背景提取与更新算法在滞留黄网格违章车辆的视频检测系统的应用

背景提取与更新算法在滞留黄网格违章车辆的视频检测系统的

应用

摘要：随着城市建设步伐不断加快，人们的生活质量迅速提高，私家车的数量日益增多，道路上不断激增的车辆出现拥堵，给人们日常生活出行都造成了不便。黄色网格区域的设立有效控制了交叉方向车辆的拥堵，违章停车即时检测，从而缓解了交通的压力，避免了时间和燃油的浪费。同时，在交通的管理过程中，如何利用现代科技的力量，有效的减少交通人员人力的投入，是我们科研力量的使命之一。本文中用到的算法，可以移植到类似的智能系统中，对于智能交通系统的研发起到一定的积极意义。

关键词：背景提取与更新；surendra算法；运动目标

中图分类号：tp274 文献标识码：a 文章编号：1674-7712 （2013）08-0000-02

一、黄网格停车违章检测算法的总体思路

智能交通管理系统（intelligent transportation system，简称its），是指将先进的信息采集技术、数据通讯技术、自动控制技术、计算机技术等综合运用于交通管理体系中，实现准确、高效、大范围的交通运输综合管理系统[1]，它通过人、车、路的和谐、密切配合起到提高交通运输效率，缓解交通阻塞，提高路网通过能力，较少交通事故，降低能源消耗，减轻环境污染等作用。

its是在传统的交通工程基础上发展起来之后，国内外对its已经有了比较深入的研究与实践。

二、背景识别方法

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。

模式识别是获取特征或信息的过程，对图像进行处理是提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算分析图像提供便利。提取特征可以包括很多方面，如灰度或颜色特征、频域特征、、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。

本系统使用大恒图像采集卡处理视频，形成一系列的图像帧，对图像进行识别将图像中前景与背景有效分离开，考虑到背景会随天气、时间、光照等因素在变化，要解决的问题关键是如何获取变化的背景，众多算法针对背景建立和自适应的背景模型进行了大量研究，通过图像预处理、背景自适应获取的方法能够比较准确的识别出运动目标。

第一步，初步图像处理：由于各种原因会包含噪声及不利于进一步处理的地方，车辆采集到的图像输入到计算机后，需要对采集的原始图像先进行预处理。预处理过程中，通过对图像的滤波去噪、图像的锐化、图像进行彩色图像向灰度图像的转换完成预处理

第二步，背景自适应获取：运用surendra背景更新算法，克服背景提取的难度（环境光照的影响、背景中的细微运动将影响前景检测的结果、运动物体的阴影、图像噪声、新的不动的物体进入到

背景中），自适应背景获取方法的原理：预存一幅背景图像将它与下一幅视频图像进行差分算法比较，对差值图像的亮度值进行判断，用灰度变化的点代替原背景图像上的像素点，背景图像对应位置的像素点保持不变，要读取下一幅图像时，便以此作为背景图像重复上述步骤。提高了图像处理的准确性。运用差分法得到运动区域，再通过基于灰度图像阴影消除的车辆检测算法，得到运动车辆；通过违章判别算法，检测出违章车辆，并通过视频和图像的形式保存在硬盘中，提供给交通管理人员做违章处罚的凭证。运用高斯混合模型的建模流程包括初始化号牌识别高斯混合模型，初始化参数求出之后将要用到的参数；每一帧号牌图像的每一个像素进行处理，如果相同将其归入该模型中，进行更新的像素值，若不相同，建立一个新的高斯模型，重复上述步骤；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。

三、运动检测算法在系统中的运用

图像分割，就是把目标图像从背景图像中表识出来，以达到目标和背景分离的目的。为了检测停留在待测区域中的车辆是否违章，在获取了待测区域的背景之后，最重要的就是将图像分割。该区域中的车辆从背景中分割出来。这就用到了图像分割技术，所谓要想识别车型，必须把车辆从背景中分离出来。分割是车型识别中非常关键的一步。

车型号牌识别常见的检测以数字图像处理、ocr识别技术、模式识别算法、机器视觉技术等技术为基础，通过视频识别及图片识别

两种模式对摄像机所拍摄的车辆视频或图片进行分析，得到每一辆汽车唯一的车牌号码从而自动完成识别过程。假定摄像头固定时，只对视场内的车辆目标进行检测，离开网格检测区域后再次进入的物体被视为新目标。目前，车辆目标检测的方法是基于图像序列中时间信息的，或是基于图像序列中空间信息的。

四、算法流程

（1）初始背景生成。在各典型时段（如上午、中午、下午、晚上）采集无车辆的背景图像存储在工控机上，在系统启动时，根据系统时间读取相应的背景图像，作为初始背景。

（2）背景更新。将从摄像机读取的当前帧图像的每个像素与背景图像进行比较，若其rgb三分量的差值都小于某个阈值，则认为是背景像素，进行该像素的更新；否则，认为是目标像素，不更新背景。

（3）车辆检测。每隔一段时间（如1秒钟）从摄像机读取一帧图像，将其每个像素与更新后的背景图像进行比较。计算其外接矩形，获得中心坐标、高度、宽度，并计算车身的颜色均值，将这些特征作为车辆的表示，用一个车辆数组存储。

（4）车辆跟踪。目前只考虑车辆在黄网格往前开，不拐弯的情况，若两次检测的车颜色、尺寸相近，只是往前有一段距离的移动，则判断其是否已违章但未保存其牌照，若是，则启动利普视觉进行牌照识别。若当前检测的车在上次检测中找不到对应的车，则说明该车为新驶入的车，停车计数器置1。若当前检测的车在上次检测

中有对应的车，但已运动一段距离，且停车计数器没达到阈值，则停车计数器置0。

五、系统功能

（1）可对最多达四个车道上的车辆进行动态图像实时监控，自动识别违章停车车辆，自动抓拍、录像，获取违章时刻的静态图像和15秒钟（或65秒钟）的动态视频文件。

（2）拍摄违章车辆的彩色图像，图片自动叠加违法时间、地点等信息。即使在夜间路灯照明下，也可拍出清晰可辨车牌号码的目标车辆照片。

（3）获取的违章车辆信息可以储存、打印、随机查询；可以生成违法图像信息数据库，也可生成违章车辆的记录明细表。

（4）系统对违章车辆的图片自动进行车牌照号码识别，精确记录违章时间、地点、违章行为类型等数据。

（5）系统提供现场查询、处理功能，同时也可将抓拍的各种违法信息通过网络光纤或u盘转存至安装有客户端处理软件的信息中心，以便汇总管理、查询和处罚，方便执法，实现对机动车违法的动态化管理。可根据需要生成违法取证通知单。

（6）续视频记录功能，系统可连续存储3-10天的视频记录（由存储空间确定），循环记录。为各类突发事故鉴别提供依据。（7）当地车流量统计功能。

参考文献：

[1]马颂德，张正友.计算机视觉——计算理论与算法基础[m].北