[發明專利]一種高效的路段交通狀況監控系統

在審

• 申請號: 201710104805.4
• 申請日: 2017-02-24
• 公開（公告）號: CN106911913A
• 公開（公告）日: 2017-06-30
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 深圳凱達通光電科技有限公司
• 主分類號: H04N7/18
• 分類號: H04N7/18;G08G1/01;G08G1/09;G06T7/30;G06T7/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種高效的路段交通狀況監控系統，其特征是，包括圖像采集模塊、圖像處理模塊、圖像傳輸模塊和路面監控模塊；所述圖像采集模塊設置于無人飛機上，用于拍攝原始路段圖像，圖像處理模塊與圖像采集模塊連接，用于對所述原始路段圖像進行后續處理，處理后的圖像由圖像傳輸模塊發送給路面監控模塊，由路面監控模塊提取圖像中的路段交通狀況信息，并將路面交通狀況信息通過廣播實時反映給駕駛員。

2.根據權利要求1所述的一種高效的路段交通狀況監控系統，其特征是，所述圖像采集模塊采用攝像機收集原始路段圖像。

3.根據權利要求2所述的一種有效的圖像處理系統，其特征是，還設置有GPS模塊，所述GPS模塊設置在無人機上，用于向路面監控模塊實時發送無人機的位置信息。

4.根據權利要求1所述的一種有效的圖像處理系統，其特征是，所述圖像處理模塊包括圖像預處理單元、目標檢測單元和圖像加密單元。

5.根據權利要求1所述的一種有效的圖像處理系統，其特征是，所述圖像預處理單元用于對所述的原始路段圖像中差異性過小的圖像進行剔除并對原始路段圖像進行裁剪，具體包括：

(1)對差異性過小的圖像進行剔除，圖像的差異性采用如下方式判斷：

a、對于兩幅圖像C(x,y)和K(m,n)，對于圖像上相同位置的像素點，定義相似性公式，

$\mathrm{\ρ}=\frac{|R(x,y)-R(m,n)|+|G(x,y)-G(m,n)|+|B(x,y)-B(m,n)|}{\sqrt{R^2(x,y)+G^2(x,y)+B^2(x,y)}+\sqrt{R^2(m,n)+G^2(m,n)+B^2(m,n)}}\×100\%$

式中，ρ表示兩幅圖像的差異性，R(x,y)、G(x,y)、B(x,y)分別表示C圖像中的紅色、綠色和藍色色彩分量值，R(m,n)、G(m,n)、B(m,n)分別表示K圖像中的紅色、綠色和藍色色彩分量值；

b、若圖像的差異性小于10％，則隨機選取其中一幅圖像作為冗余圖像剔除。

(2)對剔除后的圖像進行裁剪，具體包括：

設原始路段圖像的面積為X，對圖像的邊緣進行裁剪，保留圖像中心區域，中心區域所占圖像面積比例采用如下公式確定：

式中，表示裁剪后的圖像占原圖像面積比，h_min為攝像機最短焦距，h為采集圖像時所用的實際焦距。

6.根據權利要求5所述的一種有效的圖像處理系統，其特征是，所述目標檢測單元用于從裁剪后的原始路段圖像中進行目標的有效檢測，具體包括：

(1)從裁剪后的原始路段圖像中提取目標區間的直方圖并去除其中的陰影，具體包括：

a.獲取每個像素所對應的r_i、g_i、b_i分量，建立裁剪后的原始路段圖像的RGB色彩空間

b.利用下列方法將進行降維處理，具體為：

式中，f為原始路段圖像的總像素總數；

c.將得到的進行投影處理，獲得投影后的灰度值p_i，具體為：

$p_i=\left(cos\mathrm{\θ},sin\mathrm{\θ}\right)\left(\begin{array}{c}{k}_i\\ l_i\end{array}\right)=k_{i}cos\mathrm{\θ}+l_{i}sin\mathrm{\θ},(i=1,2......f)$

d.將獲得的本征灰度值p_i進行歸一化處理，處理公式如下；

${p^{\′}}_i=\frac{p_i}{\underset{f}{\max }{p}_i+\underset{f}{\min }{p}_i}$

e.建立灰度值p′_i的直方圖，規定其分組數為v，分組數v滿足最小分組數；

$v\≥\sqrt[3]{2m}=v_{min}$

f.計算直方圖概率s_j，以求得本征圖在每個角度θ的熵，其計算公式為：

$s_j=\frac{t_j}{{\mathrm{\Σ}}_{j=1}^v{t}_j}$

$q_{\mathrm{\θ}}=-\underset{j}{\overset{v}{\Σ}}{s}_j{\log }_2{s}_j$

式中，t_j為直方圖組j中的像素點總數，q_θ為直方圖在角度θ的熵，v為直方圖分組數；

g.采用從0到180°進行投影，獲取每個角度投影得到的本征圖，按照上述方法計算本征圖在每個角度θ的熵，從而求得最小熵q_θ′，具體為：

q_θ′＝minq_θ θ∈(0,180°)

h.最小熵q_θ′所對應的角度就是本征角θ′,其對應灰度圖像即為目標的光照無關圖M_o；

i.對上述獲得的光照無關圖M_o進行計算，具體為：

$M_0=\underset{j=0}{\overset{v}{\Σ}}{t}_j{s}_j$

式中，t_j為直方圖組j中的像素總數，v為直方圖分組數，s_j為直方圖組j中的像素點概率；

(2)在利用背景減除獲取的含有陰影的目標M的基礎上分割出目標區間的直方圖和陰影區間的直方圖，具體包括：

a.建立目標M的灰度直方圖，確定其分組數為u，其分割點即為u個；

b.每個分割點設為初始閾值,對每個閾值左右兩邊的直方圖進行計算,計算公式如下：

$t_n=\frac{{({\mathrm{\Σ}}_{i=0}^n{\mathrm{iw}}_i-{\mathrm{\Σ}}_{i=n+1}^u{\mathrm{iw}}_i)}^2}{{\mathrm{\Σ}}_{i=0}^u{w}_i}$

${t_n}^{\′}=\underset{u}{max}{t}_n$

其中，n為初始閾值，n＝1，2……u，u為直方圖分組數，w_i為直方圖組i中的像素數；

c.上述計算得到的t_n′所對應的初始閾值n即為最終閾值F；

d.根據獲得的閾值F即可將目標M的直方圖分割得到目標區間的直方圖和陰影區間的直方圖，分別利用直方圖統計目標區間和陰影區間中物體的面積：

$M_1=\underset{i=0}{\overset{F}{\Σ}}{w}_i{p}_i$

$M_2=\underset{i=F+1}{\overset{u}{\Σ}}{w}_i{p}_i$

其中，w_i為直方圖組i中的像點素數，p_i為直方圖組i的像素點的概率，M₁、M₂分別為直方圖中物體的面積；

(3)檢驗裁剪后的原始路段圖像的直方圖，從而得到目標區間，具體為：

定義目標區間M_i的檢驗公式如下：

M_i＝|M_i-M₀|-Z(i＝1、2)

M_i<0時，M_i即為目標區間，M_i>0時，M_i即為陰影區間，Z為檢測閾值，這里定為0.052。