基于匹配分布和混合高斯模型的车辆检测算法

戴夏强, 周大可, 鹿 乐

(1. 南京航空航天大学 自动化学院, 南京 210016; 2. 中国兵器北方信息控制集团有限公司, 南京 211153)

0 引 言

随着生活条件的改善, 汽车进入了越来越多的家庭, 智能交通的概念正是在交通状况日益恶化的条件下提出的。其中运动目标检测是智能交通的关键步骤, 准确性高的运动目标检测有利于后续的车辆特征提取、 目标跟踪等步骤。常用的运动目标检测方法主要有光流法、 背景差分法、 帧间差分法和特征检测法等。其中背景差分法广为使用。

背景差分法[1-5]一般分为两种： 自适应方法和非自适应方法。非自适应方法主要有人工选择、 逐像素点投票法和均值搜索算法等。但非自适应方法由于计算复杂和需要人工的初始化等因素逐渐被舍弃。自适应方法主要有隐马尔科夫模型法[5]、 卡曼滤波法[6]、α混合法[7]和高斯混合法[8]等。α混合法最简单、 速度最快, 但检测缓慢运动目标的效果较差, 并且它和卡曼滤波一样不能解决背景多模态的问题。隐马尔科夫模型法虽然能解决背景的多样变化性问题, 如灯光的亮和暗, 但计算量太大, 不适宜用于实时的车辆检测中。而Stauffer等[2]提出的混合高斯模型(GMM： Gaussian Mixture Model)是建立背景较常见和成功的方法之一, 主要由于它能很好地适应背景的多态性和缓慢变化性, 并且计算简单, 特别是Grimson等[1]提出的背景更新方程迭代的方法使背景的学习更加简单高效。它主要对每个像素点、 每帧都建立一个混合高斯方程, 通过学习, 确定点属于前景或背景, 但它也有一些开放性的问题, 如不稳定的背景、 移动缓慢的稳定前景、 光照的突变和阴影等, 这些问题比较典型。……