一种摄像头遮挡智能检测方法技术

本发明专利技术属于智能交通领域，涉及一种摄像头遮挡智能检测方法，具体涉及一种利用视频图像并基于机器学习方法的摄像头遮挡检测方法；该方法具体工艺包括图像降采样、Gabor滤波处理、PCA降维处理、数据训练和遮挡判断等步骤；通过将图像的uniformLBP特征作为学习分类的特征对支撑向量机进行训练，用训练后的参数判断新的图像判断摄像头是否存在遮挡；通过对采集的样本图像进行Gabor滤波增加样本图像的uniformLBP特征的稳定性和精确度；通过对uniformLBP特征进行PCA降维降低了支撑向量机的训练数据量；其原理可靠，判断速度快，判断准确率高，实施成本低，应用环境友好。

【技术实现步骤摘要】

：本专利技术属于智能交通领域，涉及一种摄像头遮挡智能检测方法，具体涉及一种利用视频图像并基于机器学习方法的摄像头遮挡检测方法；通过将图像的uniformLBP特征作为学习分类的特征对支撑向量机进行训练，用训练后的参数判断新的图像判断摄像头是否存在遮挡。
技术介绍
：随着交通管理制度和电子监控的完善，每个城市都会超过1000个视频摄像头，在视频监控过程中，摄像头容易受到遮挡而产生监控信息丢失或违章抓拍出错的情况；目前，还是靠人工定期排查有问题的摄像头传统方法来解决类似问题，但是这样人工成本高且费时费力，而且容易出现遗漏或疏忽的地方，对摄像头的维护带来不便。摄像头遮挡在视频监控中经常发生，产生遮挡的原因是多方面的，有的是人为遮挡造成的，有的是由于路边树木的生长和树叶的生长造成的遮挡，这些情况通常不宜察觉到，但是会对视频监控带来严重的后果。目前，通过图像处理的方法来进行摄像头遮挡检测也不断在尝试中，但结果往往是失败的，原因在于摄像头的遮挡情况各异，没有很好的根据图像特征对其进行处理。因此，针对这种情况，利用摄像头采集的视频图像结合机器学习方法，寻求设计一种摄像头遮挡智能检测方法，通过将图像的uniformLBP特征作为学习分类的特征对支撑向量机进行训练，用训练后的参数判断新的图像判断摄像头是否存在遮挡具有良好的社会效益和经济效益。
技术实现思路
：本专利技术的目的在于克服现有技术存在的缺点，寻求设计一种摄像头遮挡智能检测方法通过将图像的uniformLBP特征作为学习分类的特征对支撑向量机进行训练，用训练后的参数判断新的图像判断摄像头是否存在遮挡。为了实现上述目的，本专利技术涉及的摄像头遮挡智能检测方法具体工艺主要包括以下步骤:(1)、图像降采样：首先从交通管理系统中对高清摄像头的图像进行采集，再把采集的图像通过图像处理工具采用双线性插值方法缩小至480×256，然后再转为灰度图像，灰度值为三通道像素的平均值，完成图像降采样，得到灰度图像；(2)、Gabor滤波处理：对步骤(1)降采样后的灰度图像按照遮挡和非遮挡人工分为两个类别，其中非遮挡样本图像5000张，遮挡样本图像2000张，然后对每个样本图像在MATLAB工具中进行3个尺度8个方向的Gabor(伽柏)滤波，得到幅值特征图像；(3)、PCA降维处理：对每一个步骤(2)得到的幅值特征图像计算转换成图像的uniformLBP(均匀局部二值模式)特征，每个幅值特征图像产生的uniformLBP特征的维数为59维，然后对每一个uniformLBP的特征进行PCA(特征降维)降维至40维；(4)、数据训练：把正样本5000张，负样本2000张，通过Gabor滤波处理和PCA降维处理后计算得到的uniformLBP特征作为分类特征数据，然后利用支撑向量机对分类特征数据进行训练，保存训练后的参数；(5)遮挡判断：对于新采集的高清待测图像进行步骤(1)到步骤(3)处理得到降维后的uniformLBP特征，将降维后的uniformLBP特征输入支撑向量机进行分类，支撑向量机的参数为步骤(4)训练得到的参数；支撑向量机为正判定为摄像头不存在遮挡，支撑向量机为负则判断为摄像头存在遮挡。本专利技术与现有技术相比，通过对采集的样本图像进行Gabor滤波增加样本图像的uniformLBP特征的稳定性和精确度；通过对uniformLBP特征进行PCA降维降低了支撑向量机的训练数据量；其原理可靠，判断速度快，判断准确率高，实施成本低，应用环境友好。附图说明：图1为本专利技术涉及的摄像头遮挡检测方法流程图。图2是从摄像头采集的遮挡图像。图3是从摄像头采集的非遮挡图像。图4是对图2的遮挡图像进行滤波产生的结果的四个示例。具体实施方式：下面通过实施例并结合附图对本专利技术作进一步说明。实施例1：本实施例涉及的摄像头遮挡智能检测方法的具体工艺包括以下步骤：(1)、图像降采样：首先从交通管理系统中对高清摄像头的图像进行采集，再把采集的图像通过图像处理工具采用双线性插值方法缩小至480×256，然后再转为灰度图像，灰度值为三通道像素的平均值，完成图像降采样，得到灰度图像；(2)、Gabor滤波处理：对步骤(1)降采样后的灰度图像按照遮挡和非遮挡人工分为两个类别，其中非遮挡样本图像5000张，遮挡样本图像2000张，然后对每个样本图像在MATLAB工具中进行3个尺度8个方向的Gabor(伽柏)滤波，得到幅值特征图像；(3)、PCA降维处理：对每一个步骤(2)得到的幅值特征图像计算转换成图像的uniformLBP(均匀局部二值模式)特征，每个幅值特征图像产生的uniformLBP特征的维数为59维，然后对每一个uniformLBP的特征进行PCA(特征降维)降维至40维；(4)、数据训练：把正样本5000张，负样本2000张，通过Gabor滤波处理和PCA降维处理后计算得到的uniformLBP特征作为分类特征数据，然后利用支撑向量机对分类特征数据进行训练，保存训练后的参数；(5)遮挡判断：对于新采集的高清待测图像进行步骤(1)到步骤(3)处理得到降维后的uniformLBP特征，将降维后的uniformLBP特征输入支撑向量机进行分类，支撑向量机的参数为步骤(4)训练得到的参数；支撑向量机为正判定为摄像头不存在遮挡，支撑向量机为负则判断为摄像头存在遮挡。本实施例选取2000张遮挡图像和2000张非遮挡图像进行测试，识别正确率为100％。本实施例涉及的摄像头遮挡智能检测方法具有很强的鲁棒性，能够很好的应用和解决检测视频摄像头是否存在遮挡问题。本文档来自技高网...

【技术保护点】
一种摄像头遮挡智能检测方法，其特征在于具体工艺包括以下步骤:(1)、图像降采样：首先从交通管理系统中对高清摄像头的图像进行采集，再把采集的图像通过图像处理工具采用双线性插值方法缩小至480×256，然后再转为灰度图像，灰度值为三通道像素的平均值，完成图像降采样，得到灰度图像；(2)、Gabor滤波处理：对步骤(1)降采样后的灰度图像按照遮挡和非遮挡人工分为两个类别，其中非遮挡样本图像5000张，遮挡样本图像2000张，然后对每个样本图像在MATLAB工具中进行3个尺度8个方向的Gabor滤波，得到幅值特征图像；(3)、PCA降维处理：对每一个步骤(2)得到的幅值特征图像计算转换成图像的uniform LBP特征，每个幅值特征图像产生的uniformLBP特征的维数为59维，然后对每一个uniformLBP的特征进行PCA降维至40维；(4)、数据训练：把正样本5000张，负样本2000张，通过Gabor滤波处理和PCA降维处理后计算得到的uniformLBP特征作为分类特征数据，然后利用支撑向量机对分类特征数据进行训练，保存训练后的参数；(5)遮挡判断：对于新采集的高清待测图像进行步骤(1)到步骤(3)处理得到降维后的uniformLBP特征，将降维后的uniformLBP特征输入支撑向量机进行分类，支撑向量机的参数为步骤(4)训练得到的参数；支撑向量机为正判定为摄像头不存在遮挡，支撑向量机为负则判断为摄像头存在遮挡。...

【技术特征摘要】
1.一种摄像头遮挡智能检测方法，其特征在于具体工艺包括以下步骤:(1)、图像降采样：首先从交通管理系统中对高清摄像头的图像进行采集，再把采集的图像通过图像处理工具采用双线性插值方法缩小至480×256，然后再转为灰度图像，灰度值为三通道像素的平均值，完成图像降采样，得到灰度图像；(2)、Gabor滤波处理：对步骤(1)降采样后的灰度图像按照遮挡和非遮挡人工分为两个类别，其中非遮挡样本图像5000张，遮挡样本图像2000张，然后对每个样本图像在MATLAB工具中进行3个尺度8个方向的Gabor滤波，得到幅值特征图像；(3)、PCA降维处理：对每一个步骤(2)得到的幅值特征图像计算转换成图像的uniformLBP特征...

【专利技术属性】
技术研发人员：王国栋，徐洁，赵希梅，雷一鸣，王彬，潘振宽，
申请(专利权)人：青岛大学，
类型：发明
国别省市：山东;37