一种高效的路段交通状况监控系统的制作方法

技术特征：

1.一种高效的路段交通状况监控系统，其特征是，包括图像采集模块、图像处理模块、图像传输模块和路面监控模块；所述图像采集模块设置于无人飞机上，用于拍摄原始路段图像，图像处理模块与图像采集模块连接，用于对所述原始路段图像进行后续处理，处理后的图像由图像传输模块发送给路面监控模块，由路面监控模块提取图像中的路段交通状况信息，并将路面交通状况信息通过广播实时反映给驾驶员。

2.根据权利要求1所述的一种高效的路段交通状况监控系统，其特征是，所述图像采集模块采用摄像机收集原始路段图像。

3.根据权利要求2所述的一种有效的图像处理系统，其特征是，还设置有GPS模块，所述GPS模块设置在无人机上，用于向路面监控模块实时发送无人机的位置信息。

4.根据权利要求1所述的一种有效的图像处理系统，其特征是，所述图像处理模块包括图像预处理单元、目标检测单元和图像加密单元。

5.根据权利要求1所述的一种有效的图像处理系统，其特征是，所述图像预处理单元用于对所述的原始路段图像中差异性过小的图像进行剔除并对原始路段图像进行裁剪，具体包括：

(1)对差异性过小的图像进行剔除，图像的差异性采用如下方式判断：

a、对于两幅图像C(x,y)和K(m,n)，对于图像上相同位置的像素点，定义相似性公式，

$\mathrm{\ρ}=\frac{|R(x,y)-R(m,n)|+|G(x,y)-G(m,n)|+|B(x,y)-B(m,n)|}{\sqrt{R^2(x,y)+G^2(x,y)+B^2(x,y)}+\sqrt{R^2(m,n)+G^2(m,n)+B^2(m,n)}}\×100\%$

式中，ρ表示两幅图像的差异性，R(x,y)、G(x,y)、B(x,y)分别表示C图像中的红色、绿色和蓝色色彩分量值，R(m,n)、G(m,n)、B(m,n)分别表示K图像中的红色、绿色和蓝色色彩分量值；

b、若图像的差异性小于10％，则随机选取其中一幅图像作为冗余图像剔除。

(2)对剔除后的图像进行裁剪，具体包括：

设原始路段图像的面积为X，对图像的边缘进行裁剪，保留图像中心区域，中心区域所占图像面积比例采用如下公式确定：

式中，表示裁剪后的图像占原图像面积比，h_min为摄像机最短焦距，h为采集图像时所用的实际焦距。

6.根据权利要求5所述的一种有效的图像处理系统，其特征是，所述目标检测单元用于从裁剪后的原始路段图像中进行目标的有效检测，具体包括：

(1)从裁剪后的原始路段图像中提取目标区间的直方图并去除其中的阴影，具体包括：

a.获取每个像素所对应的r_i、g_i、b_i分量，建立裁剪后的原始路段图像的RGB色彩空间

b.利用下列方法将进行降维处理，具体为：

式中，f为原始路段图像的总像素总数；

c.将得到的进行投影处理，获得投影后的灰度值p_i，具体为：

$p_i=\left(cos\mathrm{\θ},sin\mathrm{\θ}\right)\left(\begin{array}{c}{k}_i\\ l_i\end{array}\right)=k_{i}cos\mathrm{\θ}+l_{i}sin\mathrm{\θ},(i=1,2......f)$

d.将获得的本征灰度值p_i进行归一化处理，处理公式如下；

${p^{\′}}_i=\frac{p_i}{\underset{f}{\max }{p}_i+\underset{f}{\min }{p}_i}$

e.建立灰度值p′_i的直方图，规定其分组数为v，分组数v满足最小分组数；

$v\≥\sqrt[3]{2m}=v_{min}$

f.计算直方图概率s_j，以求得本征图在每个角度θ的熵，其计算公式为：

$s_j=\frac{t_j}{{\mathrm{\Σ}}_{j=1}^v{t}_j}$

$q_{\mathrm{\θ}}=-\underset{j}{\overset{v}{\Σ}}{s}_j{\log }_2{s}_j$

式中，t_j为直方图组j中的像素点总数，q_θ为直方图在角度θ的熵，v为直方图分组数；

g.采用从0到180°进行投影，获取每个角度投影得到的本征图，按照上述方法计算本征图在每个角度θ的熵，从而求得最小熵q_θ′，具体为：

q_θ′＝minq_θ θ∈(0,180°)

h.最小熵q_θ′所对应的角度就是本征角θ′,其对应灰度图像即为目标的光照无关图M_o；

i.对上述获得的光照无关图M_o进行计算，具体为：

$M_0=\underset{j=0}{\overset{v}{\Σ}}{t}_j{s}_j$

式中，t_j为直方图组j中的像素总数，v为直方图分组数，s_j为直方图组j中的像素点概率；

(2)在利用背景减除获取的含有阴影的目标M的基础上分割出目标区间的直方图和阴影区间的直方图，具体包括：

a.建立目标M的灰度直方图，确定其分组数为u，其分割点即为u个；

b.每个分割点设为初始阈值,对每个阈值左右两边的直方图进行计算,计算公式如下：

$t_n=\frac{{({\mathrm{\Σ}}_{i=0}^n{\mathrm{iw}}_i-{\mathrm{\Σ}}_{i=n+1}^u{\mathrm{iw}}_i)}^2}{{\mathrm{\Σ}}_{i=0}^u{w}_i}$

${t_n}^{\′}=\underset{u}{max}{t}_n$

其中，n为初始阈值，n＝1，2……u，u为直方图分组数，w_i为直方图组i中的像素数；

c.上述计算得到的t_n′所对应的初始阈值n即为最终阈值F；

d.根据获得的阈值F即可将目标M的直方图分割得到目标区间的直方图和阴影区间的直方图，分别利用直方图统计目标区间和阴影区间中物体的面积：

$M_1=\underset{i=0}{\overset{F}{\Σ}}{w}_i{p}_i$

$M_2=\underset{i=F+1}{\overset{u}{\Σ}}{w}_i{p}_i$

其中，w_i为直方图组i中的像点素数，p_i为直方图组i的像素点的概率，M₁、M₂分别为直方图中物体的面积；

(3)检验裁剪后的原始路段图像的直方图，从而得到目标区间，具体为：

定义目标区间M_i的检验公式如下：

M_i＝|M_i-M₀|-Z(i＝1、2)

M_i<0时，M_i即为目标区间，M_i>0时，M_i即为阴影区间，Z为检测阈值，这里定为0.052。