一种基于机器视觉的隧道内异常形态识别方法及系统

1.一种基于机器视觉的隧道内异常形态识别方法，其特征在于，包括：获取待识别隧道场景视频；基于预设的时间间隔，捕捉所获取视频的上一帧图像和当前帧图像；通过帧差法处理所捕捉的上一帧图像和当前帧图像，得到帧差图像；根据所得到的帧差图像和预设的帧差阈值图像，分析隧道场景视频的运行特性，识别隧道内的异常形态。 2.如权利要求1中所述的一种基于机器视觉的隧道内异常形态识别方法，其特征在于，所述预设的时间间隔为所捕捉的连续帧之间的时间间隔，采用自适应动态调整预设的时间间隔。 3.如权利要求2中所述的一种基于机器视觉的隧道内异常形态识别方法，其特征在于，所述自适应动态调整预设的时间间隔采用目标速度预测或运动检测阈值调整。 4.如权利要求1中所述的一种基于机器视觉的隧道内异常形态识别方法，其特征在于，在所述通过帧差法处理所捕捉的上一帧图像和当前帧图像得到帧差图像的过程中，对所捕捉到的上一帧图像和当前帧图像中的每个像素点进行相减操作，得到不同帧图像之间的差异图像，即帧差图像。 5.如权利要求1中所述的一种基于机器视觉的隧道内异常形态识别方法，其特征在于，所述帧差阈值是二值化或阈值化的参数，用于将帧差图像中的像素值转化为二进制中的0或1，以便判断该帧差图像的像素值是否属于运动目标。 6.如权利要求1中所述的一种基于机器视觉的隧道内异常形态识别方法，其特征在于，对所得到的帧差图像进行形态学滤波处理以识别检测目标，具体的，先进行腐蚀运算，将小于帧差阈值图像细节从图像中滤除掉，再进行膨胀操作，以扩张图像边缘，直到帧差图像间距离小于帧差阈值。 7.如权利要求1中所述的一种基于机器视觉的隧道内异常形态识别方法，其特征在于，所识别的隧道内异常形态包括隧道内的突涌水和突泥。 8.一种基于机器视觉的隧道内异常形态识别系统，其特征在于，包括：获取模块，其被配置为获取待识别隧道场景视频；捕捉模块，其被配置为基于预设的时间间隔，捕捉所获取视频的上一帧图像和当前帧图像；处理模块，其被配置为通过帧差法处理所捕捉的上一帧图像和当前帧图像，得到帧差图像；识别模块，其被配置为根据所得到的帧差图像和预设的帧差阈值图像，分析隧道场景视频的运行特性，识别隧道内的异常形态。 9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于机器视觉的隧道内异常形态识别方法中的步骤。 10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于机器视觉的隧道内异常形态识别方法中的步骤。