[发明专利]一种基于混合Gaussian模型的车流量计数方法

说明书

本发明公开了一种基于混合Gaussian模型的车流量计数方法，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；步骤四、从监控视频图像中提取运动目标；步骤五、记录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。本发明运用Gaussian混合模型的优势对检测带进行背景建模，通过背景差法提取运动目标，实现了多车道车流量检测，能够适用于复杂场景，检测准确度高，实时性好，具有实用价值。

技术领域

本发明涉及安防监控技术领域，更具体的是，本发明涉及一种基于混合Gaussian模型的车流量计数方法。

背景技术

随着现代经济的高速发展，公路运输成为运输业的重要交通方式。为了保障交通顺畅以及行车安全，从而改善环境质量，交通信息的采集是智能交通系统的基础，而公路的车流量作为智能交通系统的重要组成部分，车流量的检测就显得尤为重要。

当前交通信息中现有的车流量检测方法主要分为三个部分：从图像序列中提取运动目标、对所提取的目标进行识别以及车流量的计数。

传统提取运动目标的方法是背景差分法，其利用加权平均法进行背景更新，但是容易将背景显露区域检测为前景，即当前背景还留有上一帧的运动目标信息，但运动目标此时已不在该区域，出现“影子”现象，且在有树枝摆动等复杂场景中对噪声的处理效果不佳，对环境的适应性较差，更新效果不理想，导致运动车辆提取不完整，影响了车辆检测的准确率。

因此，亟需提出一种能够精准统计车流量的方法，改善智能交通系统。

发明内容

本发明的目的是设计开发了一种基于混合Gaussian模型的车流量计数方法，运用Gaussian混合模型的优势对检测区域进行背景建模，通过背景差法提取运动目标，并通过划分车道实现了多车道车流量检测，能够适用于复杂场景，检测准确度高，实时性好。

本发明提供的技术方案为：

一种基于混合Gaussian模型的车流量计数方法，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；

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。

优选的是，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。

优选的是，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。