[发明专利]二维图像深度测量方法及其在车辆安全监测中的应用

权利要求书

1.一种二维图像深度测量方法，其特征在于包括如下步骤：

1) 将二维图像均匀划分为N个区块，并设定其中一个区块为基准位置区块，其余N-1个区块为待测区块；

2) 将二维图像的N个区块进行粗疏精细分析，以增强图像纹理特征的凸显，突出模糊边缘锐度信息，其中，所述粗疏精细分析具体为，对原始区块按设定的缩放比例依次降采样，得到包括原始图像在内的多张图像，然后分别对得到的图像进行纹理特征提取；

3) 对提取到的图像纹理特征进行主成分分析，以缩减图像数据维数，获取像素集合的边缘线特征量；

4) 将所述像素集合的边缘线特征量，经过空间频域分析处理，得到图像空间频域的纹理密度，基于深度学习神经网络模型和所述纹理密度，计算得到各待测区块相对于基准位置区块的距离信息。

2.如权利要求1所述的一种二维图像深度测量方法，其特征在于：所述粗疏精细分析具体为，对原始区块按设定的缩放比例依次降采样，得到包括原始图像在内的3-6张图像，然后分别对得到的图像进行纹理特征提取。

3.如权利要求1所述的一种二维图像深度测量方法，其特征在于：所述空间频域分析采用离散余弦变换DCT。

4.一种车辆安全监测方法，其特征在于：

1) 通过安装在车辆上的单目摄像头实时拍摄车辆环境，并将拍摄到的二维图像均匀划分为N个区块，设定其中一个区块为基准位置区块，其余N-1个区块为待测区块；

2) 将二维图像的N个区块进行粗疏精细分析，以增强图像纹理特征的凸显，突出模糊边缘锐度信息，其中，所述粗疏精细分析具体为，对原始区块按设定的缩放比例依次降采样，得到包括原始图像在内的多张图像，然后分别对得到的图像进行纹理特征提取；

3) 对提取到的图像纹理特征进行主成分分析，以缩减图像数据维数，获取像素集合的边缘线特征量；

4) 将所述像素集合的边缘线特征量，经过空间频域分析处理，得到各区块的空间频域结果数据；

5) 将各区块的空间频域结果数据串并为迭代神经的输入接口；

6) 基于深度学习神经网络模型，输入所述空间频域结果数据，在深度学习迭代神经网络中，卷积层与池化层交互迭代优化演算，得出车辆监测范围内静止或移动物体与自身基准点之间的距离信息。

5.如权利要求4所述的一种车辆安全监测方法，其特征在于：所述粗疏精细分析具体为，对原始区块按设定的缩放比例依次降采样，得到包括原始图像在内的3-6张图像，然后分别对得到的图像进行纹理特征提取。

6.如权利要求4所述的一种车辆安全监测方法，其特征在于：所述空间频域分析采用离散余弦变换DCT。