[发明专利]一种用于智慧监控的危险路况识别方法

权利要求书

1.一种用于智慧监控的危险路况识别方法，其特征在于，该方法包括以下步骤：

获取下雨天智慧监控实时采集的多张道路图像，对每张所述道路图像进行灰度化处理得到灰度图像；

对所述灰度图像进行canny检测得到边缘像素点，以每个边缘像素点为中心点得到其对应的邻域像素点，根据每个邻域像素点与所述中心点之间的欧式距离以及灰度差值得到聚类距离，根据所述聚类距离得到邻域像素点中的第二边缘像素点；根据第二边缘像素点得到邻域像素点中的第一背景像素点和第二背景像素点；

获取每个第一背景像素点对应的优选值，优选值最大的第一背景像素点为最优第一背景点；获取每个第二背景像素点对应的优选值，优选值最大的第二背景像素点为最优第二背景点；根据所述中心点、最优第一背景点以及最优第二背景点将所述中心点对应的邻域像素点划分为三个类别，基于每个类别内的像素点得到所述中心点的真实概率，当所述真实概率大于真实阈值时，所述中心点为真实边缘点；

根据所有的真实边缘点获取多个疑似水滴区域，获取每个疑似水滴区域对应的邻近水滴区域，基于每个疑似水滴区域对应的所有邻近水滴区域获取疑似水滴区域的置信度，当所述置信度大于置信阈值时，所述疑似水滴区域为水滴区域；

将多张道路图像中的水滴区域去除并进行拼接得到实际道路图像，将所述实际道路图像输入神经网络得到道路的危险路况类别。

2.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述根据每个邻域像素点与所述中心点之间的欧式距离以及灰度差值得到聚类距离的步骤，包括：

获取每个邻域像素点与所述中心点之间的欧式距离最大值；

对于任意邻域像素点：

获取邻域像素点与所述中心点的欧式距离与所述欧式距离最大值的第一比值；

获取邻域像素点与所述中心点对应灰度值的较大值；计算邻域像素点与所述中心点的灰度差值与所述较大值的第二比值；

所述第一比值与所述第二比值的乘积为所述聚类距离。

3.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述根据所述聚类距离得到邻域像素点中的第二边缘像素点的步骤，包括：

计算每个邻域像素点与所述中心点之间的聚类距离；

设置距离阈值，所述聚类距离小于距离阈值时对应的邻域像素点为第二边缘像素点。

4.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述根据第二边缘像素点得到邻域像素点中的第一背景像素点和第二背景像素点的步骤，包括：

对于任意一个中心点 ：

连接与中心点相邻的第二边缘像素点以得到一条边缘线段，获取所述边缘线段的两个端点，将两个端点相连得到特征直线；

以中心点为起点作垂直于特征直线的垂线，所述垂线与特征直线相交于一点，根据中心点和交点得到特征向量和特征向量；

所述特征向量的方向的邻域像素点为第一背景像素点，所述特征向量的方向的邻域像素点为第二背景像素点。

5.根据权利要求1所述的一种用于智慧监控的危险路况识别方法，其特征在于，所述获取每个第一背景像素点对应的优选值的步骤，包括：

对于第一背景像素点w：

获取第一背景像素点对应的3*3邻域内的像素点，计算3*3邻域内的每个像素点与第一背景像素点之间的灰度值差异，以得到对应的灰度差异均值，以所述灰度差异均值的负数作为幂指数，以自然常数e为底构建第一指数函数；

获取第一背景区域中除第一背景像素点w之外的每个第一背景像素点与第一背景像素点w之间的欧式距离，计算所有第一背景像素点对应的欧式距离的和，以欧式距离的和的负数作为幂指数，以自然常数e为底构建第二指数函数；

对所述第一指数函数与所述第二指数函数进行加权求和得到第一背景像素点w的优选值。