【摘要】 本发明涉及用于汽车防盗的两级图像异动检测方法，属于计算机应用技术领域，该方法包括：首先分别对车内视频和车外视频进行实时图像采集，然后采用视频图像自适应差分异动检测算法对采集的车内实时图像和车外实时图像分别进行异动检测，得到正常图像和异动图像两种检测结果；设连续出现的异动图像的数量为连续异动次数；当车内的连续异动次数和车外的连续异动次数均达到各自预先设定的阈值时，则判断为汽车被盗。本发明方法仅使用视频图像采集设备，不使用除摄像头之外的额外传感器，且简单易行，安全可靠。 【专利类型】发明授权 【申请人】清华大学 【申请人类型】学校 【申请人地址】100084 北京市海淀区清华园 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810246759.2 【申请日】2008-12-31 【申请年份】2008 【公开公告号】CN101477620B 【公开公告日】2010-11-03 【公开公告年份】2010 【授权公告号】CN101477620B 【授权公告日】2010-11-03 【授权公告年份】2010.0 【IPC分类号】G06K9/00; B60R25/00; G08B13/196; B60R25/30 【发明人】杨泽红; 常谦; 宋亦旭; 徐华; 赵雁南; 王家廞; 贾培发 【主权项内容】一种用于汽车防盗的两级图像异动检测方法，其特征在于：在被保护的汽车内安装采集车内视频图像和车外视频图像的两个摄像头，其中，车内视频图像采集摄像头对准车内驾驶员座位的上半部分，以驾驶员头部为视频图像中心；车外视频图像采集摄像头对准汽车前方，以图像下边缘刚刚超过车头线为准；所述两级异动检测方法包括如下步骤：(1)初始化：设置车内和车外的连续异动次数的阈值T10和T20，T10＜T20，T10＝50～80，T20＝100～160，其中，连续异动次数为连续出现的异动图像的数量；(2)采集视频图像：通过车内视频图像采集摄像头和车外视频图像采集摄像头分别采集车内和车外视频图像，所采集图像的大小规格为320×240像素；(3)图像异动检测及处理：对步骤(2)采集的车内图像和车外图像分别采用视频图像自适应差分异动检测算法进行异动检测，并分别统计车内的和车外的连续异动次数；(4)当车内的连续异动次数大于T10且车外的连续异动次数大于T20，则设置汽车被盗标志，表示汽车被盗并退出，否则转步骤(2)进行下一次采集和检测，所述步骤(3)中车内或车外的视频图像自适应差分异动检测算法，包括以下步骤：(3-1)初始化：先对采集的最初的200个车内视频图像和一定数量的车外视频图像转换成灰度图像，然后对这些灰度图像的各像素进行灰度均值运算，得到初始的车内背景图像和车外背景图像，然后，设车内、车外的异动点阈值分别为T11、T21，T11＝50～100，T21＝2000～2500；最后，将车内、车外的异动点计数清0；(3-2)单通道灰度化处理：选择采集的彩色图像的G颜色通道，对图像进行单通道的灰度化处理，得到车内、车外灰度图像；(3-3)图像差分运算：把步骤(3-2)中得到的车内、车外灰度图像分别与相应车内、车外的背景图像进行差分运算，得到车内、车外差分图像；(3-4)更新背景图像：把上述(3-2)中得到的车内、车外灰度图像分别与相应车内、车外的背景图像进行加权运算，得到新的车内、车外背景图像；加权公式：新的背景图像＝α×当前灰度图像+γ×原来的背景图像，其中，α+γ＝1，α＝0.005，γ＝0.995；(3-5)自适应二值化处理：对步骤(3-3)中得到的车内、车外差分图像分别计算灰度均值，把所述均值作为二值化的阈值对步骤(3-3)中得到的车内、车外差分图像分别进行自适应二值化处理，得到车内、车外二值化黑白图像；(3-6)统计异动点数：把上述(3-5)中得到的车内、车外黑白图像分别划分成4×4＝16个区域，统计车内黑白图像中间四个区域的异动点数；统计车外黑白图像的四个角落区域的异动点数；(3-7)如果步骤(3-6)中统计出来的车内黑白图像的异动点数大于车内的异动点阈值T11或车外黑白图像的异动点数大于车外的异动阈值T21，则表示所采集的车内图像或车外图像出现异动，属于异动图像，设置车内或车外图像检测结果为“异动”状态，否则设置车内或车外图像检测结果为“正常”状态后退出。 【当前权利人】清华大学 【当前专利权人地址】北京市海淀区清华园 【专利权人类型】公立 【统一社会信用代码】12100000400000624D 【引证次数】5.0 【他引次数】5.0 【家族引证次数】5.0 【家族被引证次数】5
