一种公交车客流量实时检测算法的研究

邱道尹 郑 鹏 宋克峰

（华北水利水电大学，河南 郑州 450011）

公交车客流量检测是实现公交车客流量人数统计的基本前提。经过近些年的研究已经提出了许多算法，主流的算法包括帧间差分法、背景差分法和光流法。 这些算法各有弊益，其中帧间差分法虽比较简单，实时性较好，便于实现，但常会引起一些不良后果，比如帧间物体重叠部分不能有效地检测出来，即通过帧差所得到的检测信息不够完整， 不利于后续的跟踪和判别环节[1-3]。 基于光流的运动目标检测虽然可以利用运动物在速度场中表现出相对应的光流特性求得较为精确的运动目标， 但是大多数的光流方法都需要进行多次迭代，因此消耗的时间比较多，并且抗噪性能差，不利于公交车上乘客检测的实时处理[4-5]。背景差分算法已在公交车客流量检测中普遍应用， 基本思想是利用图像序列中的初始帧图搭建该场景的背景模型， 然后把当前帧图与背景模型做差分处理得到前景目标，同时更新背景。 理想的公交车客流量检测算法应聚焦在乘客所在的敏感区域， 但由于背景模型更新速度和客流量的运动速度不能较好匹配， 导致检测出的客流量前景产生随机分布的虚景[6-7]。 本文将单高斯背景建模处理缓慢变化场景的方法及帧间差分算法简单、 容易实现的特点， 与单高斯背景建模和双差分算法的公交车乘客检测算法融合。 通过双差分模型，先确定乘客最大分布的可能区域，再结合单高斯背景模型对该区域进行背景重建， 其他区域背景像素直接进行更新，最后采用背景差分算法得到精确的前景目标。

1 单高斯背景模型的搭建

单高斯背景模型的基本思想是把影像中每个像素点的颜色分布用单个高斯函数表示，具体步骤如下：

（1）搭建初始背景。提取视频序列帧图X=｛X1，X2，…，XN｝中各像素点的平均灰度值μi，灰度方差δ2i，由μi和δ2i构建初始高斯背景图像θ，公式如下：

（2）背景匹配。 环境发生变化时，需要判断新场景中每个像素点是属于前景还是属于背景，具体判别公式如下：

式中，阈值λ 为经验值，一般取2.3。

（3）构建更新背景模型。 利用视频序列提供的实时信息，对背景进行实时更新：

式中，i 表示具体像素；t 表示帧数；a 表示背景更新率，是一个定值，反映当前帧图相对于背景的更新速度。 到此系统背景模型已搭建成功，同时满足实时性的要求。

2 改进的双差分模型

背景模型成型后，需要进一步得到乘客的运动区域，仅对该区域进行背景匹配处理。 这样可减少系统的运算时间和复杂程度， 较大程度地降低漏检和误检比例， 进而提高检测的准确度。 双差分模型是在差分基础上提出的改进算法，目的是从整个帧图中直接得到目标前景的最大区域。 所谓双差分就是提取相邻序列4 帧图像，对前2 帧和后2 帧图像分别进行差分处理，得到2 幅差分效果图像，最后对这两幅差分效果图进行或运算，得出乘客运动区域。 图1 为双差分算法结构框图。

图1 双差分模型算法框图

3 改进的公交车客流检测算法及其实现

3.1 基于单高斯背景模型和双差分融合的公交车乘客检测算法（本文算法）

图2 本文检测算法流程图

本文算法可分为3 个核心步骤 （图2 为算法流程框图）。（1）搭建单高斯初始背景模型。 （2）通过双差分处理，得到目标乘客所在的最大敏感区域。 （3）完成初始的单高斯背景建模，并结合双差分所得的目标乘客运动区域， 确定单高斯模型需要背景匹配的范围，完成对该区域的前景检测和背景更新。 对于敏感区域以外的像素点，可以直接用该区域对应像素点替换。 由于只对锁定乘客所在的敏感区域进行高斯模型匹配， 所以本文算法能有效地降低运算复杂程度，提高检测的准确率。

3.2 仿真试验及结果分析仿真

对单高斯背景模型、帧间差分法和本文算法分别独立地进行仿真试验，得到三种算法的漏检和误检对比图，如图3 所示。

图3 三种算法之间误检、漏检对比图

从图3 的统计信息可以看出，由于本文算法只是对图像局部进行背景匹配与更新， 漏检率和误检率明显低于前面两种算法，因此本文算法的稳定性和健壮性得以验证。

试验过程中整幅背景的单高斯建模时间约为1.796s， 而本文提到的区域背景重建仅需要0.257-0.312s，与常用传统背景建模相比，在速度上提高了6-7 倍。如果该区域背景仅锁定为乘客的人头图像区域，建模速度会更快，效果会更加显著。

4 结语

通过试验仿真效果对比可知，采用本文算法对公交车乘客进行检测精度高，且具有稳定性与健壮性，能有效降低运算复杂程度，取得较为满意的检测效果。

[1]Weng M Y，Huang G C，Da X Y . Proc of the 3rd International Congress on Image and Signal Processing [C] . USA :IEEE，2010.

[2]Mohamed S S，Tahir N M，Adnan R.Proc of the 6th International Colloquium on Singnal Processing and Its Applications[C].USA:IEEE，2010.

[3]杨大为.基于双差分法的目标检测与分析[J].沈阳工业学院学报，2004，（02）:27-30.

[4]李娟.城市交通系统中行人交通视频检测的理论与方法[D].北京:北京交通大学，2010.

[5]董颖.基于光流场的视频运动检测[D].山东:山东大学，2008.

[6]黄朝露.基于机器视觉的客流量统计技术研究[D].武汉:华中科技大学，2011.

[7]Porro-Munoz D O.Duin R P W，Talavera I.Classification of there -way data by the dissimilarty representation [J].Signal Processing，2011，91（11）:2520-2529.