一种车载监控画面优化方法技术

本发明专利技术提供一种车载监控画面优化方法，所述方法包括当车载监控系统处于开启状态时，判断车身是否处于抖动状态；当判定车身处于抖动状态时，获取多帧连续的第一图像，提取预设特征点并识别预设特征点的景深，根据预设模糊阈值以及景深最浅的预设特征点的模糊数值判断景深最浅的预设特征点归属的该帧第一图像是否是模糊不清的；分别在模糊不清的每帧第一图像的预设特征点中提取第二特征点，并根据第二特征点分别构建与所述模糊不清的每帧第一图像对应的特征点集合，得到最优变换矩阵；根据最优变换矩阵、模糊不清的每帧第一图像的前一帧，对模糊不清的每帧第一图像进行运动补偿。通过本发明专利技术，解决了现有车身抖动致监控系统获取图像质量差的问题。取图像质量差的问题。取图像质量差的问题。

An optimization method of vehicle monitoring picture

【技术实现步骤摘要】
一种车载监控画面优化方法


[0001]本专利技术涉及车载监控
，尤其涉及一种车载监控画面优化方法。

技术介绍

[0002]汽车已成为现代社会一种主要的交通运输工具，行车记录仪即记录车辆行驶途中的影像及声音等相关资讯的仪器。安装行车记录仪后，能够记录汽车行驶全过程的视频图像和声音，可为交通事故提供证据，喜欢自驾游的人，还可以用它来记录征服艰难险阻的过程，开车时边走边录像，同时把时间、速度、所在位置都记录在录像里，相当“黑匣子”，也可在家用作DV拍摄生活乐趣，或者作为家用监控使用，平时还可以做停车监控，安装行车记录仪，视频资料不可以裁剪，如果裁剪，在责任事故发生后则无法提供帮助，也是为了防止现在社会那些不可避免的碰瓷行为，行车记录仪为人们的驾乘生活提供了极大的方便。
[0003]但是在实际的应用中，在特定的场景下，如过减速带、过坎、在道路不平整的状态下，车身抖动较大，监控系统摄取的影像画面会产生抖动，成像质量较低。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种车载监控画面优化方法，用于解决现有车身抖动，导致车载监控系统获取图像质量差问题。
[0005]本专利技术提供的一种车载监控画面优化方法，所述方法包括：
[0006]步骤S11、当车载监控系统处于开启状态时，实时获取车身抖动状态信号；
[0007]步骤S12、根据所述车身抖动状态信号，判断车身是否处于抖动状态；
[0008]步骤S13、当判定所述车身处于抖动状态时，所述车载监控系统以预设第一帧率拍摄获取多帧连续的第一图像；
[0009]步骤S14、从所述第一图像中提取预设特征点并识别所述预设特征点的景深，根据预设模糊阈值以及景深最浅的预设特征点的模糊数值判断所述景深最浅的预设特征点归属的该帧第一图像是否是模糊不清的；
[0010]步骤S15、根据预设条件，分别在模糊不清的所述每帧第一图像的所述预设特征点中提取第二特征点，并根据所述第二特征点分别构建与所述模糊不清的每帧第一图像对应的特征点集合，根据所述特征点集合得到最优变换矩阵；
[0011]步骤S16、根据与所述特征点集合对应的最优变换矩阵、与所述特征点集合对应的模糊不清的每帧第一图像的前一帧第一图像，对所述与所述特征点集合对应的模糊不清的每帧第一图像进行运动补偿。
[0012]进一步地，所述从所述第一图像中提取预设特征点并识别所述预设特征点的景深具体包括：
[0013]对每帧所述第一图像进行二值化处理，分别得到每帧所述第一图像的特征向量集，所述特征向量集包括对应的一帧第一图像中每个被分隔区域的第一特征点，在所述每个被分隔区域的第一特征点中提取预设特征点并识别所述预设特征点的景深。
[0014]进一步地，所述对每帧所述第一图像进行二值化处理，分别得到每帧所述第一图像的特征向量集，所述特征向量集包括对应的一帧第一图像中每个被分隔区域的第一特征点，具体包括：
[0015]步骤S31、将每帧第一图像按照预设2
n
等分均匀划分成2
n
个被分隔区域，所述n为大于等于3的整数；
[0016]步骤S32、利用公式计算每个被分隔区域的特征，所述P
i
为第i个被分隔区域的特征，所述C
i
为第i个被分隔区域中像素值为255的像素的个数，所述N*M为所述每帧第一图像的分辨率，所述i小于或者等于2
n
；
[0017]步骤S33、根据计算出的第i个被分隔区域的特征值，确定所述第i个被分隔区域的特征对应的像素点为第一特征点；
[0018]步骤S34、将每帧所述第一图像中每个被分隔区域的第一特征点分别进行归集，构成每帧第一图像的特征向量集。
[0019]进一步地，所述根据所述特征点集合得到最优变换矩阵具体包括：
[0020]在每一所述特征点集合中随机选取预设第一数量个位于最浅景深平面的第二特征点和一个位于次级景深平面的第二特征点构建与所述特征点集合对应的三维空间样本，并根据所述三维空间样本计算与所述特征点集合对应的变换矩阵，根据每一所述特征点集合反复构建所述三维空间样本并计算与所述特征点集合对应的变换矩阵，直至匹配所述变换矩阵的所述第二特征点的个数与所述变换矩阵对应的特征点集合中所有所述第二特征点的个数的比例值超过预设比例阈值，将得到的与所述特征点集合对应的变换矩阵确定为与所述特征点集合对应的最优变换矩阵。
[0021]进一步地，所述在每一所述特征点集合中随机选取预设第一数量个位于最浅景深平面的第二特征点和一个位于次级景深平面的第二特征点构建与所述特征点集合对应的三维空间样本，并根据所述三维空间样本计算与所述特征点集合对应的变换矩阵，根据每一所述特征点集合反复构建所述三维空间样本并计算与所述特征点集合对应的变换矩阵，直至匹配所述变换矩阵的所述第二特征点的个数与所述变换矩阵对应的特征点集合中所有所述第二特征点的个数的比例值超过预设比例阈值，将得到的与所述特征点集合对应的变换矩阵确定为与所述特征点集合对应的最优变换矩阵，具体包括：
[0022]步骤S61、从每一所述特征点集合中随机选取预设第一数量个位于最浅景深平面的第二特征点和一个位于次级景深平面的第二特征点构建与所述特征点集合对应的三维空间样本；
[0023]步骤S62、根据所述三维空间样本、与所述三维空间样本在特征对象上一致的预训练的对应样本计算与所述特征点集合对应的变换矩阵，具体公式包括：
[0024][0025]其中，所述M为与所述特征点集合对应的变换矩阵，i为预设第一数量加一，所述p
i
为所述三维空间样本的每一第二特征点的灰度值，所述q
i
为对应的所述预训练的对应样本的每一个像素点的灰度值；所述为所述三维空间样本的所有第二特征点的灰度值之和除以第二特征点的个数，所述为对应的所述预训练的对应样本的所有像素点的灰度值之和除以像素个数；
[0026]步骤S63、将所述特征点集合中的所有所述第二特征点所携带的灰度数据代入所述与所述特征点集合对应的变换矩阵中，统计匹配所述变换矩阵的所述第二特征点的个数；
[0027]步骤S64、利用所述匹配所述变换矩阵的所述第二特征点的个数除以与所述变换矩阵对应的所述特征点集合中所有所述第二特征点的个数得到比例值，比较所述比例值与所述预设比例阈值的大小，当所述比例值小于所述比例值阈值时，重复执行步骤S61、步骤S62、步骤S63和步骤S64直到所述比例值等于或者大于所述预设比例阈值，最后一次执行步骤S62得到的与所述特征点集合对应的变换矩阵为与所述特征点集合对应的最优变换矩阵。
[0028]进一步地，所述从所述第一图像中提取预设特征点并识别所述预设特征点的景深，根据预设模糊阈值以及景深最浅的预设特征点的模糊数值判断所述景深最浅的预设特征点归属的该帧第一图像是否是模糊不清的，具体包括：
[0029]步骤S41、将所述每帧第一图像的特征向量集输入已本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载监控画面优化方法，其特征在于，所述方法包括：步骤S11、当车载监控系统处于开启状态时，实时获取车身抖动状态信号；步骤S12、根据所述车身抖动状态信号，判断车身是否处于抖动状态；步骤S13、当判定所述车身处于抖动状态时，所述车载监控系统以预设第一帧率拍摄获取多帧连续的第一图像；步骤S14、从所述第一图像中提取预设特征点并识别所述预设特征点的景深，根据预设模糊阈值以及景深最浅的预设特征点的模糊数值判断所述景深最浅的预设特征点归属的该帧第一图像是否是模糊不清的；步骤S15、根据预设条件，分别在模糊不清的所述每帧第一图像的所述预设特征点中提取第二特征点，并根据所述第二特征点分别构建与所述模糊不清的每帧第一图像对应的特征点集合，根据所述特征点集合得到最优变换矩阵；步骤S16、根据与所述特征点集合对应的最优变换矩阵、与所述特征点集合对应的模糊不清的每帧第一图像的前一帧第一图像，对所述与所述特征点集合对应的模糊不清的每帧第一图像进行运动补偿。2.如权利要求1所述方法，其特征在于，所述从所述第一图像中提取预设特征点并识别所述预设特征点的景深具体包括：对每帧所述第一图像进行二值化处理，分别得到每帧所述第一图像的特征向量集，所述特征向量集包括对应的一帧第一图像中每个被分隔区域的第一特征点，在所述每个被分隔区域的第一特征点中提取预设特征点并识别所述预设特征点的景深。3.如权利要求2所述方法，其特征在于，所述对每帧所述第一图像进行二值化处理，分别得到每帧所述第一图像的特征向量集，所述特征向量集包括对应的一帧第一图像中每个被分隔区域的第一特征点，具体包括：步骤S31、将每帧第一图像按照预设2
n
等分均匀划分成2
n
个被分隔区域，所述n为大于等于3的整数；步骤S32、利用公式计算每个被分隔区域的特征，所述P
i
为第i个被分隔区域的特征，所述C
i
为第i个被分隔区域中像素值为255的像素的个数，所述N*M为所述每帧第一图像的分辨率，所述i小于或者等于2
n
；步骤S33、根据计算出的第i个被分隔区域的特征值，确定所述第i个被分隔区域的特征对应的像素点为第一特征点；步骤S34、将每帧所述第一图像中每个被分隔区域的第一特征点分别进行归集，构成每帧第一图像的特征向量集。4.如权利要求1所述方法，其特征在于，所述根据所述特征点集合得到最优变换矩阵具体包括：在每一所述特征点集合中随机选取预设第一数量个位于最浅景深平面的第二特征点和一个位于次级景深平面的第二特征点构建与所述特征点集合对应的三维空间样本，并根据所述三维空间样本计算与所述特征点集合对应的变换矩阵，根据每一所述特征点集合反复构建所述三维空间样本并计算与所述特征点集合对应的变换矩阵，直至匹配所述变换矩阵的所述第二特征点的个数与所述变换矩阵对应的特征点集合中所有所述第二特征点的
个数的比例值超过预设比例阈值，将得到的与所述特征点集合对应的变换矩阵确定为与所述特征点集合对应的最优变换矩阵。5.如权利要求4所述方法，其特征在于，所述在每一所述特征点集合中随机选取预设第一数量个位于最浅景深平面的第二特征点和一个位于次级景深平面的第二特征点构建与所述特征点集合对应的三维空间样本，并根据所述三维空间样本计算与所述特征点集合对应的变换矩阵，根据每一所述特征点集合反复构建所述三维空间样本并计算与所述特征点集合对应的变换矩阵，直至匹配所述变换矩阵的所述第二特征点的个数与所述变换矩阵对应的特征点集合中所有所述第二特征点的个数的比例值超过预设比例阈值，将得到的与所述特征点集合对应的变换矩阵确定为与所述特征点集合对应的最优变换矩阵，具体包括：步骤S61、从每一所述特征点集合中随机选取预设第一数量个位于最浅景深平面的第二特征点和一个位于次级景深平面的第二特征点构建与所述特征点集合对应的三维空间样本；步骤S62、根据所述三维空间样本、与所述三维空间样本在特征对象上一致的预训练的对应样本计算与所述特征点集合对应的...

【专利技术属性】
技术研发人员：陈锐东，周鹏，覃朗，林积涵，覃云萍，王娜，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：