法的缺陷当然很明显，因为即便是室内环境都会遇到光线变化的干扰情况。而基于高斯混合体的背景建模方法是较为流行的，它将图像中的每一个像素点进行建模，定义每个像素点的分布模型为由多个单高斯模型组成的集合，根据每一个新的像素值更新模型参数，按照一定的准则判断哪些像素点为背景点、哪些为前景点。当光照发生大规模的迅速变化时，混合高斯模型将为其新建一个高斯体，但仍以以前的像素值作为背景（因为新的高斯体的“力量”还不到能够取代原来主高斯体的地步），直到一定帧数后，新的高斯体取代原来的背景。但是对于城市里高动态、光照变化复杂的环境，便会出现背景还没来得及更新完毕环境又发生变化的情况，混合高斯模型就出现了不断建新的高斯体、在各种变化间疲于奔命的结果，达不到实时、准确监控的目的。

发明内容

针对现有技术存在的问题，本发明的目的之一在于提供一种能快速、准确地更新背景，适应各种复杂环境，提高闯红灯检测的准确性和适应性的基于复杂高动态环境建模的闯红灯检测方法。本发明的另一目的在于提供一种基于上述闯红灯检测方法的检测系统。

为实现上述目的，本发明的基于复杂高动态环境建模的闯红灯检测方法，包括以下步骤：

1）对摄像机拍摄到的路口画面进行标定；

2）利用高斯混合模型对拍摄到的路口画面进行背景建模；

3）对建模的背景进行光照检测与分析，并进行背景的更新，得到当前路口的准确背景图像；

4）通过背景差分以及跟踪算法处理得到路口车辆的跟踪信息；

5）根据车辆的跟踪信息和标定图像判断车辆是否闯红灯。

进一步，步骤2）中高斯混合模型能够通过检测和消除大量干扰运动物体的方法获得准确背景图像。

进一步，干扰运动物体的检测方法具体为：将当前帧与背景图像同一点的像素差值与运动临界阈值进行比较，根据比较结果确定干扰运动物体，然后将确定为干扰运动物体的像素点进行分块处理得到背景图像中的所有干扰运动目标。

进一步，确定为干扰运动目标的背景图像不进行背景更新。

进一步，高斯混合模型根据HSV颜色模型进行背景建模，背景更新速度能够根据当前背景模型和先前背景模型的相似度进行调整，如果当前背景模型接近于先前的模型，则减慢背景的更新速度，否则加快背景的更新速度。

进一步，步骤3）中对建模的背景进行光照检测与分析的方法，

包括如下步骤：1）对背景图像的边缘进行提取，将边缘扩大；2）将背景图像的非边缘区域根据位置划分为多个分区域；3）在每个分区域取两个样本点，并计算每个分区域中光照量；4）根据光照量的计算结果判断是否进行分区域的背景更新。

进一步，步骤4）具体为：将当前帧图像与背景图像差分得到当前帧前景的二值化图像，通过两次膨胀和两次腐蚀滤除掉人和自行车的干扰，然后对前景使用Meanshift跟踪算法对车辆进行跟踪得到当前帧图像的车辆轨迹。