一种具有稳定跟踪功能的电动汽车充电桩的制作方法
【技术领域】
[0001 ]本发明涉及电动汽车充电粧领域，具体涉及一种具有稳定跟踪功能的电动汽车充 电粧。
【背景技术】
[0002] 充电粧其功能类似于加油站里面的加油机，可以固定在地面或墙壁，安装于公共 建筑(公共楼宇、商场、公共停车场等)和居民小区停车场或充电站内，可以根据不同的电压 等级为各种型号的电动汽车充电。充电粧的输入端与交流电网直接连接，输出端都装有充 电插头用于为电动汽车充电。充电粧一般提供常规充电和快速充电两种充电方式，人们可 以使用特定的充电卡在充电粧提供的人机交互操作界面上刷卡使用，进行相应的充电方 式、充电时间、费用数据打印等操作，充电粧显示屏能显示充电量、费用、充电时间等数据。
[0003] 另外，电动汽车充电粧作为一种重要的昂贵设备，其安全性尤为重要，必须能防止 和监视恶意破坏行为。
【发明内容】
[0004] 针对上述问题，本发明提供一种具有稳定跟踪功能的电动汽车充电粧。
[0005] 本发明的目的采用以下技术方案来实现：
[0006] -种具有稳定跟踪功能的电动汽车充电粧，包括电动汽车充电粧和安装在电动汽 车充电粧上的监测装置，监测装置用于对电动汽车充电粧附近的活动进行视频图像监测， 监测装置包括预处理模块、检测跟踪模块、识别输出模块；
[0007] (1)预处理模块，用于对接收到的图像进行预处理，具体包括图像转化子模块、图 像滤波子模块和图像增强子模块：
[0008]图像转化子模块，用于将彩色图像转化为灰度图像：
[0010]其中，1?(1，7)、6(1，7)、8(1，7)分别代表像素(1，7)处的红绿蓝强度值，!1(1，7)代表 坐标(X，y)处的像素灰度值;图像大小为m X η;
[0011] 图像滤波子模块，用于对灰度图像进行滤波：
[0012] 采用维纳滤波来进行一级滤除后，定义svlm图像，记为Msvim(x，y)，具体定义公式 为：厘 !《1111(叉，7)=&1了1(叉，7)+&2了2(叉，7)+&3了3(叉，7)+&4了4(叉，7)，其中&1、&2、&3、&4为可变权值，
〗=1· 2, 3, 4;:J(x，y)为经滤波后的图像；
[0013] 图像增强子模块：
[0014]
,其中，L(x，y)为增强 后的灰度值;iKx，y)是包含有局部信息的伽马校正系数 范围为〇到1的可变参数
[0015]
mH是图像中灰度值高于128的所有像 素的均值，mL是灰度值低于128的所有像素的均值，且此时m=min (Π1Η，mL)，在α值已知的情况 下，计算出256个Φ校正系数作为查找表，记为{Φαω)〖普，其中i为索引值，利用M svlm(x，y)的 灰度值作为索引，根据Φ(Χ，7)=札(Msvlm(x，y))快速获得图像中每个像素的伽马校正系数Φ
[0016] (2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：
[0017] 构建子模块，用于视觉字典的构建：
[0018] 在初始帧获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟 踪结果作为训练集Χ= {Χ1，χ2，......xn}T;并对训练集中的每幅目标图像提取128维的SIFT 特征，其中St表示训练集中第t幅目标图像中SIFT特征的个数;跟踪N帧以后，通过 聚类算法将这些特征划分为K个簇，每个簇的中心构成特征单词，记为能够提取到 的特征总量& ，其中K<<FN，且K 视觉字典构建好以后，每幅训练图 像表示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图h(Xt)表示，h (xt)通过以下方式获取:将一幅训练图像Xt中的每一个特征fs(t)向视觉字典投影，用投影距 离最短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并 归一化得到训练图像Xt的特征直方图h(x t);
[0019] 丢失判别子模块，用于判别目标的丢失与否：
[0020] 当新一帧图像到来时，从K个直方图柱中随机选取Z<K个直方图柱，且Z = 4,形成 新的大小为Z的子直方图h(z)(Xt)，子直方图的个数最多为iV s = C|个;计算候选目标区域和
训练集中某个目标区域对应子直方图的相似性Φ?_ζ = l，2，...，N，z = l，2，...，NS，然后计算总体相似性C>t = l- Π Z(l-C>t_z);候选目标区域与
目标的相似性用〇=max{?t，t}表示，则目标丢失判断式为： 其中gs为人为设定的判失阀值;当u = l时目标被稳定跟踪，当u = 0时，目标丢失；
[0021 ]当目标丢失时，定义仿射变换模型：
其中（Xt，yt)和(xmyu)分别为当前帧目标中某个SITF特征点的位置坐标和前一个帧目标 中对应匹配特征点的位置坐标，两者均为已知量;s为尺度系数，Θ为旋转系数，e和f代表了
为温度旋转修正系数，
为温度平移修正系数，μ#Ρμ2用于修正因为环境温度偏差造成的图像旋转和平移误差，τ〇为 人为设定的标准温度，设为20度，T为由温度传感器实时监测得到的温度值;采用Ransac估 计算法求取仿射变换模型的参数，最后在新的尺度s和旋转系数Θ下采集正负样本，更新分 类器；
[0022]更新子模块，用于视觉字典的更新：
[0023]在每帧图像获得目标位置以后，根据仿射变换参数的计算结果，收集所有满足结 果参数的SI FT特征点，经过F = 3帧以后，获得新的特征点集，其中St-F代表 了从F帧图像中得到的总特征点数；利用下式对新旧特征点重新进行K聚类：{/：(}丨丨 =1 =
其中表示新的视觉字典，视觉字典的大小保 持不变；G {0,1}是遗忘因子，表明了旧字典所占的比重，(^越小，新特征对目标丢失的判 断贡献越多，取少=〇」2:
[0024] (3)识别输出模块，用于图像的识别和输出：在待识别的图像序列中利用跟踪算法 获取目标区域，将目标区域映射到已知训练数据形成的子空间，计算子空间中目标区域与 训练数据之间的距离，获得相似性度量，判定目标类别，并输出识别结果。
[0025] 优选的，采用维纳滤波来进行一级滤除后，此时图像信息还包含有残余的噪音，采 用以下的二级滤波器进行二次滤波：
[0027]其中，J(x，y)为经过滤波后的图像;Pg(x+i，y+j)代表尺度为mXn的函数，且Pg(x+ i，y+j)=qXexp(-(x2+y2)/〇 )，其中q是将函数归一化的系数，即：JJqXexp(_(x2+y2)/〇 ) dxdy = l〇
[0028]本电动汽车充电粧的有益效果为:在图像预处理阶段，增强的图像能够根据模板 的大小自适应调整，提高增强效果，且在在不同模板大小时判断条件能自动修正，且考虑了 视觉习惯以及人眼对不同色彩的感知度同色彩强度的非线性关系;将MXN个幂指数运算降 低为256个，提高了计算效率;在目标检测和跟踪阶段，能够消除不同温度导致图像的旋转 和平移造成的误差，提高识别率，经处理后的图像细节更加清晰，且计算量相对于传统方法 大幅度减少，能够有效适应目标尺度变化，并能够准确判定目标是否发生丢失，在目标重新 回到视场后能够被重新检测并稳定跟踪。此外，该电动汽车充电粧具有实时性好、定位准确 和鲁棒性强的优点，且在快速有遮挡的目标检测和跟踪方面取得了很好的效果。
【附图说明】
[0029]利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。
[0030]图1是一种具有稳定跟踪功能的电动汽车充电粧的结构框图；
[0031 ]图2是一种具有稳定跟踪功能的电动汽车充电粧的外部示意图。
【具体实施方式】
[0032] 结合以下实施例对本发明作进一步描述。
[0033] 实施例1:如图1-2所示，一种具有稳定跟踪功能的电动汽车充电粧，包括电动汽车 充电粧5和安装在电动汽车充电粧5上的监测装置4,监测装置4用于对电动汽车充电粧5附 近的活动进行视频图像监测，监测装置4包括预处理模块1、检测跟踪模块2、识别输出模块 3〇
[0034] (1)预处理模块1，用于对接收到的图像进行预处理，具体包括图像转化子模块11、 图像滤波子模块12和图像增强子模块13:
[0035 ]图像转化子模块11，用于将彩色图像转化为灰度图像：
[0037] 其中，1?(1，7)、6(1，7)、8(1，7)分别代表像素(1，7)处的红绿蓝强度值，!1(1，7)代表 坐标(X，y)处的像素灰度值;图像大小为m X η;
[0038] 图像滤波子模块12,用于对灰度图像进行滤波：
[0039] 采用维纳滤波来进行一级滤除后，定义svlm图像，记为Msvim(x，y)，具体定义公式 为也￥1111(叉，7)=&1了1(叉，7)+&2了2(叉，7)+&3了3(叉，7)+&4了4(叉，7)，其中&1、&2、&3、&4为可变权值，
i=l，2, 3, ％J(x，y)为经滤波后的图像；
[0040] 图像增强子模块13:
[0041 ]
,其中，L(x，y)为增强
后的灰度值;Φ(Χ，7)是包含有局部信息的伽马校正系数， 是范围为0到1的可变参数
[0042]
，mH是图像中灰度值高于128的所有