静态区特征匹配的出租车监控异常图像信号检测方法技术

本发明专利技术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。利用本发明专利技术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％。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体涉及一种出租车视频监控系统的扩展应用，尤其涉及一种出租车视频监控系统的异常图像信号的自动检测方法。
技术介绍
随着机器视觉技术的快速发展，国内许多城市都通过出租车副驾驶位置安装摄像头来实时监控出租车运营情况，通过观测摄像头采集到的视频图像数据，可以对出租的运营过程实施全程监督和管理。但是在出租车运营过程中，车载摄像头会受到干扰导致其无法采集图像数据或采集的图像异常，这些异常包括图像传输故障、图像画面不完整和图像严重偏转等，这就需要对摄像头拍摄的图像进行甄别，及时将异常图像检测出来，提醒驾驶员或出租车管理人员及时修复车载摄像头，以保证获取到正常的图像数据。这对于监管部门快速、准确地掌握出租车内的情况，并及时调整摄像头处于正确的拍摄位置具有重要的现实意义。基于此，亟待提出一种新的出租车视频监控系统的异常图像信号的自动检测方法。
技术实现思路
本专利技术通过观察出租车视频监控系统采集的图像数据，分析视频图像帧的静态区域的特征，静态区主要包括：车架、前挡风玻璃和车顶三个区域。再针对每个静态区分别计算特征参数值，作为异常图像检测方法的结果判定依据。出租车视频监控系统的车载摄像头安装在副驾驶位置右前方，调节摄像头的拍摄角度和焦距，使摄像头可以拍摄到完整的前排区域的视频图像信号。本专利技术的方法的具体实施步骤如下：步骤1：基准图的选取。正常图像信号是指正常传输的、未偏转、且包含完整的前排(副驾驶和驾驶员)区域、车顶区和前挡风玻璃区的图像。在出租车视频监控图像数据库中选取一张正常图像作为基准图，基准图记为JM，其图像大小为M×N，其中M和N分别为图像帧的总行数和总列数。转入步骤2。步骤2：对基准图预处理，得到滤波基准图。对步骤1中选取的基准图JM进行预处理，包括灰度化和中值滤波处理两步。若采集到的图像为彩色图像时，先进行灰度化处理，再执行中值滤波；若采集到的图像为灰度图像时，则只需要进行中值滤波。以采集到的彩色图像帧为例，基准图预处理过程如下：步a1：对基准图JM进行灰度化处理，得到灰度基准图Jh，其计算式如式1所示：Jh(p)＝αR·R(p)+αG·G(p)+αB·B(p)(式1)其中，Jh(p)表示灰度基准图中任一像素p的灰度值；R(p)、G(p)、B(p)分别表示基准图JM中像素p的R、G和B分量值；αR、αG和αB分别表示R、G和B分量的灰度化权重，满足：αR+αG+αB＝1。转入步a2；步a2：对灰度基准图Jh进行中值滤波处理，移动窗可选7×7～21×21矩形窗，得到滤波基准图Jl。转入步骤3。步骤3：车内静态区的选取。基准图的静态区特征属性稳定、可靠，可用于图像信号异常检测。静态区包括前挡风玻璃区、车顶区和车架区。前挡风玻璃区位于画面的顶部，车顶区位于画面的中上部位，车架区位于图像画面的左上区域。静态区在画面中均不呈现矩形，故人工用任意四边形选定这三个静态区。处理过程包括以下三步：步b1：选取前挡风玻璃区。在滤波基准图Jl中选择前挡风玻璃区，得到前挡风玻璃基准图，用Js1表示，Js1为二值图，其由前挡风玻璃区和非前挡风玻璃区组成：Js1(p)＝1的所有像素组成的区域为前挡风玻璃区，记Jsa，Js1(p)＝0的所有像素组成的区域为非前挡风玻璃区，记Jsb。选定的前挡风玻璃区的四个顶点(上左、上右、下右和下左)坐标分别为(2,2)、(2,N)、(0.31M,N)和(0.1M,2)。转入步b2。步b2：选取车顶区。在滤波基准图Jl选择车顶区，得到车顶基准图，用Js2表示，Js2为二值图，Js2(p)＝1的所有像素组成的区域为车顶区，记Jsc，Js2(p)＝0的所有像素组成的区域为非车顶区，记Jsd。选定的车顶区的四个顶点(上左、上右、下右和下左)坐标分别为(0.3M,0.33N)、(0.42M,0.94N)、(0.68M,0.94N)和(0.68M,0.33N)。转入步b3。步b3：选取车架区。在滤波基准图Jl选择车架区得到车架基准图，用符号Js3表示，Js3为二值图，车架基准图由车架区和非车架区组成，Js3(p)＝1的所有像素组成的区域为车架区，记Jse，Js3(p)＝0的所有像素组成的区域为非车架区，记Jsf。车架区的四个顶点(上左、上右、下右和下左)坐标分别为(0.1M,2)、(0.21M,0.34N)、(0.45M,0.27N)和(0.52M,2)。转入步骤4。步骤4：计算基准图静态区的面积和平均灰度。首先，计算基准图静态区的面积。统计步骤3得到的前挡风玻璃基准图Js1、车顶基准图Js2和车架基准图Js3的面积，分别用符号Nj1、Nj2和Nj3表示前挡风玻璃区、车顶区和车架区的面积，计算式如式(2～4)所示。其次，计算基准图静态区的平均灰度。计算步骤2中得到的滤波基准图Jl的静态区的平均灰度，其计算式如(式5～7)所示：其中，mj1、mj2和mj3分别为前挡风玻璃区、车顶区和车架区的平均灰度值。转入步骤5。步骤5：实时采集待检图像帧。实时采集并存储出租车的视频图像帧，采样频率根据需要定为1～300秒/帧，采集的图像也称为待检帧，用符号Ek表示，k指待检帧的帧号，每读取一帧，帧号需累加1，即k＝k+1。待检帧的图像大小同基准图，为M×N。转入步骤6。步骤6：待检帧预处理。对于步骤5得到的待检帧进行预处理，预处理过程同步骤2基准图预处理，这里不再赘述。对待检帧Ek进行灰度化处理，得到灰度待检帧fk，对灰度待检帧fk进行中值滤波后得到滤波待检图gk。转入步骤7。步骤7：计算待检帧静态区的平均灰度。待检帧静态区的平均灰度计算式如(式8～10)所示。其中，mc1、mc2和mc3分别为滤波待检图的前挡风玻璃区、车顶区和车架区的平均灰度值。转入步骤8。步骤8：非车架静态区的多源特征提取。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Dak和车顶二值图Dbk，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。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，Nak和Nbk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，Rak和Rbk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Pak和Pbk分别表示前挡风玻璃灰度偏差和车顶灰度偏差，Pck和Pdk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度上限阈值和下限阈值；t6和t7表示车顶灰度偏差度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：计算待检本文档来自技高网...

【技术保护点】
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；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。

【技术特征摘要】
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；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。2.如权利要求1所述的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，所述步骤2包括如下步骤：步a1：对基准图JM进行灰度化处理，得到灰度基准图Jh，其计算式如式1所示：Jh(p)＝αR·R(p)+αG·G(p)+αB·B(p) (式1)其中，Jh(p)表示灰度基准图中任一像素p的灰度值；R(p)、G(p)、B(p)分别表示基准图JM中像素p的R、G和B分量值；αR、αG和αB 分别表示R、G和B分量的灰度化权重，满足：αR+αG+αB＝1；转入步a2；步a2：对灰度基准图Jh进行中值滤波处理，移动窗可选7×7～21×21矩形窗，得到滤波基准图Jl；转入步骤3。3.如权利要求1所述的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，所述步骤3包括如下步骤：步b1：选取前挡风玻璃区；在滤波基准图Jl中选择前挡风玻璃区，得到前挡风玻璃基准图，用Js1表示，Js1为二值图，其由前挡风玻璃区和非前挡风玻璃区组成：Js1(p)＝1的所有像素组成的区域为前挡风玻璃区，记Jsa，Js1(p)＝0的所有像素组成的区域为非前挡风玻璃区，记Jsb；选定的前挡风玻璃区的四个顶点坐标分别为(2,2)、(2,N)、(0.31M,N)和(0.1M,2)；转入步b2；步b2：选取车顶区；在滤波基准图Jl选择车顶区，得到车顶基准图，用Js2表示，Js2为二值图，Js2(p)＝1的所有像素组成的区域为车顶区，记Jsc，Js2(p)＝0的所有像素组成的区域为非车顶区，记Jsd；选定的车顶区的四个顶点坐标分别为(0.3M,0.33N)、(0.42M,0.94N)、(0.68M,0.94N)和(0.68M,0.33N)；转入步b3；步b3：选取车架区；在滤波基准图Jl选择车架区得到车架基准图，用符号Js3表示，Js3为二值图，车架基准图由车架区和非车架区组成， Js3(p)＝1的所有像素组成的区域为车架区，记Jse，Js3(p)＝0的所有像素组成的区域为非车架区，记Jsf；车架区的四个顶点(上左、上右、下右和下左)坐标分别为(0.1M,2)、(0.21M,0.34N)、(0.45M,0.27N)和(0.52M,2)；转入步骤4。4.如权利要求1所述的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，所述步骤4包括如下步骤：首先，计算基准图静态区的面积；统计步骤3得到的前挡风玻璃基准图Js1、车顶基准图Js2和车架基准图Js3的面积，分别用符号Nj1、Nj2和Nj3表示前挡风玻璃区、车顶区和车架区的面积，计算式如式(2～4)所示；其次，计算基准图静态区的平均灰度；计算步骤2中得到的滤波基准图Jl的静态区的平均灰度，其计算式如式5～7所示：其中，mj1、mj2和mj3分别为前挡风玻璃区、车顶区和车架区的平均灰度值；转入步骤5。5.如权利要求1所述的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，所述步骤7包括如下步骤：待检帧静态区的平均灰度计算式如式8～10所示；其中，mc1、mc2和mc3分别为滤波待检图的前挡风玻璃区、车顶区和车架区的平均灰度值；转入步骤8。6.如权利要求1所述的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，所述步骤8包括如下步骤：非车架静...

【专利技术属性】
技术研发人员：肖梅，颜建强，马登辉，王杏，张雷，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61