一种交通诱导屏故障检测的方法和装置及设备

技术领域

本发明涉及视频分析领域，尤其涉及一种交通诱导屏故障检测的方法和装置及设备。

背景技术

交通诱导屏以呈现道路整体路线轮廓的图形方式，向驾驶员提供前方的道路走向，具有指路牌的作用；在静态图形的路段标识区域镶嵌LED可变光带，通过LED的不同颜色发光，形象标识路段的实时路况，例如以绿色标识畅通、以红色标识堵塞、以橙色标识拥挤，供驾驶员判断和选择适当的行驶路线，起到交通诱导的作用。目前交通项目建设了大量的交通诱导屏，引导市民高效出行，在营造良好的交通秩序中，起到了重要的作用。

然而，由于交通诱导屏设备布置在室外，容易出现各种故障，常见的故障有以下几种：(1)诱导屏发光异常；(2)诱导屏花屏；(3)诱导屏受到外部非法攻击，显示非法字符或视频内容。上述交通诱导屏的故障，会给交通出行带来不便，产生不良的社会影响。

当前交通诱导屏故障检测的方式，有以下方式：(1)利用外接设备检测模组电压电流，判断模组是否正常。该方法可以快速实现模组状态的监控，但只能监测设备显示是否正常，存在检测项单一的缺陷。(2)利用抓拍视频，对诱导屏内容进行识别。但是该方法只能识别文字内容，不能识别图像，同时存在对检测技术要求高、准确度低等缺陷，在实际项目上尚不能有效落地。

发明内容

本发明提供一种交通诱导屏故障检测的方法和装置及设备，解决现有的交通诱导屏的故障检测的方案存在的检测项单一、准确性低的问题。

第一方面，本发明提供一种交通诱导屏故障检测的方法，该方法包括：

获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；

发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；

提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征；

将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

可选地，提取与所述显示图像相同显示时刻的检测图像的第二图像特征，具体包括：

对所述图像检测数据进行显示，并在显示过程中截取与所述显示图像相同显示时刻的检测图像，提取所述检测图像的第二图像特征。

可选地，所述方法还包括：

确定所述交通诱导屏出现故障，将故障信息发送到运维平台以进行维修处理，所述故障信息包括所述检测图像、显示图像及故障检测结果。

可选地，确定所述预先定义的图像检测数据为单一颜色的纯色图像，提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征，包括：

对所述显示图像进行处理，获得第一颜色分布直方图；

对所述单一颜色的纯色图像进行处理，获得第二颜色分布直方图。

可选地，将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

确定所述第一颜色分布直方图和所述第二颜色分布直方图的相似度大于第一预设阈值，确定所述交通诱导屏正常发光；

否则，确定所述交通诱导屏出现发光异常的故障。

可选地，将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

将每帧所述显示图像的第一图像特征分别和对应帧的检测图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定与其中一帧检测图像的相似度大于第二预设阈值，确定所述交通诱导屏显示内容合法，否则，确定所述交通诱导屏出现显示内容非法的故障。

可选地，将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

对所述显示图像和所述检测图像分别进行网格化处理；

将每帧所述显示图像中的网格图像的第一图像特征，分别和对应帧的检测图像中的对应的网格图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定至少存在一帧显示图像中超过设定比例的网格图像，与其中一帧检测图像的网格图像的相似度大于第三预设阈值，确定所述交通诱导屏未出现花屏的故障，否则，确定所述交通诱导屏出现花屏的故障。

可选地，提取所述显示图像的第一图像特征前，还包括：

根据设置的矫正图像的大小，以及预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系，对所述显示图像进行畸形矫正；和/或

通过AI深度学习算法，识别并过滤所述显示图像中的清晰度小于设定阈值的模糊图像和出现遮挡区域的遮挡图像，去除过滤后的显示图像中的噪声，并调整所述显示图像的亮度和对比度。

可选地，在显示过程中截取与所述显示图像相同显示时刻的检测图像，包括：

确定所述图像检测数据为静态图片时，在显示过程中截取一张检测图像；

确定所述图像检测数据为动态视频时，在显示过程中按帧截取多张检测图像。

第二方面，本发明提供一种交通诱导屏故障检测的设备，包括存储器和处理器，其中：

所述存储器用于存储计算机程序；

所述处理器用于读取所述存储器中的程序并执行如下步骤：

获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；

发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；

提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征；

将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

可选地，所述处理器提取与所述显示图像相同显示时刻的检测图像的第二图像特征，具体包括：

对所述图像检测数据进行显示，并在显示过程中截取与所述显示图像相同显示时刻的检测图像，提取所述检测图像的第二图像特征。

可选地，所述处理器还用于：

确定所述交通诱导屏出现故障，将故障信息发送到运维平台以进行维修处理，所述故障信息包括所述检测图像、显示图像及故障检测结果。

可选地，所述处理器确定所述预先定义的图像检测数据为单一颜色的纯色图像，提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征，包括：

对所述显示图像进行处理，获得第一颜色分布直方图；

对所述单一颜色的纯色图像进行处理，获得第二颜色分布直方图。

可选地，所述处理器将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

确定所述第一颜色分布直方图和所述第二颜色分布直方图的相似度大于第一预设阈值，确定所述交通诱导屏正常发光；

否则，确定所述交通诱导屏出现发光异常的故障。

可选地，所述处理器将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

将每帧所述显示图像的第一图像特征分别和对应帧的检测图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定与其中一帧检测图像的相似度大于第二预设阈值，确定所述交通诱导屏显示内容合法，否则，确定所述交通诱导屏出现显示内容非法的故障。

可选地，所述处理器将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

对所述显示图像和所述检测图像分别进行网格化处理；

将每帧所述显示图像中的网格图像的第一图像特征，分别和对应帧的检测图像中的对应的网格图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定至少存在一帧显示图像中超过设定比例的网格图像，与其中一帧检测图像的网格图像的相似度大于第三预设阈值，确定所述交通诱导屏未出现花屏的故障，否则，确定所述交通诱导屏出现花屏的故障。

可选地，所述处理器提取所述显示图像的第一图像特征前，还用于：

根据设置的矫正图像的大小，以及预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系，对所述显示图像进行畸形矫正；和/或

通过AI深度学习算法，识别并过滤所述显示图像中的清晰度小于设定阈值的模糊图像和出现遮挡区域的遮挡图像，去除过滤后的显示图像中的噪声，并调整所述显示图像的亮度和对比度。

可选地，所述处理器在显示过程中截取与所述显示图像相同显示时刻的检测图像，包括：

确定所述图像检测数据为静态图片时，在显示过程中截取一张检测图像；

确定所述图像检测数据为动态视频时，在显示过程中按帧截取多张检测图像。

第三方面，本发明提供一种交通诱导屏故障检测的方法的装置，包括：

数据获取单元，用于获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；

图像截取单元，用于发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；

特征提取单元，用于提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征；

故障检测单元，用于将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

可选地，所述特征提取单元提取与所述显示图像相同显示时刻的检测图像的第二图像特征，具体包括：

对所述图像检测数据进行显示，并在显示过程中截取与所述显示图像相同显示时刻的检测图像，提取所述检测图像的第二图像特征。

可选地，所述故障检测单元还用于：

确定所述交通诱导屏出现故障，将故障信息发送到运维平台以进行维修处理，所述故障信息包括所述检测图像、显示图像及故障检测结果。

可选地，所述特征提取单元确定所述预先定义的图像检测数据为单一颜色的纯色图像，提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征，包括：

对所述显示图像进行处理，获得第一颜色分布直方图；

对所述单一颜色的纯色图像进行处理，获得第二颜色分布直方图。

可选地，所述故障检测单元将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

确定所述第一颜色分布直方图和所述第二颜色分布直方图的相似度大于第一预设阈值，确定所述交通诱导屏正常发光；

否则，确定所述交通诱导屏出现发光异常的故障。

可选地，所述故障检测单元将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

将每帧所述显示图像的第一图像特征分别和对应帧的检测图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定与其中一帧检测图像的相似度大于第二预设阈值，确定所述交通诱导屏显示内容合法，否则，确定所述交通诱导屏出现显示内容非法的故障。

可选地，所述故障检测单元将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

对所述显示图像和所述检测图像分别进行网格化处理；

将每帧所述显示图像中的网格图像的第一图像特征，分别和对应帧的检测图像中的对应的网格图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定至少存在一帧显示图像中超过设定比例的网格图像，与其中一帧检测图像的网格图像的相似度大于第三预设阈值，确定所述交通诱导屏未出现花屏的故障，否则，确定所述交通诱导屏出现花屏的故障。

可选地，所述特征提取单元提取所述显示图像的第一图像特征前，还用于：

根据设置的矫正图像的大小，以及预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系，对所述显示图像进行畸形矫正；和/或

通过AI深度学习算法，识别并过滤所述显示图像中的清晰度小于设定阈值的模糊图像和出现遮挡区域的遮挡图像，去除过滤后的显示图像中的噪声，并调整所述显示图像的亮度和对比度。

可选地，所述图像截取单元在显示过程中截取与所述显示图像相同显示时刻的检测图像，包括：

确定所述图像检测数据为静态图片时，在显示过程中截取一张检测图像；

确定所述图像检测数据为动态视频时，在显示过程中按帧截取多张检测图像。

第四方面，本发明提供一种计算机程序介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面提供的一种交通诱导屏故障检测的方法的步骤。

本发明提供的一种交通诱导屏故障检测的方法和装置及设备，具有以下有益效果：

通过对比交通诱导屏显示的显示图像和检测图像的相似度，不需要识别交通诱导屏显示的具体内容，就能够实现对交通诱导屏的多种故障的检测，上述多种故障包括：诱导屏发光异常、花屏、显示内容非法等。

附图说明

图1为本发明实施例提供的一种交通诱导屏显示内容的示意图；

图2为本发明实施例提供的一种交通诱导屏故障检测的系统的示意图；

图3为本发明实施例提供的一种交通诱导屏故障检测的方法的流程图；

图4为本发明实施例提供的一种畸形矫正的示意图；

图5为本发明实施例提供的一种畸形矫正的原理的示意图；

图6为本发明实施例提供的一种确定交通诱导屏是否出现显示内容非法的故障的示意图；

图7为本发明实施例提供的一种确定交通诱导屏是否出现花屏的故障的示意图；

图8为本发明实施例提供的一种交通诱导屏发光异常故障检测的流程图；

图9为本发明实施例提供的一种交通诱导屏显示内容非法的故障检测的流程图；

图10为本发明实施例提供的一种交通诱导屏故障检测的设备；

图11为本发明实施例提供的一种交通诱导屏故障检测的装置的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

交通诱导屏以呈现道路整体路线轮廓的图形方式，向驾驶员提供前方的道路走向，具有指路牌的作用；在静态图形的路段标识区域镶嵌LED可变光带，通过LED的不同颜色发光，形象标识路段的实时路况，例如以绿色标识畅通、以红色标识堵塞、以橙色标识拥挤，供驾驶员判断和选择适当的行驶路线，起到交通诱导的作用。

目前交通项目建设了大量的交通诱导屏，引导市民高效出行，在营造良好的交通秩序中，起到了重要的作用。

然而，由于交通诱导屏设备布置在室外，容易出现各种故障，常见的故障有以下几种：

(1)诱导屏发光异常，其中发光异常包括：诱导屏不发光、诱导屏部分发光、诱导屏的发光度不足导致的显示文字和内容不完整；

(3)诱导屏花屏；

(4)诱导屏受到外部非法攻击，显示非法字符或视频内容。

上述交通诱导屏的故障，会给交通出行带来不便，产生不良的社会影响。

当前常见的交通诱导屏故障检测的方式，包括：

(1)利用外接设备检测交通诱导屏的模组的电压电流，判断模组是否正常。

该方法可以快速实现对交通诱导屏的模组状态的监控，但只能监测设备显示是否正常，存在检测项单一的缺陷。

(2)利用抓拍视频，对诱导屏内容进行识别。

该方法只能识别文字内容，不能识别图像，同时存在对检测技术要求高、准确度低等缺陷，在实际项目上尚不能有效落地。

如图1所示，本发明实施例提供一种交通诱导屏显示内容的示意图。图1从上至下为纯文字的显示内容的示意图、文字和图案结合的显示内容的示意图。上述抓拍视频，对诱导屏内容进行识别的方案，仅能检测显示纯文字内容的交通诱导屏，不能检测显示包含图像的内容的交通诱导屏。

针对上述问题，本申请实施例提供了一种交通诱导屏故障检测的方法和装置及设备，通过对比分析显示图像和检测图像的相似度，可以实现对诱导屏常见的多种故障的检测。

下面给出本发明实施例提供的一种交通诱导屏故障检测的方法和装置及设备的实施方式。

实施例1

本发明实施例提供一种交通诱导屏故障检测的系统的示意图，如图2所示，包括：

服务器201，用于获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征；将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障；确定所述交通诱导屏出现故障，将故障信息发送到运维平台以进行维修处理，所述故障信息包括所述检测图像、显示图像及故障检测结果；

交通诱导屏202，用于接收上述服务器发送的图像检测数据，并对上述图像检测数据进行显示；

摄像设备203，用于接收上述服务器发送的图像截取指令，并根据上述图像截取指令，在所述交通诱导屏显示所述图像检测数据过程中，截取的显示图像；

其中，上述摄像设备为现有的交通监控设备；和/或

在所述交通诱导屏正面或侧面安装的简易摄像设备。

上述现有的交通监控设备包括路口监控、高点监控等。

图2中的203-a为安装在交通诱导屏正面的简易摄像设备的示意图，203-b为安装在交通诱导屏侧面的简易摄像设备的示意图。

在具体实施时，可以根据需要检测的交通诱导屏的实际情况进行摄像设备的选择。

例如，需要检测的交通诱导屏在现有的交通监控设备的摄像范围内，且截取到的图像的要求合乎标准，则可以直接利用现有的交通监控设备；如果需要检测的交通诱导屏周围不存在现有的交通监控设备，或者现有的交通监控设备截取的图像不符合要求，或者为了保证准确性，在现有的交通设备可用的情况下，在交通诱导屏正面或侧面安装简易摄像设备。

根据具体的实施情况选择摄像设备，可以充分利现有的交通监控设备，降低检测成本，大幅降低改造费用。

需要说明的是，不论是现有的交通监控设备还是在所述交通诱导屏正面或侧面安装的简易摄像设备，要求其截取的显示图像的标准为一致的，具体为：所述显示图像为拍摄角度小于预设角度且分辨率达到预设标准的图像。

在具体实施的时候可以根据具体的情况进行上述预设角度和预设标准的设置，例如，设置上述预设角度为30度，上述预设标准为640乘以480。

运维平台204，用于接收上述服务器发送的故障信息，并根据上述故障信息进行维修处理；

需要说明的是，上述运维平台可以部署在云端或服务器或PC端或移动端，相关的用户可以通过网页或PC端软件或移动端软件登录上述运维平台，查看上述故障信息，并进行后续的维修处理。

或者，上述服务器通过电话、短信、邮件、通知消息等方式，将上述故障信息通知到上述运维平台。

下面结合流程图进行上述服务器进行的一种交通诱导屏故障检测的方法的说明。

本发明实施例提供一种交通诱导屏故障检测的方法的流程图，如图3所示，包括：

步骤S301，获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；

需要说明的是，根据具体的检测故障的类型预先定义图像检测数据：

(1)当故障类型为诱导屏发光异常时，确定图像检测数据为单一颜色的纯色图像；

上述纯色图像至少包括以下任一：纯白图像；纯黑图像；纯红图像；纯黄图像；纯蓝图像。

因为交通诱导屏常见的故障包括不能发光，只能显示白光，无法显示彩色光。其中，上述纯白图像对于检测上述不能发光的故障情况效果最好，上述纯黑图像对于检测上述只能显示白光的故障情况效果最好，上述纯红图像；纯黄图像；纯蓝图像的三原色的图像可以较为全面的检测无法显示彩色光的故障情况。

在具体实施时，可以根据交通诱导屏的具体功能选择上述纯色图像的任一或者任多进行检测，也可以选择其他颜色例如橘色等进行检测。

(2)当故障类型为花屏或显示内容非法时，确定图像检测数据为静态图片或动态视频。

需要说明的是，在本发明实施例中，上述静态图片为静止不变的一张图片，任何变化的图片例如动图或切换显示的多张静态图片都属于动态视频的范围。

上述静态图片和动态视频可以为只包含文字或图像的静态图片和动态视频，也可以为包含文字和图像的静态图片和动态视频。

在具体实施时，可以根据具体的实施情况进行上述类型的具体设置。

需要说明的是，在进行交通诱导屏故障检测时，可以只检测一种故障类型，也可以检测多种故障类型。当检测多种故障类型时，例如，检测诱导屏发光异常、花屏及显示内容非法时，获取预先定义的多种图像检测数据，并发送给交通诱导屏，以使上述交通诱导屏按顺序进行显示。

步骤S302，发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；

在具体实施时，在图像截取指令中包含截取的时间要求，可以根据具体情况设置，截取的时间为接收到图像截取指令时立刻截取，或者设置在接收到图像截取指令后的一定时间间隔后截取，或者设置在具体的时刻截取，例如北京时间10点截取。

考虑到交通诱导屏的周围环境的影响，例如，阳光反射，物体遮挡，空气质量等因素，在截取显示图像的时候，截取多张图像，以供后续进行优化筛选，以保证故障检测的准确度。

步骤S303，提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征；

实施方式1：确定所述交通诱导屏是否出现发光异常的故障；

对所述显示图像进行处理，获得第一颜色分布直方图；

对所述单一颜色的纯色图像进行处理，获得第二颜色分布直方图。

颜色分布直方图描述图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调，通过对比上述第一颜色分布直方图和第二颜色分布直方图，可以直观的获取交通诱导屏的发光情况。

实施方式2：确定所述交通诱导屏是否出现显示内容非法或花屏的故障；

通过深度学习的卷积算法提取上述第一图像特征和第二图像特征。

上述深度学习的卷积算法为预先通过训练样本集训练获得的，可以实现对图像特征的提取。

提取与所述显示图像相同显示时刻的检测图像的第二图像特征，具体包括：

对所述图像检测数据进行显示，并在显示过程中截取与所述显示图像相同显示时刻的检测图像，提取所述检测图像的第二图像特征。

需要说明的是，确定所述图像检测数据为静态图片时，在显示过程中截取一张检测图像；

确定所述图像检测数据为动态视频时，在显示过程中按帧截取多张检测图像。

根据上述图像检测数据的标签，确实是静态图片或动态视频。

上述与所述显示图像相同显示时刻，可以通过多种方式实现，例如：

(1)在图像截取指令中包含截取的时间要求为接收到图像截取指令时立刻截取，在发出指令时，实时的按帧截取一张或多张检测图像；

(2)在图像截取指令中包含截取的时间要求为设置在接收到图像截取指令后的一定时间间隔后截取，或者设置在具体的时刻截取，在上述约定的时刻按帧截取一张或多张检测图像；

(3)截取全部帧数或设定比例帧数或设定帧数的检测图像，将与所述显示图像相同显示时刻的检测图像包含在截取的图像之中。

需要说明的是，为了降低周围环境对故障检测结果的影响，在提取所述显示图像的第一图像特征前，还包括：

根据设置的矫正图像的大小，以及预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系，对所述显示图像进行畸形矫正；和/或

通过AI深度学习算法，识别并过滤所述显示图像中的清晰度小于设定阈值的模糊图像和出现遮挡区域的遮挡图像，去除过滤后的显示图像中的噪声，并调整所述显示图像的亮度和对比度。

需要说明的是，由于摄像设备安装位置难以保证正对着诱导屏，拍摄的图像必然存在着畸形现象，需要做畸形矫正。

如图4所示，本发明实施例提供一种畸形矫正的示意图。

根据摄像机安装位置不同，常见的畸形矫正从上至下依次为：上下畸形矫正、左右畸形矫正、不规则畸形矫正。其中，箭头左侧为矫正前的畸形图像，箭头右侧为矫正后的图形。

如图5所示，本发明实施例提供一种畸形矫正的原理的示意图。

如图5所示，图像中任意一个点均在摄像头成像的图像中有与之对应的区域，矫正后的矫正图像中的特定位置(x，y)，均可以在显示图像中找到对应点(x’，y’)，根据预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系找到对应点后，将显示图像中对应点像素赋值给矫正后的矫正图像中的(x，y)即可，从而得到畸变矫正后的图像。

其中，上述预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系为：

其中，(x1，y1)为显示图像左上角的坐标，(x2，y2)为显示图像右上角的坐标，(x3，y3)为显示图像左下角的坐标，(x4，y4)为显示图像右下角的坐标，(x’，y’)为显示图像中任一点的坐标，(x，y)为矫正后的矫正图像中与(x’，y’)对应点的坐标。

由于光线、时段的影响，显示图像会存在一些噪声，包括强光、逆光、光晕影响导致图像模糊等，需要对显示图像做过滤和噪声处理。

(1)图像过滤：

通过AI深度学习算法，识别并过滤所述显示图像中的清晰度小于设定阈值的模糊图像和出现遮挡区域的遮挡图像。

其中，上述模糊图像包括因为强光、逆光、晚上光晕比较大等原因造成的清晰度小于设定阈值的图像，上述设定阈值可以根据具体的实施情况进行设置；上述遮挡图像包括被飞鸟、漂浮物体、雨雪霜雾霾等天气因素遮挡出现遮挡区域的图像。

(2)噪声处理：

去除过滤后的显示图像中的噪声，并调整所述显示图像的亮度和对比度。

基于空间域的中值滤波、非线性滤波器、变换域滤波等常用方法对图像噪声进行处理，然后进行亮度、对比度等调整，去除明显的噪声影响。

步骤S304，将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

本发明的核心是通过交通诱导屏的显示图像与检测图像进行比较，判定交通诱导屏显示是否存在异常，在检测准确的前提下，只要前后端内容不一致，就代表存在异常。

上述比较交通诱导屏的显示图像与检测图像的具体实施方式包括：

实施方式1：确定所述交通诱导屏是否出现发光异常的故障；

确定所述第一颜色分布直方图和所述第二颜色分布直方图的相似度大于第一预设阈值，确定所述交通诱导屏正常发光；

否则，确定所述交通诱导屏出现发光异常的故障。

由于不同的场景、不通的时段都会对检测结果产生影响，上述第一预设阈值以及下述第二预设阈值、第三预设阈值可以根据具体的实施情况进行具体的限定，不再赘述。

实施方式2：确定所述交通诱导屏是否出现显示内容非法的故障；

将每帧所述显示图像的第一图像特征分别和对应帧的检测图像的第二图像特征进行对比；

确定与其中一帧检测图像的相似度大于第二预设阈值，确定所述交通诱导屏显示内容合法；

否则，确定所述交通诱导屏出现显示内容非法的故障。

如图6所示，本发明实施例提供一种确定交通诱导屏是否出现显示内容非法的故障的示意图。

其中，A’k(k＝1，2，3...n)为所述显示图像的每帧图像的第一图像特征，Bm(m＝1，2，3...n)为检测图像的每帧图像的第二图像特征。

将A’k(k＝1，2，3...n)分别和Bm(m＝1，2，3...n)进行对比，只要有一组的相似度大于第二预设阈值，即认为对比通过。

实施方式3：确定所述交通诱导屏是否出现花屏的故障；

对所述显示图像和所述检测图像分别进行网格化处理；

将每帧所述显示图像中的网格图像的第一图像特征，分别和对应帧的检测图像中的对应的网格图像的第二图像特征进行对比；

确定至少存在一帧显示图像中超过设定比例的网格图像，与其中一帧检测图像的网格图像的相似度大于第三预设阈值，确定所述交通诱导屏未出现花屏的故障；

否则，确定所述交通诱导屏出现花屏的故障。

如图7所示，本发明实施例提供一种确定交通诱导屏是否出现花屏的故障的示意图。

其中，右图中黑白条纹的区域为花屏区域的示意区域。

通过对图像进行网格化，对每个网格图像进行对比，如果个别网格图像不一致，则说明存在花屏情况。

使用上述三种实施方式中的任一或任多实施方式，确定所述交通诱导屏出现故障时，将故障信息发送到运维平台以进行维修处理，所述故障信息包括所述检测图像、显示图像及故障检测结果。

当上述运维平台接收到上述故障信息后，进行确认并根据上述故障信息安排维修工人，进行维修处理，完成一次交通诱导屏故障检测的循环。

如图8所示，本发明实施例提供一种交通诱导屏发光异常故障检测的流程图。

在图8给出的实施方式中，选择纯白图像和纯黑图像进行交通诱导屏发光异常故障检测，上述实施方式仅为本发明的方案的一种具体举例，并不对本发明实施例产生具体的限定，在具体实施时，可以根据具体的实施情况预先定义图像检测数据。

步骤S801，获取预先定义的图像检测数据，并发送给交通诱导屏进行显示，其中所述图像检测数据为纯白图像；

步骤S802，发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的第一显示图像；

步骤S803，获取预先定义的图像检测数据，并发送给交通诱导屏进行显示，其中所述图像检测数据为纯黑图像；

步骤S804，发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的第二显示图像；

步骤S805，提取所述第一显示图像的第一图像特征，及与所述第一显示图像相同显示时刻的第一检测图像的第二图像特征；并提取所述第二显示图像的第三图像特征，及与所述第二显示图像相同显示时刻的第二检测图像的第四图像特征；

对所述第一显示图像进行处理，获得第一颜色分布直方图；

对所述纯白图像进行处理，获得第二颜色分布直方图；

对所述第二显示图像进行处理，获得第三颜色分布直方图；

对所述纯黑图像进行处理，获得第四颜色分布直方图；

步骤S806，将所述第一图像特征和第二图像特征进行分析对比，并将所述第三图像特征和第四图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

通过对比分析第一颜色分布直方图和第二颜色分布直方图以及对比分析第三颜色分布直方图和第四颜色分布直方图，判断出是否存在发光异常的故障。

步骤S807，确定所述交通诱导屏出现故障时，将故障信息发送到运维平台以进行维修处理。

如图9所示，本发明实施例提供一种交通诱导屏显示内容非法的故障检测的流程图。

步骤S901，获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；

步骤S902，发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；

步骤S903，对所述图像检测数据进行显示，并在显示过程中截取与所述显示图像相同显示时刻的检测图像；

在发送图像截取指令的同时，截取检测图像。

步骤S904，对所述显示图像进行畸形矫正，获得矫正后的显示图像；

步骤S905，对所述矫正后的显示图像进行噪声处理，获得噪声处理后的显示图像；

步骤S906，提取所述噪声处理后的显示图像的第一图像特征，及与所述波后的显示图像相同显示时刻的检测图像的第二图像特征；

步骤S907，将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

步骤S908，确定所述交通诱导屏出现故障时，将故障信息发送到运维平台以进行维修处理。

实施例2

本发明实施例提供一种交通诱导屏故障检测的设备1000，包括存储器1001和处理器1002，如图10所示，其中：

所述存储器用于存储计算机程序；

所述处理器用于读取所述存储器中的程序并执行如下步骤：

获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；

发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；

提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征；

将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

可选地，所述处理器提取与所述显示图像相同显示时刻的检测图像的第二图像特征，具体包括：

对所述图像检测数据进行显示，并在显示过程中截取与所述显示图像相同显示时刻的检测图像，提取所述检测图像的第二图像特征。

可选地，所述处理器还用于：

确定所述交通诱导屏出现故障，将故障信息发送到运维平台以进行维修处理，所述故障信息包括所述检测图像、显示图像及故障检测结果。

可选地，所述处理器确定所述预先定义的图像检测数据为单一颜色的纯色图像，提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征，包括：

对所述显示图像进行处理，获得第一颜色分布直方图；

对所述单一颜色的纯色图像进行处理，获得第二颜色分布直方图。

可选地，所述处理器将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

确定所述第一颜色分布直方图和所述第二颜色分布直方图的相似度大于第一预设阈值，确定所述交通诱导屏正常发光；

否则，确定所述交通诱导屏出现发光异常的故障。

可选地，所述处理器将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

将每帧所述显示图像的第一图像特征分别和对应帧的检测图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定与其中一帧检测图像的相似度大于第二预设阈值，确定所述交通诱导屏显示内容合法，否则，确定所述交通诱导屏出现显示内容非法的故障。

可选地，所述处理器将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

对所述显示图像和所述检测图像分别进行网格化处理；

将每帧所述显示图像中的网格图像的第一图像特征，分别和对应帧的检测图像中的对应的网格图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定至少存在一帧显示图像中超过设定比例的网格图像，与其中一帧检测图像的网格图像的相似度大于第三预设阈值，确定所述交通诱导屏未出现花屏的故障，否则，确定所述交通诱导屏出现花屏的故障。

可选地，所述处理器提取所述显示图像的第一图像特征前，还用于：

根据设置的矫正图像的大小，以及预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系，对所述显示图像进行畸形矫正；和/或

通过AI深度学习算法，识别并过滤所述显示图像中的清晰度小于设定阈值的模糊图像和出现遮挡区域的遮挡图像，去除过滤后的显示图像中的噪声，并调整所述显示图像的亮度和对比度。

可选地，所述处理器在显示过程中截取与所述显示图像相同显示时刻的检测图像，包括：

确定所述图像检测数据为静态图片时，在显示过程中截取一张检测图像；

确定所述图像检测数据为动态视频时，在显示过程中按帧截取多张检测图像。

本发明实施例提供一种交通诱导屏故障检测的装置的示意图，如图11所示，包括：

数据获取单元1101，用于获取预先定义的图像检测数据，并发送给交通诱导屏进行显示；

图像截取单元1102，用于发送图像截取指令至摄像设备，获取所述摄像设备在所述交通诱导屏显示所述图像检测数据过程中截取的显示图像；

特征提取单元1103，用于提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征；

故障检测单元1104，用于将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障。

可选地，所述特征提取单元提取与所述显示图像相同显示时刻的检测图像的第二图像特征，具体包括：

对所述图像检测数据进行显示，并在显示过程中截取与所述显示图像相同显示时刻的检测图像，提取所述检测图像的第二图像特征。

可选地，所述故障检测单元还用于：

确定所述交通诱导屏出现故障，将故障信息发送到运维平台以进行维修处理，所述故障信息包括所述检测图像、显示图像及故障检测结果。

可选地，所述特征提取单元确定所述预先定义的图像检测数据为单一颜色的纯色图像，提取所述显示图像的第一图像特征，及与所述显示图像相同显示时刻的检测图像的第二图像特征，包括：

对所述显示图像进行处理，获得第一颜色分布直方图；

对所述单一颜色的纯色图像进行处理，获得第二颜色分布直方图。

可选地，所述故障检测单元将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

确定所述第一颜色分布直方图和所述第二颜色分布直方图的相似度大于第一预设阈值，确定所述交通诱导屏正常发光；

否则，确定所述交通诱导屏出现发光异常的故障。

可选地，所述故障检测单元将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

将每帧所述显示图像的第一图像特征分别和对应帧的检测图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定与其中一帧检测图像的相似度大于第二预设阈值，确定所述交通诱导屏显示内容合法，否则，确定所述交通诱导屏出现显示内容非法的故障。

可选地，所述故障检测单元将所述第一图像特征和第二图像特征进行分析对比，根据分析结果确定所述交通诱导屏是否出现故障，包括：

对所述显示图像和所述检测图像分别进行网格化处理；

将每帧所述显示图像中的网格图像的第一图像特征，分别和对应帧的检测图像中的对应的网格图像的第二图像特征进行对比，所述第一图像特征和第二图像特征为通过深度学习的卷积算法提取的；

确定至少存在一帧显示图像中超过设定比例的网格图像，与其中一帧检测图像的网格图像的相似度大于第三预设阈值，确定所述交通诱导屏未出现花屏的故障，否则，确定所述交通诱导屏出现花屏的故障。

可选地，所述特征提取单元提取所述显示图像的第一图像特征前，还用于：

根据设置的矫正图像的大小，以及预先建立的显示图像和矫正后的矫正图像的图像坐标对应关系，对所述显示图像进行畸形矫正；和/或

通过AI深度学习算法，识别并过滤所述显示图像中的清晰度小于设定阈值的模糊图像和出现遮挡区域的遮挡图像，去除过滤后的显示图像中的噪声，并调整所述显示图像的亮度和对比度。

可选地，所述图像截取单元在显示过程中截取与所述显示图像相同显示时刻的检测图像，包括：

确定所述图像检测数据为静态图片时，在显示过程中截取一张检测图像；

确定所述图像检测数据为动态视频时，在显示过程中按帧截取多张检测图像。

本发明还提供一种计算机程序介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例2中提供的一种交通诱导屏故障检测的方法的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

以上对本申请所提供的技术方案进行了详细介绍，本申请中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。