[发明专利]停车检测准确的基于双层背景的停车事件检测方法

摘要

本发明公开了一种停车检测准确的基于双层背景的停车事件检测方法，主要包括双层背景建模、次背景替换、停车检测以及状态表更新。通过对双层背景——主背景和次背景的对应点像素差绝对值统计，判断得到是否有停止目标出现，根据停止目标轮廓进行检测，若停止目标为车辆则对停车状态进行标定和更新；另外通过判断次背景模型中的前景是否为空，更换次背景。该方法对停车事件检测实时性强，且方法简单，利用双层背景比较能够减少环境对检测结果的影响。同时建立停车事件状态表可以精确的记录停车位置和状态。通过对检测参数和兴趣区域的设置本方法可以应用于高速公路、停车场、城市道路等不同场合，且准确性、实时性较好。

主权项

1.一种停车检测准确的基于双层背景的停车事件检测方法，其特征是：包括下列步骤：(1)建立两层不同的背景——主背景和次背景,利用主背景的更新速度快、对停止目标较敏感的特性，而次背景更新较慢、对停止目标反应较慢的特性，比较两幅图的差异；主背景模型的建立——RunningAvg模型，RunningAvg模型如下式所示：——B_Avg(i,j)为RunningAvg背景模型；——B_n(i,j)为第n帧更新后的背景值，——B_n‑1(i,j)为第n‑1帧的背景值，——I_n(i,j)为当前视频帧的灰度值，——为更新速率；对进行了如下改进：——M_n为状态位；D_n(i,j)＝|I_n(i,j)‑I_n‑1(i,j)|，Dn(i,j)为相邻帧残差图像；分别为可变加权参数；次背景模型的建立——首先初始化预先定义的几个高斯模型，对高斯模型中的参数进行初始化，并求出之后将要用到的参数；其次，对于每一帧中的每一个像素进行处理，看其是否匹配某个模型，若匹配，则将其归入该模型中，并对该模型根据新的像素值进行更新，若不匹配，则以该像素建立一个高斯模型，初始化参数，代理原有模型中最不可能的模型；最后选择前面几个最有可能的模型作为背景模型，为背景目标提取做铺垫；混合高斯模型p(x_N)为像素出现概率统计值，如下式所示：——w_j为k阶高斯背景的权重，x_N为输入样本，θ_j为观察值；——η(x；θ_k)为k阶高斯的标准正态分布，其表达式如下：——μ_k为均值；——∑_k＝σ²I为方差；背景像素判断公式如下式：——B_Gauss为背景像素点；——a为学习速率；——w_k为初始化权重，为w_k期望值；——T为背景阈值；混合高斯模型使用K个高斯模型来表征图像中各个像素点的特征，在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点,否则为前景点；通观整个高斯模型，主要是有方差和均值两个参数决定，对均值和方差的学习，采取不同的学习机制，将直接影响到模型的稳定性、精确性和收敛性；由于是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新；为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率；为提高在繁忙的场景下，大而慢的运动目标的检测效果，引入权值均值的概念，建立背景图像并实时更新，然后结合权值、权值均值和背景图像对像素点进行前景和背景的分类；(2)初始化停车状态表，标记停场景中是否已有停止车辆；对双层背景对应的像素点作差并求出绝对值，得到静止目标，对双层背景差值图像进行二值化；通过HSI阴影抑制，并消除目标相应像素点的阴影，对二值图像进行闭运算，消除不连续的空洞；(3)根据摄像机焦距、高度与角度，对图像中目标像素点加权，将图像分为5个部分对像素点进行加权；由远到近，权值分别为2.0、1.6、1.2、1.1和1；对加权后的像素进行统计当大于阈值T_p时，计数器S加1，否则S＝0；当S大于等于90时，则将该二值化图像D_obj保存下来；阈值T_p＝220；(4)对该二值图像进行滤波，并对图像中的目标进行分割和轮廓检测，设置检测灵敏度，对像素值大于灵敏度阈值的目标画出矩形框，根据长宽比判断该目标是否为车辆，当目标为车辆时，记录该矩形框的对角线交点坐标，存入停车事件状态表；(5)对像素进行处理和分析，判断该目标是否为车辆；如果该目标被判断为车辆，触发停车事件报警并将主背景当前帧赋给次背景，继续进行差异比较；当次背景中没有目标时，保留图像作为纯净背景；(6)当次背景模型中的前景为空时，存储当前的背景图像作为纯净背景，当检测到有停止目标时，将主背景当前帧存储并与纯净的背景图像进行比较，若两帧图像中差别小于阈值时跳至步骤(2)继续运行，若两帧图像中差别大于阈值时，则用该主背景当前帧替换次背景，跳至步骤(2)继续进行，再次检测到停车事件时，比较目标中心点坐标，判断目标是否驶离，并更新状态表。