基于帧差法和背景差分法的背景提取及检测模型

《基于帧差法和背景差分法的背景提取及检测模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要改革开放以后，随着经济的高速发展，交通问题越来越开始影响着人们的生产和生活，由于汽车拥有量的急剧增加，城市交通问题日益严重，因此交通问题开始成为人们关心的社会热点。在我国，近年来，交通事故频繁发生，有效的交通监测和管理已迫在眉睫。本文主要介绍了基于视频的车辆检测方法。对于问题一，首先分别应用像素直方图分析法和分块直方图分析法对视频图像背景进行了提取，并发现两者提取出的背景差别不大。然后我们应用基于统计分块的背景更新方法，针对本题背景变化不大的特点，进行背景更新。然后我们介绍了前景提取的方法，针对帧差法和背景差分法各自具有的优缺点，我们采

2、取了综合考虑这两种方法的改进检测法。经过二值化得到较为清晰的前景轮廓。对于阴影干扰的消除，采用了基于HIS空间的阴影检测算法来实现；然后，我们通过数学形态学去除了前景因为阴影干扰而形成的孤立点、毛刺和小桥(连通两块区域的小点)，而保证前景总的位置和形状不变。最后通过在视频图像中设置多个虚拟线圈来完成交通参数检测。关键词：直方图分析法背景更新HIS阴影检测数学形态学虚拟线圈检测一问题重述改革开放以后，随着经济的高速发展，交通问题越来越开始影响着人们的生产和生活，由于汽车拥有量的急剧增加，城市交通问题日益严重，因此交通问题开始成为人们关心的社会

3、热点。在我国，近年来，交通事故发生率居全世界之首，公路交通死亡人数直逼十五万人，有效的交通监测和管理已迫在眉睫。传统的视频监控由人工进行视频监测发现安全隐患或异常状态，或者用于事后分析，这种应用具有其固有的缺点，难以实现实时的安全监控和检测管理。因此，及时适时的智能交通系统开始逐渐被运用起来。智能交通系统指对交通系统的规划、设计、实施与运行管理过程都实行智能化，交通运输系统的运营管理与组织生产智能化其实质就是借助各种科技手段和高新技术，特别是信息技术、计算机处理技术、数据通讯传输技术、电子控制技术、运筹学、人工智能等将其综合应用，以实现交通

4、故障处理的智能化，加强道路监管，保证人民的生产生活的正常运转，有效地预防了许多交通事故的发生。在不需要人干预或者很少人干预的情况下，通过对摄像机拍录的视频序列进行分析以实现车辆的定位、识别和跟踪,并在此基础上分析和判断车辆的行为，对车辆的行为给出语义描述，做到了既能完成日常管理，又能在发生异常情况时做出及时反应。在这里，智能交通系统主要要用到视频分析，即要做到智能区分监控对象的外形、动作，主动收集数据和分析数据，根据预设条件执行报警、记录、分析等。对于视频分析而言，其关键技术是建立合理的数学模型。所以我们要对该视频进行处理，分析其所包含的信

5、息。关键是要通过提取合理有用的信息，解决以下问题：一：根据提供的视频，建立提取附录提供的视频图像的数学模型。二：结合已提取的背景，建立计算车流量数学模型。二问题分析总的来说，首先，摄像头拍摄得到实时交通场景的视频；然后，将视频转化为逐帧图像进行分析。通过一定的检测方法，对图像进行实时跟踪检测，断某区域是否有车辆，从而提取出交通流量参数。由于本题要求设备能够依据检测视频智能检测分析监控区域实时状况，并依据预设条件作出相应动作。故我们首先得到背景图像，作为与视频中图像比较的基准。在获得背景图像后，对图像进行前景提取。经过以上两步，接下来通过一系

6、列图像的运算，得到视频监控区域当前的状况，做出相应动作。再根据一定的图像处理方法和准则判断某区域是否有车辆。检测出车辆后，可在跟踪模块对车辆进行跟踪。由检测和跟踪的结果可以分析提取出交通流量参数。所以，问题一，根据给定的视频建立提取视频图像的数学模型，从视频中提取出背景图像和前景图像，同时适时进行背景更新，以使结果更加准确。为了消除噪声等其他负面因素的影响，我们要对提取出来的图像进行后处理操作，从而减小与实际的误差，使后续的车流量统计更加精确。问题二，需要建立车流量统计的数学模型。通过问题一的求解结果，利用已取得的背景和前景，我们用虚拟线圈

7、方法，获得较为准确的车流量数据。在运用虚拟线圈方法时，虚拟线圈的数目会对车流量的统计结果起到重要影响，需综合考虑。三基本假设1.只针对该视频呈现信息，不考虑雨天、夜间等因素对视频分析的干扰。2.将只有部分进入视频的车按整个计算。3.不考虑车辆追尾和骤停等情况。4.不考虑车辆经过或风出动时摄像头的轻微扰动。5.除车辆以外道路上没有其它运动物体，即车辆是在场景中唯一运动的物体。6.车辆在检测过程中，并无频繁换车道。7.不考虑运动物体的临时停靠：由于高速公路停车危险很大，且现象较少，所以假设没有静止的车辆。四符号说明Nb直方图灰度区间总数Nd进行

8、直方图统计的总帧数Ns启动背景更新程序的帧间隔数目NsBn(,)xy当前背景模型色In(,)xy当前帧图像DBn(,)xy前景二值图像DFn(,)xy相邻两帧差分图像DMn(,)