交通監控場景中車輛分割方法

2023-04-26 09:06:56

專利名稱：交通監控場景中車輛分割方法
技術領域：
本發明涉及一種交通監控場景的車輛分割方法，尤其涉及一種融合顏色和角點信息，通過混合掩模的方法抑制光線變化和陰影幹擾的車輛分割方法。
背景技術：
智能監控系統得到了廣泛應用，自動準確地提取運動目標是一個監控系統必備的功能。要解決該問題，主要面臨兩個難題，一個是設計一種背景建模方法，可以自適應地模擬光線不斷變化的背景，通過差分方法得到運動前景；另一個問題是分離運動物體和運動物體的陰影，進而分割出準確的運動目標。為了檢測運動像素點，通常使用當前幀和自適應背景模型做差分的方法。然而得到的檢測區域不但包括了運動的物體，而且包括了運動物體的影子和其他光線變化的區域，且影子是主要的幹擾因素。在實際監控場景中，陰影是非常常見的，它廣泛存在於監控場景中，陰影的存在導致了物體分割的錯誤，從而會對後續的目標識別和目標跟蹤帶來錯誤。所以，一個魯棒的運動物體分割方法是很有必要的。只有實現了運動物體的正確分割， 才能順利完成後續的目標識別，目標跟蹤，目標分類等問題。目前，常見的自適應背景建模的方法有基於混合高斯模型法和自適應背景更新方法。混合高斯模型法(Gaussian Mixture Model,GMM)是Mauffer在1999年提出的，該方法是一種基於統計學原理的方法，具有很大的計算量，對於實時性的要求比較高的監控系統，需要高性能的DSP才能完成該任務，這無形中就提高了產品的成本。所以，在複雜的實時監控場景中應用很少。自適應背景更新方法以其計算量小獲得了較廣泛的應用，其基本原理可參考 TI 公司文獻(Video Background/Foreground Detection Implementation on TMS320C64/64x+DSP，www. ti. com. cn)。常見的陰影檢測方法有統計參數模型，統計分參數模型，確定性基於模型方法， 確定性非基於模型方法(參見文獻 Andrea Prati，Ivana Mikic，Mohan Μ. Trivedi, Rita Cucchiara. Detecting moving shadows !algorithms and evaluation. IEEE Transactions on Pattern Analysis and Machine Intelligence， vol.25, no.7, pp.918—923， 2003.)。這些方法主要在RGB，HSV，HSI等顏色空間裡進行分析。有著各自的特性，然而實際監控場景是複雜的。且能否準確分割運動目標和運動目標的陰影作為該算法的性能評判標準。Jiandong Tian et al.提出了三色衰減模型！"ri-color Attenuation Model (ΤΑΜ)來描述陰影區域和非陰影區域的衰減關係。該方法採用普朗克黑體輻射理
(Planck' s blackbody irradiance theory) 5( ,(Correlated Color Temperature, CCT)來初始化，但是每當環境光改變的時候或者多光源的情況下，需要重新估計參數。Sohail et al.提出了一種基於時空反射測試和雙色反射模型 (spatio-temporal albedo test and dichromatic reflection model)來移除陰影，其前提假設光源主要來源於天空和太陽，所以這種方法對於複雜光源的情況下或者未知光源位置的情況下效果並不好。

發明內容
本發明要解決現有交通監控場景的車輛分割方法在對於複雜光源的情況下或者未知光源位置的情況下分割效果不好的問題，提供了一種能精確分割車輛的交通監控場景的車輛分割方法。本發明的技術方案交通監控場景的車輛分割方法，其特徵在於其融合角點特徵、運動紋理特徵和顏色特徵來分割車輛邊緣，其步驟如下(1)背景提取和背景更新環節，通過自適應背景模型實現自適應監控場景的光線變化，所述自適應背景模型是自適應地調整參數值來改變背景更新的速度；(2)背景差分和前景提取環節，通過背景差分提取運動的前景，得到差分後的運動像素點掩膜模板；(3)顏色空間分析環節，通過顏色空間分析提取運動的場景中顏色特徵突出的部分，得到顏色特徵掩膜模板；(4)角點提取和角點聚類環節，通過角點提取和角點聚類發掘運動的前景中顏色特徵不明顯的區域，得到角點掩膜模板；(5)多重掩膜和車輛分割環節，通過對運動像素點掩膜模板、顏色特徵掩膜模板、 角點掩膜模板進行多重掩膜來得到最終的車輛像素，完成車輛的邊緣分割。進一步，步驟(1)的背景提取和背景更新環節的自適應背景模型如下
權利要求
1.交通監控場景的車輛分割方法，其特徵在於其融合角點特徵、運動紋理特徵和顏色特徵來分割車輛邊緣，其步驟如下(1)背景提取和背景更新環節，通過自適應背景模型實現自適應監控場景的光線變化， 所述自適應背景模型是自適應地調整參數值來改變背景更新的速度；(2)背景差分和前景提取環節，通過背景差分提取運動的前景，得到差分後的運動像素點掩膜模板；(3)顏色空間分析環節，通過顏色空間分析提取運動的場景中顏色特徵突出的部分，得到顏色特徵掩膜模板；(4)角點提取和角點聚類環節，通過角點提取和角點聚類發掘運動的前景中顏色特徵不明顯的區域，得到角點掩膜模板；(5)多重掩膜和車輛分割環節，通過對運動像素點掩膜模板、顏色特徵掩膜模板、角點掩膜模板進行多重掩膜來得到最終的車輛像素，完成車輛的邊緣分割。
2.根據權利要求1所述的交通監控場景的車輛分割方法，其特徵在於步驟(1)的背景提取和背景更新環節的自適應背景模型如下
3.根據權利要求1或2所述的交通監控場景的車輛分割方法，其特徵在於步驟(2)中的背景差分和前景提取環節，首先是通過式(4)得到差分圖像，然後，通過式( 獲得差分後的運動掩模模板；
4.根據權利要求3所述的交通監控場景的車輛分割方法，其特徵在於步驟(3)中顏色空間分析環節是基於RGB顏色空間的，首先定義an(x，y)是公式(6)取最小值時候的數值；其次，定義CDn(x，y)作為在顏色空間分析的顏色距離量，如式(7)；
5.根據權利要求4所述的交通監控場景的車輛分割方法，其特徵在於步驟(4)中的角點提取和角點聚類環節的角點提取採用16鄰域判定的方法提取角點，角點聚類方法採用距離測度如(9)式所示；
6.根據權利要求5所述的交通監控場景的車輛分割方法，其特徵在於步驟(5)中多重掩膜和車輛分割環節中的多重掩膜公式如(11)所示
全文摘要
交通監控場景的車輛分割方法，其融合角點特徵、運動紋理特徵和顏色特徵來分割車輛邊緣，其步驟如下(1)背景提取和背景更新環節，通過自適應背景模型實現自適應監控場景的光線變化；(2)背景差分和前景提取環節，通過背景差分提取運動的前景，得到差分後的運動像素點掩膜模板；(3)顏色空間分析環節，通過顏色空間分析提取運動的場景中顏色特徵突出的部分，得到顏色特徵掩膜模板；(4)角點提取和角點聚類環節，通過角點提取和角點聚類發掘運動的前景中顏色特徵不明顯的區域，得到角點掩膜模板；(5)多重掩膜和車輛分割環節，通過對運動像素點掩膜模板、顏色特徵掩膜模板、角點掩膜模板進行多重掩膜來完成車輛的邊緣分割。
文檔編號G06K9/00GK102194109SQ201110136960
公開日2011年9月21日 申請日期2011年5月25日 優先權日2011年5月25日
發明者樂浩成, 馮遠靜, 張明, 牛延棚, 王彬 申請人:浙江工業大學