背 景建模、前景检测、保护区域的设定、前景匹配更新、抛洒物判断。
[0030] 所述背景建模主要是依据彩色摄像机2输入的彩色视频图像进行模式识别，智能 建立自适应学习背景模型。利用视频图像的明亮度、色度信息建立起背景模型。由于算法在 嵌入式设备中进行执行运算，算法所采用的数据信息全部为整型参量。依次遍历图像中像 素点，对每一个像素点寻找其八邻域像素点，依据种子点W及八邻域信息建立高斯模型，高 斯模型参数有明亮度、色度、饱和度、权重、方差信息。对每一个种子点建立起高斯模型。
[0031] 模型的明亮度、色度通过种子点W及其八邻域相关信息得到。如矩P
位 置所示，中间1为种子点像素信息，八邻域用0进行表示。对八邻域像素点信息按照从左到 右，从上到下的顺序依次标记为Pl，P2，P3，P4，Ps，P6，P7，Ps，种子点记作Po。按照权重参数对种 子点建立高斯模型，
[0032] Yo = O. 5* 押 〇+0.043* 押1+0.0555押2+0.043押3+0.0945YP4+
[0033] 0.0945YP5+0.057押6+0.0555押7+0.057YP8
[0034] 其中，Yo为建立高斯模型后的明亮度，押0、Ypi、Yp2、押3、Yp4、押5、Yp6、押7、Yp8分别为种 子点W及其八邻域的明亮度。
[0035] 同理，同样的方法建立种子点色度和饱和度的高斯模型，
[0036] Uo = O. 5*Up〇+0.043*Upi+0.0555UP2+0.043UP3+0.0945UP4+
[0037] 0.094抓 P5+0.057Up6+0.0555Up7+0.057Up8
[003引其中，Uo为建立高斯模型后的色度，Upo、Upi、Up2、Up3、Up4、Up日、Up6、Up7、Up8分别为种子 点W及其八邻域的色度。
[0039] Vo = O. 5*Vp〇+0.043*Vpi+0.0555VP2+0.043VP3+0.0945VP4+
[0040] 0.0945Vp5+0.057Vp6+0.0555Vp7+0.057Vp8
[OOW 其中，Vo为建立高斯模型后的饱和度，￥。0、￥。1、￥。2、￥。3、￥。4、￥。5、￥。6、￥。7、￥。汾别为种 子点W及其八邻域的饱和度。
[0042] 模型方差学习过程为：
[0043] A W= A i*( 1-0)+帕 I Yw-Yi I ++帕 I Uw-Ui I ++脚 I Vw-Vi
[0044] 其中，A W表示新一帖图像方差学习结果，Al表示当前背景的方差，0表示模型方 差学习因子，Yi、Ui、Vi分别表示背景图像种子点处的高斯模型的明亮度、色度、饱和度信息。 Yi+i、Ui+i、Vw分别表示当前帖图像与背景图像对应位置处种子点处的高斯模型的明亮度、 色度、饱和度信息。
[0045] 模型权重记录的是背景种子点建模成功个数。当背景种子点建模总数达到全部种 子点数量的1/3时，背景建模成功。
[0046] 所述的前景检测即为检测在背景中新出现的人或者物。本实用新型采用的前景检 测方法为前景与背景的高斯模型相比较的方法。同理建立当前帖图像像素种子点的高斯模 型参数明亮度、色度、饱和度、权重、方差信息。分别把前景与背景的高斯模型对应明亮度、 色度、饱和度、方差参量分别进行作差。如果差值小于一定阔值，那么种子点为疑似前景点。 否则为背景点。当对前景点所有种子点对比完成后，对种子点进行联通膨胀处理，运样，同 一个前景物体的各个种子点被联通，计算各个联通区域的大小、周长、面积、重屯、、高宽比信 息，排除掉过小虚假前景干扰点的影响，然后分别对不同前景的掩码标记为不同的序号。将 背景学习完毕后的第一帖图像中的有效前景数据存入前景历史信息库，W便后续检测过程 中的前景匹配更新W及抛洒物判断等操作。
[0047] 所述保护区域的设定为隧道或者公路上，车辆行驶的区域。通过在图像中沿着隧 道或者公路边缘画出两条线W标示保护区域信息。并同时设定抛洒物报警灵敏度、抛洒物 面积监控限制、高宽比限制，防止过小的石子、果核等的影响。
[0048] 所述的前景匹配更新过程主要指的是用新检测出的前景信息去更新前景历史信 息库。通过检测当前帖图像新出现的前景信息，依据前景大小、周长、面积、重屯、、高宽比信 息对前景历史数据进行比对，如果变化小于阔值，则认为属于同一前景信息，并更新前景历 史数据，若没有找到匹配的历史信息，则为新出现的前景，将相关新前景保存到历史数据 中。
[0049] 所述的抛洒物事件判断主要是判断前景是否为抛洒物并且抛洒物是否在保护区 W及报警灵敏度是否满足要求。判断过程是遍历前景历史信息库，判断前景的面积、高宽比 信息是否满足阔值设定，如果满足，则为抛洒物。进一步依据前景重屯、信息判断是否在设定 的保护区域，如果在保护区域，判断报警灵敏度是否满足要求，如果满足报警灵敏度，则为 抛洒物，同时发出报警信息，并将前景信息标注出来显示在屏幕上。
[0050] 如图4所示为该抛洒物智能检测报警情况图。如图4所示，左右两侧斜线信息为公 路或者隧道方向边缘信息。上下为限定的监视区域位置远近范围，构成封闭区域A。封闭区 域A为保护区域，只有当封闭区域有抛洒物信息时，才会进行报警。如抛洒物11在保护区域A 内，检测过程中会发生报警;抛洒物10在非保护区域B内，检测过程中不会发生报警。
[0051]任何熟悉本专业的技术人员可能利用上述掲示的技术内容加 W变更或改型为等 同变化的等效实施例。但是凡是未脱离本实用新型技术方案内容，依据本实用新型的技术 实质对W上实施例所作的任何简单修改、等同变化与改型，仍属于本实用新型技术方案的 保护犯i围。
【主权项】
1. 一种空间节约型探测装置，其特征在于，包括外壳、上盖、钣金件、电路板、镜头、尾 线，其中，所述上盖的一端与所述外壳铰接，所述电路板固定安装在钣金件上，所述钣金件 固定安装在所述外壳内，所述外壳包括前盖、中间部分以及后盖，所述镜头安装在所述钣金 件上，所述尾线穿过所述后盖与所述电路板连接，所述镜头包括第一镜头和第二镜头，所述 第一镜头安装在黑白摄像机前端，所述第一镜头前端通过滤光片转接环安装有一滤光片， 所述第二镜头安装在彩色摄像机前端，所述黑白摄像机和彩色摄像机安装在钣金件上，所 述彩色摄像机包括高清模组，所述电路板集成有电源模块，所述电路板上安装有CPU芯片， 所述CPU芯片的散热机构为散热片，所述上盖的内侧粘贴有密封EVA泡棉，所述外壳与所述 上盖密封连接处设置有密封橡胶条，所述密封EVA泡棉表面均匀粘贴导电布，且粘贴后两者 之间无缝隙，所述密封橡胶条表面完全粘贴有导电布，且粘贴后导电布表面光顺两者之间 无缝隙。
【专利摘要】本实用新型公开了一种空间节约型探测装置，将原来独立安装的电源模块集成到电路板上，节省了空间，从而，使得彩色摄像机和高清模组可以安装在钣金件上，高清模组可以用于彩色图像处理，对彩色图像进行压缩，从而彩色图像数据变小，可以很好地进行传输和进一步处理。该装置成本低，安装简单，双波段火灾监测更加可靠，并能够快速确定火情距离位置信息。该装置可以24小时无间断工作，能够有效识别出公路隧道中的抛洒物，并及时报警，避免发生车祸事故，保护人身财产安全，有助于维护交通安全与秩序。抛洒物智能检测装置简单易安装，操作方便。抛洒物智能检测算法前景、背景智能学习与更新策略，适应性强，具有较高的智能程度。
【IPC分类】H04N7/18, G06K9/00
【公开号】CN205378086
【申请号】CN201520726369
【发明人】张德馨
【申请人】天津艾思科尔科技有限公司
【公开日】2016年7月6日
【申请日】2015年9月18日