本發(fā)明涉及圖像處理，尤其涉及基于組合式背景的高速公路異常駐留目標(biāo)檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、隨著高速公路交通流量的不斷增加，異常駐留現(xiàn)象成為影響道路安全的重要因素之一。異常駐留現(xiàn)象指的是車輛、人員或其他物體在高速公路上停留時(shí)間超過(guò)一定閾值的情況，可能對(duì)高速公路的通行安全帶來(lái)嚴(yán)重威脅，包括違停車輛或人員以及拋灑物、障礙物等。傳統(tǒng)的高速公路異常駐留目標(biāo)檢測(cè)主要依賴于人工巡檢或者固定攝像頭進(jìn)行視頻監(jiān)控。這些方法不僅效率低下，且容易受到復(fù)雜環(huán)境因素的干擾，導(dǎo)致檢測(cè)不準(zhǔn)確或者漏檢，無(wú)法及時(shí)預(yù)警和響應(yīng)。

2、現(xiàn)有的自動(dòng)化視頻監(jiān)控技術(shù)通常采用背景建模方法來(lái)檢測(cè)異常目標(biāo)。這些方法主要包括單高斯模型、混合高斯模型等背景建模技術(shù)。通過(guò)對(duì)高速公路場(chǎng)景中的靜止或移動(dòng)較慢的目標(biāo)進(jìn)行建模，可以有效檢測(cè)出駐留的物體。然而，在高速公路這種復(fù)雜的動(dòng)態(tài)環(huán)境中，由于快速移動(dòng)的車輛、光照變化、攝像機(jī)抖動(dòng)等因素，背景建模技術(shù)在處理異常駐留目標(biāo)時(shí)常常面臨以下問(wèn)題：

3、1、誤報(bào)率和漏報(bào)率較高：現(xiàn)有的背景建模技術(shù)在面對(duì)高速公路上的動(dòng)態(tài)背景時(shí)，容易將短時(shí)間內(nèi)停留的目標(biāo)誤報(bào)為異常目標(biāo)，或者漏報(bào)實(shí)際存在的異常駐留目標(biāo)，尤其是面對(duì)類似環(huán)境變化（如光線突然變化）的情況下，系統(tǒng)的檢測(cè)準(zhǔn)確率難以保障。

4、2、深度學(xué)習(xí)檢測(cè)技術(shù)的局限性：雖然近年來(lái)深度學(xué)習(xí)技術(shù)（如yolo目標(biāo)檢測(cè)算法）在目標(biāo)檢測(cè)領(lǐng)域取得了顯著進(jìn)展，但在高速公路場(chǎng)景中，異常駐留目標(biāo)的不確定性給深度學(xué)習(xí)算法帶來(lái)了挑戰(zhàn)?，F(xiàn)有的深度學(xué)習(xí)方法通常依賴于大量預(yù)標(biāo)注的目標(biāo)數(shù)據(jù)，但高速公路下的異常駐留目標(biāo)往往是隨機(jī)且難以預(yù)知的，導(dǎo)致誤報(bào)和漏報(bào)現(xiàn)象時(shí)有發(fā)生，同時(shí)該類算法往往對(duì)gpu資源的需求較高，難以在計(jì)算資源受限的情況下廣泛應(yīng)用。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題，本發(fā)明旨在提供一種基于組合式背景圖像與深度學(xué)習(xí)檢測(cè)技術(shù)相結(jié)合的高速公路異常駐留目標(biāo)檢測(cè)方法及系統(tǒng)。通過(guò)動(dòng)態(tài)組合不同時(shí)段的背景圖像，生成更加精確的組合式背景，能夠有效應(yīng)對(duì)高速公路上復(fù)雜的動(dòng)態(tài)背景。同時(shí)，結(jié)合深度學(xué)習(xí)模型對(duì)檢測(cè)到的目標(biāo)進(jìn)行進(jìn)一步分類和標(biāo)注，提升了系統(tǒng)的檢測(cè)精度和實(shí)時(shí)性，并且能夠在cpu資源充足、gpu資源有限的情況下有效運(yùn)行，彌補(bǔ)現(xiàn)有技術(shù)的不足，顯著提高高速公路異常駐留目標(biāo)檢測(cè)的準(zhǔn)確性與效率。

2、為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明所提供的技術(shù)方案包括：

3、基于組合式背景的高速公路異常駐留目標(biāo)檢測(cè)方法，包括步驟：

4、s1、采集高速公路目標(biāo)區(qū)域的監(jiān)測(cè)圖像，提取并緩存原始背景圖像；

5、s2、獲取t0幀監(jiān)測(cè)圖像，提取并緩存當(dāng)前背景圖像，將所述原始背景圖像與所述當(dāng)前背景圖像疊加，用所述原始背景圖像更新所述當(dāng)前背景圖像中的疑似異常駐留目標(biāo)區(qū)域圖像，緩存為組合式背景圖像；

6、s3、獲取tn幀監(jiān)測(cè)圖像，提取并緩存當(dāng)前背景圖像，將所述當(dāng)前背景圖像與最新的組合式背景圖像進(jìn)行幀差處理，根據(jù)差值圖像更新疑似異常駐留目標(biāo)列表，其中，n=1,2,3,…；當(dāng)所述疑似異常駐留目標(biāo)列表發(fā)生變化或達(dá)到預(yù)設(shè)的更新周期時(shí)，緩存新的組合式背景圖像；

7、s4、重復(fù)執(zhí)行步驟s3，直至所述疑似異常駐留目標(biāo)列表中的任意對(duì)象滿足上報(bào)條件時(shí)，利用訓(xùn)練好的目標(biāo)檢測(cè)模型對(duì)當(dāng)前幀監(jiān)測(cè)圖像進(jìn)行目標(biāo)識(shí)別，為所述疑似異常駐留目標(biāo)添加屬性標(biāo)簽，更新所述疑似異常駐留目標(biāo)列表并上報(bào)；所述上報(bào)條件包括預(yù)設(shè)的上報(bào)周期。

8、優(yōu)選的，所述疑似異常駐留目標(biāo)列表包括：疑似異常駐留目標(biāo)id、疑似異常駐留目標(biāo)圖像、疑似異常駐留目標(biāo)出現(xiàn)時(shí)間、持續(xù)時(shí)間、消失時(shí)間和持續(xù)消失時(shí)間。

9、優(yōu)選的，步驟s3中所述緩存新的組合式背景圖像的方法包括：

10、獲取當(dāng)前幀監(jiān)測(cè)圖像，提取并緩存當(dāng)前背景圖像，將所述當(dāng)前背景圖像與最新的組合式背景圖像疊加，用所述組合式背景圖像更新所述當(dāng)前背景圖像中的疑似異常駐留目標(biāo)區(qū)域圖像，緩存為新的組合式背景圖像。

11、優(yōu)選的，所述疑似異常駐留目標(biāo)列表的更新包括：

12、當(dāng)新的差值圖像輪廓區(qū)域的外接矩形滿足預(yù)設(shè)的寬度和\或高度閾值時(shí)，用新的差值圖像輪廓區(qū)域更新所述疑似異常駐留目標(biāo)；

13、當(dāng)新的差值圖像輪廓與當(dāng)前差值圖像輪廓存在重疊時(shí)，用新的差值圖像輪廓區(qū)域與當(dāng)前差值圖像輪廓區(qū)域的并集更新所述疑似異常駐留目標(biāo)；

14、當(dāng)新的差值圖像輪廓包含當(dāng)前差值圖像輪廓時(shí)，用新的差值圖像輪廓區(qū)域更新所述疑似異常駐留目標(biāo)；

15、當(dāng)新的差值圖像輪廓與當(dāng)前差值圖像輪廓不存在重疊，且該狀態(tài)維持預(yù)設(shè)的時(shí)間時(shí)，用新的差值圖像輪廓區(qū)域更新所述疑似異常駐留目標(biāo)。

16、優(yōu)選的，所述上報(bào)條件還包括：

17、所述疑似異常駐留目標(biāo)持續(xù)時(shí)間滿足預(yù)設(shè)的時(shí)間閾值；

18、所述疑似異常駐留目標(biāo)的屬性標(biāo)簽為未知。

19、本發(fā)明還公開了基于組合式背景的高速公路異常駐留目標(biāo)檢測(cè)系統(tǒng)，包括：

20、圖像采集模塊，用于采集高速公路目標(biāo)區(qū)域的監(jiān)測(cè)圖像；

21、緩存模塊，用于緩存疑似異常駐留目標(biāo)列表和背景圖像；

22、背景更新模塊，分別與所述圖像采集模塊和所述緩存模塊連接，用于根據(jù)所述監(jiān)測(cè)圖像提取并緩存原始背景圖像；還用于獲取t0幀監(jiān)測(cè)圖像，提取并緩存當(dāng)前背景圖像，將所述原始背景圖像與所述當(dāng)前背景圖像疊加，用所述原始背景圖像更新所述當(dāng)前背景圖像中的疑似異常駐留目標(biāo)區(qū)域圖像，緩存為組合式背景圖像；還用于當(dāng)所述疑似異常駐留目標(biāo)列表發(fā)生變化或達(dá)到預(yù)設(shè)的更新周期時(shí)，緩存新的組合式背景圖像；

23、疑似異常駐留目標(biāo)獲取模塊，分別與所述圖像采集模塊、所述緩存模塊和所述背景更新模塊連接，用于獲取tn幀監(jiān)測(cè)圖像，提取并緩存當(dāng)前背景圖像，將所述當(dāng)前背景圖像與最新的組合式背景圖像進(jìn)行幀差處理，根據(jù)差值圖像更新疑似異常駐留目標(biāo)列表，其中，n=1,2,3,…；

24、目標(biāo)檢測(cè)模塊，內(nèi)置有訓(xùn)練好的目標(biāo)檢測(cè)模型，分別與所述圖像采集模塊和所述緩存模塊連接，用于當(dāng)所述疑似異常駐留目標(biāo)列表中的任意對(duì)象滿足上報(bào)條件時(shí)，對(duì)當(dāng)前幀監(jiān)測(cè)圖像進(jìn)行目標(biāo)識(shí)別，為所述疑似異常駐留目標(biāo)添加屬性標(biāo)簽，更新所述疑似異常駐留目標(biāo)列表；

25、上報(bào)模塊，與所述緩存模塊連接，用于上報(bào)所述疑似異常駐留目標(biāo)列表中滿足上報(bào)條件的疑似異常駐留目標(biāo)；所述上報(bào)條件包括預(yù)設(shè)的上報(bào)周期。

26、優(yōu)選的，所述背景更新模塊緩存新的組合式背景圖像的方法包括：

27、獲取當(dāng)前幀監(jiān)測(cè)圖像，提取并緩存當(dāng)前背景圖像，將所述當(dāng)前背景圖像與最新的組合式背景圖像疊加，用所述組合式背景圖像更新所述當(dāng)前背景圖像中的疑似異常駐留目標(biāo)區(qū)域圖像，緩存為新的組合式背景圖像。

28、優(yōu)選的，所述疑似異常駐留目標(biāo)列表包括：疑似異常駐留目標(biāo)id、疑似異常駐留目標(biāo)圖像、疑似異常駐留目標(biāo)出現(xiàn)時(shí)間、持續(xù)時(shí)間、消失時(shí)間和持續(xù)消失時(shí)間；

29、所述疑似異常駐留目標(biāo)列表的更新包括：

30、當(dāng)新的差值圖像輪廓區(qū)域的外接矩形滿足預(yù)設(shè)的寬度和\或高度閾值時(shí)，用新的差值圖像輪廓區(qū)域更新所述疑似異常駐留目標(biāo)；

31、當(dāng)新的差值圖像輪廓與當(dāng)前差值圖像輪廓存在重疊時(shí)，用新的差值圖像輪廓區(qū)域與當(dāng)前差值圖像輪廓區(qū)域的并集更新所述疑似異常駐留目標(biāo)；

32、當(dāng)新的差值圖像輪廓包含當(dāng)前差值圖像輪廓時(shí)，用新的差值圖像輪廓區(qū)域更新所述疑似異常駐留目標(biāo)；

33、當(dāng)新的差值圖像輪廓與當(dāng)前差值圖像輪廓不存在重疊，且該狀態(tài)維持預(yù)設(shè)的時(shí)間時(shí)，用新的差值圖像輪廓區(qū)域更新所述疑似異常駐留目標(biāo)。

34、有益效果

35、1、提高檢測(cè)準(zhǔn)確性：本發(fā)明所提出的組合式背景技術(shù)，能夠有效應(yīng)對(duì)高速公路復(fù)雜的動(dòng)態(tài)背景，如車輛快速通過(guò)、光照變化、攝像機(jī)抖動(dòng)等情況，降低了傳統(tǒng)背景建模方法中的誤報(bào)和漏報(bào)現(xiàn)象，能夠更精準(zhǔn)地識(shí)別異常駐留目標(biāo)，特別是針對(duì)那些停留時(shí)間較長(zhǎng)或短時(shí)消失后再次出現(xiàn)的目標(biāo)。

36、2、增強(qiáng)系統(tǒng)的實(shí)時(shí)性和響應(yīng)速度：通過(guò)動(dòng)態(tài)背景更新和深度學(xué)習(xí)檢測(cè)技術(shù)的結(jié)合，能夠快速提取異常目標(biāo)，并及時(shí)更新目標(biāo)列表，實(shí)現(xiàn)高效的實(shí)時(shí)監(jiān)控與異常報(bào)警，滿足高速公路環(huán)境中對(duì)事件及時(shí)響應(yīng)的要求。

37、3、減少計(jì)算資源消耗：本發(fā)明通過(guò)組合式背景技術(shù)，大幅減少了對(duì)深度學(xué)習(xí)檢測(cè)的依賴，建立了目標(biāo)檢測(cè)模型的調(diào)用頻率，從而降低了系統(tǒng)對(duì)算力資源的需求，能夠顯著降低系統(tǒng)成本，提高系統(tǒng)的可推廣性和適應(yīng)性。

38、4、提高系統(tǒng)的智能化與自動(dòng)化水平：本發(fā)明結(jié)合了深度學(xué)習(xí)目標(biāo)檢測(cè)技術(shù)，能夠自動(dòng)為疑似異常駐留目標(biāo)添加屬性標(biāo)簽，并基于預(yù)設(shè)條件自動(dòng)判斷是否上報(bào)，極大提升了系統(tǒng)的智能化水平，減少了對(duì)人工干預(yù)的依賴。