本發(fā)明涉及一種基于圖像信號的出租車監(jiān)管方法，尤其一種涉及出租車前排區(qū)域的異常圖像信號的自動檢測方法。
背景技術(shù)：
：出租車是城市客運系統(tǒng)中不可缺少的客運方式，它根據(jù)乘客的個性需求，提供靈活、方便的門對門運輸服務(wù)。城市出租車作為常規(guī)交通的重要補充，在方便群眾出行、擴大社會就業(yè)、樹立城市形象、促進城市經(jīng)濟發(fā)展等方面具有重要作用。城市出租車行業(yè)存在的問題主要有：運力難以確定、服務(wù)質(zhì)量有待提高、運輸組織化水平低和管理部門監(jiān)管力度較弱等問題。通過在出租車內(nèi)安裝視頻監(jiān)控，實時獲取出租車內(nèi)的視頻圖像數(shù)據(jù)可以解決或改善出租車行業(yè)的難點問題：通過實時采集出租車乘坐狀態(tài)、所處地理位置等運營數(shù)據(jù)，優(yōu)化出租的運力和運輸組織；可全程監(jiān)管駕駛員的服務(wù)，一旦發(fā)生乘坐糾紛時，可作為佐證數(shù)據(jù)；提高管理部門對出租車計費的監(jiān)管力度，進而提高出租車的服務(wù)水平?？梢姡鲎廛噧?nèi)的視頻監(jiān)控對于規(guī)范出租車的運營有著極其重要的作用。然而，實際中出租車經(jīng)營者或駕駛員為了規(guī)避監(jiān)管，常常關(guān)閉或擰轉(zhuǎn)攝像頭的拍攝角度，使得監(jiān)管攝像頭如同虛設(shè)?；诖?，我們發(fā)明了一種出租車前置攝像頭的異常圖像信號檢測方法，方法能自動檢測出異常的圖像數(shù)據(jù)，確保攝像頭處于正常的拍攝狀態(tài)。本發(fā)明提出的自動檢測方法，具有簡單、經(jīng)濟、檢測精度高、運行速度快、魯棒性好等優(yōu)點。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供了一種出租車前排區(qū)域的異常圖像信號的自動檢測方法。為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案來實現(xiàn)的：一種出租車前排區(qū)域的異常圖像信號的自動檢測方法，包括如下步驟：步驟1：選定標(biāo)準(zhǔn)車頂區(qū)。啟動車輛和視頻采集設(shè)備，采集前排(包括副駕座和駕駛員在內(nèi)的區(qū)域)的圖像幀數(shù)據(jù)，假定采集的圖像大小為M×N，M和N分別為圖像幀的總行和總列。標(biāo)準(zhǔn)車頂區(qū)是指圖像幀的中部、略偏右的位置，即由圖像的第0.25M行到0.7M行，和第0.2N列到0.9N列組成的區(qū)域；將該區(qū)域的像素值值置為1，其余區(qū)域的值置為0，得到標(biāo)準(zhǔn)車頂圖bd。令x和y分別表示任一像素對應(yīng)的行坐標(biāo)值和列坐標(biāo)值。標(biāo)準(zhǔn)車頂圖bd為二值圖，滿足bd(x,y)＝1的所有像素點組成的區(qū)域為標(biāo)準(zhǔn)車頂區(qū)，滿足bd(x,y)＝0的所有像素點組成的區(qū)域為非標(biāo)準(zhǔn)車頂區(qū)。利用式(1)計算標(biāo)準(zhǔn)車頂區(qū)的面積nc：nc＝(0.7M-0.25M+1)×(0.9N-0.2N+1)(1)轉(zhuǎn)入步驟2。步驟2：選定標(biāo)準(zhǔn)前擋風(fēng)玻璃區(qū)。標(biāo)準(zhǔn)前擋風(fēng)玻璃位于圖像畫面的頂部、略偏右的位置，即第1行到0.25×M行，第0.2×N列到0.9×N列范圍內(nèi)的區(qū)域，將該區(qū)域的像素值置為1，其余區(qū)域的像素值置為0，得到標(biāo)準(zhǔn)前擋風(fēng)玻璃圖dd。標(biāo)準(zhǔn)前擋風(fēng)玻璃圖dd為二值圖，dd(x,y)＝1的所有像素點組成的區(qū)域為標(biāo)準(zhǔn)前擋風(fēng)玻璃區(qū)，dd(x,y)＝0的所有像素點組成的區(qū)域為非前擋風(fēng)玻璃區(qū)。利用式(2)計算標(biāo)準(zhǔn)前擋風(fēng)玻璃的面積nd：nd＝0.25M×(0.9N-0.2N+1)(2)轉(zhuǎn)入步驟3。步驟3：實時采集并存儲出租車前排的視頻圖像幀。實時采集并存儲出租車前排的視頻圖像幀，采樣頻率根據(jù)需要可以為1～300秒/幀。采集的圖像幀用符號Ek表示，k指圖像幀的幀號，每次讀取一幀，將幀號累加1，即k＝k+1。采集的圖像為RGB彩色格式，圖像大小為M×N。轉(zhuǎn)入步驟4。步驟4：對前排視頻圖像幀進行灰度化處理，得到灰度圖像。利用式(3)，將步驟3獲取的圖像幀Ek進行灰度化處理，得到和圖像幀Ek對應(yīng)的灰度圖像fk。fk(x,y)＝0.3·Rk(x,y)+0.59·Gk(x,y)+0.11·Bk(x,y)(3)其中，fk(x,y)表示灰度圖像fk中像素(x,y)的灰度值；Rk(x,y)、Gk(x,y)和Bk(x,y)分別表示圖像幀Ek中像素(x,y)的紅色分量值、綠色分量值和藍(lán)色分量值。轉(zhuǎn)入步驟5。步驟5：基于光照分析的圖像信號類型判定?；诠庹辗治龅膱D像信號類型判定包括a1～a3三個步驟：步驟a1：計算灰度圖像的平均亮度。利用式(4)計算步驟3得到灰度圖像fk的平均亮度：f‾k=1MNΣx=1MΣy=1N(fk(x,y))---(4)]]>式中，k表示幀號；表示灰度圖像fk的平均亮度。轉(zhuǎn)入步驟a2。步驟a2：根據(jù)灰度圖像的平均亮度計算圖像幀的光照標(biāo)記值。當(dāng)采集的圖像幀的平均亮度過高或過低時，難以進行圖像信息挖掘，故先判定圖像光照是否正常，具體過程為：若步驟a1得到的灰度圖像的平均亮度過低或過高，認(rèn)為圖像幀的光照異常，判定圖像幀為異常圖像信號；若圖像幀的光照正常，則需要對圖像進行后續(xù)分析處理，以判定圖像是否為正常圖像信號。利用式(5)計算圖像幀Ek的光照標(biāo)記值fak，通過光照標(biāo)記值fak來標(biāo)記采集到的圖像幀Ek的光照情況：光照正?；蚬庹债惓＃菏街?，fak為圖像幀Ek的光照標(biāo)記值；fak＝1表示光照正常，fak＝0表示光照異常；T1和T2分別為暗閾值和亮閾值，主要依據(jù)經(jīng)驗對其取值，對于256級灰度圖像，T1通常取值為10～40，T2通常取值為220～255。轉(zhuǎn)入步驟a3。步驟a3：基于光照情況的圖像信號類型判定。若圖像光照異常(fak＝0)，則可以直接判定圖像為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟9；但當(dāng)圖像光照正常時(fak＝1)，還需要進入后續(xù)處理，以確定圖像灰度是否過密集，轉(zhuǎn)入步驟6。步驟6：考慮灰度密集度的圖像信號類型判定。考慮圖像幀灰度密集度的圖像信號類型判定，包括b1～b5五步：步驟b1：對光照正常的圖像幀進行灰度段統(tǒng)計。以30為一個灰度級，將0～255灰度級的灰度圖像劃分為九個灰度段，即0～29，30～59，60～89，…，210～239，240～255，統(tǒng)計灰度圖像fk落入每個灰度段的像素數(shù)和灰度均值。第t個灰度段的像素數(shù)和灰度段的灰度均值分別用符號Dat和Dbt表示。其中，t為灰度段序號，t＝1,2,...,9。轉(zhuǎn)入步驟b2。步驟b2：對灰度段執(zhí)行合并處理。當(dāng)任意兩個相鄰灰度段的灰度均值的絕對差小于20時，將它們合并為一個灰度段，并重新計算合并后的灰度段的像素數(shù)和灰度均值，直到任意兩個灰度段的灰度均值的絕對差均大于20。執(zhí)行合并處理后，第t個灰度段的像素數(shù)和灰度均值仍用符號Dat和Dbt表示。假定執(zhí)行合并處理后得到p個灰度段，即t＝1,2,...,p，且滿足p≤9。轉(zhuǎn)入步驟b3。步驟b3：統(tǒng)計合并處理后的灰度段個數(shù)。統(tǒng)計步驟b2得到的p個灰度段中像素數(shù)大于T3·MN的灰度段的個數(shù)，假定合并灰度段個數(shù)為q，滿足q≤p，T3為灰度段閾值，取值為0～1之間的數(shù)。轉(zhuǎn)入步驟b4。步驟b4：根據(jù)步驟b3得到的合并灰度段個數(shù)計算圖像幀Ek的灰度密集度標(biāo)記值。當(dāng)圖像幀的灰度分布過于密集時，認(rèn)為圖像幀為異常圖像信號。利用式(6)計算圖像幀Ek的灰度密集度標(biāo)記值fbk：式中，T4為灰度密集度閾值，取值通常為1～3。轉(zhuǎn)入步驟b5。步驟b5：根據(jù)步驟b4得到的圖像幀的灰度密集度標(biāo)記值判定圖像幀是否異常。若fbk＝0，認(rèn)為圖像灰度值較密集，則判定該圖像幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟9；若fbk＝1，進入后續(xù)處理，轉(zhuǎn)入步驟7。步驟7：根據(jù)車頂區(qū)偏移度的圖像信號類型判定。具體包括以下(c1～c10)10個步驟：步驟c1：車頂初圖檢測。攝像頭采集的正常圖像信號未發(fā)生偏轉(zhuǎn)時，車頂部分位于畫面中部偏上、略偏右的位置，其亮度較低，利用車頂?shù)牡土炼忍匦蕴崛≤図攨^(qū)域。mfk為圖像幀Ek的車頂初圖，車頂初圖mfk為二值圖，mfk(x,y)＝1的像素點組成的區(qū)域為車頂區(qū)，mfk(x,y)＝0的像素點組成的區(qū)域為非車頂區(qū)。利用式(7)對步驟4得到的灰度圖像fk進行檢測，得到車頂初圖。式中，T5為車頂閾值，取值通常為0～255，本發(fā)明采取最大類間法自適應(yīng)地確定閾值。轉(zhuǎn)入步驟c2。步驟c2：車頂初圖掃描去噪。先對步驟c1得到的車頂初圖mfk行掃描去噪，接著執(zhí)行列掃描去噪，具體表述為：第一步，行掃描去噪，得到行去噪圖mak。掃描mfk的每一行，連續(xù)長度小于圖像總列(即N)10％的線段認(rèn)為是非車頂，直接將mak中該線段的值置為0，否則令其值為mfk。第二步，對行去噪圖mak進行列掃描去噪，得到車頂圖mdk。掃描行去噪圖mak的每一列，連續(xù)長度小于圖像總行(即M)10％的認(rèn)為是非車頂，直接將車頂圖mdk中的值置為0，否則令值為mak。轉(zhuǎn)入步驟c3。步驟c3：提取候選車頂。統(tǒng)計步驟c2得到的mdk中各連通區(qū)域塊的像素數(shù)，提取面積大于0.4nc的區(qū)域塊，記為候選車頂。假定得到L個候選車頂，記第k幀圖像的第m個候選車頂為為二值圖，的像素點組成的區(qū)域為第m個候選車頂?shù)能図攨^(qū)，的像素點組成的區(qū)域為第m個候選車頂?shù)姆擒図攨^(qū)。其中，m為連通區(qū)域塊序號，且滿足0≤m≤L。轉(zhuǎn)入步驟c4。步驟c4：根據(jù)候選車頂計算圖像幀的車頂檢出標(biāo)記值。根據(jù)步驟c3提取的候選車頂區(qū)計算圖像幀Ek的車頂檢出標(biāo)記值fck，其計算式如式(8)：轉(zhuǎn)入步驟c5。步驟c5：據(jù)步驟c4得到的圖像幀的車頂檢出標(biāo)記值判定圖像幀是否異常；若fck＝0，認(rèn)為未檢測到可能的車頂區(qū)域，判定該圖像幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟9；若fck＝1，進入后續(xù)處理，以確定車頂是否存在偏轉(zhuǎn)，轉(zhuǎn)入步驟c6。步驟c6：對比標(biāo)準(zhǔn)車頂。將步驟c3得到的L個候選車頂逐一和標(biāo)準(zhǔn)車頂bd(步驟1得到)做對比分析，提取標(biāo)準(zhǔn)車頂bd與第k幀圖像Ek的第m個候選車頂重合的車頂區(qū)提取過程如式(9)所示。轉(zhuǎn)入步驟c7。步驟c7：計算車頂區(qū)的面積。用表示第m個車頂區(qū)(步驟c6得到)的面積，其計算式如式(10)：nekm=Σx=1MΣy=1Nedkm(x,y)---(10)]]>轉(zhuǎn)入步驟c8。步驟c8：計算檢出的m個車頂區(qū)的偏移度。第m個車頂區(qū)的偏移度的計算式如式(11)所示。aakm=1-nekmnc---(11)]]>其中，為第k幀圖像幀Ek的第m個車頂區(qū)的偏移度。轉(zhuǎn)入步驟c9。步驟c9：根據(jù)車頂區(qū)偏移度計算圖像幀的車頂偏移標(biāo)記值。利用式(12)計算圖像幀Ek的車頂偏移標(biāo)記值：式中，T6為車頂偏移度閾值，取值為0～0.3之間。轉(zhuǎn)入步驟c10。步驟c10：據(jù)步驟c9得到的圖像幀的車頂偏移標(biāo)記值判定圖像幀是否異常。若fdk＝0，認(rèn)為車頂區(qū)已產(chǎn)生偏轉(zhuǎn)，判定該幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟9；若fdk＝1，進入后續(xù)處理，以確定前擋風(fēng)玻璃是否存在偏轉(zhuǎn)，轉(zhuǎn)入步驟8。步驟8：前擋風(fēng)玻璃偏移度計算圖像幀的標(biāo)記值。具體包括(d1～d5)五個步驟：步驟d1：前擋風(fēng)玻璃區(qū)亮度濾波。正常的出租車圖像信號，其前擋風(fēng)玻璃區(qū)域反射的是天空的顏色，因而其亮度值較高，在標(biāo)準(zhǔn)前擋風(fēng)玻璃圖dd(由步驟2得到)內(nèi)對灰度圖像fk(由步驟4得到)進行亮度濾波，得到濾波前擋風(fēng)玻璃圖dek。濾波前擋風(fēng)玻璃圖dek計算式如式(13)所示。式中，T7為高亮閾值，取值為200～255之間的整數(shù)。轉(zhuǎn)入步驟d2。步驟d2：計算濾波前擋風(fēng)玻璃的面積。用nfk表示濾波前擋風(fēng)玻璃圖dek(步驟d1得到)的面積，其計算式如式子(14)：nfk=Σx=1MΣy=1Ndek(x,y)---(14)]]>轉(zhuǎn)入步驟d3。步驟d3：計算前擋風(fēng)玻璃的偏移度。用abk表示前擋風(fēng)玻璃的偏移度，其計算式如式(15)所示：abk=1-nfknd---(15)]]>轉(zhuǎn)入步驟d4。步驟d4：計算圖像幀的前擋風(fēng)玻璃偏移標(biāo)記值。其計算式如式子(16)所示：式中，fek為圖像幀Ek的前擋風(fēng)玻璃偏移標(biāo)記值，fek＝0表示前擋風(fēng)玻璃偏轉(zhuǎn)，fek＝1表示前擋風(fēng)玻璃未偏轉(zhuǎn)；T8為前擋風(fēng)玻璃偏移度閥值，其取值為0.1～0.3之間的數(shù)。轉(zhuǎn)入步驟d5。步驟d5：據(jù)步驟d4得到的前擋風(fēng)玻璃偏移標(biāo)記值調(diào)整圖像幀的標(biāo)記值。若fek＝0，認(rèn)為前擋風(fēng)玻璃區(qū)已產(chǎn)生偏轉(zhuǎn)，判定該幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0；若fek＝1，前擋風(fēng)玻璃區(qū)未發(fā)生偏轉(zhuǎn)，令圖像幀Ek的標(biāo)記值flk＝1。轉(zhuǎn)入步驟9。步驟9：根據(jù)圖像幀的標(biāo)記值判定圖像幀是否異常。若flk＝0，則判定圖像幀Ek為異常圖像信號；若flk＝1，則判定圖像幀Ek為正常圖像信號。轉(zhuǎn)入步驟3。算法結(jié)束。相對于現(xiàn)有技術(shù)，本發(fā)明具有如下的優(yōu)點：1、能自動檢測拍攝的異常圖像，一方面實現(xiàn)對出租車的視頻監(jiān)管，提高出租車的服務(wù)水平；另一方面，當(dāng)發(fā)生乘坐糾紛時，作為矛盾的佐證數(shù)據(jù)。2、方法簡單，運行速度快。對于圖像大小為480×640的圖像幀，平均每幀運行耗時0.28s，與圖像幀采集頻率10s/幀相比，本發(fā)明方法處理速度快，可應(yīng)用于實時處理系統(tǒng)中。3、對兩萬余張出租車圖像進行仿真，算法準(zhǔn)確率高達(dá)91％，可見算法魯棒性好。附圖說明：圖1為標(biāo)準(zhǔn)車頂bd示意圖。圖2為標(biāo)準(zhǔn)前擋風(fēng)玻璃圖dd示意圖。圖3為圖像幀Ek示意圖。圖4為灰度圖像fk示意圖。圖5為車頂初圖mfk示意圖。圖6為行去噪圖mak示意圖。圖7為車頂圖mdk示意圖。圖8為候選車頂示意圖。圖9為車頂區(qū)示意圖。圖10為濾波前擋風(fēng)玻璃圖dek示意圖。圖11為本發(fā)明的工作流程圖。具體實施方式以下結(jié)合附圖對本發(fā)明作進一步的詳細(xì)說明。為加強對出租車司機的計費管理和副駕駛座位的乘坐情況統(tǒng)計，通常在副駕駛位置前方的控制臺上安裝前置攝像頭，以采集包括副駕座和駕駛員在內(nèi)的前排位置的圖像數(shù)據(jù)，利用本發(fā)明提出的出租車前置攝像頭異常圖像信號自動檢測方法，可自動檢測攝像頭采集到的圖像信號是否為正常圖像信號，當(dāng)攝像頭采集的圖像信號發(fā)生異常時，表示視頻采集設(shè)備可能損壞、攝像頭被遮擋或位置發(fā)生了偏移，應(yīng)及時給予報警提示信息，以確保攝像頭能采集正常的視頻圖像。本發(fā)明的具體實施步驟表述如下：步驟S0：選定標(biāo)準(zhǔn)車頂區(qū)。啟動車輛和視頻采集設(shè)備，采集前排(包括副駕座和駕駛員在內(nèi)的區(qū)域)的圖像幀數(shù)據(jù)，假定圖像幀的大小為M×N，M和N分別為圖像幀的總行和總列。本實施例中，采集到的圖像大小為480×640，即M＝480，N＝640。標(biāo)準(zhǔn)車頂區(qū)是指采集的圖像的中部、略偏右的位置，即由圖像的第0.25M行到0.7M行，和第0.2N列到0.9N列組成的區(qū)域；將該區(qū)域的像素值置為1，其余區(qū)域的值置為0，得到標(biāo)準(zhǔn)車頂圖bd，如圖1所示。令x和y分別表示任一像素對應(yīng)的行坐標(biāo)值和列坐標(biāo)值。標(biāo)準(zhǔn)車頂圖bd為二值圖，滿足bd(x,y)＝1的所有像素點組成的區(qū)域為標(biāo)準(zhǔn)車頂區(qū)，滿足bd(x,y)＝0的所有像素點組成的區(qū)域為非標(biāo)準(zhǔn)車頂區(qū)。利用式(1)計算標(biāo)準(zhǔn)車頂區(qū)的面積nc：nc＝(0.7M-0.25M+1)×(0.9N-0.2N+1)＝(0.45M+1)×(0.7N+1)(1)本實施例中，計算得到nc＝97433。轉(zhuǎn)入步驟S1。步驟S1：選定標(biāo)準(zhǔn)前擋風(fēng)玻璃區(qū)。標(biāo)準(zhǔn)前擋風(fēng)玻璃位于圖像畫面的頂部、略偏右的位置，即第1行到0.25×M行，第0.2×N列到0.9×N列范圍內(nèi)的區(qū)域，將該區(qū)域的像素值置為1，其余區(qū)域的像素值置為0，得到標(biāo)準(zhǔn)前擋風(fēng)玻璃圖dd，如圖2所示。標(biāo)準(zhǔn)前擋風(fēng)玻璃圖dd為二值圖，dd(x,y)＝1的所有像素點組成的區(qū)域為標(biāo)準(zhǔn)前擋風(fēng)玻璃區(qū)，dd(x,y)＝0的所有像素點組成的區(qū)域為非前擋風(fēng)玻璃區(qū)。利用式(2)計算標(biāo)準(zhǔn)前擋風(fēng)玻璃的面積nd：nd＝0.25M×(0.9N-0.2N+1)＝0.25M×(0.7N+1)(2)本實施例中，計算得到nd＝53880。轉(zhuǎn)入步驟S2。步驟S2：實時采集并存儲出租車前排的視頻圖像幀。實時采集并存儲出租車前排的視頻圖像幀，采樣頻率根據(jù)需要可以為1～300秒/幀。采集的圖像幀用符號Ek表示，k指圖像幀的幀號，每次讀取一幀，將幀號累加1，即k＝k+1。采集的圖像為RGB彩色格式，圖像大小為M×N。在本實施例中，采樣頻率為10秒/幀，選取某出租車的第57幀圖像進行檢測，圖像幀Ek如圖3所示，此時k＝57，M＝480，N＝640。轉(zhuǎn)入步驟S3。步驟S3：對前排視頻圖像幀進行灰度化處理，得到灰度圖像fk。利用式(3)，將步驟S2獲取的圖像幀Ek進行灰度化處理，得到和圖像幀Ek對應(yīng)的灰度圖像fk(如圖4所示)；fk(x,y)＝0.3·Rk(x,y)+0.59·Gk(x,y)+0.11·Bk(x,y)(3)其中，fk(x,y)表示灰度圖像fk中像素(x,y)的灰度值；Rk(x,y)、Gk(x,y)和Bk(x,y)分別表示圖像幀Ek中像素(x,y)的紅色分量值、綠色分量值和藍(lán)色分量值。轉(zhuǎn)入步驟S4。轉(zhuǎn)入步驟S4：計算灰度圖像的平均亮度。利用式(4)計算步驟S3得到灰度圖像fk的平均亮度：f‾k=1MNΣx=1MΣy=1N(fk(x,y))---(4)]]>式中，k表示幀號；表示灰度圖像fk的平均亮度。本實施例中，計算得到轉(zhuǎn)入步驟S5。步驟S5：根據(jù)灰度圖像的平均亮度計算圖像幀的光照標(biāo)記值。當(dāng)采集的圖像幀的平均亮度過高或過低時，難以進行圖像信息挖掘，故先判定圖像光照是否正常，具體過程為：若步驟S4得到的灰度圖像的平均亮度過低或過高，認(rèn)為圖像幀的光照異常，判定圖像幀為異常圖像；若圖像幀的光照正常，則需要對圖像進行后續(xù)處理分析，以判定圖像是否為正常圖像信號。利用式(5)計算圖像幀Ek的光照標(biāo)記值fak，通過光照標(biāo)記值fak來標(biāo)記采集到的圖像幀Ek的光照情況：光照正常或光照異常：式中，fak為圖像幀Ek的光照標(biāo)記值；fak＝1表示光照正常，fak＝0表示光照異常；T1和T2分別為暗閾值和亮閾值，主要依據(jù)經(jīng)驗對其取值，對于256級灰度圖像，T1通常取值為10～40，T2通常取值為220～255。本實施例中，T1和T2取值分別為：T1＝30和T2＝230，此時得到的光照標(biāo)記值fak＝0。轉(zhuǎn)入步驟S6。步驟S6：基于光照情況的圖像信號類型判定。若圖像光照異常(fak＝0)，則可以直接判定圖像為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟S26；但當(dāng)圖像光照正常時(fak＝1)，還需要進入后續(xù)處理，以確定圖像灰度是否過密集，轉(zhuǎn)入步驟S7。步驟S7：對光照正常的圖像幀進行灰度段統(tǒng)計。以30為一個灰度級，將0～255灰度級的灰度圖像劃分為九個灰度段，即0～29，30～59，60～89，…，210～239，240～255，統(tǒng)計灰度圖像fk落入每個灰度段的像素數(shù)和灰度均值。第t個灰度段的像素數(shù)和灰度段的灰度均值分別用符號Dat和Dbt表示。其中，t為灰度段序號，t＝1,2,...,9。本實施例中九個灰度段的像素數(shù)和灰度段的灰度均值Dat和Dbt如表1所示。表1實施例中Dat和Dbt數(shù)據(jù)值灰度段t123456789像素數(shù)Dat06172710418324328872130747024626291512灰度均值Dbt05577103132164193225252轉(zhuǎn)入步驟S8。步驟S8：對灰度段執(zhí)行合并處理。當(dāng)任意兩個相鄰灰度段的灰度均值的絕對差小于20時，將它們合并為一個灰度段，并重新計算合并后的灰度段的像素數(shù)和灰度均值，直到任意兩個灰度段的灰度均值的絕對差均大于20。執(zhí)行合并處理后，第t個灰度段的像素數(shù)和灰度均值仍用符號Dat和Dbt表示。假定執(zhí)行合并處理后得到p個灰度段，即t＝1,2,...,p，且滿足p≤9。本實施例中，任意兩個相鄰灰度段的灰度均值的絕對差都大于20，故無需執(zhí)行合并處理，此時灰度段p＝8。轉(zhuǎn)入步驟S9。步驟S9：統(tǒng)計合并處理后的灰度段個數(shù)。統(tǒng)計步驟S8得到的p個灰度段中像素數(shù)大于T3·MN的灰度段的個數(shù)，假定合并灰度段個數(shù)為q，滿足q≤p，T3為灰度段閾值，取值為0～1之間的數(shù)。本實施例中，取T3＝0.1，計算得到：T3·MN＝30720，可知q＝3。轉(zhuǎn)入步驟S10。步驟S10：根據(jù)步驟S9得到的合并灰度段個數(shù)計算圖像幀Ek的灰度密集度標(biāo)記值。當(dāng)圖像幀的灰度分布過于密集時，認(rèn)為圖像幀為異常圖像信號。利用式(6)計算圖像幀Ek的灰度密集度標(biāo)記值fbk：式中，T4為灰度密集度閾值，取值通常為1～3。本實施例中，取T4＝3，此時，有3個灰度段的像素數(shù)大于30720，得fbk＝1。轉(zhuǎn)入步驟S11。步驟S11：根據(jù)步驟S10得到的圖像幀的灰度密集度標(biāo)記值fbk判定圖像幀是否異常；若fbk＝0，認(rèn)為圖像灰度值較密集，則判定該圖像幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟S26；若fbk＝1，進入后續(xù)處理，以確定車頂區(qū)是否被檢出，轉(zhuǎn)入步驟S12。步驟S12：車頂初圖檢測。攝像頭采集的正常圖像信號未發(fā)生偏轉(zhuǎn)時，車頂部分位于畫面中部偏上、略偏右的位置，其亮度較低，利用車頂?shù)牡土炼忍匦蕴崛≤図攨^(qū)域。mfk為圖像幀Ek的車頂初圖，如圖5所示，車頂初圖mfk為二值圖，mfk(x,y)＝1的像素點組成的區(qū)域為車頂區(qū)，mfk(x,y)＝0的像素點組成的區(qū)域為非車頂區(qū)。利用式(7)對步驟S3得到的灰度圖像fk進行檢測，得到車頂初圖。式中，T5為車頂閾值，取值通常為0～255，本發(fā)明采取最大類間法自適應(yīng)地確定閾值。本實施例中，最大類間法確定的車頂閾值為：T5＝171。轉(zhuǎn)入步驟S13。步驟S13：車頂初圖掃描去噪。先對步驟S12得到的車頂初圖mfk行掃描去噪，接著執(zhí)行列掃描去噪，具體表述為：第一步，行掃描去噪，得到行去噪圖mak，如圖6所示。掃描mfk的每一行，連續(xù)長度小于圖像總列(即N)10％的線段認(rèn)為是非車頂，直接將行去噪圖mak中該線段的值置為0，否則令其值為mfk。第二步，對行去噪圖mak進行列掃描去噪，得到車頂圖mdk，如圖7所示。掃描mak的每一列，連續(xù)長度小于圖像總行(即M)10％的認(rèn)為是非車頂，直接將車頂圖mdk中的值置為0，否則令值為mak。轉(zhuǎn)入步驟S14。步驟S14：提取候選車頂。統(tǒng)計步驟S13得到的mdk中各連通區(qū)域塊的像素數(shù)，提取面積大于0.4nc的區(qū)域塊，記為候選車頂。假定得到L個候選車頂，記第k幀圖像的第m個候選車頂為如圖8所示。為二值圖，的像素點組成的區(qū)域為第m個候選車頂?shù)能図攨^(qū)，的像素點組成的區(qū)域為第m個候選車頂?shù)姆擒図攨^(qū)。其中，m為連通區(qū)域塊序號，且滿足0≤m≤L。本實施例中，L＝1。轉(zhuǎn)入步驟S15。步驟S15：根據(jù)候選車頂計算圖像幀的車頂檢出標(biāo)記值。根據(jù)步驟S14提取的候選車頂區(qū)計算圖像幀Ek的車頂檢出標(biāo)記值fck，其計算式如式(8)：本實施例中，由步驟S14得到L＝1，因此，可知圖像的車頂檢出標(biāo)記值fck＝1。轉(zhuǎn)入步驟S16。步驟S16：據(jù)步驟S15得到的圖像幀的車頂檢出標(biāo)記值判定圖像幀是否異常；若fck＝0，認(rèn)為未檢測到可能的車頂區(qū)域，判定該圖像幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟S26；若fck＝1，進入后續(xù)處理，以確定車頂是否存在偏轉(zhuǎn)，轉(zhuǎn)入步驟S17。步驟S17：對比標(biāo)準(zhǔn)車頂。將步驟S14得到的L個候選車頂逐一和標(biāo)準(zhǔn)車頂bd(步驟S0得到)做對比分析，提取標(biāo)準(zhǔn)車頂bd與第k幀圖像Ek的第m個候選車頂重合的車頂區(qū)如圖9所示，提取過程如式(9)所示。本實施例中L＝1，得到一個車頂區(qū)轉(zhuǎn)入步驟S18。步驟S18：計算車頂區(qū)的面積。用表示第m個車頂區(qū)(步驟S17得到)的面積，其計算式如式(10)：nekm=Σx=1MΣy=1Nedkm(x,y)---(10)]]>本實施例中，計算得：此時m＝1。轉(zhuǎn)入步驟S19。步驟S19：計算檢出的m個車頂區(qū)的偏移度。第m個車頂區(qū)的偏移度的計算式如式(11)所示。aakm=1-nekmnc---(11)]]>其中，為第k幀圖像幀Ek的第m個車頂區(qū)的偏移度。本實施例中，計算得：轉(zhuǎn)入步驟S20。步驟S20：根據(jù)車頂區(qū)偏移度計算圖像幀的車頂偏移標(biāo)記值。利用式(12)計算圖像幀Ek的車頂偏移標(biāo)記值：式中，T6為車頂偏移度閾值，取值為0～1之間。本實施例中，T6的取值為0.25，即因此圖像幀的車頂偏移標(biāo)記值fdk＝1。轉(zhuǎn)入步驟S21。步驟S21：據(jù)步驟S20得到的圖像幀的車頂偏移標(biāo)記值判定圖像幀是否異常。若fdk＝0，認(rèn)為車頂區(qū)已產(chǎn)生偏轉(zhuǎn)，判定該幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0，轉(zhuǎn)入步驟S26；若fdk＝1，進入后續(xù)處理，以確定前擋風(fēng)玻璃是否存在偏轉(zhuǎn)，轉(zhuǎn)入步驟S22。本實施例中，由flk＝1可知轉(zhuǎn)入步驟S22。步驟S22：前擋風(fēng)玻璃區(qū)亮度濾波。正常的出租車圖像信號，其前擋風(fēng)玻璃區(qū)域反射的是天空的顏色，因而其亮度值較高，在標(biāo)準(zhǔn)前擋風(fēng)玻璃圖dd內(nèi)(由步驟S1得到)對灰度圖像fk(由步驟S3得到)進行亮度濾波，得到濾波前擋風(fēng)玻璃圖dek，如圖10所示。濾波前擋風(fēng)玻璃圖dek計算式如式(13)所示。式中，T7為高亮閾值，取值為200～255之間的整數(shù)。本實施例中，T7取值為220。轉(zhuǎn)入步驟S23。步驟S23：計算濾波前擋風(fēng)玻璃的面積。用nfk表示濾波前擋風(fēng)玻璃圖dek(步驟S22得到)的面積，其計算式如式子(14)：nfk=Σx=1MΣy=1Ndek(x,y)---(14)]]>本實施例中，計算得到nfk＝51374。轉(zhuǎn)入步驟S24。步驟S24：計算圖像幀的前擋風(fēng)玻璃偏移標(biāo)記值。用abk表示前擋風(fēng)玻璃偏移度，其計算式如式(15)所示：abk=1-nfknd---(15)]]>根據(jù)前擋風(fēng)玻璃偏移度計算前擋風(fēng)玻璃偏移標(biāo)記值，其計算式如式子(16)所示：式中，fek為圖像幀Ek的前擋風(fēng)玻璃偏移標(biāo)記值，fek＝0表示前擋風(fēng)玻璃偏轉(zhuǎn)，fek＝1表示前擋風(fēng)玻璃未偏轉(zhuǎn)；T8為前擋風(fēng)玻璃偏移度閥值，其取值為0.1～0.3之間的數(shù)。本實施例中，取T8＝0.2，得：abk＝1-51374/53880＝0.05，由abk＝0.05＜0.2，可知，fek＝1。轉(zhuǎn)入步驟S25。步驟S25：據(jù)步驟S24得到的前擋風(fēng)玻璃偏移標(biāo)記值調(diào)整圖像幀的標(biāo)記值。若fek＝0，認(rèn)為前擋風(fēng)玻璃區(qū)已產(chǎn)生偏轉(zhuǎn)，判定該幀為異常圖像信號，令圖像幀Ek的標(biāo)記值flk＝0；若fek＝1，前擋風(fēng)玻璃區(qū)未發(fā)生偏轉(zhuǎn)，令圖像幀Ek的標(biāo)記值flk＝1。轉(zhuǎn)入步驟S26。步驟S26：根據(jù)圖像幀的標(biāo)記值判定圖像幀是否異常。若flk＝0，則判定圖像幀Ek為異常圖像信號；若flk＝1，則判定圖像幀Ek為正常圖像信號。轉(zhuǎn)入步驟S2；本實施例中，由步驟S26得圖像幀的標(biāo)記值flk＝1，判定圖像幀Ek為正常圖像。算法結(jié)束。按照以上發(fā)明的技術(shù)方案，采集出租車前排區(qū)域的視頻圖像數(shù)據(jù)，利用本發(fā)明的檢測方法，可自動檢測出租車圖像信號的正常或異常狀態(tài)。從運行時間和檢測精度兩方面，說明本發(fā)明方案的優(yōu)缺點。(1)運行時間。選取21000幀出租車視頻圖像，在IntelI3M350處理器，4GB內(nèi)存的計算機，利用MATLAB軟件進行仿真，平均每幀運行耗時0.28s，與圖像幀采集頻率10s/幀相比，本發(fā)明方法處理速度快，可應(yīng)用于實時處理系統(tǒng)中。(2)檢測精度。用Wr表示被正確檢測的幀數(shù)，W表示檢測的總幀數(shù)，η表示正確率，選定正確率作為本發(fā)明的檢測精度的評價指標(biāo)，爭取率越高，本發(fā)明的檢測精度越高。正確率計算式如下：η=WrW×100%---(17)]]>共測試21000幀圖像，被正確檢測的幀數(shù)為19110幀，計算得算法的正確率為91％，說明方法檢測精度高、魯棒性好。當(dāng)前第1頁1 2 3