[发明专利]基于边缘计算的区域异常检测方法和系统

权利要求书

1.基于边缘计算的区域异常检测方法，其特征在于，其包括如下步骤：

步骤S1，向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备；

步骤S2，对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；

步骤S3，识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常；再通过所述边缘计算设备将存在交通异常的子区域的位置信息进行上报；

其中，在所述步骤S2中，对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理具体包括：

步骤S201，对回传至所述边缘计算设备的影像进行图像边缘锐化处理后，识别影像四周边界区域包含的景物，其中所述景物包括外界环境物体和/或人物；

步骤S202，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；

步骤S203，将所述全景区域影像进行网格划分，从而得到若干面积相等的子区域影像；再对每个子区域影像进行卡尔曼滤波处理，以此去除子区域影像的背景噪声；

其中，在所述步骤S202中，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像具体包括：

步骤S2021，利用下面公式(1)，对两个影像各自识别得到的影像四周边界区域包含的景物进行框选，以此得到两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，

在上述公式(1)中，S_1,a,i表示第1个影像的第a个边界区域内第i个景物的外切矩形面积；S_2,b,i表示第2个影像的第b个边界区域内第i个景物的外切矩形面积；X_1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的横坐标值；X_2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的横坐标值；Y_1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；Y_2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；表示将t的值从1取到T_1,a,i过程中括号内的最大值；表示将t的值从1取到T_1,a,i过程中括号内的最小值；表示将t的值从1取到T_2,b,i过程中括号内的最大值；表示将t的值从1取到T_2,b,i过程中括号内的最小值；

步骤S2022，利用下面公式(2)，根据两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，判断两个影像的景物重叠区域，

在上述公式(2)中，η_{[(1,a),(2,b)]}表示第1影像的第a个边界区域与第2影像的第b个边界区域是否为重叠区域的决定值；I_1,a表示第1影像的第a个边界区域包含的景物个数；I_2,b表示第2影像的第b个边界区域包含的景物个数；min()表示取括号内最小值的运算；

若η_{[(1,a),(2,b)]}≠0，表示第1影像的第a个边界区域与第2影像的第b个边界区域不是重叠区域；

若η_{[(1,a),(2,b)]}＝0，表示第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域；

步骤S2023，若确定第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域，则利用下面公式(3)，将第1影像的第a个边界区域进行去除，

在上述公式(3)，D_a表示第1影像的切断线；若a＝1，表示重叠区域位于第1影像的上边界，此时将第1影像的上边界中横坐标值小于D_a的区域去除；若a＝2，表示重叠区域位于第1影像的下边界，此时将第1影像的下边界中横坐标值大于D_a的区域去除；若a＝3，表示重叠区域位于第1影像的左边界，此时将第1影像的左边界中纵坐标值小于D_a的区域去除；若a＝4，表示重叠区域位于第1影像的右边界，此时将第1影像的右边界中纵坐标值大于D_a的区域去除；

当将第1影像的第a个边界区域进行去除后，再将第2影像拼接到第1影像去除第a个边界区域对应的部分，以及将第2影像的第b个边界区域与第1影像去除第a个边界区域对应的部分相互对齐，从而完成第1影像与第2影像的拼接。