城市交通場(chǎng)景中的背景建模方法研究.pdf

1、城市交通場(chǎng)景的目標(biāo)檢測(cè)是智能監(jiān)控中最廣泛的應(yīng)用之一，目標(biāo)檢測(cè)和圖像分割的準(zhǔn)確率對(duì)違章識(shí)別、停車(chē)檢測(cè)和車(chē)流統(tǒng)計(jì)等智能檢測(cè)模塊有著重要的影響。本文對(duì)城市交通場(chǎng)景中的目標(biāo)檢測(cè)算法進(jìn)行研究，總結(jié)了常見(jiàn)的目標(biāo)檢測(cè)算法，主要研究其中的背景建模方法。本文首先總結(jié)了經(jīng)典背景建模方法的基本思想和優(yōu)缺點(diǎn)，歸納出復(fù)雜場(chǎng)景下背景建模面對(duì)的主要問(wèn)題，對(duì)移動(dòng)的物體、光照緩慢變化、“自啟動(dòng)”和前景空洞等七類(lèi)問(wèn)題做了詳細(xì)的分析，同時(shí)提出了城市交通場(chǎng)景中背景建模存在的主

2、要問(wèn)題?；诖罅康姆治雠c實(shí)驗(yàn)本文提出了基于隨機(jī)更新的改進(jìn)碼本模型，其更適于城市交通場(chǎng)景的目標(biāo)檢測(cè)。本文主要的工作內(nèi)容包括：
　?。?）分析了經(jīng)典的背景建模算法，包括平均背景法、混合高斯背景模型、核密度估計(jì)背景模型、ViBE算法和碼本背景模型。分析了各算法的優(yōu)缺點(diǎn)和適用場(chǎng)景，同時(shí)提出了城市交通場(chǎng)景的特征包括：背景訓(xùn)練中存在大量的運(yùn)動(dòng)前景、環(huán)境光照發(fā)生緩慢變化和前景目標(biāo)的短暫停留。針對(duì)城市交通的特征對(duì)背景建模方法提出優(yōu)化和改進(jìn)的方案。

3、
　?。?）本文在經(jīng)典碼本模型的基礎(chǔ)上，提出了基于隨機(jī)更新的改進(jìn)碼本模型，主要的改進(jìn)包括：在碼字中心像素值的實(shí)時(shí)更新中引入隨機(jī)策略，以不同的概率隨機(jī)接受可信度不同的像素值，這樣就避免了更新率取值過(guò)大引起的誤檢以及更新率過(guò)小可能引起的背景適應(yīng)性差，使模型的穩(wěn)定性和容錯(cuò)性更高；根據(jù)大量的實(shí)驗(yàn)觀察和量化分析，得到碼字頻率的統(tǒng)計(jì)性規(guī)律，通過(guò)多個(gè)碼字的統(tǒng)計(jì)與排序方法篩選最可靠的背景碼字，解決了“自啟動(dòng)”情況下的背景建模的問(wèn)題；結(jié)合圖像的空間

4、信息輔助背景模型的更新，計(jì)算像素點(diǎn)的鄰域空間一致性特征，因?yàn)槁访鎱^(qū)域的像素點(diǎn)鄰域空間一致性更高，對(duì)空間一致性高的區(qū)域加速更新就可以提高了背景模型的穩(wěn)定性，避免了由于車(chē)輛目標(biāo)短暫停止造成的漏檢。
　　（3）對(duì)本文提出的算法進(jìn)行實(shí)驗(yàn)和測(cè)試，繪制ROC曲線(xiàn)評(píng)價(jià)算法的性能；同時(shí)在標(biāo)準(zhǔn)數(shù)據(jù)集與城市交通的實(shí)際數(shù)據(jù)集中做了對(duì)比實(shí)驗(yàn)與分析。
　　通過(guò)實(shí)驗(yàn)和分析可以說(shuō)明，本文提出的基于隨機(jī)更新的改進(jìn)碼本模型不受模型訓(xùn)練中大量運(yùn)動(dòng)前景的影響而可