[发明专利]一种基于混合Gaussian模型的车流量计数方法

权利要求书

1.一种基于混合Gaussian模型的车流量计数方法，其特征在于，包括如下步骤：

步骤一、在公路监控区域的车道上设置检测区域；

步骤二、采集所述检测区域中的视频数据并进行预处理；

步骤三、利用混合Gaussian模型进行背景建模，从原始图像分离出背景像素：

将K个Gaussian分布模型按照ω_k/σ_k从大到小排序，前面b个Gaussian分布模型为背景，所述背景满足：

式中，ω_j,t为t时刻第j个Gaussian分布模型的权值，σ_k为t时刻第k个Gaussian分布模型的方差，B为背景像素，Y为背景分布的阈值；

所述背景分布的阈值满足：

式中，ξ为权重系数，ξ＝0.005-0.01，σ_k-1为t-1时刻第k个Gaussian分布模型的方差，X_t为t时刻场景中某点的观测值，η(X_t；μ_k,∑_k)为t时刻第k个Gaussian分布的概率密度，μ_k为t时刻第k个Gaussian分布的均值矩阵；

步骤四、从监控视频图像中提取运动目标；

步骤五、记录所述运动目标的轨迹信息，从而识别出车辆信息并进行标记；

步骤六、对标记的车辆进行跟踪和统计，从而计算车流量。

2.如权利要求1所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述检测区域为距离公路监控区域3-5米内设置1×0.5m的矩形区域。

3.如权利要求1所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述步骤二通过全方位视觉传感器采集检测区域的视频数据。

4.如权利要求1所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述预处理包括图像的灰度转换和图像的去噪。

5.如权利要求4所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述图像的灰度转换满足：

Y＝0.2126R+0.7152G+0.0722B；

式中，Y为灰度图像灰度值，R为彩色图像红色值，G为彩色图像绿色值，B为彩色图像蓝色值。

6.如权利要求5所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述图像的去噪可以通过均值滤波法、加权平均法、中值滤波法、最小均方滤波法和/或Gaussian低通滤波法中的任意一种或者多种。

7.如权利要求6所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述提取运动目标满足：

式中，D_t(x,y)为t时刻背景差分图像，I_t(x,y)为t时刻图像序列中的图像，B_t(x,y)为t时刻的背景图像，T为图像二值化的阈值。

8.如权利要求7所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述步骤五中识别出车辆信息包括如下过程：

统计当前图像中所述检测区域内前景点的数目，若所述前景点的数目大于所述检测区域面积的50％，则当前图像检测区域内有车，具体包括：

若检测区域中从无车到无车，则检测区域没有车辆通过；

若检测区域从无车到有车，则检测区域有车辆驶入且没有离开；

若检测区域从有车到有车，则检测区域内有车辆且没有离开；

若检测区域从有车到无车，则检测区域内的车辆驶出检测区域。

9.如权利要求8所述的基于混合Gaussian模型的车流量计数方法，其特征在于，所述步骤六具体包括如下过程：

根据车道线划分车道，设定每一个车道处理的范围，只统计每一个车道上的检测区域从无车到有车或者有车到无车的数目就能够统计出该车道的车流量。