[發明專利]一種高速公路視頻拋灑物檢測的前景提取方法

有效

• 申請號: 202010324666.8
• 申請日: 2020-04-22
• 公開（公告）號: CN111582070B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 夏瑩杰;歐陽聰宇
• 申請（專利權）人: 浙江大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/54;G06T7/194
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

1.一種高速公路視頻拋灑物檢測的前景提取方法，其特征在于，包括以下步驟：

S1為視頻序列中的路面建立高斯混合模型，并初始化模型參數；

S2使用自適應學習率方法得到初始背景，并進行初始背景劃分得到初始背景模型組B，具體如下：

S21初始背景學習，設置幀數N和初始學習率β_H，選取視頻前N幀以初始學習率β_H更新背景，過濾運動目標干擾信息；

S22初始背景劃分，設置背景閾值參數T，選擇b個高斯分布作為背景模型，計算初始背景模型組B：

其中，b的取值范圍為0＜b＜K；ω_i,t為各高斯模型的權值；

S3匹配視頻幀像素點與背景模型，判斷各像素點的類型屬于前景或者背景并輸出二值化前景圖像；

S4根據匹配結果更新背景模型參數用于下一時刻的前景提取，并判斷是否需要通過模型權值衰減策略重新劃分背景模型，具體如下：

S41當像素點與第i個模型匹配上時，更新該模型的權值、均值和方差，并且對應模型的權值增加，完成匹配后，歸一化權值參數；

ω_i,t＝(1-α)ω_i,t-1+α(M_i,t)；

μ_j,t＝(1-ρ)μ_j,t-1+ρX_i,t；

其中M_i,t為匹配權重，如果匹配上，M_i,t為1，否則為0，ρ為參數更新速率，ρ＝α·η(X_t,μ_i,t,σ_i,t)；其中α表示學習率；若沒有一個模型匹配上當前像素值，則進入步驟S42；

S42加一個以該像素值為均值的高斯分布模型，并將模型方差設為默認值，模型權值為學習率α；若當前像素點的高斯分布模型數量已經為K，則將權值最低的高斯分布模型刪除得到更新后的背景模型；最終對更新后的模型權值進行歸一化處理并排序；

S43計算該時刻模型參數更新后背景模型的權值和，設置權值衰減閾值T_W，當該權值和低于閾值T_W時，則進入步驟S22中的策略對背景和前景模型進行重新劃分；否則，進入步驟S3；

S5根據二值化前景圖像判斷是否存在拋灑物，進而實施報警。

2.根據權利要求1所述的前景提取方法，其特征在于，S1中所述的建立高斯混合模型，是指為圖像中各個像素點的分配K個高斯背景模型，并對K個模型的權值、均值、方差進行初始化；將第一個模型權值設為1，其他模型權值為0，均值設置為第一幀對應像素點的像素值，方差設為9或16；

其中，P表示該像素點的背景分布情況；x_j,t代表圖像中第j個像素點在t時刻的像素向量；為第j個像素點在混合高斯模型中第i個高斯分布在t時刻的權值；和分別表示第j個像素點第i個高斯分布在時刻t時的均值和協方差矩陣；η表示高斯分布的概率密度函數。

3.根據權利要求1所述的前景提取方法，其特征在于，所述的幀數N為200，所述的初始學習率β_H為0.5。

4.根據權利要求1所述的前景提取方法，其特征在于，S3匹配視頻幀像素點與背景模型，判斷各像素點的類型屬于前景或者背景并輸出二值化前景圖像；具體如下：

當像素點和對應的高斯分布，匹配條件為：

|X_t-μ_i,t-1|≤D×σ_i；

其中X_t表示t時刻的像素值，μ_i,t-1表示第i個模型在t-1時刻的均值，σ_i表示模型i的方差，D為常數3，則認為與該模型匹配，若像素值與背景模型匹配，則認為該像素點屬于背景；否則，認為該像素點屬于前景并輸出二值化前景圖像。

5.根據權利要求4所述的前景提取方法，其特征在于，所述的背景模型為初始背景模型組B或更新后的背景模型。

6.根據權利要求1所述的前景提取方法，其特征在于，所述的學習率α為0.001。