[發(fā)明專利]一種基于機器視覺的自身移動狀態(tài)識別方法

有效

• 申請?zhí)枺?/td>: 202011031255.6
• 申請日: 2020-09-27
• 公開（公告）號: CN112200027B
• 公開（公告）日: 2022-07-15
• 發(fā)明（設(shè)計）人: 蔣耀東;丁露;崔洪州;韓海亮;王思遠(yuǎn);陽揚;李云
• 申請（專利權(quán)）人: 卡斯柯信號有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/25;G06V10/74;G06K9/62;G06T7/246
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 應(yīng)小波

1.一種基于機器視覺的自身移動狀態(tài)識別方法，通過對比前后兩幀圖像的變化差異來識別自身是否運動，其特征在于，該方法包括以下步驟：

步驟1、畫面按實際現(xiàn)場場景特點劃分為M*N個方格，根據(jù)不同的應(yīng)用場景特點，標(biāo)定需要重點判別的“敏感區(qū)域”；

步驟2、以敏感區(qū)域所在的方格的坐標(biāo)為依據(jù)，分別獲取這一方格坐標(biāo)內(nèi)的前后兩幀圖像中的這一局部；

步驟3、傳入compare_ssim函數(shù)，計算其相似度，得到score值，暫存在一個數(shù)據(jù)列表中；

步驟4、完成全部敏感區(qū)域每一格局部圖像的對比后，得到了一個相似值score組成的數(shù)據(jù)列表score_list，分別計算獲取score_list的最小值score_min和平均值score_avr；

步驟5、對score_min設(shè)定第一閾值，對score_avr設(shè)定第二閾值，當(dāng)score_min和score_avr同時小于各自設(shè)定的閾值時，判別為車輛自身處于“移動”狀態(tài)，否則為“靜止”狀態(tài)；

當(dāng)識別結(jié)果不穩(wěn)定，在“移動”和“靜止”之間快速切換時，該方法還包括步驟：

步驟6、分別設(shè)置移動計數(shù)器Score_move_counter和靜止計數(shù)器Score_stop_counter，每次判斷得出“移動”或“靜止”的結(jié)果后，并不立即作為最終的結(jié)論，而是對兩個計數(shù)器進行累加；

步驟7、設(shè)定第三閾值，判斷哪個結(jié)果計數(shù)器的值達到第三閾值，則該結(jié)果生效，更新最終判別結(jié)果為“移動”或“靜止”；

步驟8、兩個計數(shù)器都清零，繼續(xù)進行后續(xù)的識別。

2.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的步驟1中的“敏感區(qū)域”為畫面中真正需要判斷的區(qū)域，排除容易引入干擾的區(qū)域；

對于有軌電車應(yīng)用場景，所述的“敏感區(qū)域”為車輛視野的中部的地面，排除左右兩側(cè)和列車正前方路口的區(qū)域；

對于地鐵應(yīng)用場景，所述的“敏感區(qū)域”為車輛前方中部的地面以及高處的接觸網(wǎng)和照明燈，排除左右兩側(cè)的區(qū)域。

3.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的步驟1中的劃分方格具體包括：把所需識別的畫面劃分為m*n格，按由0開始的“行，列”下標(biāo)，來對每個方格進行標(biāo)識。

4.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的步驟1中根據(jù)所需識別的畫面的特點，配置不同的M*N，對畫面進行適合粒度的分割，所述的M＝5，N＝5。

5.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的步驟2具體包括：根據(jù)敏感區(qū)域的劃分，根據(jù)隸屬于敏感區(qū)域的方格行列值以及圖像的寬和高，分別計算出對應(yīng)的坐標(biāo)，并按此坐標(biāo)，分別裁剪獲取這一方格內(nèi)的當(dāng)前幀圖像和前一幀圖像的局部。

6.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的步驟3具體包括：將前后兩幀圖像的同一坐標(biāo)的局部圖像傳入compare_ssim函數(shù)，根據(jù)其亮度、對比度和結(jié)構(gòu)對比獲得相似度值score，放入score_list列表中。

7.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的步驟5中的第一閾值設(shè)為0.91，第二閾值設(shè)為0.95。

8.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的步驟7中的第三閾值為25。

9.根據(jù)權(quán)利要求1所述的一種基于機器視覺的自身移動狀態(tài)識別方法，其特征在于，所述的敏感區(qū)域的劃分包括以下步驟：

步驟a、視頻畫面按實際現(xiàn)場場景特點劃分為M*N個方格；

步驟b、計算出每一方格的score值；

步驟c、以score值為RGB值，疊加顯示在視頻畫面上；

步驟d、通過視頻畫面上的RGB值，直觀對比圖像各區(qū)域的變化率，RGB值越小，這一方格對應(yīng)的圖像的變化率越高，即為敏感區(qū)域。