[发明专利]一种融合实时交通状态信息的道路背景提取与更新方法

说明书

技术领域

本发明涉及视频交通监控和图像处理领域，尤其是一种融合实时交通状态信息的道路背景提取与更新方法。

背景技术

道路背景的提取与更新是交通运动物体检测、车辆目标提取与跟踪等视频交通流检测技术的重要技术保障，也是图像处理中的常用基础方法。

目前，道路背景提取与更新算法的核心算法包括三方面，第一个是基本算法的研究，第二个背景更新区域的检测和第三个是所采用的样本源质量。在基本算法的研究同内容上，主要包括非模型法和模型法两大类。非模型法的主要思路是通过更多的样本帧逐步减少或消除噪声为目的，常见的包括多帧均值法、中值滤波法和直方图法等；非模型法一般适用于道路交通流量较小的时候，在道路车辆较多且持续时间较长时，非模型法难以消除车辆的背景噪声，效果并不理想；模型法则主要以计算量较大的高斯分布的背景模型方法为主，包括众多现有的混合高斯背景模型的改进方法。在背景更新区域的检测上，选择性背景更新模型是一种常用的背景更新模型。选择性背景更新方法的主要思路是筛选图像背景更新的区域，在道路图像中主要是道路运动目标的检测：一种方法是首先提取车辆检测的初始背景，将当前图像和背景图像进行背景帧差运算，如果某点在当前图像和背景图像的差值小于阈值时,则认为该点为背景，进行图像更新，反之，则认为该点是运动车辆，该方法一般在背景缓慢变化时可以取得很好的效果。此外，还可以通过图像尺度空间、多分辨率提取算法和运动目标精确定位等方法对更新区域进行优化。

目前已有不少的道路背景提取与更新算法，但是，现有的道路背景提取与更新算法，一般只考虑到车辆较少的情况或者区域定位更新的空间层面等背景更新的共性层面，并没有考虑实时的交通流状况，交通场景的适应性较差，无法避免因交通流骤变、运动车辆过多或光照变化而对背景图像提取与更新造成的干扰，抗干扰能力弱，鲁棒性较差。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种交通场景的适应性较好、抗干扰能力强和鲁棒性较好的，融合实时交通状态信息的道路背景提取与更新方法。

本发明解决其技术问题所采用的技术方案是：一种融合实时交通状态信息的道路背景提取与更新方法，包括：

A、根据道路交通运行的实时状态和光照变化估测的结果构建选择性背景帧提取模型；

B、根据构建的选择性背景帧提取模型依次进行初始背景选取、背景更新区域检测和背景更新处理，以实现对道路背景的自适应更新。

进一步，所述步骤A，其包括：

A1、对交通监控视频图像进行采集；

A2、对交通监控视频图像进行光照变化估测，得到道路背景更新时刻；

A3、从交通监控视频图像中提取出宏观交通状态运行参数，并根据宏观交通状态运行参数评估道路的实时交通运行状态；

A4、根据道路的实时交通运行状态参数计算选择性图像帧的模型置信度；

A5、根据道路背景更新的光照变化估测结果、道路的实时交通运行状态和选择性图像帧的模型置信度构建选择性背景帧提取模型。

进一步，所述步骤A2，其包括：

A21、构建时间序列分析自回归估计模型，所述时间序列分析自回归估计模型为：

其中，I_t为交通监控视频图像t时刻的亮度，为交通监控视频图像t时刻的亮度预测值，a_p为I_t-p对I_t的阶系数，ε_p为随机干扰项，p为大于等于1的整数；

A22、根据交通监控视频图像t时刻的亮度I_t、t时刻的亮度预测值和动态更新的光照亮度扰动阈值TI，构建道路背景更新的亮度置信区间R，其中，

A23、判断实时测量的光照亮度是否在亮度置信区间R内，若是，则流程结束，反之，则转至步骤B对背景进行更新。

进一步，所述步骤A3，其包括：

A31、对交通视频图像进行边缘特征提取与计算，从而得到交通视频图像车辆区域的图像边缘特征点并计算交通监控视频图像车辆区域的边缘占有率，所述交通监控视频图像车辆区域的边缘占有率Occ的计算公式为：

其中，n为划分的尺度空间数量，S_i为在第i尺度空间提取的边缘面积，ai为第i尺度空间的边缘权重系数，S_r为道路区域的图像面积,i＝0，1，2，…，n；