[發明專利]一種大范圍尺度空間下的自適應煙霧根節點檢測方法

有效

• 申請號: 201910613683.0
• 申請日: 2019-07-09
• 公開（公告）號: CN110309808B
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 程朋樂;高宇;閆磊;李曉慧
• 申請（專利權）人: 北京林業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T1/60;G06T3/40;G06T7/13
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種大范圍尺度空間下的自適應煙霧根節點檢測方法，其特征在于，包含以下步驟：

第一步，系統初始化：通過對系統的各個變量容器初始狀態賦值，以達到能夠準確進行后續循環操作的目的；

第二步(分支1)，動態區域提取：將采集到的RGB圖像進行灰度圖轉換，并采用vibe算法進行動態區域的提取，將提取的動態區域圖像進行二值化后存入長度為4的堆棧；

第三步(分支2)，MSER+區域提取：將采集到的RGB圖像進行高斯金字塔下采樣計算，在下采樣兩層后，分別對三張不同尺度的金字塔進行Shi-Tomas角點檢測，對三張金字塔圖像中角點密度較大的區域進行自動聚類算法的標記，并對原始尺度圖像中被標記區域進行凸包計算，將計算完畢后的凸包區域在原始圖像中刪除，并將刪除區域用像素0(黑色)進行填充，得到填充后的分割圖后，進行MSER+算法的計算，得出經過MSER+算法計算后的圖像，存入緩存容器后，對緩存容器中的五張MSER+圖像進行融合計算，得出一張融合區域圖像；

第四步，將四幀動態背景圖和一幀MSER+圖進行圖像融合：融合算法采用樸素貝葉斯融合理論進行，分別對四幅動態圖像進行概率統計，得出不同像素區域先驗概率，其次對MSER+圖像的不同像素區域進行條件概率統計，最后通過貝葉斯公式計算出各個像素區域的活躍概率，并對超過活躍閾值的區域進行像素級的融合計算，得出融合后的圖像；

第五步，骨骼圖像提取區域的代表坐標：對融合得到的單通道二值圖像連通域進行骨骼圖像提取，并計算出骨骼圖像的端點坐標，記錄該圖像中所有的骨骼圖像端點坐標，該坐標記錄即為當前幀圖像的候選區域代表坐標；

第六步，將第五步得出的骨骼圖像候選區域代表坐標進行連續五幀的統計，若存在連續幀圖像端點坐標在范圍區域內穩定存在，并浮動于小半徑范圍內，則該小范圍內所有端點坐標的平均值(包括X軸方向和Y軸方向)為煙霧根節點。

2.根據權利要求1所述的一種大范圍尺度空間下的自適應煙霧根節點檢測方法，其特征在于所述第一步中，系統初始化的具體執行方法為：

步驟101，對圖像幀計數器初始化，對Vibe算法執行初始化，對MSER算法執行初始化，對圖像存儲容器初始化；

步驟102，在圖像容器初始化的過程中，Vibe圖像緩存容器長度為4，即每4幀Vibe圖像作為動態背景信息進行后續貝葉斯概率提取的模板，Vibe圖像容器初始放入3張Vibe圖像；

步驟103，在圖像容器初始化的過程中，MSER圖像緩存容器長度為3，即每3幀MSER圖像作為遠距離背景信息進行后續貝葉斯概率提取的模板，MSER圖像容器初始放入2張MSER圖像，并將其中(容器中的2張)任意一張作為基礎MSER_Img在MSER_Init()中執行；

步驟104，在圖像容器初始化的過程中，Roots_Img_Vector圖像緩存容器長度為5，即每5幀根節點圖像作為一次煙霧根的判定依據，初始化過程先存入4張大小為480*320P的純黑色單通道圖像。