基于背景建模的车辆检测算法研究

随着全球城市化进程的进一步加快,以及机动车保有量的逐年增加,解决由交通拥堵所带来的安全隐患和经济损失等问题成为了各大城市交通规划管理的当务之急,而仅仅依靠人力已经越来越难以对目前庞大的交通网络进行管理。智能交通系统能充分利用现有道路设施资源,通过对实时路况信息的分析实现对车辆、行人、道路的智能规划,是世界各地正在广泛关注和研究的课题。而车辆检测技术,则是智能交通系统中获取路面交通信息的重要的一环。 本文主要研究针对道路监控视频等场景的运动车辆检测问题,通过建立背景模型,获得视频帧中运动目标掩膜,再通过对车辆目标建立判别模型,识别车辆目标并对其进行捕捉。其中主要研究了以下几个方面的内容： (1)提出了一种基于分裂混合高斯模型的背景建模算法。该算法通过建立多层运动信息抽取机制,在多频段层面上分别建立分裂混合高斯模型,高层的模型组在低层的低频建模结果中添加高频信息,并由此提供正确的模型组更新反馈,逐层丰富运动目标。计算所得的运动目标检测结果显示,该算法可以消除大量扰动噪声,并解决了运动目标的空洞问题。 (2)提出了一种改进相关差异化HOG特征(Improved Relative Discriminative Histogram of Oriented Gradient,IRDHOG)该特征通过解析HOG特征中中央区块(central block)与周邻区块(surrounding block)之间的联系与相关信息,在HOG的特征向量中串联了二者的相关信息RD-bins。并且通过统计感兴趣目标(车辆)与非感兴趣目标在方向区间中的分布,计算了显著性区间与非显著性区间,通过各区间之间的加权调整,使车辆目标的特征信息得到凸显。提高了对车辆目标的检测效率。