朱华生，叶 军

（南昌工程学院信息工程学院，江西南昌330099）

基于改进高斯模型的车流量检测算法

朱华生，叶 军

（南昌工程学院信息工程学院，江西南昌330099）

提出了一种基于改进单高斯模型的车辆检测与流量统计算法，该算法采用改进的单高斯模型对移动目标进行检测，然后选用HSV颜色空间抑制阴影，提高了目标提取的准确率，最后，按车道分别设置相应的虚拟区域，以实现车流量的统计工作。为验证算法的有效性，在标准测试视频上进行了对比实验，实验结果表明，该算法能够快速地提取车辆目标，且具有较高的车辆识别率，有一定的实用价值。

计算机视觉；高斯模型；阴影抑制；交通

1 引 言

随着社会经济的快速发展，交通拥堵问题日益严峻，实时的交通数据对有效利用城市空间具有十分重要的意义。要实现这一数据的提取，首先要进行车辆检测。Michalopoulos［1］提出的视觉检测方法克服了大多数传统车流检测方法的弊端，具有设备安装简单、易于维护、成本低、联网方便等优点［2］。

目前，基于视觉的交通车流量监测方法主要分为3类：光流法、帧差法、背景消减法等。光流法［3－4］抗噪性能差，计算复杂，若无特别的硬件装置作为支撑，其处理速度相当慢，难以达到实时处理的要求。帧差法［5－6］则需要动态的设定时间间隔进行差分，对于慢速运动的车辆需要选择较大的时间差，以防止产生空洞，影响检测结果。背景消减法［7］是视觉检测算法中最常用的一种方法，其关键在于背景的提取及更新，由于一般的背景建模方法对突发运动和光照突变敏感［8］，又不能区分移动目标和移动阴影，从而导致车辆的误检率较高。……