[發明專利]基于動態候選區多尺度圖像的鐵路周界異物入侵檢測方法

在審

• 申請號: 202010565024.7
• 申請日: 2020-06-19
• 公開（公告）號: CN111754477A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 謝征宇;李傳;秦勇;賈利民;孫雨萌
• 申請（專利權）人: 北京交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/20
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

1.一種基于動態候選區多尺度圖像的鐵路周界異物入侵檢測方法，其特征在于，包括：

獲取鐵路周界的監控視頻，提取所述監控視頻的第1幀到第N幀圖像；

采用高斯金字塔算法分別構造第1幀到第N幀圖像的多尺度圖像；

將第N幀圖像的多尺度圖像與第N-1幀圖像的多尺度圖像做差分運算得到二值化圖像，根據所述二值化圖像提取第N幀圖像的動態目標候選區；

將所述第N幀圖像的多尺度圖像與背景模型圖像做差分運算得到二值化圖像，根據所述二值化圖像得到第N幀圖像的入侵目標前景信息；

將第N幀圖像的目標動態候選區和入侵目標前景信息進行信息融合，對信息融合的結果進行目標識別分析，輸出第N幀圖像中的入侵目標特征信息。

2.根據權利要求1所述的方法，其特征在于，所述的將第N幀圖像的多尺度圖像與第N-1幀圖像的多尺度圖像做差分運算得到二值化圖像，根據所述二值化圖像提取第N幀圖像的動態目標候選區，包括：

將第N幀圖像的多尺度圖像與第N-1幀圖像的多尺度圖像做差分運算，根據差分運算結果和預定的閾值T1得到二值化圖像；

對所述二值化圖像的像素值進行灰度投影，計算某行的像素累加值得到列表DH，計算某列的像素累加值得到列表DP，將列表DH中等于預定閾值TH的值加入候選區坐標集合H中，將列表DP中等于預定閾值TP的值加入候選區坐標集合P中，取候選區坐標集合H和P中第2小的值作為目標動態候選區的端點，得到目標動態候選區的左上角坐標為(P_min2，H_min2)；取候選區坐標集合H和P中第2大的值作為目標動態候選區的端點，得到目標動態候選區的右下角角坐標為(P_max2，H_max2)；

根據所述目標動態候選區的左上角坐標和右下角角坐標構成長方形的目標動態候選區，該目標動態候選區的長為Pmax2-Pmin2，寬為Hmax2-Hmin2。

3.根據權利要求2所述的方法，其特征在于，所述的將第N幀圖像的多尺度圖像與第N-1幀圖像的多尺度圖像做差分運算，根據差分運算結果和預定的閾值T1得到二值化圖像，包括：

將第N幀圖像的多尺度圖像集合中的第3層圖像與第N-1幀圖像的多尺度圖像集合中的第3層圖像逐像素點做差運算，取所有像素點的差值絕對值的中值為閾值T1，并將各個像素點的差值的絕對值與T1作比較，如果差值的絕對值大于T1，則該像素點處的重置結果為1，如果差值的絕對值不大于預定的閾值T1，則該像素點處的重置結果為0。根據所有像素點處的重置結果構成與第3層圖像的尺寸相同大小的二值化圖像。

4.根據權利要求1所述的方法，其特征在于，所述的將第N幀圖像的多尺度圖像與背景模型圖像做差分運算得到二值化圖像，根據所述二值化圖像得到第N幀圖像的入侵目標前景信息，包括：

將第N幀圖像的多尺度圖像集合中的第2層圖像與背景模型圖像逐像素點做差運算，取所有像素點的差值絕對值的中值為閾值T2，并將各個像素點的差值的絕對值與T2作比較，如果差值的絕對值大于T2，則該像素點處的重置結果為1；如果差值的絕對值不大于預定的閾值，則該像素點處的重置結果為0。根據所有像素點處的重置結果構成與第2層圖像的尺寸相同大小的包含入侵目標的二值化圖像，該二值化圖像為入侵目標前景信息，所述背景模型圖像從視頻的第1幀圖像中提取。

5.根據權利要求1所述的方法，其特征在于，所述的將所述第N幀圖像的目標動態候選區和入侵目標前景信息進行信息融合，對信息融合的結果進行目標識別分析，輸出第N幀圖像中的入侵目標特征信息，包括：

將第N幀圖像的多尺度圖像集合中的第3層圖像與第N-1幀圖像的多尺度圖像集合中的第3層圖像之間的差分運算結果作為第一差運算結果，將第N幀圖像的多尺度圖像集合中的第2層圖像與背景模型圖像之間的差分運算結果作為第二差運算結果，對所述第一差運算結果和所述第二差運算結果進行或運算，將所述或運算的結果通過目標動態候選區進行過濾，只保留目標動態候選區內的結果，通過連通域分析的方法對所述目標動態候選區的過濾結果進行目標識別分析，輸出所述第N幀圖像中的入侵目標的數量、尺寸、位置特征信息。