[发明专利]一种基于多帧统计的视频车道背景建模方法

说明书

 

技术领域

       本发明涉及计算机视频处理、图像分析及交通视频监控领域，尤其是视频车道背景的建模方法，以确定视频中车道的背景区域。

背景技术

近年来，随着城市人口、车辆的日益增加，城市的交通状况也备受关注，视频监控在交通领域得到了非常广泛的应用。准确地从视频流中区分出车道和运动目标，从而实现对运动目标的实时分析、跟踪、判别监控，就显得特别重要和有意义，因此准确的车道检测技术变得尤为重要。

在车道检测技术上，背景建模方法是最为常见的建模方法。常用的背景建模方法一般可分为基于像素的背景建模方法和基于块的背景建模方法。所谓基于像素的背景建模方法主要是根据每个像素在时间域上的分布信息构造其背景模型。 如采用混合髙斯背景建模方法对交通场景进行建模，该建模方法将图像中每个像素的混合高斯概率模型由三个髙斯成分组成，分别对应于道路、车辆及阴影。 此外Elgammal等人提出了一种非参数背景建模算法，该方法不用对背景的概率模型做任何假设，直接利用先前获得的像素值估计当前像素为背景的概率。现有的基于像素的背景建模方法大都仅利用了每个像素在时间域上的分布信息，并没有利用像素在空间域上的分布信息。此外模型学习速度较慢，建模过程较复杂，模型不能反映场景的突然变化，从而使得此类方法对场景的非平稳变化依然比较敏感。基于块的背景建模方法是将每帧图像分割为多个重叠或非重叠的小块，然后使用每个块的特征构造背景模型。与单个像素相比，块能够获得更多的空间分布信息，使得基于块的背景建模方法对场景的局部变化不敏感。如Seki等利用相邻块之间的图像变化在空间上的共同出现的规律，改善对前景目标的检测效果。 Matsuyama 等使用归一化向量距离度量块之间的相关性。基于块的背景减除方法最大缺点是获得的运动目标比较粗糙，不适于对运动目标分割要求较高的应用场合。

发明内容

本发明的目的是为克服上述现有技术的不足，提出了一种基于多帧统计的视频车道背景建模方法，建模过程简单可靠，模型对场景的非平稳变化不敏感，能反映场景的突然变化，适应各种光照条件及适应各种路况条件下的交通视频监控。

为实现上述目的，本发明的技术方案是依次采用如下步骤：（1）将交通道口的n帧连续图像帧转换成灰度图像矩阵，Y_i,j=0.299*R_i,j+0.587*G_i,j+0.114*B_i,j，Y_i,j是转换得到的像素上的灰度值，R_i,j、G_i,j、B_i,j是图像帧在第i行第j列上的RGB颜色值，0<x<n+1，M是图像帧的总行数，N是图像帧的总列数；（2）建立统计矩阵，                                               是图像第i行、第j列的像素上灰度值是k的图像帧统计次数，刚开始设置矩阵S为零矩阵；（3）连续取n帧灰度图像矩阵的灰度值Y_i,j，在所述统计矩阵S的相应位置上做加1处理，将所述的数值按从高到低顺序取出，将取出的构成一个新的集合_，直至为止；（4）按公式得到视频帧第i行j列上的背景像素值，并得到视频帧全背景灰度矩阵_；（5）再次读取同一个交通道口的相邻的两帧图像帧，将该相邻的两帧图像帧分别转换成灰度图像矩阵D_A、D_B，并对灰度图像矩阵D_A、D_B相减得到差分矩阵 D_C；（6）建立一个车道背景图像的统计矩阵D_D, 刚开始设置统计矩阵D_D为零矩阵；将所述差分矩阵D_C中所有灰度小于阈值40的值赋零，对差分矩阵D_C中灰度值大于0的位置保留，在统计矩阵D_D的相应位置上做加1操作；（7）取所述同一个交通道口的下两帧视频帧，将该下两帧视频帧转换成灰度图像矩阵，并得到一个差分矩阵，重复进行50-150次步骤（6）中的赋零操作和加1操作；得到一个记录连续50-150次帧间差分并标记车道背景矩阵；（8）取所述车道背景矩阵并在所述视频帧全背景矩阵的相应位置上做赋零操作，得到只包含车道背景的灰度矩阵。