交通视频图像中运动目标的提取

《交通视频图像中运动目标的提取》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、图形图像文章编号：1007-1423（2014）29-0061-05DOI：10.3969/j.issn.1007-1423.2014.29.015交通视频图像中运动目标的提取张虹波，匡银虎（宁夏大学物电气信息学院，银川750021）摘要：主要阐述交通视频检测中背景模型的建立，在普通均值法提取背景的基础上，提出改进的均值提取法，并通过实验验证和对比，论证改进的均值法在提取背景图像方面，可以减少背景中的车辆幻影，得到效果比较好的背景图，进而对视频中运动目标的提取作介绍，并通过实验得到所需的前景图，即运动目标，为后续的车流量计数工作做好基础准备。关键词:视频检测技术；智能交通；背景差分；

2、虚拟线圈；交通车流量基金项目：2014宁夏高等学校科学技术研究项目资助没有运动目标的图像是很难获取的，并且就算在某一0引言时刻下成功提取到了背景，背景也会随光线变化又或从二十世纪80年代开始，随着科技水平的发展和者新背景的加入而发生改变，因此，这种人为直接提取社会水平的提高、城市人口的不断增加，从而导致汽车背景的方法并不适合于不断变化的交通环境。所以在数量也日益增加，路网的通行能力已经无法再继续满交通视频系统中，最常用的是采用自适应方法来提取足持续增长的交通需求，交通拥挤和交通堵塞的现象背景。也越来越严重，对于交通污染、交通事故、能源消耗等本文主要阐述了交通视频检测中背景模型的建原因

3、引起的一系列损失现已成为世界各个国家都关心立，在普通均值法提取背景的基础上，提出了改进的均和面临且亟需解决的重大问题。智能交通系统（Intel-值提取法，并通过实验验证和对比，论证了改进的均值ligentTransportationSystem，ITS）在传统交通系统的基法在提取背景图像方面，可以减少背景中的车辆幻影，础上，使其进一步智能化、信息化、集成化和网络化，来得到效果比较好的背景图，进而对视频中运动目标的保证人、车、路与环境四者间的正常流通，从而使交通提取作了介绍，并通过实验得到了所需的前景图，即运系统的效率、可靠性、机动性、经济性和安全性等方面动目标，为后续的车流量计数工作

4、做好了基础准备。得到进一步提高，最终达到保护环境、降低能耗的目的。因此，在近二三十年来，国家政府、研究院以及学者1常用的背景提取方法[1]们一直将智能交通系统(ITS)的发展作为一项重点攻（1）人为直接提取方法关项目。这种方法的主要步骤如下：首先，对于每个不同的对于交通图像中背景图像的提取包括人为的方法时间段，分别取出它们某一帧的图像并放入到背景结和自适应方法。人为提取方法是指在理想的情况下（即构数组中；然后，将不同时间段的帧图像和所存储的背视频图像中本身不存在任何运动目标）来直接提取出景图像一一作对比，对图像序列进行详细的比较，将与该帧图像，将其作为背景图像，然后再利用背景差分方背

5、景图像最相似的图像定义成当前时刻的背景；最后，法，来检测运动目标。然而，在实际的交通视频序列中，通过当前帧图像与背景图像做差得出前景目标。但是趩趮现代计算机2014.10中图形图像这种方法存在较多的缺陷：一是运算量大；二是所需的③对于某一块来说，有n个矢量（u，q），统计出现存储空间大，需要保存每个时间段和各种环境下的背次数最多的矢量（u，q），并将该矢量所对应的灰度作为景；三是，该方法实际获取的背景图像效果并不好。该i区域的背景图像。（2）图像平均值法采用此种方法的优点是：提取的背景图像效果比道路上所行驶的车辆是多种多样的，那么，就会存较好；缺点是：计算量大，程序运行时间长，需要的

6、储存在这样的情况：一些车辆的亮度值会比路面亮度值要和运行空间都比较大。高，而一些车辆的亮度值会比路面亮度值要低，因此，（5）混合高斯法从统计学的角度来分析，背景图像在很长一段时间内，混合高斯模型就是利用概率密度函数将事物进行因为车辆的运动所产生的影响可以忽略不计，这就是量化，把一个事物分解成为若干个高斯密度函数的模多帧平均法，也叫图像平均值法。图像平均值法的基本型。图像灰度直方图反映的是图像中灰度值出现的频[2]原理就是将运动的车辆目标作为“噪声”来处理，通过率密度，若图像中的背景区域和运动目标区域相比差累加再取平均的方法来达到消除“噪声”的目的，从而距较大，图像背景及运动目标的灰度

7、值不同，在灰度直可以通过对一段交通视频图像序列中的n帧图像相同方图中表现出双峰谷的形式，其中一个峰值表示的是像素点取平均数值，从而得到相应的背景图像，公式表运动目标，而另一个峰值对应着背景的灰度。[4]示如下：混合高斯公式如下：n假设图像中的各个像素点之间互相独立，用混合1K（x，y）=Σpi（x，y）（1）n公式P来产生当前图像像素值，x则是当前的像素点，i=1式（1）中，P（x,y）表示的是第i帧图像中某一点（x,其中P是由k个独立的高斯分量构成，则当