本發(fā)明涉及領(lǐng)域，具體涉及一種自適應(yīng)運(yùn)動(dòng)車輛檢測(cè)方法。

背景技術(shù)：

運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)控系統(tǒng)的關(guān)鍵環(huán)節(jié)，也是極其視覺領(lǐng)域的研究熱點(diǎn)。近年來，應(yīng)用于運(yùn)動(dòng)目標(biāo)檢測(cè)的算法主要有：光流法、幀差法和背景差分法。其中，光流法由于其抗噪性能差、計(jì)算復(fù)雜度較高等問題，主要應(yīng)用于攝像頭相對(duì)運(yùn)動(dòng)狀態(tài)下的目標(biāo)檢測(cè)；背景差分法是一種處理運(yùn)動(dòng)目標(biāo)檢測(cè)問題的好算法，能提取完整的目標(biāo)信息，其運(yùn)算復(fù)雜度取決于背景的描述模型，缺點(diǎn)是適應(yīng)于環(huán)境突變的魯棒性較差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種自適應(yīng)運(yùn)動(dòng)車輛檢測(cè)方法。

自適應(yīng)運(yùn)動(dòng)車輛檢測(cè)方法，包括以下步驟：

1）采集運(yùn)動(dòng)車輛視頻圖像，對(duì)序列圖像進(jìn)行3×3高斯卷積去噪，利用改進(jìn)的自適應(yīng)混合高斯模型提取背景；

2）將背景圖像與當(dāng)前幀圖像做差分，得到差分圖像，即，對(duì)差分結(jié)果以為閾值進(jìn)行二值化，結(jié)果存入中；計(jì)算的大小，，為跟蹤環(huán)境變化的度量因子，為背景差分圖像在閾值下的二值化結(jié)果中的像素總數(shù)，為其中非零點(diǎn)的個(gè)數(shù)；

3）如果，則重新對(duì)以()為閾值進(jìn)行二值化提取目標(biāo)，處理結(jié)果存入中，反之，如果，則直接進(jìn)入下一步；

4）求前一幀圖像與當(dāng)前幀的差分圖像，即：，并對(duì)以為閾值進(jìn)行二值化提取運(yùn)動(dòng)目標(biāo)，處理結(jié)果保存在中；

5）如果當(dāng)前，用3×3的橢圓結(jié)構(gòu)元素對(duì)依次做形態(tài)學(xué)開運(yùn)算和閉運(yùn)算2次，得到檢測(cè)結(jié)果；如果，對(duì)以3×3橢圓結(jié)構(gòu)元素做形態(tài)學(xué)閉運(yùn)算2次得到檢測(cè)結(jié)果。

本發(fā)明的有益效果是：

本發(fā)明在提取背景后，引入跟蹤環(huán)境變化的度量因子，根據(jù)場(chǎng)景環(huán)境變化的情況，實(shí)現(xiàn)背景減除與幀間差分的自適應(yīng)切換，運(yùn)算量小，該方法既濾除了環(huán)境變化的干擾，又彌補(bǔ)了幀差法對(duì)于緩慢運(yùn)動(dòng)目標(biāo)的漏檢問題，準(zhǔn)確性高。

具體實(shí)施方式

以下具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步闡述，但不作為對(duì)本發(fā)明的限定。

自適應(yīng)運(yùn)動(dòng)車輛檢測(cè)方法，包括以下步驟：

1）采集運(yùn)動(dòng)車輛視頻圖像，對(duì)序列圖像進(jìn)行3×3高斯卷積去噪，利用改進(jìn)的自適應(yīng)混合高斯模型提取背景；

2）將背景圖像與當(dāng)前幀圖像做差分，得到差分圖像，即，對(duì)差分結(jié)果以為閾值進(jìn)行二值化，結(jié)果存入中；計(jì)算的大小，，為跟蹤環(huán)境變化的度量因子，為背景差分圖像在閾值下的二值化結(jié)果中的像素總數(shù)，為其中非零點(diǎn)的個(gè)數(shù)；

3）如果，則重新對(duì)以()為閾值進(jìn)行二值化提取目標(biāo)，處理結(jié)果存入中，反之，如果，則直接進(jìn)入下一步；

4）求前一幀圖像與當(dāng)前幀的差分圖像，即：，并對(duì)以為閾值進(jìn)行二值化提取運(yùn)動(dòng)目標(biāo)，處理結(jié)果保存在中；

5）如果當(dāng)前，用3×3的橢圓結(jié)構(gòu)元素對(duì)依次做形態(tài)學(xué)開運(yùn)算和閉運(yùn)算2次，得到檢測(cè)結(jié)果；如果，對(duì)以3×3橢圓結(jié)構(gòu)元素做形態(tài)學(xué)閉運(yùn)算2次得到檢測(cè)結(jié)果。