一种基于监控视频的车型识别和车流量检测算法*

吴亚斌，陈淑荣

（上海海事大学 信息工程学院，上海 201409）

0 引言

近年来随着机动车保有量的迅速增加，交通拥堵等各类交通事故频发。为了解决日益恶化的交通问题，智能交通系统（Intelligent Transport System）应运而生。交通监控系统是智能交通系统 （ITS）[1]的重要组成部分，而车型识别、车流量检测是交通监控系统自动化的基础部分，为进一步提取、分析道路交通信息和控制车辆提供依据。目前用于车量检测的主要技术分为三类[2]：基于压电回路的永久埋入式系统、悬挂式系统和基于图像处理技术的视频车辆检测系统。其中基于图像处理技术的视频车辆检测系统利用图像处理与识别技术，通过视频信息检测道路车流量、车型、车速等交通流信息，具有成本低廉、安装和维护简便、应用范围广等优点，被广泛采用。

针对交通视频中的运动车辆目标检测，当前主要方法有：帧间差分法、光流法、背景差分法[3]。其中背景差分法计算简单，是目前最常用的方法。Wren等人[4]提出了通过单高斯背景模型对每一个像素建立高斯模型来表征像素在时间轴上的变化，但当固定位置的像素值不断改变，像素颜色值不是单峰分布时，单高斯模型描述不够准确。周世付等人[5]提出高斯混合模型（Gaussian Mixture Model，GMM），用K个单高斯分布来描述每个像素，再对每个单高斯分布进行加权。混合高斯背景模型虽然能够处理复杂、非静止的多模态背景，但它在背景变化较快的时候效果极巨下降，除此之外它的时间复杂度也较大。……