[发明专利]一种基于自适应局部特征背景模型的车辆检测方法

摘要

本发明提供了一种基于自适应局部特征背景模型的车辆检测方法，首先在像素预定义的区域使用自适应的距离阈值计算纹理，通过最近计算的特征构建背景模型，输入视频帧和背景模型之间的差值通过自适应局部均值二值化模式的纹理特征进行计算，根据当前帧的输入像素的自适应局部均值二值模式特征和背景模型的自适应局部均值二值模式特征之间的汉明距离将像素点分为背景和前景，最后基于联合保守更新和随机采样的方法更新背景模型来适应不断变化的光照和动态背景。本发明可以有效解决背景模型在复杂交通场景中容易被突然或者逐渐变化的光照所污染的问题。

主权项

一种基于自适应局部特征背景模型的车辆检测方法，其特征在于，包括以下步骤：(1)视频传感器实时采集交通场景视频图像，定义图像中的像素点在以当前像素为中心的像素块内的自适应局部二值模式特征为ALMP，计算公式为：ALMP(x,y)=Σp=0P-1dT(ix,y,p,m)·2p]]>dT(ix,y,p,m)=1if|ix,y,p-m|≤T0otherwise]]>m=1P+1(ix,y+Σp=0P-1ix,y,p)]]>式中，位置(x,y)是像素块的中心像素，ix,y是在(x,y)位置处的中心像素点的像素值，ix,y,p对应(x,y)位置处中心像素点的邻域P个像素点的集合中第P个像素点的像素值，m是像素块中中心像素点与其邻域像素的平均值，T为自适应距离阈值；(2)将采集到的图像的像素点作为样本，计算最近N个被采集到的图像的每个像素点的ALMP特征为bM(x,y),M∈[1,N]，并使用bM(x,y),M∈[1,N]描述背景模型B(x,y)，对背景模型B(x,y)进行初始化；(3)背景模型初始化后，设采集的像素点在第t帧的ALMP特征为It(x,y)，然后计算It(x,y)与bM(x,y)之间的汉明距离，判断视频图像中的像素点为背景或前景；(4)基于联合保守更新和随机采样的方法更新背景模型，具体包括：(41)首先记录背景模型中当前像素点的ALMP特征与背景模型中相对于当前像素点具有最大汉明距离的样本，设更新背景模型的概率为1/θ；(42)然后通过当前像素点的自适应局部均值二值模式特征以1/θ概率更新背景模型中相对于当前像素点具有最大汉明距离的样本；(43)最后随机以1/θ概率更新背景模型中当前像素点的邻域中的样本。