[发明专利]一种基于机器视觉的自身移动状态识别方法

说明书

本发明涉及一种基于机器视觉的自身移动状态识别方法，包括：1、画面按实际现场场景特点划分为M*N个方格，根据不同的应用场景特点，标定需要重点判别的“敏感区域”；2、以敏感区域所在的方格的坐标为依据，分别获取这一方格坐标内的前后两帧图像中的这一局部；3、传入compare_ssim函数，计算其相似度，得到score值，暂存在一个数据列表中；4、完成全部敏感区域每一格局部图像的对比后，得到了一个相似值score组成的数据列表score_list，分别计算获取score_list的最小值score_min和平均值score_avr；5、当score_min和score_avr同时小于各自设定的阈值时，判别为车辆自身处于“移动”状态，否则为“静止”状态。与现有技术相比，本发明具有准确率高，系统成本低，实现简单，运算速度快等优点。

技术领域

本发明涉及视频识别技术领域，尤其是涉及一种基于机器视觉的自身移动状态识别方法。

背景技术

在多种视频识别技术的应用系统中，往往需要知道自身是处于运动状态，还是静止状态，如果通过另外安装“轮速传感器”或“IMU惯性测量单元”等运动感知传感器，会使系统复杂化和成本上升。如何仅仅依靠摄像机捕获的视频图像信息，来对自身移动状态进行准确的识别，成为一个需要解决的工程问题。

在图像处理和机器视觉技术中，对图像的变化情况的判断有多种方法，但是，由于应用场景的多样化以及工程实践中出现的问题，简单使用图像像素对比之类的手段，会产生大量的误识别。

在实际的环境下，如果仅用普通的前后两帧图像对比方法来进行识别，会由于路边其它并行的车辆路过或路口前方横向穿越的车辆行人的移动，往往会把停车状态误识别为运动状态；而在地铁隧道内由于画面单一，无其它可参考景物，往往会把运动状态错认为静止状态。

另外，当摄像机载体车辆以极低的速度运动时，也容易误识别。

根据视频画面来识别自身是否运动，其主要的手段就是对比前后两帧图像的变化差异，一般应用较多的方法，就是采用OpenCV计算机视觉函数库中的compare_ssim函数，来对比两帧画面中所有的像素，基于样本X和Y之间的三个比较衡量：亮度(luminance)、对比度(contrast)和结构(structure)。最终获得的结果，是两个图像的结构相似度值Score。这一对比函数是OpenCV函数库的既有函数。

但是，在实际的工程实践中，需要判别的画片的画面细节较少，并且视频流中前后帧的差异在整个图像中的占比很小。直接用compare_ssim函数，往往把运动状态误判为静止状态。

而对于有轨电车应用场景的路面交通，又容易受到旁边并行的其它车辆移动的影响而把当前停车状态误判为移动状态。

因此，问题的关键就集中到了如何对画面上能正确反映“移动”和“静止”状态的区域做重点的识别。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器视觉的自身移动状态识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于机器视觉的自身移动状态识别方法，通过对比前后两帧图像的变化差异来识别自身是否运动，该方法包括以下步骤：

步骤1、画面按实际现场场景特点划分为M*N个方格，根据不同的应用场景特点，标定需要重点判别的“敏感区域”；

步骤2、以敏感区域所在的方格的坐标为依据，分别获取这一方格坐标内的前后两帧图像中的这一局部；

步骤3、传入compare_ssim函数，计算其相似度，得到score值，暂存在一个数据列表中；