[发明专利]一种基于Mean Shift跟踪算法的交通流检测方法

权利要求书

1.一种基于MeanShift跟踪算法的交通流检测方法，其特征在于它的检测系统包含视频采集模块(a)、背景提取模块(b)、车辆检测模块(c)、车辆跟踪模块(d)和参数检测模块(e)，视频采集模块(a)与背景提取模块(b)连接，视频采集模块(a)、背景提取模块(b)均与车辆检测模块(c)连接，车辆检测模块(c)与车辆跟踪模块(d)连接，车辆跟踪模块(d)和参数检测模块(e)连接，所述视频采集模块(a)主要由摄像机和图像采集卡构成，摄像机负责拍摄监控区域，图像采集卡把摄像机拍摄到的视频信息保存到内存和本地机器；背景提取模块(b)根据视频采集模块保存的视频流信息，按照一定的背景提取算法更新背景图像，并保存到内存；车辆检测模块(c)则利用已经提取好的背景图像来实现车辆的检测，包括车辆位置、车辆所占区域大小等信息的提取；车辆跟踪模块(d)主要实现对监控区域中车辆的跟踪，因为对通过监控区域的任一车辆的一次经过只能统计一次，所以需要运用某种跟踪算法追踪每一车辆的运行轨迹；参数检测模块(e)根据前面所做的准备实现对车辆数目、车速、道路占用率等交通流信息的提取。

2.一种基于MeanShift跟踪算法的交通流检测方法，其特征在于所述的交通流检测方法包含以下步骤：

步骤(1)：首先利用一种改进的均值滤波背景提取方法，先对视频图像中的像素点进行筛选，然后对符合筛选条件的像素点进行灰度值求和操作，其他像素点则忽略不计，关键在于筛选规则的制定；在实际交通环境中，车辆一直是在运动着的，或快速运动或缓慢运动，偶尔才有短暂的停止，这就造成了存在运动车辆的相邻多帧图像的像素点灰度值是不同的，所以可以把相邻多帧图像中那些灰度值都相同的像素点看作是背景，其他看成运动车辆，在使用均值滤波提取背景时只对那些被认定为背景的像素点灰度进行求和求均值，降低运动车辆的影响；

步骤(2)：从物理运动学角度上讲，物体的运动可以看作是由许多短时匀速直线运动构成的，也就是说当前时刻物体的运动速度、方向在很大概率上是和前一时刻相同的，由于在对目标进行跟踪时，两帧之间的间隔是十分短暂的，这时就可以认为当前帧目标运行的速度、方向与前一帧相同，因此可以利用前几帧中目标的位置来线性预测当前帧目标的位置；

特别地，在交通流检测中，摄像系统所监控的路段基本都是直线路段，而且是交通拥塞最可能发生的重要路段，所以在监控之中的车辆大部分时间都处于直线低速运动状态；在这种情况下，就可以把目标车辆看成是短时线性匀速运动的，然后根据这种特性线性预测目标车辆的下一个位置，并从预测的位置开始搜索，最终实现对目标的追踪；

在这里提出一个概念：预测矢量，它代表目标的瞬时运动速度与方向，亦即目标当前位置与下一位置的坐标偏移差；线性预测方法的具体实现就是，先根据目标初始位置和当前位置计算出当前预测矢量，然后由目标当前位置和该预测矢量计算并预测得出目标的下一位置；

步骤(3)：在大多数的MeanShift算法中一般都采用颜色直方图作为目标的特征描述，直方图简单、稳定的特点使得跟踪算法高效、鲁棒性强；尤其在交通流检测系统中，目标车辆的色彩比较单一，运动背景变化不是太大，在这种情形下，目标的色彩分布就很直观的反应出了目标本身的状态变化。

3.根据权利要求2所述的一种基于MeanShift跟踪算法的交通流检测方法，其特征在于步骤(1)中背景提取方法具体的实现如下式：

Background(x,y)＝SUMF(x,y)/SUMN(x,y)

(3.5)

其中，Frame_i表示第i帧视频图像，(x,y)是图像中像素点的坐标，SUMF记录视频图像各个位置上被认定为背景的像素点灰度值的总和，SUMN表示被认定为背景的像素点的数目，Background代表背景图像，k是一个整数，表示图像帧的间隔；

式3.3和式3.4中选择对相邻区域中的三帧图像进行比较，如果它们在(x,y)位置的像素点灰度值都相同则认为其为背景像素，否则判定为前景像素；在实际使用中也可以选取四帧、五帧或者其他数量的图像进行比较鉴定，同时选取图像的间隔k也是可以根据需要改变的，而且多帧图像之间像素不一定非要是严格意义上的相同，只要它们的差值小于一定的阈值即可。