一种用于智慧监控的危险路况识别方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种用于智慧监控的危险路况识别方法。该方法包括：获取下雨天智慧监控实时采集的多张道路图像，获取其中的边缘像素点及其对应的邻域像素点，将每个边缘像素点对应的邻域像素点分为第二边缘像素点、第一背景像素点以及第二背景像素点的三个类别，基于每个类别内的像素点判断中心点是否为真实边缘点，进而得到疑似水滴区域，根据每个疑似水滴区域及其邻近水滴区域获取置信度，根据置信度得到水滴区域；去除每张道路图像中的水滴区域并拼接得到实际道路图像，根据实际道路图像进行危险路况的识别；提高了危险路况识别的准确度。提高了危险路况识别的准确度。提高了危险路况识别的准确度。

【技术实现步骤摘要】
一种用于智慧监控的危险路况识别方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种用于智慧监控的危险路况识别方法。

技术介绍

[0002]在恶劣环境下，智慧监控拍摄出来的图像往往很容易受到外界因素的干扰，例如在下雨天时，当雨下的过大时可能会导致雨水遮挡摄像头视线，或者拍摄得到的道路图像中存在较多的雨滴，使得拍摄的道路图像无法真实的反映道路信息，进而导致利用道路图像输入神经网络进行危险路况识别的结果精度较低。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种用于智慧监控的危险路况识别方法，该方法包括以下步骤：获取下雨天智慧监控实时采集的多张道路图像，对每张所述道路图像进行灰度化处理得到灰度图像；对所述灰度图像进行canny检测得到边缘像素点，以每个边缘像素点为中心点得到其对应的邻域像素点，根据每个邻域像素点与所述中心点之间的欧式距离以及灰度差值得到聚类距离，根据所述聚类距离得到邻域像素点中的第二边缘像素点；根据第二边缘像素点得到邻域像素点中的第一背景像素点和第二背景像素点；获取每个第一背景像素点对应的优选值，优选值最大的第一背景像素点为最优第一背景点；获取每个第二背景像素点对应的优选值，优选值最大的第二背景像素点为最优第二背景点；根据所述中心点、最优第一背景点以及最优第二背景点将所述中心点对应的邻域像素点划分为三个类别，基于每个类别内的像素点得到所述中心点的真实概率，当所述真实概率大于真实阈值时，所述中心点为真实边缘点；根据所有的真实边缘点获取多个疑似水滴区域，获取每个疑似水滴区域对应的邻近水滴区域，基于每个疑似水滴区域对应的所有邻近水滴区域获取疑似水滴区域的置信度，当所述置信度大于置信阈值时，所述疑似水滴区域为水滴区域；将多张道路图像中的水滴区域去除并进行拼接得到实际道路图像，将所述实际道路图像输入神经网络得到道路的危险路况类别。
[0004]优选的，所述根据每个邻域像素点与所述中心点之间的欧式距离以及灰度差值得到聚类距离的步骤，包括：获取每个邻域像素点与所述中心点之间的欧式距离最大值；对于任意邻域像素点：获取邻域像素点与所述中心点的欧式距离与所述欧式距离最大值的第一比值；获取邻域像素点与所述中心点对应灰度值的较大值；计算邻域像素点与所述中心点的灰度差值与所述较大值的第二比值；
所述第一比值与所述第二比值的乘积为所述聚类距离。
[0005]优选的，所述根据所述聚类距离得到邻域像素点中的第二边缘像素点的步骤，包括：计算每个邻域像素点与所述中心点之间的聚类距离；设置距离阈值，所述聚类距离小于距离阈值时对应的邻域像素点为第二边缘像素点。
[0006]优选的，所述根据第二边缘像素点得到邻域像素点中的第一背景像素点和第二背景像素点的步骤，包括：对于任意一个中心点：连接与中心点相邻的第二边缘像素点以得到一条边缘线段，获取所述边缘线段的两个端点，将两个端点相连得到特征直线；以中心点为起点作垂直于特征直线的垂线，所述垂线与特征直线相交于一点，根据中心点和交点得到特征向量和特征向量；所述特征向量的方向的邻域像素点为第一背景像素点，所述特征向量的方向的邻域像素点为第二背景像素点。
[0007]优选的，所述获取每个第一背景像素点对应的优选值的步骤，包括：对于第一背景像素点w：获取第一背景像素点对应的3*3邻域内的像素点，计算3*3邻域内的每个像素点与第一背景像素点之间的灰度值差异，以得到对应的灰度差异均值，以所述灰度差异均值的负数作为幂指数，以自然常数e为底构建第一指数函数；获取第一背景区域中除第一背景像素点w之外的每个第一背景像素点与第一背景像素点w之间的欧式距离，计算所有第一背景像素点对应的欧式距离的和，以欧式距离的和的负数作为幂指数，以自然常数e为底构建第二指数函数；对所述第一指数函数与所述第二指数函数进行加权求和得到第一背景像素点w的优选值。
[0008]优选的，所述根据所述中心点、最优第一背景点以及最优第二背景点将所述中心点对应的邻域像素点划分为三个类别的步骤，包括：分别获取每个邻域像素点与所述中心点、最优第一背景点以及最优第二背景点之间的聚类距离；根据所述聚类距离，以所述中心点、最优第一背景点以及最优第二背景点作为最优聚类中心点进行聚类得到三个类别。
[0009]优选的，所述基于每个类别内的像素点得到所述中心点的真实概率的步骤，包括：获取每个类别内像素点的灰度均值，计算每两个类别对应的灰度均值的差值结果，根据所述差值结果得到概率；对所述概率进行优化得到所述中心点的真实概率。
[0010]优选的，所述对所述概率进行优化得到所述中心点的真实概率的步骤，包括：获取每个中心点的预设范围的邻域内的边缘像素点的数量，获取邻域内每个边缘像素点与所述中心点之间的欧式距离，选取所有边缘像素点对应的欧式距离的最大值；
获取邻域每个边缘像素点与所述中心点之间欧式距离的距离比值，根据所述距离比值得到第二距离比值，所述第二距离比值与所述距离比值的求和为1；计算邻域内每个边缘像素点对应的概率与所述第二距离比值的乘积记为概率乘积，获取邻域内所有边缘像素点对应的概率乘积的平均值；所述平均值与所述中心点对应的概率之间的乘积为所述真实概率。
[0011]优选的，所述基于每个疑似水滴区域对应的所有邻近水滴区域获取疑似水滴区域的置信度的步骤，包括：获取疑似水滴区域中的直线与特征点，计算每个所述特征点与所述直线之间的欧式距离，获取所有特征点对应的欧式距离的平均值，以欧式距离的平均值的负数作为幂指数，以自然常数e为底构建第三指数函数；获取疑似水滴区域与其对应的每个邻近水滴区域之间的形状相似度；计算每个邻近水滴区域与疑似水滴区域的欧式距离，以及疑似水滴区域中像素点的灰度均值与其邻近水滴区域中像素点的灰度均值的差值绝对值；以疑似水滴区域Q为例，根据疑似水滴区域Q对应的第三指数函数、形状相似度、欧式距离以及差值绝对值得到置信度，置信度的计算为：其中，表示疑似水滴区域Q对应的置信度；表示疑似水滴区域Q与其对应的第个邻近水滴区域之间的形状相似度；表示疑似水滴区域Q与其对应的第个邻近水滴区域之间的欧式距离；表示疑似水滴区域Q与其对应的所有邻近水滴区域之间欧式距离的最大值；表示疑似水滴区域Q中所有像素点的灰度均值；表示疑似水滴区域Q的第个邻近水滴区域中所有像素点的灰度均值；表示疑似水滴区域Q的所有邻近水滴区域的数量；表示疑似水滴区域Q中所有特征点的数量；表示疑似水滴区域Q中第个特征点到直线的欧式距离。
[0012]优选的，所述获取疑似水滴区域中的直线与特征点的步骤，包括：将疑似水滴区域视为多条水平线段，获取水平线段上每个像素点对应的特征概率，基于所述特征概率得到每条水平线段的特征点；以第一个所述特征点为起点作竖直方向的直线得到所述直线；其中，每个像素点的特征概率的获取方法为：以水平线段上任意像素点为目标点，分别获取所述目标点在对应水平线段上的两侧的像素点数量，以得到两侧的灰度均值；以两侧灰度均值的差值的负数作为幂指数，以自然常数e为底数构建第四指数函数；计算两侧的像素点数量的差值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于智慧监控的危险路况识别方法，其特征在于，该方法包括以下步骤：获取下雨天智慧监控实时采集的多张道路图像，对每张所述道路图像进行灰度化处理得到灰度图像；对所述灰度图像进行canny检测得到边缘像素点，以每个边缘像素点为中心点得到其对应的邻域像素点，根据每个邻域像素点与所述中心点之间的欧式距离以及灰度差值得到聚类距离，根据所述聚类距离得到邻域像素点中的第二边缘像素点；根据第二边缘像素点得到邻域像素点中的第一背景像素点和第二背景像素点；获取每个第一背景像素点对应的优选值，优选值最大的第一背景像素点为最优第一背景点；获取每个第二背景像素点对应的优选值，优选值最大的第二背景像素点为最优第二背景点；根据所述中心点、最优第一背景点以及最优第二背景点将所述中心点对应的邻域像素点划分为三个类别，基于每个类别内的像素点得到所述中心点的真实概率，当所述真实概率大于真实阈值时，所述中心点为真实边缘点；根据所有的真实边缘点获取多个疑似水滴区域，获取每个疑似水滴区域对应的邻近水滴区域，基于每个疑似水滴区域对应的所有邻近水滴区域获取疑似水滴区域的置信度，当所述置信度大于置信阈值时，所述疑似水滴区域为水滴区域；将多张道路图像中的水滴区域去除并进行拼接得到实际道路图像，将所述实际道路图像输入神经网络得到道路的危险路况类别。2.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述根据每个邻域像素点与所述中心点之间的欧式距离以及灰度差值得到聚类距离的步骤，包括：获取每个邻域像素点与所述中心点之间的欧式距离最大值；对于任意邻域像素点：获取邻域像素点与所述中心点的欧式距离与所述欧式距离最大值的第一比值；获取邻域像素点与所述中心点对应灰度值的较大值；计算邻域像素点与所述中心点的灰度差值与所述较大值的第二比值；所述第一比值与所述第二比值的乘积为所述聚类距离。3.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述根据所述聚类距离得到邻域像素点中的第二边缘像素点的步骤，包括：计算每个邻域像素点与所述中心点之间的聚类距离；设置距离阈值，所述聚类距离小于距离阈值时对应的邻域像素点为第二边缘像素点。4.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述根据第二边缘像素点得到邻域像素点中的第一背景像素点和第二背景像素点的步骤，包括：对于任意一个中心点 ：连接与中心点相邻的第二边缘像素点以得到一条边缘线段，获取所述边缘线段的两个端点，将两个端点相连得到特征直线；以中心点为起点作垂直于特征直线的垂线，所述垂线与特征直线相交于一点，根据中心点和交点得到特征向量和特征向量；
所述特征向量的方向的邻域像素点为第一背景像素点，所述特征向量的方向的邻域像素点为第二背景像素点。5.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述获取每个第一背景像素点对应的优选值的步骤，包括：对于第一背景像素点w：获取第一背景像素点对应的3*3邻域内的像素点，计算3*3邻域内的每个像素点与第一背景像素点之间的灰度值差异，以得到对应的灰度差异均值，以所述灰度差异均值的负数作为幂指数，以自然常数e为底构建第一指数函数；获取第一背景区域中除第一背景像素点w之外的每个第一背景像素点与第一背景像素点w之间的欧式距离，计算所有第一背景像素点对应的欧式距离的和，以欧式距离的和的负数作为幂指数，以自然常数e为底构建第二指数函数；对所述第一指数函数与所述第二指数函数进行加权求和得到第一背景像素点w的优选值。6.根据权利要求...

【专利技术属性】
技术研发人员：梁春艳，杨雪，
申请(专利权)人：广东汇通信息科技股份有限公司，
类型：发明
国别省市：