本發(fā)明屬于圖像處理技術領域，具體涉及一種出租車視頻監(jiān)控系統(tǒng)的擴展應用，尤其涉及一種出租車視頻監(jiān)控系統(tǒng)的異常圖像信號的自動檢測方法。

背景技術：

隨著機器視覺技術的快速發(fā)展，國內許多城市都通過出租車副駕駛位置安裝攝像頭來實時監(jiān)控出租車運營情況，通過觀測攝像頭采集到的視頻圖像數據，可以對出租的運營過程實施全程監(jiān)督和管理。但是在出租車運營過程中，車載攝像頭會受到干擾導致其無法采集圖像數據或采集的圖像異常，這些異常包括圖像傳輸故障、圖像畫面不完整和圖像嚴重偏轉等，這就需要對攝像頭拍攝的圖像進行甄別，及時將異常圖像檢測出來，提醒駕駛員或出租車管理人員及時修復車載攝像頭，以保證獲取到正常的圖像數據。這對于監(jiān)管部門快速、準確地掌握出租車內的情況，并及時調整攝像頭處于正確的拍攝位置具有重要的現(xiàn)實意義。基于此，亟待提出一種新的出租車視頻監(jiān)控系統(tǒng)的異常圖像信號的自動檢測方法。

技術實現(xiàn)要素：

本發(fā)明通過觀察出租車視頻監(jiān)控系統(tǒng)采集的圖像數據，分析視頻圖像幀的靜態(tài)區(qū)域的特征，靜態(tài)區(qū)主要包括：車架、前擋風玻璃和車頂三個區(qū)域。再針對每個靜態(tài)區(qū)分別計算特征參數值，作為異常圖像檢測方法的結果判定依據。出租車視頻監(jiān)控系統(tǒng)的車載攝像頭安裝在副駕駛位置右前方，調節(jié)攝像頭的拍攝角度和焦距，使攝像頭可以拍攝到完整的前排區(qū)域的視頻圖像信號。

本發(fā)明的方法的具體實施步驟如下：

步驟1：基準圖的選取。

正常圖像信號是指正常傳輸的、未偏轉、且包含完整的前排(副駕駛和駕駛員)區(qū)域、車頂區(qū)和前擋風玻璃區(qū)的圖像。在出租車視頻監(jiān)控圖像數據庫中選取一張正常圖像作為基準圖，基準圖記為JM，其圖像大小為M×N，其中M和N分別為圖像幀的總行數和總列數。

轉入步驟2。

步驟2：對基準圖預處理，得到濾波基準圖。

對步驟1中選取的基準圖JM進行預處理，包括灰度化和中值濾波處理兩步。

若采集到的圖像為彩色圖像時，先進行灰度化處理，再執(zhí)行中值濾波；若采集到的圖像為灰度圖像時，則只需要進行中值濾波。以采集到的彩色圖像幀為例，基準圖預處理過程如下：

步a1：對基準圖JM進行灰度化處理，得到灰度基準圖Jh，其計算式如式1所示：

Jh(p)＝α_R·R(p)+α_G·G(p)+α_B·B(p)(式1)

其中，Jh(p)表示灰度基準圖中任一像素p的灰度值；R(p)、G(p)、B(p)分別表示基準圖JM中像素p的R、G和B分量值；α_R、α_G和α_B分別表示R、G和B分量的灰度化權重，滿足：α_R+α_G+α_B＝1。

轉入步a2；

步a2：對灰度基準圖Jh進行中值濾波處理，移動窗可選7×7～21×21矩形窗，得到濾波基準圖Jl。

轉入步驟3。

步驟3：車內靜態(tài)區(qū)的選取。

基準圖的靜態(tài)區(qū)特征屬性穩(wěn)定、可靠，可用于圖像信號異常檢測。靜態(tài)區(qū)包括前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)。前擋風玻璃區(qū)位于畫面的頂部，車頂區(qū)位于畫面的中上部位，車架區(qū)位于圖像畫面的左上區(qū)域。靜態(tài)區(qū)在畫面中均不呈現(xiàn)矩形，故人工用任意四邊形選定這三個靜態(tài)區(qū)。處理過程包括以下三步：

步b1：選取前擋風玻璃區(qū)。在濾波基準圖Jl中選擇前擋風玻璃區(qū)，得到前擋風玻璃基準圖，用Js₁表示，Js₁為二值圖，其由前擋風玻璃區(qū)和非前擋風玻璃區(qū)組成：Js₁(p)＝1的所有像素組成的區(qū)域為前擋風玻璃區(qū)，記Js_a，Js₁(p)＝0的所有像素組成的區(qū)域為非前擋風玻璃區(qū)，記Js_b。選定的前擋風玻璃區(qū)的四個頂點(上左、上右、下右和下左)坐標分別為(2,2)、(2,N)、(0.31M,N)和(0.1M,2)。

轉入步b2。

步b2：選取車頂區(qū)。在濾波基準圖Jl選擇車頂區(qū)，得到車頂基準圖，用Js₂表示，Js₂為二值圖，Js₂(p)＝1的所有像素組成的區(qū)域為車頂區(qū)，記Js_c，Js₂(p)＝0的所有像素組成的區(qū)域為非車頂區(qū)，記Js_d。選定的車頂區(qū)的四個頂點(上左、上右、下右和下左)坐標分別為(0.3M,0.33N)、(0.42M,0.94N)、(0.68M,0.94N)和(0.68M,0.33N)。

轉入步b3。

步b3：選取車架區(qū)。在濾波基準圖Jl選擇車架區(qū)得到車架基準圖，用符號Js₃表示，Js₃為二值圖，車架基準圖由車架區(qū)和非車架區(qū)組成，Js₃(p)＝1的所有像素組成的區(qū)域為車架區(qū)，記Js_e，Js₃(p)＝0的所有像素組成的區(qū)域為非車架區(qū)，記Js_f。車架區(qū)的四個頂點(上左、上右、下右和下左)坐標分別為(0.1M,2)、(0.21M,0.34N)、(0.45M,0.27N)和(0.52M,2)。

轉入步驟4。

步驟4：計算基準圖靜態(tài)區(qū)的面積和平均灰度。

首先，計算基準圖靜態(tài)區(qū)的面積。

統(tǒng)計步驟3得到的前擋風玻璃基準圖Js₁、車頂基準圖Js₂和車架基準圖Js₃的面積，分別用符號Nj₁、Nj₂和Nj₃表示前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)的面積，計算式如式(2～4)所示。

其次，計算基準圖靜態(tài)區(qū)的平均灰度。

計算步驟2中得到的濾波基準圖Jl的靜態(tài)區(qū)的平均灰度，其計算式如(式5～7)所示：

其中，mj₁、mj₂和mj₃分別為前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)的平均灰度值。

轉入步驟5。

步驟5：實時采集待檢圖像幀。

實時采集并存儲出租車的視頻圖像幀，采樣頻率根據需要定為1～300秒/幀，采集的圖像也稱為待檢幀，用符號E_k表示，k指待檢幀的幀號，每讀取一幀，幀號需累加1，即k＝k+1。待檢幀的圖像大小同基準圖，為M×N。

轉入步驟6。

步驟6：待檢幀預處理。

對于步驟5得到的待檢幀進行預處理，預處理過程同步驟2基準圖預處理，這里不再贅述。對待檢幀E_k進行灰度化處理，得到灰度待檢幀f_k，對灰度待檢幀f_k進行中值濾波后得到濾波待檢圖g_k。

轉入步驟7。

步驟7：計算待檢幀靜態(tài)區(qū)的平均灰度。

待檢幀靜態(tài)區(qū)的平均灰度計算式如(式8～10)所示。

其中，mc₁、mc₂和mc₃分別為濾波待檢圖的前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)的平均灰度值。

轉入步驟8。

步驟8：非車架靜態(tài)區(qū)的多源特征提取。

非車架靜態(tài)區(qū)指前擋風玻璃區(qū)和車頂區(qū)；非車架靜態(tài)區(qū)的多源特征提取包括五個分步驟：

步c1：對待檢幀進行二值化處理。

對步驟6得到的濾波待檢圖的前擋風玻璃區(qū)和車頂區(qū)進行二值化處理，分別得到前擋風玻璃二值圖Da_k和車頂二值圖Db_k，其計算式表示如(式11～12)所示：

其中，t₁、t₂和t₃表示前擋風玻璃二值化閾值、車頂二值化下限閾值和車頂二值化上限閾值。對于0～255的灰度圖像，t₁、t₂和t₃取值分別為：190≤t₁≤220，20≤t₂≤60和140≤t₃≤185。

轉入步c2。

步c2：計算待檢幀靜態(tài)區(qū)二值圖的面積。

待檢幀靜態(tài)區(qū)二值圖的面積如(式13～14)所示。

其中，Na_k和Nb_k分別為前擋風玻璃二值圖和車頂二值圖的面積。

轉入步c3。

步c3：計算待檢幀靜態(tài)區(qū)的面積比。

待檢幀靜態(tài)區(qū)的面積比計算過程如(式15～16)所示。

其中，Ra_k和Rb_k分別為前擋風玻璃面積比和車頂面積比。

轉入步c4。

步c4：計算待檢幀靜態(tài)區(qū)的灰度偏差和灰度偏差度。用Pa_k和Pb_k分別表示前擋風玻璃灰度偏差和車頂灰度偏差，Pc_k和Pd_k表示前擋風玻璃灰度偏差度和車頂灰度偏差度。計算式如(式17～20)所示。

其中，t₄和t₅表示前擋風玻璃灰度偏差度上限閾值和下限閾值；t₆和t₇表示車頂灰度偏差度上限閾值和下限閾值。對于0～255的灰度圖像，t₄和t₆的取值范圍為[5,25]，t₅和t₇的取值范圍為[50,60]。

轉入步c5。

步c5：計算待檢幀靜態(tài)區(qū)的背景偏差和背景偏差度。

用Sa_k和Sb_k表示前擋風玻璃背景偏差和車頂背景偏差，令Sc_k和Sd_k分別為前擋風玻璃背景偏差度和車頂背景偏差度。將步驟1得到的基準圖JM作為背景，計算待檢幀的靜態(tài)區(qū)的背景偏差和背景偏差度，其計算式如(式21～24)下所示。

其中，t₈和t₉表示前擋風玻璃背景偏差度上限閾值和下限閾值；t₁₀和t₁₁表示車頂背景偏差度上限閾值和下限閾值。對于0～255的灰度圖像，t₈和t₁₀的取值范圍為[10,30]，t₉和t₁₁的取值范圍為[50,60]。

轉入步驟9。

步驟9：基于非車架靜態(tài)區(qū)異常度的異常圖像信號判定。

非車架靜態(tài)區(qū)異常度的異常圖像信號判定包括兩步：異常度計算和異常圖像信號判定。

步d1：計算非車架靜態(tài)區(qū)的異常度。

非車架靜態(tài)區(qū)的異常度是基于前擋風玻璃區(qū)和車頂區(qū)多源特征信息而建立的，其計算式如(式25)所示：

其中，Yi_k為非車架靜態(tài)區(qū)異常度；α₁、α₂和α₃分別表示面積比權重、灰度偏差度權重和背景偏差度權重，權重值的取值由各特征的可靠穩(wěn)定性決定。據經驗值，α₁、α₂和α₃取值可為：α₁＝0.4、α₂＝0.35和α₃＝0.25。

轉入步d2。

步d2：基于非車架靜態(tài)區(qū)的異常圖像信號判定。

令δ₁和δ₂分別表示非車架靜態(tài)區(qū)異常度判定上限和非車架區(qū)異常度判定下限，則異常圖像信號判定如下：

①若Yi_k＞δ₁，則認為該圖像幀為異常圖像信號，轉入步驟11。

②若δ₂≤Yi_k≤δ₁，則轉入步驟10做進一步判定：車架異常度分析，轉入步驟10。

③若Yi_k＜δ₂，則判定為圖像幀為正常圖像信號，轉入步驟11。

據經驗值，δ₁和δ₂的取值范圍分別為：0.65≤δ₁≤0.75和0.2≤δ₂≤0.45。

步驟10：考慮車架區(qū)的相關系數的異常圖像信號判定。

類似的，考慮車架區(qū)的相關系數的異常圖像信號判定包括兩步：相關系數計算和考慮車架區(qū)的異常圖像信號判定。

步e1：計算車架區(qū)的相關系數。

計算步驟2得到的濾波基準圖Jl與步驟6得到的濾波待檢圖g_k的相關系數，以描述兩幅圖像的相關程度。車架相關系數Pr_k的計算式如(式26)所示：

Pr_k值越大說明兩幅圖像越相似，其值越小說明兩幅圖像差異越大。

轉入步e2。

步e2：考慮車架區(qū)的異常圖像信號判定。

令δ₃表示非車架靜態(tài)區(qū)異常度判定閾值，考慮車架區(qū)特征的異常圖像信號判定如下：

①若Pr_k≤δ₃，則認為該圖像幀為異常圖像信號。

①若Pr_k＞δ₃，則判定為圖像幀為正常圖像信號。

據經驗值，δ₃的取值范圍為：0.60≤δ₃≤0.8。

轉入步驟11。

步驟11：檢測結束。

本發(fā)明的方法結束。

利用本發(fā)明提出的異常圖像檢測方法對6000張視頻圖像幀進行魯棒性和實時性測試。

(1)實時性。利用本發(fā)明對出租車監(jiān)控圖像進行檢測，平均每幅圖像處理時間為0.273s，說明本發(fā)明具有良好的實時檢測性能，有助于交通管理部門監(jiān)管攝像頭的工作是否正常。準確性。

(2)本發(fā)明對出租車監(jiān)控圖像進行檢測的準確率達到95.47％。說明本發(fā)明具有良好的準確性，這對于本發(fā)明的進一步推廣具有重要意義。

附圖說明：

圖1為基準圖像JM。

圖2為灰度基準圖Jh。

圖3為濾波基準圖Jl。

圖4為前擋風玻璃基準圖Js₁。

圖5為車頂基準圖Js₂。

圖6為車架基準圖Js₃。

圖7為待檢幀E_k。

圖8灰度待檢圖f_k。

圖9為濾波待檢圖g_k。

圖10為前擋風玻璃二值圖Da_k。

圖11為車頂二值圖Db_k。

具體實施方式

以下結合附圖對本發(fā)明作進一步的詳細說明。本實施例給出的方法的具體實施步驟如下：

步驟S0：基準圖的選取。

正常圖像信號是指正常傳輸的、未偏轉、且包含完整的前排(副駕駛和駕駛員)區(qū)域、車頂區(qū)和前擋風玻璃區(qū)的圖像。在出租車視頻監(jiān)控圖像數據庫中選取一張正常圖像作為基準圖，基準圖記為JM(如圖1所示)，其圖像大小為M×N，其中M和N分別為圖像幀的總行和總列。本實施例中，JM為RGB彩色圖像幀，M＝288，N＝352。

轉入步驟S1。

步驟S1：對基準圖預處理，得到濾波基準圖。

對步驟S0中選取的基準圖JM進行預處理，包括灰度化和中值濾波處理兩步。若采集到的圖像為彩色圖像時，先進行灰度化處理，再執(zhí)行中值濾波；若采集到的圖像為灰度圖像時，則只需要進行中值濾波。以實施例中采集到的彩色圖像幀為例，基準圖預處理過程如下：

步f1：對基準圖JM進行灰度化處理，得到灰度基準圖Jh(如圖2所示)，其計算式如式1所示：

Jh(p)＝α_R·R(p)+α_G·G(p)+α_B·B(p) (式1)

其中，Jh(p)表示灰度基準圖中任一像素p的灰度值；R(p)、G(p)、B(p)分別表示基準圖JM中像素p的R、G和B分量值；α_R、α_G和α_B分別表示R、G和B分量的灰度化權重，滿足：α_R+α_G+α_B＝1。

本實施例中?。害?sub>R＝0.299、α_G＝0.587和α_B＝0.114。

轉入步驟f2。

步f2：對Jh進行中值濾波處理，移動窗可選7×7～21×21矩形，得到濾波基準圖Jl(如圖3所示)。

實施例中，中值濾波的移動窗為9×9的矩形。

轉入步驟S2。

步驟S2：基準圖靜態(tài)區(qū)的選取。

基準圖的靜態(tài)區(qū)特征屬性穩(wěn)定、可靠，可用于圖像信號異常檢測。靜態(tài)區(qū)包括前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)。前擋風玻璃區(qū)位于畫面的頂部，車頂區(qū)位于畫面的中上部位，車架區(qū)位于圖像畫面的左上區(qū)域。靜態(tài)區(qū)在畫面中不呈現(xiàn)矩形，故人工用任意四邊形選定這三個靜態(tài)區(qū)。

在步驟S1得到的濾波基準圖Jl中選擇前擋風玻璃區(qū)，得到前擋風玻璃基準圖，用Js₁表示，Js₁為二值圖(如圖4所示)，其由前擋風玻璃區(qū)和非前擋風玻璃區(qū)組成：Js₁(p)＝1的所有像素組成的區(qū)域為前擋風玻璃區(qū)，記Js_a，Js₁(p)＝0的所有像素組成的區(qū)域為非前擋風玻璃區(qū)，記Js_b。選定的前擋風玻璃區(qū)的四個頂點(上左、上右、下右和下左)的行、列坐標分別為(2,2)、(2,N)、(0.31M,N)和(0.1M,2)。

在步驟S1得到的濾波基準圖Jl中選擇車頂區(qū)，得到車頂基準圖，用Js₂表示，Js₂為二值圖(如圖5所示)，Js₂(p)＝1的所有像素組成的區(qū)域為車頂區(qū)，記Js_c，Js₂(p)＝0的所有像素組成的區(qū)域為非車頂區(qū)，記Js_d。選定的車頂區(qū)的四個頂點(上左、上右、下右和下左)坐標分別為(0.3M,0.33N)、(0.42M,0.94N)、(0.68M,0.94N)和(0.68M,0.33N)。

在步驟S1得到的濾波基準圖Jl中選擇車架區(qū)得到車架基準圖，用符號Js₃表示，Js₃為二值圖(如圖6所示)，車架基準圖由車架區(qū)和非車架區(qū)組成，Js₃(p)＝1的所有像素組成的區(qū)域為車架區(qū)，記Js_e，Js₃(p)＝0的所有像素組成的區(qū)域為非車架區(qū)，記Js_f。車架區(qū)的四個頂點(上左、上右、下右和下左)坐標分別為(0.1M,2)、(0.21M,0.34N)、(0.45M,0.27N)和(0.52M,2)。

轉入步驟S3。

步驟S3：基準圖靜態(tài)區(qū)的面積統(tǒng)計。

統(tǒng)計步驟S2得到的前擋風玻璃基準圖Js₁、車頂基準圖Js₂和車架基準圖Js₃的面積，分別用符號Nj₁、Nj₂和Nj₃表示前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)的面積，計算式如式(2～4)所示。

本實施例中計算得：Nj₁＝20058，Nj₂＝19965，Nj₃＝10215。

轉入步驟S4。

步驟S4：計算基準圖靜態(tài)區(qū)的平均灰度。

計算步驟S1中得到的濾波基準圖Jl的靜態(tài)區(qū)的平均灰度，其計算式如式(5～7)所示：

其中，mj₁、mj₂和mj₃分別為濾波基準圖前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)的平均灰度值。

本實施例中得：mj₁＝248.93，mj₂＝81.28，mj₃＝150.49。

轉入步驟S5。

步驟S5：實時采集待檢圖像幀。

實時采集并存儲出租車的視頻圖像幀，采樣頻率根據需要可以為1～300秒/幀。采集的圖像也稱為待檢幀，用符號E_k表示，k指圖像幀的幀號，每次讀取一幀，幀號需累加1，即k＝k+1。待檢幀的圖像大小同基準圖，為M×N。

在本實施例中，采樣頻率定為10秒/幀，選取某出租車的第6幀圖像進行檢測，待檢幀E_k(如圖7所示)，此時k＝6，M＝288，N＝352。

轉入步驟S6。

步驟S6：待檢幀預處理。

對于步驟S5得到的待檢幀進行預處理，預處理過程同步驟S1基準圖預處理，這里不再贅述。對待檢幀E_k進行灰度化處理，得到灰度待檢幀f_k(如圖8所示)，對灰度待檢幀f_k進行中值濾波后得到濾波待檢圖g_k(如圖9所示)。

轉入步驟S7。

步驟S7：計算待檢幀靜態(tài)區(qū)的平均灰度。

計算步驟S6得到的濾波待檢圖g_k靜態(tài)區(qū)的平均灰度。其計算式如式(8～10)所示。

其中，mc₁、mc₂和mc₃分別為濾波待檢圖的前擋風玻璃區(qū)、車頂區(qū)和車架區(qū)的平均灰度值。

本實施例中得：mc₁＝197.04，mc₂＝194.01，mc₃＝186.29。

轉入步驟S8。

步驟S8：對待檢幀執(zhí)行二值化處理。

對步驟S7得到的濾波待檢圖的前擋風玻璃區(qū)和車頂區(qū)進行二值化處理，分別得到前擋風玻璃二值圖Da_k(如圖10所示)和車頂二值圖Db_k(如圖11所示)，其計算式表示如下：

其中，t₁、t₂和t₃表示前擋風玻璃二值化閾值、車頂二值化下限閾值和車頂二值化上限閾值。對于0～255的灰度圖像，t₁、t₂和t₃取值分別為：190≤t₁≤220，20≤t₂≤60和140≤t₃≤185。本實施例中：t₁＝200，t₂＝50，t₃＝170。

轉入步驟S9。

步驟S9：計算待檢幀靜態(tài)區(qū)二值圖的面積。

其計算式如式(13～14)所示。

其中，Na_k和Nb_k分別為前擋風玻璃二值圖和車頂二值圖的面積。本實施例中得：Na_k＝11104，Nb_k＝7771。

轉入步驟S10。

步驟S10：計算待檢幀的靜態(tài)區(qū)的面積比。

其計算式如式(15～16)所示。

其中，Ra_k和Rb_k分別為前擋風玻璃面積比和車頂面積比。

本實施例中得：Ra_k＝0.554，Rb_k＝0.389。

轉入步驟S11。

步驟S11：計算待檢幀靜態(tài)區(qū)的灰度偏差和灰度偏差度。用Pa_k和Pb_k表示前擋風玻璃灰度偏差和車頂灰度偏差，Pc_k和Pd_k表示前擋風玻璃灰度偏差和車頂灰度偏差度。

其中，t₄和t₅表示前擋風玻璃灰度偏差度下限閾值和上限閾值；t₆和t₇表示車頂灰度偏差度下限閾值和上限閾值。對于0～255的灰度圖像，t₄和t₆的取值范圍為[5,25]，t₅和t₇的取值范圍為[50,60]。

本實施例中，取：t₄＝t₆＝10和t₅＝t₇＝50，得：Pa_k＝46.90，Pb_k＝44.83，Pc_k＝0.065，Pd_k＝0.108。

轉入步驟S12。

步驟S12：計算待檢幀靜態(tài)區(qū)的背景偏差和背景偏差度。

用Sa_k和Sb_k表示前擋風玻璃背景偏差和車頂背景偏差，令Sc_k和Sd_k分別為前擋風玻璃背景偏差度和車頂背景偏差度。把基準圖作為背景，計算待檢幀的靜態(tài)區(qū)的背景偏差和背景偏差度，其計算式如式(21～24)所示。

其中，t₈和t₉表示前擋風玻璃背景偏差度下限閾值和上限閾值；t₁₀和t₁₁表示車頂背景偏差度下限閾值和上限閾值。對于0～255的灰度圖像，t₈和t₁₀的取值范圍為[10,30]，t₉和t₁₁的取值范圍為[50,60]。

本實施例中，取t₈＝t₁₀＝10和t₉＝t₁₁＝60，得：Sa_k＝52.13，Sb_k＝112.98，Sc_k＝0.157和Sd_k＝0。

轉入步驟S13。

步驟S13：計算非車架靜態(tài)區(qū)的異常度。

非車架靜態(tài)區(qū)指前擋風玻璃區(qū)和車頂區(qū)，非車架區(qū)的異常度是基于前擋風玻璃區(qū)和車頂區(qū)多源特征信息而建立的，其計算式如下：

其中，Yi_k為非車架靜態(tài)區(qū)異常度；α₁、α₂和α₃分別表示面積比權重、灰度偏差度權重和背景偏差度權重，權重值的取值由各特征的可靠穩(wěn)定性決定。據經驗值，α₁、α₂和α₃取值可為α₁＝0.4，α₂＝0.35和α₃＝0.25。

本實施例中，取α₁＝0.4，α₂＝0.35和α₃＝0.25，得：Yi_k＝0.762。

轉入步驟S14。

步驟S14：基于非車架靜態(tài)區(qū)異常度的異常圖像信號判定。

令δ₁和δ₂分別表示非車架靜態(tài)區(qū)異常度判定上限和非車架區(qū)異常度判定下限。異常圖像信號判定如下：

①若Yi_k＞δ₁，則認為該圖像幀為異常圖像信號，轉入步驟S17。

②若δ₂≤Yi_k≤δ₁，則轉入步驟S15做進一步判定：車架異常度分析，轉入步驟S15。

③若Yi_k＜δ₂，則判定為圖像幀為正常圖像信號，轉入步驟S17。

本實施例中，取δ₁＝0.8和δ₂＝0.4，由Yi_k＝0.762，轉入步驟15。

步驟S15：計算車架的相關系數。

計算步驟S2得到的濾波基準圖Jl與步驟S7得到的濾波待檢圖g_k的相關系數。車架相關系數Pr_k的計算式如下所示：

本實施例中，得Pr_k＝0.6541。

轉入步驟S16。

步驟S16：考慮車架區(qū)的異常圖像信號判定。

令δ₃表示車架靜態(tài)區(qū)異常度判定閾值，考慮車架區(qū)特征的異常圖像信號判定如下：

若Pr_k≤δ₃，則認為該圖像幀為異常圖像信號，轉入步驟S17。

若Pr_k＞δ₃，則判定為圖像幀為正常圖像信號，轉入步驟S17。

據經驗值，δ₃的取值范圍為：0.6≤δ₃≤0.8。

本實施例中，取δ₃＝0.7，由Pr_k＝0.6541，可判定圖像幀為異常圖像信號。

步驟S17：結束。