基于背景差法的视频车辆检测算法研究

车辆检测是智能交通系统的基础核心问题。与传统的检测器相比,视频车辆检测器具有安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点,因而在智能交通系统中得到了广泛的应用。 背景差法是一种重要的视频车辆检测方法。该方法建立一个参考背景图像并将其与当前输入图像进行比较,从而分割出前景目标车辆。由于实际交通道路状况受气候、光照等多种因素的影响,变化非常复杂,因此如何设计一种自适应的背景提取与更新算法以适应实际环境的变化,是背景差法的关键所在。 本文研究基于背景差法的视频车辆检测算法。针对背景差法的关键问题,提出了两种不同的基于混合高斯分布像素模型的背景提取与更新算法。并且在虚拟线圈法的框架下,用背景差法实现了昼间车辆检测和交通参数计算。此外,在全天候视频车辆检测系统中通常存在两种车辆检测算法,虚拟线圈法框架下的背景差法只适用于昼间车辆检测,必须进行昼间检测算法和夜间检测算法的切换。本文提出了一种基于路面亮度中值变化速率的切换方法。 本文的研究创新点和贡献主要包括:提出了一种基于自适应分布数K混合高斯分布模型的背景提取与更新算法,该算法具有很好的准确性和鲁棒性;提出了一种基于改进的固定分布数K混合高斯分布模型的背景