[发明专利]静态区特征匹配的出租车监控异常图像信号检测方法

摘要

本发明公开了一种静态区特征匹配的出租车监控异常图像信号检测方法：步骤1：基准图的选取；步骤2：对基准图预处理，得到滤波基准图；步骤3：车内静态区的选取。步骤4：计算基准图静态区的面积和平均灰度。步骤5：实时采集待检图像帧。步骤6：待检帧预处理。步骤7：计算待检帧静态区的平均灰度。步骤8：非车架静态区的多源特征提取。步骤9：基于非车架静态区异常度的异常图像信号判定。步骤10：考虑车架区的相关系数的异常图像信号判定。利用本发明对出租车监控图像进行检测，平均每幅图像处理时间为0.273s，同时，对出租车监控图像进行检测的准确率达到95.47％。

主权项

1.一种静态区特征匹配的出租车监控异常图像信号检测方法，其特征在于，包括如下步骤：步骤1：基准图的选取；步骤2：对基准图预处理，得到滤波基准图；步骤3：车内静态区的选取；步骤4：计算基准图静态区的面积和平均灰度；步骤5：实时采集待检图像帧；步骤6：待检帧预处理；步骤7：计算待检帧静态区的平均灰度；步骤8：非车架静态区的多源特征提取；所述非车架静态区指前挡风玻璃区和车顶区；非车架静态区的多源特征提取包括五个分步骤：步c1：对待检帧进行二值化处理；对步骤6得到的滤波待检图的前挡风玻璃区和车顶区进行二值化处理，分别得到前挡风玻璃二值图Da_k和车顶二值图Db_k，其计算式表示如式11～12所示：其中，t₁、t₂和t₃表示前挡风玻璃二值化阈值、车顶二值化下限阈值和车顶二值化上限阈值；对于0～255的灰度图像，t₁、t₂和t₃取值分别为：190≤t₁≤220，20≤t₂≤60和140≤t₃≤185；g_k(p)为滤波待检图g_k中任一像素p的灰度值；Da_k(p)为前挡风玻璃二值图Da_k中任一像素p的灰度值；Db_k(p)为车顶二值图Db_k中任一像素p的灰度值；转入步c2；步c2：计算待检帧静态区二值图的面积；待检帧静态区二值图的面积如式13～14所示；其中，Na_k和Nb_k分别为前挡风玻璃二值图和车顶二值图的面积；转入步c3；步c3：计算待检帧静态区的面积比；待检帧静态区的面积比计算过程如式15～16所示；其中，Ra_k和Rb_k分别为前挡风玻璃面积比和车顶面积比；转入步c4；步c4：计算待检帧静态区的灰度偏差和灰度偏差度；用Pa_k和Pb_k分别表示前挡风玻璃灰度偏差和车顶灰度偏差，Pc_k和Pd_k表示前挡风玻璃灰度偏差度和车顶灰度偏差度；计算式如式17～20所示；其中，t₄和t₅表示前挡风玻璃灰度偏差上限阈值和下限阈值；t₆和t₇表示车顶灰度偏差上限阈值和下限阈值；对于0～255的灰度图像，t₄和t₆的取值范围为[5,25]，t₅和t₇的取值范围为[50,60]；转入步c5；步c5：计算待检帧静态区的背景偏差和背景偏差度；用Sa_k和Sb_k表示前挡风玻璃背景偏差和车顶背景偏差，令Sc_k和Sd_k分别为前挡风玻璃背景偏差度和车顶背景偏差度；将步骤1得到的基准图JM作为背景，计算待检帧的静态区的背景偏差和背景偏差度，其计算式如式21～24所示；其中，t₈和t₉表示前挡风玻璃背景偏差上限阈值和下限阈值；t₁₀和t₁₁表示车顶背景偏差上限阈值和下限阈值；对于0～255的灰度图像，t₈和t₁₀的取值范围为[10,30]，t₉和t₁₁的取值范围为[50,60]；Jl(p)为滤波基准图Jl中任一像素p的灰度值；转入步骤9；步骤9：基于非车架静态区异常度的异常图像信号判定；步骤10：考虑车架区的相关系数的异常图像信号判定；步骤11：检测结束。