[發明專利]停車檢測準確的基于雙層背景的停車事件檢測方法

有效

• 申請號: 201611069411.1
• 申請日: 2013-03-28
• 公開（公告）號: CN106778540B
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 謝正光;李宏魁;胡建平
• 申請（專利權）人: 南通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G08G1/14
• 代理公司: 南通市永通專利事務所(普通合伙) 32100
• 代理人: 葛雷;鹿藝

1.一種停車檢測準確的基于雙層背景的停車事件檢測方法，其特征是：包括下列步驟：

(1)建立兩層不同的背景——主背景和次背景,利用主背景的更新速度快、對停止目標較敏感的特性，而次背景更新較慢、對停止目標反應較慢的特性，比較兩幅圖的差異；

主背景模型的建立——RunningAvg模型，RunningAvg模型如下式所示：

——B_Avg(i,j)為RunningAvg背景模型；

——B_n(i,j)為第n幀更新后的背景值，

——B_n-1(i,j)為第n-1幀的背景值，

——I_n(i,j)為當前視頻幀的灰度值，

——為更新速率；

對進行了如下改進：

——M_n為狀態位；

D_n(i,j)＝|I_n(i,j)-I_n-1(i,j)|，Dn(i,j)為相鄰幀殘差圖像；

分別為可變加權參數；

次背景模型的建立——首先初始化預先定義的幾個高斯模型，對高斯模型中的參數進行初始化，并求出之后將要用到的參數；其次，對于每一幀中的每一個像素進行處理，看其是否匹配某個模型，若匹配，則將其歸入該模型中，并對該模型根據新的像素值進行更新，若不匹配，則以該像素建立一個高斯模型，初始化參數，代理原有模型中最不可能的模型；最后選擇前面幾個最有可能的模型作為背景模型，為背景目標提取做鋪墊；

混合高斯模型p(x_N)為像素出現概率統計值，如下式所示：

——w_j為k階高斯背景的權重，x_N為輸入樣本，θ_j為觀察值；

——η(x；θ_k)為k階高斯的標準正態分布，其表達式如下：

——μ_k為均值；

——∑_k＝σ²I為方差；

背景像素判斷公式如下式：

——B_Gauss為背景像素點；

——a為學習速率；

——w_k為初始化權重，為w_k期望值；

——T為背景閾值；

混合高斯模型使用K個高斯模型來表征圖像中各個像素點的特征，在新一幀圖像獲得后更新混合高斯模型,用當前圖像中的每個像素點與混合高斯模型匹配，如果成功則判定該點為背景點,否則為前景點；通觀整個高斯模型，主要是有方差和均值兩個參數決定，對均值和方差的學習，采取不同的學習機制，將直接影響到模型的穩定性、精確性和收斂性；由于是對運動目標的背景提取建模，因此需要對高斯模型中方差和均值兩個參數實時更新；為提高模型的學習能力,改進方法對均值和方差的更新采用不同的學習率；為提高在繁忙的場景下，大而慢的運動目標的檢測效果，引入權值均值的概念，建立背景圖像并實時更新，然后結合權值、權值均值和背景圖像對像素點進行前景和背景的分類；

(2)初始化停車狀態表，標記停場景中是否已有停止車輛；對雙層背景對應的像素點作差并求出絕對值，得到靜止目標，對雙層背景差值圖像進行二值化；通過HSI陰影抑制，并消除目標相應像素點的陰影，對二值圖像進行閉運算，消除不連續的空洞；

(3)根據攝像機焦距、高度與角度，對圖像中目標像素點加權，將圖像分為5個部分對像素點進行加權；由遠到近，權值分別為2.0、1.6、1.2、1.1和1；對加權后的像素進行統計當大于閾值T_p時，計數器S加1，否則S＝0；當S大于等于90時，則將該二值化圖像D_obj保存下來；閾值T_p＝220；

(4)對該二值圖像進行濾波，并對圖像中的目標進行分割和輪廓檢測，設置檢測靈敏度，對像素值大于靈敏度閾值的目標畫出矩形框，根據長寬比判斷該目標是否為車輛，當目標為車輛時，記錄該矩形框的對角線交點坐標，存入停車事件狀態表；

(5)對像素進行處理和分析，判斷該目標是否為車輛；如果該目標被判斷為車輛，觸發停車事件報警并將主背景當前幀賦給次背景，繼續進行差異比較；當次背景中沒有目標時，保留圖像作為純凈背景；

(6)當次背景模型中的前景為空時，存儲當前的背景圖像作為純凈背景，當檢測到有停止目標時，將主背景當前幀存儲并與純凈的背景圖像進行比較，若兩幀圖像中差別小于閾值時跳至步驟(2)繼續運行，若兩幀圖像中差別大于閾值時，則用該主背景當前幀替換次背景，跳至步驟(2)繼續進行，再次檢測到停車事件時，比較目標中心點坐標，判斷目標是否駛離，并更新狀態表。