城市交通場景中的背景建模方法研究.pdf

1、城市交通場景的目標(biāo)檢測是智能監(jiān)控中最廣泛的應(yīng)用之一，目標(biāo)檢測和圖像分割的準(zhǔn)確率對違章識別、停車檢測和車流統(tǒng)計等智能檢測模塊有著重要的影響。本文對城市交通場景中的目標(biāo)檢測算法進(jìn)行研究，總結(jié)了常見的目標(biāo)檢測算法，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，歸納出復(fù)雜場景下背景建模面對的主要問題，對移動的物體、光照緩慢變化、“自啟動”和前景空洞等七類問題做了詳細(xì)的分析，同時提出了城市交通場景中背景建模存在的主

2、要問題?；诖罅康姆治雠c實驗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景的目標(biāo)檢測。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)缺點和適用場景，同時提出了城市交通場景的特征包括：背景訓(xùn)練中存在大量的運動前景、環(huán)境光照發(fā)生緩慢變化和前景目標(biāo)的短暫停留。針對城市交通的特征對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時更新中引入隨機(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大引起的誤檢以及更新率過小可能引起的背景適應(yīng)性差，使模型的穩(wěn)定性和容錯性更高；根據(jù)大量的實驗觀察和量化分析，得到碼字頻率的統(tǒng)計性規(guī)律，通過多個碼字的統(tǒng)計與排序方法篩選最可靠的背景碼字，解決了“自啟動”情況下的背景建模的問題；結(jié)合圖像的空間

4、信息輔助背景模型的更新，計算像素點的鄰域空間一致性特征，因為路面區(qū)域的像素點鄰域空間一致性更高，對空間一致性高的區(qū)域加速更新就可以提高了背景模型的穩(wěn)定性，避免了由于車輛目標(biāo)短暫停止造成的漏檢。
　?。?）對本文提出的算法進(jìn)行實驗和測試，繪制ROC曲線評價算法的性能；同時在標(biāo)準(zhǔn)數(shù)據(jù)集與城市交通的實際數(shù)據(jù)集中做了對比實驗與分析。
　　通過實驗和分析可以說明，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)練中大量運動前景的影響而可