基于背景分离混合高斯模型的高速公路小目标抛洒物检测

发布时间：2021-07-31 15:05

　　近年来,随着高速公路里程不断延长,车流量节节攀升,因高速公路抛洒物诱发的事故数量激增。而在这些抛洒物中,大多为货车上未捆扎严实而掉下的货物或者汽车故障掉落的碎片,这些体积小而坚硬的物体,对高速公路司乘人员的安全带来了极大的威胁。因此对高速公路小目标抛洒物进行实时、准确地检测成为亟待解决的问题。不同于高速公路上的机动车、非机动车、行人等目标,抛洒物不具有图像上的通用特征,因此本文通过前景提取和噪声去除的方法实现小目标抛洒物的间接检测。首先,本文提出了一种基于背景分离的混合高斯模型（BS-GMM）算法来提取高速公路视频的前景图像,对原混合高斯模型的背景划分和像素点类型判断进行改进,提出背景分离检测前景目标的概念,在实现静止目标检测的同时能够适应实时的背景环境变化。然后,本文对前景提取结果进行图像预处理以及目标定位,使用基于IOU匹配的跟踪方式对前景目标的运动状态进行分析,去除了大量随机噪声的干扰,并得到疑似小目标抛洒物。最后,本文对两种常见的由摄像头抖动和光照阴影产生的小目标噪声进行去除,分别提出了基于频率统计的抖动抑制算法和基于边缘匹配的小目标抛洒物验证方法对疑似小目标抛洒物进行筛选。将... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

差分法检测抛洒物

浙江大学硕士学位论文第2章基于BS-GMM的视频前景提取算法18视频中提取出能与路面区分出来的抛洒物目标，后续的前景提取算法都采用RGB的颜色空间。2.1.2混合高斯模型前景提取基于混合高斯模型的前景提取算法与差分法不同，前者会根据该像素点历史像素值的变化建立一个高斯分布模型，然后根据当前像素点与该高斯分布模型的匹配结果来判断该点是前景还是背景。从理论上来说基于某一像素点历史变化的规律来判断某一个像素值是否属于背景，要比直接定义一个全局的颜色阈值进行背景判断更为合理。为了与差分法实验形成对比，混合高斯模型直接使用上述无抛洒物的路面帧进行建模，同样将抛洒物停留在路面的视频帧作为待测图像，与背景模型进行匹配得到前景图像如下。图2-3混合高斯模型前景提取由前景提取结果可知，在检测出小目标抛洒物的同时，尽管周围环境噪声还是存在，但是比低阈值的差分法已经少了很多。此外，本文还使用两种类型的前景提取方法，对其他的实际抛洒物场景的视频进行了实验，在RGB维度通过差分法来找出所有的目标，需要设置非常低的阈值，这样在不同场景下产生的噪声数量是不可控的。而混合高斯模型方法只需要设置一个方差系数，即根据高斯分布的3原则，来判断像素点是否与背景模型相匹配。用该方法在不同场景下均

浙江大学硕士学位论文第2章基于BS-GMM的视频前景提取算法22在实际的代码实现过程中，按照模型的权值大小逐一匹配，当匹配到模型K时，会累加前K-1个模型的权值，将累加值与上述背景阈值T进行比较，如果小于T，说明处于背景模型，否则属于前景。在代码实现过程中还会有一些后处理操作，具体流程如下。图2-4混合高斯模型检测流程除了上述提到的模型根据权值排序和归一化之外，在每次模型匹配之后会对权值低的模型进行清除，并为前景像素生成新的模型。当某模型权值小于一定阈值，删除该模型，模型数量为K-1，然后归一化权值。当前像素未能匹配上背景模型时，如果当前模型数量已经到达K，将最后一个模型的权值初始化为，均值设为当前像素值，方差初始化为指定值。如果模型数量小于K，则增加一个新模型，参数初始化和上文提到的相同。最后进行权值归一化。2.3基于BS-GMM算法的抛洒物检测2.3.1前景提取场景为了验证混合高斯模型应用在实际高速公路视频场景中前景提取的效果，本文列举出以下四种场景，并展示各个场景下像素点的RGB通道像素值，及其混合高斯模型的变化过程。其中参数设置为，各像素点最大高斯模型数量为5，背

【参考文献】：
期刊论文
[1]城市道路视频中小像素目标检测[J]. 金瑶,张锐,尹东.  光电工程. 2019(09)
[2]卷积神经网络与核相关滤波相结合的跟踪算法[J]. 王明雪,杨海清,徐勇军.  小型微型计算机系统. 2019(04)
[3]高速公路抛洒物事件图像检测算法[J]. 汪贵平,马力旺,郭璐,王会峰,张弢.  长安大学学报(自然科学版). 2017(05)
[4]基于三帧差分和滑动平均背景的运动目标检测[J]. 周晓,方玖琳,郑定超.  计算机测量与控制. 2016(05)
[5]一种基于HGPC的交通监控视频抖动异常检测方法[J]. 牛瑶瑶,洪丹枫,吴鑫,王国栋,潘振宽.  青岛大学学报(自然科学版). 2014(03)
[6]基于混合高斯模型与三帧差分的目标检测算法[J]. 张文,李榕,朱建武.  现代电子技术. 2012(08)
[7]基于双层背景的遗弃物检测方法[J]. 王琛,郭继昌,冯晓敏.  计算机工程. 2011(24)
[8]交通场景中基于彩色视觉信息统计的背景建模[J]. 王子明,杨晨晖.  现代计算机(专业版). 2011(29)
[9]视频稳像技术综述[J]. 陈启立,宋利,余松煜.  电视技术. 2011(07)
[10]应用改进混合高斯模型的运动目标检测[J]. 张燕平,白云球,赵勇,赵姝.  计算机工程与应用. 2010(34)



本文编号：3313685