[发明专利]基于全方位计算机视觉的车辆防盗装置

摘要

一种基于全方位计算机视觉的车辆防盗装置，该车辆防盗装置包括微处理器、用于监视车辆内外环境的全方位视觉传感器、安装于车内的悬挂物，用于与外界通信的通信模块；判断方法主要是利用了有外力作用必定会使车内的悬挂物产生运动、与亮度无关的(Cr，Cb)空间颜色特性以及车辆盗难发生在时空上的连续性特性，能排除其他因素而造成的对正确判断的影响；通过观测车内的悬挂物是否有摆动，摆动的持续时间以及摆动幅度的大小和摆动幅度变化速率，摆动的持续时间越长、摆动幅度越大、摆动幅度变化无规则表明发生车辆盗难的可能性越高，进一步根据车内有侵入物出现等情况作出综合判断。本发明误判率低、使用成本低、对环境依赖性低、安全性高。

主权项

1、一种基于全方位计算机视觉的车辆防盗装置，其特征在于：该车辆防盗装置包括微处理器、用于监视车辆内外环境的全方位视觉传感器、安装于车内的悬挂物，用于与外界通信的通信模块；所述的全方位视觉传感器包括用于反射监控领域中物体的外凸反射镜面、透明圆柱体、摄像头，所述的外凸反射镜面朝下，所述的透明圆柱体支撑外凸反射镜面，黑色圆锥体固定在折反射镜面外凸部的中心，用于拍摄外凸反射镜面上成像体的摄像头位于透明圆柱体的内部，摄像头位于外凸反射镜面的虚焦点上；所述的微处理器包括：图像数据读取模块，用于读取从视觉传感器传过来的视频图像信息；图像数据文件存储模块，用于将读进来的视频图像信息通过文件方式保存在存储单元中；传感器标定模块，用于对全方位视觉传感器的参数进行标定，建立空间的实物图像与所获得的视频图像的线性对应关系；图像展开处理模块，用于将采集的圆形视频图像展开为全景柱状图；运动对象检测模块，用于将所获得的当前帧现场视频图像与一个相对比较稳定的基准参考图像进行差值运算，图像相减的计算公式如式(1)表示：fd(X，t0，ti)＝f(X，ti)-f(X，t0) (1)上式中，fd(X，t0，ti)是实时拍摄到图像与基准参考图像间进行图像相减的结果；f(X，ti)是实时拍摄到图像；f(X，t0)是基准参考图像；并将当前图像中与相邻K帧的图像相减计算公式如(2)所示：fd(X，ti-k，ti)＝f(X，ti)-f(X，ti-k) (2)上式中，fd(X，ti-k，ti)是实时拍摄到图像与相邻K帧图像间进行图像相减的结果；f(X，ti-k)是相邻K帧时的图像；如fd(X，t0，ti)≥阈值、fd(X，ti-k，ti)≥阈值成立时，判定为有接近车辆事件；如fd(X，t0，ti)≥阈值、fd(X，ti-k，ti)＜阈值，判定静止对象，并用式(3)来更新替换基准参考图像：$f(X,t_0)\Leftarrow f(X,t_{i-k})---\left(3\right)$ 如fd(X，t0，ti)＜阈值，判定为无接近车辆事件；色彩空间转化模块，用于将图像RGB色彩空间转化到YUV空间；连通区域计算模块，用于在判定有接近车辆事件后，对当前图像进行标记，像素灰度为0的小区表示此小区无可疑侵入，像素灰度为1则表示此小区有可疑侵入，计算当前图像中的像素是否与当前像素周围相邻的某一个点的像素相等，如灰度相等判断为具有连通性，将所有具有连通性的像素作为一个连通区域；人脸颜色判断模块，用于取车门出入处的人脸区域计算(Cri，Cbi)的值，并用公式(4)进行色差分量矢量的比较：${ϵ}_{\mathrm{color}}=\sqrt{{({\mathrm{Cr}}_i-150)}^2-{({\mathrm{Cb}}_i-120)}^2}---\left(4\right)$ 若阈值1＜εcolor＜阈值2，判定该变化区域确认为有人侵入车内，否则无人侵入车内；将Fcolor设定为人脸颜色影响因子；悬挂物摆动持续时间判断模块，用于监视车内的悬挂物的摆动持续时间，定义Fpendulum time为摆动的持续时间影响因子，计算公式由式(5)给出；Fpendulum time＝Ktime*time (5)式(5)中，Ktime是时间比例系数，time为车内的悬挂物摆动的持续时间；悬挂物摆动强度判断模块，用于监视车内的悬挂物的摆动幅度，定义Fpendulum range为摆动的幅度影响因子，计算公式由式(6)给出；Fpendulum range＝K range *range (6)式(6)中，Krange是幅度比例系数，range为车内的悬挂物摆动的最大幅度值；悬挂物摆动周期判断模块，用于监视车内的悬挂物的摆动周期，定义Fpendulumperiod 为摆动的周期影响因子，计算公式由式(7)给出；Fpendulum Period＝K period (7)式(7)中，Kperiod是摆动的周期和摆动的方向发生变化时设定值；侵入对象判断模块，用于根据运动检测模块判断接近车辆事件发生，定义Finbreak为侵入对象影响因子，其计算公式由式(8)给出，Finbreak＝1+Kinbreak*(times-1) (8)式(8)中，Kinbreak为入侵车内事件比例系数，times为检测到的侵入事件的次数；加权综合判断模块，用于根据以上五种影响因子，综合判断公式由式(9)给出，综合判断中采用了加权方式：$W_{\mathrm{guardalarm}}=K_{\mathrm{pt}}\times F_{\mathrm{pendulumtime}}+K_{\mathrm{pr}}\times F_{\mathrm{pendulumrang}{e}_s}+$ $K_{\mathrm{pp}}\times F_{\mathrm{pendulumPeriod}}+K_{\mathrm{co}}\times F_{\mathrm{color}}+K_{\mathrm{ib}}\times F_{\mathrm{inbreak}}---\left(9\right)$ 式中：Kpt为车内摆子摆动的持续时间影响因子的加权系数；Kpr为车内摆子摆动的强度影响因子的加权系数；Kpp为车内摆子摆动的周期影响因子的加权系数；Kco为车内侵入对象人脸颜色影响因子的加权系数；Kib为为车内侵入对象影响因子的加权系数；并将异常量化值Vguard alarm与预设的告警值Kalarm比较，如果Wguard alarm≥Kalarm，判断为可疑侵入，通过通信模块向车主发送告警信息；否则，判断为正常。