基于背景差法的視頻車輛檢測算法研究.pdf

1、車輛檢測是智能交通系統(tǒng)的基礎(chǔ)核心問題。與傳統(tǒng)的檢測器相比，視頻車輛檢測器具有安裝維護(hù)便捷且費(fèi)用較低、可監(jiān)視范圍廣、可獲取更多種類的交通參數(shù)等諸多優(yōu)點(diǎn)，因而在智能交通系統(tǒng)中得到了廣泛的應(yīng)用。 背景差法是一種重要的視頻車輛檢測方法。該方法建立一個(gè)參考背景圖像并將其與當(dāng)前輸入圖像進(jìn)行比較，從而分割出前景目標(biāo)車輛。由于實(shí)際交通道路狀況受氣候、光照等多種因素的影響，變化非常復(fù)雜，因此如何設(shè)計(jì)一種自適應(yīng)的背景提取與更新算法以適應(yīng)實(shí)際環(huán)境的變

2、化，是背景差法的關(guān)鍵所在。 本文研究基于背景差法的視頻車輛檢測算法。針對背景差法的關(guān)鍵問題，提出了兩種不同的基于混合高斯分布像素模型的背景提取與更新算法。并且在虛擬線圈法的框架下，用背景差法實(shí)現(xiàn)了晝間車輛檢測和交通參數(shù)計(jì)算。此外，在全天候視頻車輛檢測系統(tǒng)中通常存在兩種車輛檢測算法，虛擬線圈法框架下的背景差法只適用于晝間車輛檢測，必須進(jìn)行晝間檢測算法和夜間檢測算法的切換。本文提出了一種基于路面亮度中值變化速率的切換方法。

3、本文的研究創(chuàng)新點(diǎn)和貢獻(xiàn)主要包括：提出了一種基于自適應(yīng)分布數(shù)K混合高斯分布模型的背景提取與更新算法，該算法具有很好的準(zhǔn)確性和魯棒性；提出了一種基于改進(jìn)的固定分布數(shù)K混合高斯分布模型的背景提取與更新算法。該算法在兼顧準(zhǔn)確性的同時(shí)，簡化了計(jì)算過程，具有很好的實(shí)時(shí)性，能滿足視頻車輛檢測的要求；此外，還設(shè)計(jì)了一種基于路面亮度中值變化速率的實(shí)時(shí)切換方法。 試驗(yàn)結(jié)果表明，本文設(shè)計(jì)的背景提取與更新算法能適應(yīng)晴天、陰雨天等各種環(huán)境，具有較高的檢測