利索能及
我要发布
收藏
专利号: 201911112956X
申请人: 江苏大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-18
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于灯元分布匹配的静态夜景灯光检测方法,其特征在于包括如下步骤: 1)利用摄像头离线采集夜景灯光的视频数据V,其中,所述摄像头事先固定安装于可以 拍摄需要进行夜景灯光检测的地点; 2)从视频数据V中每隔时间Δt提取一帧图像,每一帧图像记作Oi,构建初始夜景灯图像 集合Img_ini,记为Img_ini={O1,O2,...,On},n为夜景灯图像的个数; 3)构建夜景灯元主体图像集合Img_main; 4)利用最大差值法将初始夜景灯主体图集合Img_main分割为关灯前夜景灯图像集合 ImgsOn和关灯后夜景灯图像集合ImgsOff; 5)离线构建灯元模板; 6)实时获取监控的夜景灯图像O′i,进行在线模板匹配,判断夜景灯是否正常; 所述步骤3)中所述夜景灯元主体图像集合Img_main构建方法包括如下步骤: 3.1)设定夜景灯元主体图像区域,设定依据是人为认定的能够包括夜景灯主体的矩形 区域,该矩形区域左上角像素点的坐标记为[x1,y1],右下角像素点的坐标记为[x2,y2]; 3.2)按照夜景灯元主体区域依次对初始夜景灯图像集合Img_ini中图像进行截图得到 初始夜景灯光主体图像,记为Ci′; 3.3)构建初始夜景灯主体图像集合Img_main,Img_main={O′1O′2,...,On′}; 所述步骤4)中,将初始夜景灯主体图集合Img_main分割为关灯前夜景灯图像集合 ImgsOn和关灯后夜景灯图像集合ImgsOff,包括如下步骤: 4.1)依次计算初始夜景灯主体图集合Img_main中每张夜景灯主体图像的灰度直方图; 4.2)依次选取每张图像的灰度直方图中大于灰度阈值N的最高峰值点的灰度值,Oi′的 最高峰值点的灰度值记为grayi; 4.3)构建最高峰值点灰度值集合Gray_apex,Gray_apex={gray1,gray2,...,grayN}; 4.4)计算最高峰值点灰度值集合Gray_apex中差值的绝对值最大的两个相邻元素,所 述相邻元素下标记为k和k+1; 4.5)根据k将初始夜景灯主体图集合Img_main分割为关灯前夜景灯图像集合ImgsOn和 关灯后夜景灯图像集合ImgsOff,其中, ImgsOn={O1′,O2′,...,ok′},Imgsoff={Ok+1′,Ok+2′,...,On′}; 所述步骤5)中,所述灯元模板离线构建的方法包括如下步骤: 5.1)从集合ImgsOn中随机选择一张图片,计算该图片的平均灰度值,记为On_avg,从集 合ImgsOff中随机选择一张图片,计算该图片的平均灰度值,记为Off_avg; 5.2)计算自适应阈值AVG,计算公式如下: 5.3)对集合ImgsOn和ImgsOff做叉乘差值计算,构建关灯前后对比结果的夜景灯主体 图向量Compare_img,构建方法为:对集合ImgsOn中每一张图片和集合ImgsOff中每一张图 片进行差值计算,构建向量Compare_tmg,记为: Compare_img= {img1,k+1,...,img1,n,img2,k+1,...,img2,n,...,imgk,k+1,...,imgk,n},其中图像imgi,j为集合imgsOn中第i张图像Oi′和集合ImgsOff中第j张图像Oj′差值计算后的图像,其中,差值计算方法如下: 其中,f1(x,y)为图像Oi′中(x,y)点的像素值,f2(x,y)为图像Oj′中(x,y)点的像素值;f(x,y)为灯元图像imgi,j中(x,y)点的像素值; 5.4)构建向量Compare_img对应的相似度向量Avgs,记为Avgs‑{Avg1,k+1,...,Avg1,n,Avg2,k+1,...,Avg2,n,...,Avgk,k+1,...,Avgk,n},其中所述Avgi,j为向量Compare_img中第i*j张图像与向量Compare_img中其它所有图像的平均相似度,所述图像的平均相似度计算方 法如下: 其中,simiar表示图像相似度,计算方法如下: amount1为两幅图像对应像素点相似的个数,amount2为两幅图像对应像素点不相似像 素点个数;所述像素点相似的判断方法是:如果两张图像中对应像素点的像素值的差值小 于相似阈值D,则像素点相似,否则像素点不相似; 5.5)确定精确夜景灯主体区域图像Img,即相似度向量Avgs中最大相似度值对应的向 量Compare_img中的图像为精确夜景灯主体区域图像Img; 5.6)计算图像Img中每一个像素点的最大类间方差,像素点(x,y)的最大类间方差记为 gx,y; 5.7)利用最大差值法选择最大gx,y的值,确定最优最大类间差值的阈值Th,即通过比较 Img每个像素点的最大类间方差gx,y,选择出其中的最大值,并获得最大类间方差gx,y对应的像素点(x,y)的灰度值f(x,y),则该灰度值为最优分割阈值Th; 5.8)利用最优分割阈值Th对Img图像进行二值化处理,即将夜景灯主体图中每个像素 点的灰度值f(x,y)与Th进行比较,如灰度值f(x,y)大于Th,则将其设为255,如小于Th,则设为0,即: 最后得到新的二值化图像Img_bin; 5.9)利用区域生长确定初始灯元; 5.10)去除灯元离散点,构建优化的灯元图; 5.11)依次对灯元集合Areas′中的每一个灯元进行角点检测,构建灯元的角点坐标集 Nodes; 5.12)利用无向图中闭环方法寻找角点坐标集合Nades元素闭环,构建灯元闭环集合 Close_loop和无闭环集合Open_loop; 5.13)保存夜景灯元模板,所述夜景灯元模板包括:灯每个灯元区域的灯元的像素点个 数集合Num、角点集合Close_loop和Open_loop; 所述步骤6)中,匹配方法如下: 6.1)利用角点坐标点集Close_loop和Open_loop提取夜景灯图像O′i的灯元; 6.2)对获取到的灯元进行二值化; 6.3)计算每个灯元中灰度值为255的像素个数,保存进集合Prop中; 6.4)将集合Prop中的每个元素和集合Num中的相应下标的元素相除,如大于最大异常 阈值e,则认为夜景灯其正常,否则转步骤6.1)重新匹配,如果连续s次都小于最大异常阈值e,则提示灯元损坏。 2.如权利要求1所述的基于灯元分布匹配的静态夜景灯光检测方法,其特征在于,所述 步骤5.6)中,所述像素点(x,y)的最大类间方差gx,y的计算方法如下: 5.6.1)遍历图像Img的像素点,将像素点的像素值赋给最大类间方差阈值Th,将图像中 像素点灰度值大于阈值的个数记为N1,小于阈值的个数记为N2; 5.6.2)计算N1像素点对整幅图像像素点个数的占比,记为w1,N2像素点对整幅图像像 素点个数的占比,记为w2; 5.6.3)计算N1的平均灰度,记为G1,计算N2的平均灰度,记为G2; 5.6.4)计算整幅图像总的平均灰度值G,计算公式如下: G=G1*w1+G2*w2 5.6.5)计算最大类间方差gx,y,计算公式如下: 2 gx,y=w1*w2*(G2‑G2) 5.6.6)判断图像Img的像素点是否遍历结束,如是转下一步,否则转步骤5.6.1)继续遍 历。 3.如权利要求1所述的基于灯元分布匹配的静态夜景灯光检测方法,其特征在于,所述 步骤5.9)中,确定初始灯元的方法包括如下步骤: 5.9.1)依此遍历二值化图像Img_bin的每个像素点,用彼此相邻且值为255像素点构建 一个集合,即为一个灯元,记为areai,其中,像素点相邻包括横向相邻、纵向相邻及斜45度方向相邻; 5.9.2)构建灯元集合Areas={area1,area2,..,areaj},j为灯元个数; 5.9.3)根据灯元集合Areas统计每个灯元包含像素点个数Ni,构建灯元像素点个数集合 Num={N1,N2,...,Nj}。 4.如权利要求1所述的基于灯元分布匹配的静态夜景灯光检测方法,其特征在于,所述 步骤5.10)中,去除灯元离散点构建优化的灯元图,包括如下步骤: 5.10.1)计算灯元像素点个数集合Num所有元素的平均数,记为Navg; 5.10.2)根据Navg设定离散点优化阈值TNum, 5.10.3)去除离散点,优化灯元集合Areas,得到优化后的灯元集合Areas′,优化方法 为:灯元像素点个数集合Num中每个元素与优化阈值TNum进行比较,如果小于TNum,将该元素在灯元集合Areas中对应的灯元删除,即将该灯元的像素点的像素值置为0;否则保留该 元素在灯元集合Areas中对应的灯元。 5.如权利要求1所述的基于灯元分布匹配的静态夜景灯光检测方法,其特征在于,所述 步骤5.11)中,对灯元集合Areas′中的每一个灯元进行角点检测,构建灯元的角点坐标集 Nodes,包括如下步骤: 5.11.1)利用shi‑Tomaoi方法计算灯元集合Areas′中灯元每一个像素点(x,y)灰度值 变化,计算方法为: 其中,E(u,v)是窗口的灰度值;在u和v分别为x方向和y方向偏移量,I是图像的灰度函 数,Ix和Iy为灰度图像在x和y方向的偏导数,w(x,y)是窗口函数; 5.11.2)矩阵形式化窗口的灰度值E(u,v),表示为: 其中,M是目标像素的自相关矩阵,为: 5.11.3)计算M的矩阵特征值λ1和λ2; 5.11.4)利用矩阵特征值λ1和λ2确定角点,方法为: λ1≥λmax且λ2≥λmax 其中,λmax为角点检测阈值,在本发明具体实施例中,λmax是的灯元像素点较小特征值中的最大值; 5.11.5)对集合Areas′中每个灯元进行角点检测,获得每个灯元的角点集合nodef= {N1,N2,...,Nn},其中,nodej为第j个灯元的角点集合,Ni为第j个灯元的第i个角点; 5.11.6)构建灯元的角点坐标集Nodes,记为:Nodes={node1,node2,...,noden}。 6.如权利要求1所述的基于灯元分布匹配的静态夜景灯光检测方法,其特征在于,所述 步骤5.12)中,所述灯元闭环集合Close_loop和无闭环集合Open_loop的构建方法包括如下 步骤: 5.12.1)构建灯元回路集合closei,记为: closei={,...,}, 其中表示坐标点(i,j)与坐标点(k,l)相连,构建方法为:寻找角点坐标集合Nodes中每个灯元集合node的闭环,判断所有形成的闭环的路径中的顶点是否和此灯元的 坐标集合node中元素相同,如不同,则去除,如相同则保留,放入灯元回路集合closei; 5.12.2)根据灯元回路集合closei构建灯元开路集合openi,构建方法为:判断closei集 合中每条连线上是否存在值为255的点,如都存在保留,否则去除closei集合中这两点的连线,并将剩余值加入集合openi中; 5.12.3)构建灯元闭环集合Close_loop={close1,close2,...,closei}和无闭环集合 Open_locp={open1,open2,...,openi},构建方法为:将所有灯元回路集合closei加入灯元闭环集合close_loop,所有opent集合放入Open_loop中。
我要求购
您有专利需要变现?
我要出售
智能匹配需求,快速出售