技術領域

本發明涉及隧道交通安全監控技術領域，具體是一種基于圖像處理的隧道視頻運動目標檢測方法。?

背景技術

隨著我國經濟社會建設飛速發展，汽車保有量也一步步攀升。汽車保有量的攀升使得道路交通擁擠加劇，交通事故頻繁，能源浪費嚴重，環境質量惡化等。這些問題的出現對道路的暢通、安全、快速提出了越來越高的要求，也使得各類高等級智能化公路開始大面積建設和普及，隨后我國公路系統進入大發展、大跨越時期。我國是多山的國家，而隧道具有改善路網、節約土地等優點，所以逐漸成為公路建設的重要組成部分。隧道作為道路交通的重要組成部分之一，其安全性直接關系到人民的生命和財產安全。?

隧道內部構造復雜，相對封閉，致使其行車環境相當復雜，而且隧道內有大量種類繁多的設施，對隧道的運行管理顯得尤為重要。尤其在高速公路隧道內，車速高、車流量大而且照明差、噪聲大、空氣質量差，容易導致交通事故的發生。同時，隧道內的事故較難處理，且其中斷的時間長。因此，建立一套行之有效的、完善的隧道交通安全實時監控系統，對于防止和減少隧道內各種事故的發生，最大可能地減小事故的破壞力是極其重要的。?

目前，國內外的視頻檢測系統一般是針對高速公路或主干公路的，鮮有針對隧道這種特殊應用場景的。由于隧道內光線昏暗、復雜以及攝像機架設高度受限等不利因素，現有的視頻檢測系統會出現目標識別低、誤檢率及事件誤報率高等缺陷。常用運動目標檢測方法有光流法、背景法、幀差分法等。其中，光流法建立在圖像背景灰度變化較小假設上，對圖像在時間和空間運動關系進行光流場分析，來分割運動目標邊界。但是隧道內部環境變化對該算法影響極大，如光線變化明顯、照明燈開啟等。另外，該算法運動復雜度較高，限制其實際應用范圍。背景法最核心環節是建立有效背景模型，模型準確性直接影響運動目標檢測精度。常見高級背景模型有高斯混合模型和碼本模型等。高斯混合模型假設現實背景圖像灰度呈現多峰分布現象，采用若干按照不同權值疊加高斯分布來擬合背景圖像特征，從而有效地提取運動目標。但是隧道環境對比度低、噪聲污染嚴重，往往導致該模型檢測效果不佳。碼本模型采用量化、聚類技術來重構背景模型，將時間序列中每一個像素點量化到一個碼本，用碼本來代表背景壓縮形式。該模型可以有效地克服光照變化和背景擾動等不確定因素影響，有效地分割運動目標。但是該模型背景訓練樣本量和目標分割閾值需要人為設定，若光照突變或者目標與背景比較接近，該檢測方法誤檢率很大。?

中國發明專利《基于全方位計算機視覺的智能隧道安全監控裝置》(專利號：ZL200610051633.0)技術方案中的運動對象檢測模塊，主要包括以下內容：用于從視頻流中實時提取目標，對每個圖像點采?用多個自適應混合高斯模型表示，設用來描述每個點顏色分布的高斯分布共有K個，各高斯分布分別具有不同的權值和優先級；各個高斯分布優先級從高到低的次序排序，取定背景權值部分和閾值，只有滿足前若干個分布才被認為是背景分布，其它則是前景分布。?

對于上述運動檢測模塊，自適應混合高斯模型具有以下缺點：?

其一，對陰影敏感。由于隧道內部環境光線較弱，運動目標帶有弱陰影，由于顏色與背景有差別，也會當作運動目標檢測出來，將嚴重干擾混合高斯模型檢測出來的運動目標區域，極大地影響了混合高斯模型檢測目標的準確性。?

其二，對光線變化魯棒性差。由于隧道內部環境照明昏暗，車燈開啟帶來光線灰度突變給混合高斯模型建立背景帶來嚴重干擾，大大降低了背景模型準確性，直接增大運動檢測的誤檢率。?

其三，對顏色不明顯運動目標漏檢。受隧道環境成像條件影響，視頻數據顏色不明顯，尤其灰色車輛和黑色車輛與背景信息差別不大。如果混合高斯模型設置閾值不當，容易造成灰色和黑色車輛漏檢。?

其四，更新率參數影響較大。如果混合高斯模型更新率參數賦值較小，整個高斯模型無法構造出當前幀所需要的背景，導致背景建模時間拉長。如果給更新率參數賦值較大，建立模型速度雖然加快，但由于使用較大更新率參數，使得與當前像素相匹配的高斯成分總是占據較大權值，從而降低了整個高斯模型對視頻中各種噪聲的抑制作用。?

發明內容

本發明的目的在于提供一種基于圖像處理的隧道視頻運動目標檢測方法，通過該方法能夠對隧道視頻運動目標進行實時檢測，分析其運動行為軌跡，實時提取當前交通參數如車流量和平均速度等，以評估當前隧道交通運行狀態，防止和減少隧道內各種事故的發生，最大可能地減小事故的破壞力。?

本發明的技術方案為：?

一種基于圖像處理的隧道視頻運動目標檢測方法，包括以下步驟：?