本发明属于安防视频监控领域，尤其是涉及一种道路积水检测的方法。
背景技术：
城市中道路积水严重影响交通秩序，耗费大量的人力财力，如能及时发现道路积水并积极应对，能最大程度的降低损失。现有的检测方法多采用超声波液位计检测积水水位，此方法安装成本高，难以全面推广。而监控领域中，网络摄像机对城市各主干道路监控的覆盖已经比较全面，如果将道路积水检测布置到现有的网络摄像机中，既能降低安装成本，又会对相关部门及时掌握各路段的积水状况，采取相应措施发挥重要作用。因此，研发一种通过监控摄像机检测道路积水的方法是个亟待解决的问题。
技术实现要素：
有鉴于此，本发明旨在提出一种道路积水检测的方法，实现了用监控摄像机检测道路积水的目的。
为达到上述目的，本发明的技术方案是这样实现的：
一种道路积水检测的方法，其过程如下：
1、首先通过摄像机采集积水纹理的正负样本视频，提取视频中单帧图像的基于局部二进制(lbp)的静态纹理特征和多帧图像的基于三正交平面边缘方向直方图(eoh-top)的动态纹理特征；
2、利用正负样本，对静态纹理特征和动态纹理特征的支持向量机(svm)进行分类训练，最终将静态纹理和动态纹理的svm训练结果生成model文件，用于svm检测；
3、若静态纹理检测和动态纹理检测都判断为积水纹理，则对本像素块进行标识，最终将连续的积水像素块进行拼接，实现对积水部位的画框标识。
进一步的，在静态纹理方面，将实时的视频图像分割为64*64像素的小块，提取每个小块的局部二进制(lbp)静态纹理特征，进行静态纹理svm检测。
进一步的，在动态纹理方面，将积累的最近n帧图像建立视频图像队列，将视频进行图像分割，分割为64*64像素的小块，将分割图像构造成三正交平面图像，提取每个平面的边缘方向直方图，构成像素块的动态纹理特征，进行动态纹理svm检测。
进一步的，检测时，实时提取视频中单帧图像的基于局部二进制(lbp)的静态纹理特征和多帧图像的基于三正交平面边缘方向直方图(eoh-top)的动态纹理特征，送入支持向量机(svm)进行分类判断，如果检测出图像中存在积水区域，则将该区域通过矩形框描绘。
相对于现有技术，本发明所述的道路积水检测的方法具有以下优势：本方法采用监控摄像机采集积水纹理的正负样本视频，提取视频中的静态纹理特征和动态纹理特征，利用积水流动所形成的纹理特性进行积水检测，采用支持向量机进行分类判断，就可以对道路积水进行检测；本道路积水检测方案算法简单实用、检测效率高，特别适合安防监控摄像机用于实时监控道路积水状况。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的流程图；
图2为本发明动态纹理处理的过程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
本发明利用积水流动所形成的纹理特性进行积水检测，采用支持向量机(svm)进行分类判断。
图1左侧为svm分类训练的model文件生成过程。静态纹理训练过程为首先采集积水纹理的正负样本图片，以此提取积水的局部二进制(lbp)的静态纹理特征，进行svm分类训练；积水纹理的运动为非刚体运动，可以有效提取动态纹理的相关特征，动态纹理训练样本为积水的正负样本视频，首先将视频进行图像分割，分隔为64*64像素的小块，将分割图像构造成三正交平面图像(如图2)，用于三正交平面边缘方向直方图(eoh-top)的动态纹理特征提取，将提取特征进行svm训练。最终将静态纹理和动态纹理的svm训练结果生成model文件，用于svm检测。
图1右侧为摄像机实时视频的积水分类检测过程。分别提取视频中单帧图像的基于局部二进制(lbp)的静态纹理特征和多帧图像的基于三正交平面边缘方向直方图(eoh-top)的动态纹理特征，送入支持向量机(svm)进行分类判断，如果检测出图像中存在积水区域，则将该区域通过矩形框描绘。
具体过程如下：
静态纹理方面，将实时的视频图像分割为64*64像素的小块，提取每个小块的局部二进制(lbp)静态纹理特征，进行静态纹理svm检测。
动态纹理方面，如图2所示，将积累的最近n帧图像建立视频图像队列，构造64*64像素块的三正交平面图像，提取每个平面的边缘方向直方图，构成像素块的动态纹理特征，进行动态纹理svm检测。
若静态纹理检测和动态纹理检测都判断为积水纹理，则对本像素块进行标识。最终将连续的积水像素块进行拼接，实现对积水部位的画框标识。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。