基于混合高斯模型的道路背景提取方法研究-论文.pdf

《基于混合高斯模型的道路背景提取方法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第22卷第1期山东交通学院学报VO1．22NO．12014年3月JOURNALOFSHANDONGJIAOTONGUNIVERSITYMar．2Ol4DOI：10．3969／j．issn．1672—0032．2014．01．009基于混合高斯模型的道路背景提取方法研究黄国浪，潘捷，许晓楠(长安大学汽车学院，陕西西安710064)摘要：针对单高斯模型对道路背景提取的不足，提出一种基于混合高斯模型的道路背景提取方法。利用多个高斯分布组成混合高斯模型来表示道路背景图像中的各个像素点，并且针对该算法利用MATLAB进行仿真实验，实验结果验证了基于混合高斯模型的道路背景提取方法的实用性和有

2、效性。关键词：道路背景提取；单高斯模型；混合高斯模型中图分类号：TP391．41；U495文献标志码：A文章编号：1672--0032(2014)01-0039-05在城市道路视频监控中，运动车辆的有效检测、道路背景提取是进行车辆跟踪、识别等交通监控后续处理的基础¨J。运动车辆的检测方法目前大致有光流场法、相邻帧差法和背景减法l2J。光流场法运算相对复杂，若没有特定的硬件支持一般很难满足实时处理的要求。相邻帧差算法是最简便的一种方法，检测速度快、对光照不敏感、对环境变化的适应能力较强，但对静止或者运动速度慢的车辆检测效果较差，容易产生空洞J。背景减法是利用当前实时拍摄的含有运动车

3、辆的道路图像与实际获取的道路背景参考图像之间的差分来检测运动车辆的一种技术，这种检测方法在道路背景提取的实际应用中会遇到几个关键问题：一是如何建立道路背景模型和实时更新模型参数以适应道路背景的变化；二是这些背景变化包括场景的光照变化(如阳光强弱和方向的改变、照明灯具的开关等)和场景构成的改变(如由红灯或上下客引起的车辆停止等)。这些外在环境的实时改变，都会影响运动目标检侧的准确性。本文提出了一种基于混合高斯模型的道路背景提取方法，该方法在提取道路背景时可以随车辆的走停及时更新，并且能抑制非静止背景物体的干扰，使提取出来的道路背景更加精确。1单高斯背景模型高斯模型就是利用高斯概率密

4、度函数(正态分布曲线)精确地量化事物，将一个事物分解为若干个基于高斯概率密度函数形成的数学模型。单高斯模型是一种图像处理背景提取的处理方法。对一个道路背景图像，特定像素灰度的分布服从高斯分布，即道路背景图像像素点(，Y)的灰度日(，Y)满足：B(，)～N(“，)。这样道路背景模型每个像素点的属性包括2个参数：灰度平均值“和灰度标准差or，有关系式eXp(一)>T，(1)√2'rro"‘(，Y)or，式中u(，Y)为像素点(，Y)处的像素灰度均值；or(，Y)为像素点(，Y)处的像素灰度标准差；T为预定的背景阈值。对于给定的图像B，如果像素点(，Y)的灰度日(，Y)满足式(1)，则

5、认为像素点(，Y)是背景点，反之则认为该点是前景点(即运动目标点)。同时，随着时间的推移，受光线、天气等因素的影响，道路背景图像也会发生缓慢的变化。随着背景收稿日期：2014—02—19作者简介：黄国浪(1988一)，男，陕西靖边人，长安大学硕士研究生，主要研究方向为城市道路交通系统规划与管理40山东交通学院学报2014年3月第22卷图像的变化，也要不断更新各个像素点的参数，因此有M(，Y)：口“(，Y)+(1一a)B(，Y)，式中“(，Y)、“川(，Y)分别为第t帧、(t+1)帧图像像素点(，Y)的像素灰度均值；o为更新参数，反应背景变化的速度；”(，Y)为第(t+1)帧图像像

6、素点(，Y)的灰度值。一般情况下，不更新Or(，Y)(实验中发现，Or(，Y)更新与否，道路背景提取效果变化不大)。单高斯模型处理方法简便，对道路图像背景提取的处理速度也很快，但单高斯模型法难以抵抗非静止背景物体的干扰，且易受时走时停的车辆的影响，不能及时的更新背景J。对于大多数道路背景来说，随着时间的推移道路背景是缓慢变化的，如果仍然使用单高斯模型将会使提取的背景与实际背景不同，对道路的监控造成影响。2混合高斯背景模型2．1混合高斯模型混合高斯模型是单高斯模型的延伸，由于混合高斯模型能够平滑地逼近任意形状的密度分布，因此近年来常被用在图像识别等方面，并且得到较好的效果。道路背景

7、图像中的各个像素点分别用由(一般取3～5)个高斯分布构成的混合高斯模型来建模，即JfP(B(，Y))=fi_，(，Y)×N(日(，Y)，“(，Y)，Or(，Y))一)>’lⅣ(B(，y)，“(，y)，(，y))=xp(一√z霄，Y，“k＼，，式中P(B(，Y))为像素点(，Y)的灰度值的混合高斯概率；(，Y)为混合高斯模型中第k个高斯分布的权重系数，并且有∑。．(，Y)=1；“(，Y)为像素点(，Y)的混合高斯模型中第k个高斯分布的像素灰度均值；or(，Y)为像素点(，Y)的混合