本發(fā)明涉及交通檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種高速公路攝像頭監(jiān)控范圍偏差檢測(cè)方法。

背景技術(shù)：
高速公路是國(guó)家公路交通網(wǎng)絡(luò)的主干，由于車流量大、車速高，高速公路的交通安全問題也十分突出。高速公路一旦發(fā)生異常交通狀態(tài)，對(duì)行車安全的影響極大，極易因?yàn)橐恍┬〉膾佸^或故障，導(dǎo)致發(fā)生重大二次事故或嚴(yán)重的車輛連環(huán)相撞事故。為了最大程度上確保高速公路行車安全，視頻監(jiān)控系統(tǒng)是目前國(guó)內(nèi)外高速公路運(yùn)行管理系統(tǒng)中主要依賴的技術(shù)手段。為了使視頻監(jiān)控系統(tǒng)能夠正常工作，攝像頭必須監(jiān)控到道路的區(qū)域，不能使監(jiān)控范圍發(fā)生偏差，否則起不到應(yīng)有的作用。因此判斷攝像頭的監(jiān)控范圍是否發(fā)生偏差，是保證視頻監(jiān)控系統(tǒng)正常運(yùn)行的前提和基礎(chǔ)?？紤]到攝像頭監(jiān)控的是高速公路，因此可以通過檢測(cè)其監(jiān)控范圍內(nèi)是否存在道路區(qū)域來檢測(cè)其監(jiān)控范圍是否發(fā)生偏差。目前關(guān)于道路檢測(cè)的算法從實(shí)現(xiàn)原理上看大致可分為：基于道路特征的檢測(cè)算法和基于道路模型的檢測(cè)算法?；诘缆诽卣鞯姆椒ㄖ饕玫缆仿访娴奶卣鳎缣荻?、顏色、紋理等，運(yùn)用區(qū)域增長(zhǎng)、邊緣梯度變化檢測(cè)等方法提取道路信息；基于道路模型的檢測(cè)算法將實(shí)際道路看作邊界是近似的直線或特定形式的曲線，從而建立道路邊界的數(shù)學(xué)模型，而后通過一定的算法確定道路邊界數(shù)學(xué)模型的相關(guān)參數(shù)再進(jìn)一步確定道路邊界的位置和方向，從而檢測(cè)出視頻畫面中的道路區(qū)域?，F(xiàn)有文獻(xiàn)中提到的方法只是單純的檢測(cè)道路本身，從含有道路區(qū)域的視頻中分離出道路，而沒有將道路檢測(cè)和攝像頭監(jiān)控范圍偏差聯(lián)系起來。因此，如何根據(jù)高速公路的特點(diǎn)，尋找一種檢測(cè)攝像頭監(jiān)控范圍偏差的方法顯的越來越重要。

技術(shù)實(shí)現(xiàn)要素：
有鑒于此，本發(fā)明提供一種高速公路攝像頭監(jiān)控范圍偏差檢測(cè)方法，適應(yīng)性強(qiáng)。本發(fā)明通過以下技術(shù)手段解決上述技術(shù)問題：高速公路攝像頭監(jiān)控范圍偏差檢測(cè)方法，包括如下步驟：1)從高速公路隧道攝像頭獲取的視頻中按預(yù)設(shè)幀率抽取圖片；2)劃分內(nèi)存區(qū)域存儲(chǔ)步驟1)獲得的圖片；3)根據(jù)步驟2)存儲(chǔ)的圖片獲取當(dāng)前道路的背景圖像；4)從步驟3)獲取的背景圖像中提取疑似公路標(biāo)志線圖像；5)通過對(duì)步驟4)獲得的疑似公路標(biāo)志線圖像進(jìn)行分析，判斷攝像頭監(jiān)控范圍是否發(fā)生偏差，具體包括如下步驟：51)對(duì)步驟4)獲得的疑似公路標(biāo)志線圖像進(jìn)行篩選，所述疑似公路標(biāo)志線圖像包括多段直線，選出斜率的絕對(duì)值大于0.3，且長(zhǎng)度大于80個(gè)像素點(diǎn)的直線；52)從步驟51)篩選獲得的直線中選出橫截距最小和最大的兩條直線，所述橫截距是指直線與x軸的交點(diǎn)到坐標(biāo)原點(diǎn)的距離；若未篩選出符合要求的直線，則判定攝像頭監(jiān)控范圍發(fā)生偏差；53)判斷步驟52)獲得的兩條直線是否符合下列要求：兩條直線橫截距的平均值avg_x：-50≤avg_x≤400；兩條直線橫截距的差值sub_x：50≤sub_x≤500；兩條直線朝向x軸的夾角是銳角；若不同時(shí)滿足以上三個(gè)條件則說明攝像頭的監(jiān)控范圍發(fā)生了偏差。進(jìn)一步，所述步驟3)中，采用平均統(tǒng)計(jì)法得到當(dāng)前道路的背景圖像。進(jìn)一步，所述步驟2)中，至少存儲(chǔ)20幀圖像供步驟3)進(jìn)行處理。進(jìn)一步，所述步驟4)具體包括如下步驟：41)對(duì)步驟3)中獲得的背景圖像進(jìn)行閾值分割，獲得二值圖像；42)對(duì)步驟3)中獲得的背景圖像進(jìn)行邊緣檢測(cè)；43)將步驟41)、42)獲得的二值圖像進(jìn)行邏輯與運(yùn)算；44)從步驟43)獲得的二值圖像中檢測(cè)出直線，獲得疑似公路標(biāo)志線圖像。進(jìn)一步，所述步驟41)中，采用自適應(yīng)法選取閾值。進(jìn)一步，所述步驟42)中，采用Canny算法進(jìn)行邊緣檢測(cè)。進(jìn)一步，所述步驟44)中采用霍夫變換算法檢測(cè)直線。進(jìn)一步，所述步驟41)中，還對(duì)閾值分割后獲得二值圖像進(jìn)行形態(tài)學(xué)的膨脹處理。進(jìn)一步，所述步驟42)中，還對(duì)邊緣檢測(cè)后獲得的二值圖像進(jìn)行形態(tài)學(xué)的膨脹處理。進(jìn)一步，所述步驟43)中，還對(duì)邏輯與運(yùn)算獲得的二值圖像進(jìn)行做形態(tài)學(xué)的腐蝕處理。本發(fā)明的高速公路攝像頭監(jiān)控范圍偏差檢測(cè)方法具有如下優(yōu)點(diǎn)：本發(fā)明只檢測(cè)道路中的標(biāo)志線，因此可以快速、準(zhǔn)確的根據(jù)當(dāng)前攝像頭采集的視頻圖像，判斷攝像頭監(jiān)控范圍偏差事件的發(fā)生。具體實(shí)施方式圖1示出了高速公路攝像頭監(jiān)控范圍偏差檢測(cè)方法的流程示意圖。具體實(shí)施方式以下將結(jié)合附圖，對(duì)本發(fā)明進(jìn)行詳細(xì)說明。參見圖1，高速公路攝像頭監(jiān)控范圍偏差檢測(cè)方法，高速公路攝像頭監(jiān)控范圍偏差檢測(cè)方法，包括如下步驟：1)從高速公路隧道攝像頭獲取的視頻中按預(yù)設(shè)幀率抽取圖片；2)劃分內(nèi)存區(qū)域存儲(chǔ)步驟1)獲得的N幀圖片，N>20；3)采用平均統(tǒng)計(jì)法，根據(jù)步驟2)存儲(chǔ)的圖片獲取當(dāng)前道路的背景圖像img_background；4)從步驟3)獲取的背景圖像中提取疑似公路標(biāo)志線圖像；具體包括如下步驟：41)對(duì)步驟3)中獲得的背景圖像進(jìn)行閾值分割，獲得二值圖像；由于高速公路上標(biāo)志線為白色，灰度值要高于路面上的其他區(qū)域，根據(jù)這一特點(diǎn)，可以通過閾值分割對(duì)其進(jìn)行分離，步驟3)獲得的背景圖像img_background采用公式：進(jìn)行閾值分割，得到一幅二值圖像img_threshold。閾值threshold的選取采用如下表一所示的自適應(yīng)方法，既根據(jù)背景圖像的平均亮度自適應(yīng)的選取閾值。之所以沒有用Otsu算法選取閾值，是因?yàn)橥ㄟ^實(shí)驗(yàn)發(fā)現(xiàn)由Otsu算法得到的閾值分割后會(huì)出現(xiàn)大量的前景，不適合用于對(duì)單一道路背景圖像進(jìn)行分割。表一得到img_threshold后，對(duì)其進(jìn)行形態(tài)學(xué)的膨脹處理，結(jié)構(gòu)元素可以根據(jù)需要自行選取，本實(shí)例選取的是3×3的長(zhǎng)方形結(jié)構(gòu)元素。42)對(duì)步驟3)中獲得的背景圖像進(jìn)行邊緣檢測(cè)；由于Canny邊緣檢測(cè)算子具有不漏檢真實(shí)邊緣、好的定位性能并且對(duì)于單個(gè)邊緣點(diǎn)僅有一個(gè)響應(yīng)等優(yōu)點(diǎn)，綜合考慮算子的性能與速度特性，本發(fā)明采用Canny算法進(jìn)行邊緣提取。利用Canny邊緣檢測(cè)算子對(duì)步驟3)中得到的背景圖像img_background進(jìn)行邊緣檢測(cè)，本發(fā)明中用OpenCV中的cvCanny函數(shù)，低閾值選取50，高閾值選取220，Sobel算子內(nèi)核大小選取3，得到二值圖像img_canny，得到的背景圖像邊緣包括白色標(biāo)志線的邊緣、道路邊界的邊緣以及其他一些物體的邊緣。然后對(duì)二值圖像img_canny進(jìn)行形態(tài)學(xué)的膨脹處理，結(jié)構(gòu)元素可以根據(jù)需要自行選取，本實(shí)例選取的是3×3的長(zhǎng)方形結(jié)構(gòu)元素。43)將步驟41)、42)獲得的二值圖像進(jìn)行邏輯與運(yùn)算；對(duì)上面41)、42)中得到的圖像img_threshold和img_canny進(jìn)行“邏輯與”運(yùn)算并且做形態(tài)學(xué)的腐蝕處理，得到最終的二值圖像img_and。44)從步驟43)獲得的二值圖像中檢測(cè)出直線，獲得疑似公路標(biāo)志線圖像。高速公路上的白色標(biāo)志線有連續(xù)的，也有不連續(xù)的，Hough霍夫變換算法對(duì)直線是否連續(xù)不敏感。因此對(duì)img_and進(jìn)行Hough霍夫變換，得到一個(gè)直線組，即疑似公路標(biāo)志線圖像。5)通過對(duì)步驟4)獲得的疑似公路標(biāo)志線圖像進(jìn)行分析，判斷攝像頭監(jiān)控范圍是否發(fā)生偏差，具體包括如下步驟：51)對(duì)步驟4)獲得的疑似公路標(biāo)志線圖像進(jìn)行篩選，所述疑似公路標(biāo)志線圖像包括多段直線，選出斜率的絕對(duì)值大于0.3，且長(zhǎng)度大于80個(gè)像素點(diǎn)的直線；52)從步驟51)篩選獲得的直線中選出橫截距最小和最大的兩條直線，所述橫截距是指直線與x軸的交點(diǎn)到坐標(biāo)原點(diǎn)的距離；若未篩選出符合要求的直線，則判定攝像頭監(jiān)控范圍發(fā)生偏差；53)判斷步驟52)獲得的兩條直線是否符合下列要求：兩條直線橫截距的平均值avg_x：-50≤avg_x≤400；兩條直線橫截距的差值sub_x：50≤sub_x≤500；兩條直線朝向x軸的夾角是銳角；若不同時(shí)滿足以上三個(gè)條件則說明攝像頭的監(jiān)控范圍發(fā)生了偏差。最后說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。