[发明专利]一种基于Mean Shift跟踪算法的交通流检测方法

说明书

技术领域：

本发明涉及智能交通系统技术领域，具体涉及一种基于MeanShift跟踪算法的交通流检测方法。

背景技术：

当今世界经济发展迅速，人们生活水平逐渐提高，严峻的交通问题也伴随而来。不论在国外还是在国内，交通拥挤、交通阻塞已经成为影响城市居民正常生活的关键因素。为了改善交通环境问题，国家政府投资兴修道路，加快基础交通建设，但收效甚微。近些年来，随着计算机技术的提高智能交通技术逐渐崭露头角，为交通环境的治理带来了曙光。智能交通系统已经在一些发达国家得到了广泛使用，并且收到了良好的效果，已经成为目前解决交通环境问题的最佳方案。

智能交通系统主要通过分析交通流检测系统反馈的实时交通信息，做出合理的交通调度策略，从而优化交通环境。交通流检测系统是智能交通系统中关键的环节，它直接决定了智能交通系统最终的调度策略。

交通流检测系统的主要技术包括背景提取、车辆检测、车辆跟踪等技术，背景提取算法中的统计直方图、中值滤波等方法简单易于实现，但效果不佳，混合高斯方法能获得良好的效果，但计算量较高。同样，车辆检测技术中的背景差法、帧差法等技术简单易用，但不能适应复杂的环境条件，光流法利用运动目标的光流场较容易定位出运动目标，但其花费较大。车辆跟踪技术普片计算量较高，不同的是它们根据运动物体不同的特性来追踪目标，大致可分为基于匹配的车辆跟踪方法和基于运动特性的跟踪方法，它们各有各的优缺点。

传统的均值滤波方法能够很好的适应车流量较小的情况，但对交通高峰期的视频图像处理效果不佳。

发明内容：

本发明的目的是提供一种基于MeanShift跟踪算法的交通流检测方法，它提供了一种改进的均值滤波背景提取方法，该方法分析前景图像与背景图像的不同点，对前景和背景加以甄别，尽量筛选出背景图像进行最后的统计处理。随后针对改进算法文章做了几组实验，从实验中发现改进的均值滤波背景提取方法要明显好于传统算法，它基本克服了传统算法的缺点。

为了解决背景技术所存在的问题，本发明是采用以下技术方案：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。

本发明中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。具体的实现如下式：