[发明专利]一种基于图像异常特征的智能交通抓拍设备故障诊断的方法

权利要求书

1.一种基于图像异常特征的智能交通抓拍设备故障诊断的方法，其特征在于：包括以下步骤：

1)、建立抓拍设备故障与异常图像之间的映射关系；

抓拍设备故障包括摄像机常见故障、闪光灯常见故障和感应线圈常见故障；图像异常特性包括颜色异常、行为异常和其他异常；根据抓拍设备故障和图像异常特征得到它们两者之间的映射关系；

2)、基于颜色特征和纹理特征的车牌定位过程：

根据在图像中是否能成功定位到车牌来判断图像中是否存在有效车牌信息，能定位到车牌说明图像中有车牌信息，反之没有车牌信息；

基于颜色特征和纹理特征的车牌定位主要是利用车牌的这四种颜色特性进行初步定位得到车牌的候选区域，接着根据车牌字符之间的灰度跳跃性以及字符之间的固定间隔特征在其二值化图像中进行二次定位从而得到车牌精确定位的结果；

3)、基于多特征相结合的异常图像识别方法，过程为：

3.1)识别颜色异常图像

图像的颜色异常特性主要体现在原RGB彩色图像中R、G、B三个通道的统计规律以及灰度图像中的灰度信息中；

3.2)识别行为异常图像

根据划分区域法判断是否存在行为异常图像，如果存在图像中缺失目标车辆、图像中包含了异常的目标车辆和图像中的目标车辆位置异常，则判定存在异常；

3.3)识别其他异常图像

采用特征提取的方法得到图像的尺寸和图像所包含的特征点。

2.如权利要求1所述的一种基于图像异常特征的智能交通抓拍设备故障诊断的方法，其特征在于：所述步骤3)中，调整识别各种异常图像的顺序。

3.如权利要求1或2所述的一种基于图像异常特征的智能交通抓拍设备故障诊断的方法，其特征在于：所述故障诊断的方法还包括：4)综合故障信息的可视化：对综合的设备故障信息做一个可视化处理，给使用者提供一个人性化的可视化结果用来进行决策。

4.如权利要求1或2所述的一种基于图像异常特征的智能交通抓拍设备故障诊断的方法，其特征在于：所述步骤2)中，车牌定位过程包括以下步骤：

(2.1)、在原始RGB彩色图像中提取车牌背景和字符的颜色特征并以此分割图像得到车牌的候选区域；

(2.2)、对原始RGB彩色图像进行灰度处理之后再进行二值化处理；

在此介绍下此定位方法中用到的二值化处理方法：

(2.2.1)车牌图像的二值化

用mAverGray来区分光照正常图像和光照不正常图像，m为一系数，如：

AverGray＞mAverGray  光照正常图像；

AverGray＜mAverGray  光照不正常图像；

(2.3)、完成车牌的上下边界的确定，在其步骤(2.1)完成的候选区域所对应的二值图像区域中进行行扫描同时统计每行跳跃点的数目，当该行跳跃点的总数达到12次时，把改行定义为车牌区域的候选行，扫描完所有候选区域后，得到连续的候选行并在这些连续的候选行里以候选行的最小值所在的行和最大值所在的行分别定为车牌的初步下边界和上边界；

各种颜色的车牌区域经过阈值处理后得到黑底白字和白底黑子两种情况，由此字符和背景之间会存在黑白之间的跳跃即二值图像里像素值从0到255或者255到0的跳跃，一个字符至少会存在两次跳跃，七个字符取保守值至少存在12次跳跃；

(2.4)、根据步骤(2.3)完成的车牌初步上下边界的结果，在这些上下边界所围成的对应二值图像区域里进行列扫描，在此，在列扫描车牌候选区域时，首先先找出黑点和字符“1”，接着再去掉黑点并把“字符1”加宽至于其他字符同样宽度的数值，如此以来，车牌区域内七个字符之间就剩下两种字符之间的间隔距离，且这种间隔位置也是固定的，即第二个字符和三个字符之间的间隔距离为D1，其他字符之间的间隔距离为D2；最后以D1和D2这组特征数据去遍历一组字符之间的间隔距离，遍历成功的这组字符的第一个字符的最左边列数和最后一个字符的最右边列数分别为最终的车牌左右边界，能得到车牌的左右边界即表示车牌定位成功，令IsLicencePlate＝true，反之车牌定位不成功IsLicencePlate＝false。

5.如权利要求4所述的一种基于图像异常特征的智能交通抓拍设备故障诊断的方法，其特征在于：所述步骤2.4)中，D1和D2的取值是通过车牌的上下边界确定后得到车牌的高度决定的；车牌的左右边界是根据字符之间的间隔距离确定的。