全文总字数：2509字

1. 研究目的与意义及国内外研究现状

背景差法实现加单、前景提取准确，但背景模型对结果的影响很大。由于背景时刻在变化，为了适应这种变化，需要对模型进行实时更新。因此，建立一个准确且背景建模的方法有均值法、高斯平均法、中值法、卡尔曼滤波模型法及混合高斯模型法。friedman等提出采用高斯模型表征背景的变化过程，针对特定的场景效果较好，但在户外交通场景情况复杂的条件下效果较差。针对背景较为复杂的情况，stayffer等提出一种gmm背景方法。由于其在处理多模态背景中具有显著的效果而得到广泛的应用，它能有效地适应背景的变化，实时地完成目标检测。

提出的基于gmm背景的运动车辆检测算法，消除以往这类方法用于车辆检测时长期存在“鬼影”及需要使用固定分布数建模造成内存空间浪费的缺陷。

国内外研究现状

视频车辆检测与识别系统在现代交通控制系统中占有很重要的地位，是未来智能车路系统发展的基础。1972年日本首先研制成功用图像处理来实时测量交通的装置，之后世界各发达国家都相继开展这方面的研究。日本由于人口密度及国土的原因，在交通管理方面的投入最多，技术也处于世界领先地位。例如日本交通管理技术协会的交通管制系统高度化委员会从1987年开始进行“有效采用画像处理技术的交通流检测系统调查研究”，探讨和研制许多可实用化的检测技术。但当时受到计算机的运算速度和存储能力的限制，这一领域的研究并没有取得多少实际应用价值的成果。

2. 研究的基本内容

针对传统混合高斯背景模型算法存在的一些问题，利用不匹配像素消除光照突变对背景建模产生的影响，对其进行了改进，步骤如下： 1.为图像的每一像素块设定一新的参数x用于记录像素在当前帧中是否有高斯分布相匹配[7，8]；对背景估计加以改进给出参数x的取值，当像素与k个高斯分布都不能匹配时，x取值为1，否则取值为0。 2.统计图像中参数x值为1的像素块的个数，由于光照变化引起像素突变的区域比较大，如果x值为1的像素块个数满足式（1），则认为背景光照发生了明显突变[9]：式（1） 其中，l为图像中像素块的总个数；为阈值，值根据光照突变时灰度突变像素区域在图像中所占比例确定，本文实验中取值为0.60。 3.当图像满足上式时，认为x值为1的像素块为背景像素，此时对背景模型更新加以改进，使得以该像素块灰度值为均值建立的新高斯分布取代前b个分布中权重最小的一个作为背景模型。

3. 实施方案、进度安排及预期效果

第一：查阅大量文献资料和论文，对原本对车辆检测的方法进行理解。

第二：对原本的方法进行研究，发现其不足，然后通过基于混合高斯模型的方法来进行改进

第三：研究出新的算法，流程图。建立新的数学模型。

4. 参考文献

峘;李舜酩;柏方超;缪小冬;李芳培;卢文玉;;融合多种特征的路面车辆检测方法[j];光电子.激光;2010年01期

林春丽;王科俊;夏余;程万胜;;一种小位移的运动目标检测方法[j];光电子.激光;2011年03期

沈峘;李舜酩;柏方超;缪小冬;李芳培;;路面车辆实时检测与跟踪的视觉方法[j];光学学报;2010年04期