CN102036016A - 视频检测方法及其系统 - Google Patents
视频检测方法及其系统 Download PDFInfo
- Publication number
- CN102036016A CN102036016A CN 201010571836 CN201010571836A CN102036016A CN 102036016 A CN102036016 A CN 102036016A CN 201010571836 CN201010571836 CN 201010571836 CN 201010571836 A CN201010571836 A CN 201010571836A CN 102036016 A CN102036016 A CN 102036016A
- Authority
- CN
- China
- Prior art keywords
- time
- frontlighting
- dusk
- dawn
- car light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明涉及交通管理系统,公开了一种视频检测方法及其系统。本发明中,根据当前检测图像和抓拍到的图像,计算图像特征信息。根据计算的图像特征信息,在出现顺光情况时进行顺光补偿;在出现背光情况时进行背光补偿。通过对相机进行光线补偿,可有效降低或者解决在背光、顺光等情况下的漏触发问题,从而提高整体的捕获率,降低误触发率。
Description
技术领域
本发明涉及交通管理系统,特别涉及交通控制系统中的视频检测技术。
背景技术
伴随着世界各国车辆数量的急剧增加,交通状况日益受到人们的重视。如何有效地进行交通管理,越来越成为世界各国政府和有关部门所关注的焦点。针对此问题,各种智能交通管理系统相继产生或者已在研发之中,而对违规车辆进行监控、处罚是其中一个极其重要的环节。
传统上对交通违章车辆检测主要是通过埋在地下的感应线圈或车轴感应器来实现。然而,随着视频技术的飞速发展和计算机运算速度的成倍增加,基于计算机视频检测技术的交通监控系统的实现己成为可能。视频检测的优点主要有以下几点:(1)工业摄像机的安装简单方便,且安装时不破损路面,不影响公路交通;(2)可以有效利用现有公路网上已有视频设备,用一套视频检测器能够同时检测多条车道,将大大节省开支;(3)计算机视觉能够提取丰富的交通信息。可以获取常规检测器无法得到的车牌号码、车辆运行轨迹,以及大范围交通现场信息等等;(4)可以实现更多的交通管理功能,这是其它检测设备无法做到的。
车辆检测器按类型可大体分为硬件检测和视频检测两大类,硬件检测常用的有地感线圈车辆检测器,车辆检测器通过分析地感线圈感应系数的变化,实时的判断和提供触发信号;视频检测利用摄像机提供的视频信息,实时检测车辆是否到达,从而产生触发信号,目前常用的方法是基于车辆触发和基于车牌触发。
基于车辆触发是不断地判断在视野范围内是否有车辆存在,发现有车辆时则启动触发,即输出抓拍信号,进行抓拍。常用的方式有基于目标跟踪的方式和基于虚拟线圈的方式。基于目标跟踪的方式是通过对车辆或非机动车辆等目标进行数学建模,从而检测出运动目标,当发现有运动目标时则触发输出;基于虚拟线圈的方式通过在视频图像中设置一个类似于地感线圈功能的检测区域,通过计算该区域内的灰度或颜色等图像信息的变化来判断是否有物体进入该区域,当发现有运动目标进入该区域时启动触发,这种方式可以检测运动的物体,也可以检测经由运动停止在检测区域内的目标。
基于车牌触发是不断地在视频图像中检测是否存在车牌,一旦寻找到车牌区域并经后续确认之后输出触发信号,例如,申请号为CN1798333A的中国发明专利申请公开的“基于快速车牌定位算法的车辆视频触发装置和方法”。
然而,本发明的发明人发现,在目前的视频检测中,存在以下问题:
由于在室外,全天24小时光线差异变化较大,且由于天气,时间,季节,地理位置,相机的安装方位和角度等因素的差异,也常常导致光照强度,光照方向的不同。而光照的差异,会对相机的成像形成较大的差异,如背光和顺光,在背光情况下,图像的部分区域会亮度较暗,对比度较低,不利于后续的视频分析和视频检测,在顺光的情况下,由于阳光直射所拍摄物体的前面,往往会导致部分或者整个图像区域过曝,此时,图像部分或者整体区域过亮甚至发白,对比度较低,不利于后续的视频分析和视频检测。而在目前的视频检测中,并未对光照差异进行考虑,因此会导致漏触发的上升和捕获率的下降。
另外,由于室外光线的变化等因素,导致相机所成的像也有很大的差别,如白天时图像清晰且亮度较高,信噪比高,而夜晚时由于可见光较少,图像模糊且亮度较低,信噪比低。由于图像质量不同,其中包含的有效信息也有较大差异,因此如果采用同一种检测模式,会对检测性能造成影响。即使通过设定时间段,在各时间段采用相应的检测模式,但由于白天时段范围和夜晚时段范围随地理位置的差异,时区的差异,时间的推移等因素在不停的自动调整和变化当中,因此如果采用手工设定时间段的方式,也会对检测性能造成影响,导致漏触发的上升和捕获率的下降。
发明内容
本发明的目的在于提供一种视频检测方法及其系统,以提高视频检测的捕获率,降低误触发率。
为解决上述技术问题,本发明的实施方式提供了一种视频检测方法,包含以下步骤:
根据当前检测图像和抓拍到的图像,计算图像特征信息;
根据计算的图像特征信息,判断是否满足背光补偿条件,如果满足背光补偿条件,则对相机进行背光补偿;
根据计算的图像特征信息,判断是否满足顺光补偿条件,如果满足顺光补偿条件,则对相机进行顺光补偿。
本发明的实施方式还提供了一种视频检测系统,包含:
检测单元,用于检测当前图像;
图像特征计算单元,用于根据当前检测到的图像和抓拍到的图像,计算图像特征信息;
背光补偿判断单元,用于根据图像特征计算单元计算的图像特征信息,判断是否满足背光补偿条件;
背光补偿单元,用于在背光补偿判断单元判定满足背光补偿条件时,对相机进行背光补偿;
顺光补偿判断单元,用于根据图像特征计算单元计算的图像特征信息,判断是否满足顺光补偿条件;
顺光补偿单元,用于在顺光补偿判断单元判定满足顺光补偿条件时,对相机进行顺光补偿;
该检测单元在背光补偿单元进行背光补偿或顺光补偿单元进行顺光补偿后,继续检测当前图像。
本发明实施方式与现有技术相比,主要区别及其效果在于:
根据当前检测图像和抓拍到的图像,计算图像特征信息。根据计算的图像特征信息,在出现顺光情况时进行顺光补偿;在出现背光情况时进行背光补偿。由于在背光情况下,图像的部分区域会亮度较暗,对比度较低,不利于后续的视频分析和视频检测,在顺光的情况下,由于阳光直射所拍摄物体的前面,往往会导致部分或者整个图像区域过曝,此时,图像部分或者整体区域过亮甚至发白,对比度较低,不利于后续的视频分析和视频检测。因此,通过对相机进行光线补偿,可有效降低或者解决在背光、顺光等情况下的漏触发问题,从而提高整体的捕获率,降低误触发率。
进一步地,自动计算黄昏结束时间和黎明起始时间。如果检测图像的实时时间晚于黎明起始时间且早于黄昏结束时间,则采用白天检测模式进行检测;如果检测图像的实时时间晚于黄昏结束且早于黎明起始时间,则采用夜晚检测模式进行检测。由于不同时间段内的图像质量会有所不同,因此各个时段采用相适应的检测模式进行检测,以提高在全天候24小时时间范围内的检测效果。而且随着时间的推移,季节的变化,地域的差异,各时各地的白天时段范围和夜晚时段范围都在不断变化当中,而不是固定的,因此通过自动计算黄昏结束时间和黎明起始时间,进而得到选择白天检测模式或夜晚检测模式的选择依据,可以有效的解决因为天气变化,时间推移,地域不同等因素的差异带来的影响,具有较强的稳健性,从而保证较高的准确率。
进一步地,在自动计算黄昏结束时间和黎明起始时间时,还自动计算黄昏起始时间和黎明结束时间。在黎明时间段和黄昏时间段内,根据检测图像的路面亮度情况决策是否进行检测模式的切换,可以进一步确保在各个时间段内选择的检测模式的准确性。通过计数器的方式实现白天检测模式到夜晚检测模式(或夜晚检测模式到白天检测模式)的切换,可以保证切换的准确实时性,避免切换的提前或滞后所造成的误检测和漏检测的上升。
进一步地,根据当地的经纬度,时区,日期,时间等信息自动的计算出当地当时的日出日落时间,从而使用日出日落时间自动的计算出此时此地的黄昏起始时间、黄昏结束时间、黎明起始时间和黎明结束时间,可以保证自动计算的黄昏时间段和黎明时间段的准确性。
进一步地,在对车灯特征进行检测时,在由车灯像素点组成车灯像素块后,根据路面反光特征来对得到的所述车灯像素块进行检测,滤除因反光导致的车灯像素块。通过采用车灯反光团块滤波的方法,有效的解决了车灯反光造成的误报,进一步提高了视频检测的准确性。
进一步地,根据车灯像素块之间的间距,判断车辆类型,对大车类型的车辆进行对报警间隔帧数、搜索范围等参数的调整。通过车辆判断,对大车的特殊处理机制,可有效降低大车引起的二次触发,进一步保证了检测的准确性。
附图说明
图1是根据本发明第一实施方式的视频检测方法流程图;
图2是根据本发明第一实施方式中光线补偿的具体流程图;
图3是根据本发明第一实施方式中图像数据检测模式的设置流程图;
图4是根据本发明第二实施方式中的车灯特征检测的流程图;
图5是根据本发明第三实施方式的视频检测系统结构图。
具体实施方式
在以下的叙述中,为了使读者更好地理解本申请而提出了许多技术细节。但是,本领域的普通技术人员可以理解,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明第一实施方式涉及一种视频检测方法。在本实施方式中,使用当地的经纬度,时区,日期等信息,自动计算当地当时的黄昏黎明时段阈值,根据实时的图像和时间信息,自动的判断当前采用的检测模式,以实现全天24小时地对经过指定车道的车辆或非机动车辆等目标进行视频检测。并且,对出现的背光、顺光的情况进行补偿操作,对视频图像进行光线补偿,在提高相机成像质量的同时,提高了视频检测的捕获率,降低漏报率。
本实施方式的具体流程如图1所示。在步骤101中,获取当前的视频图像数据,本步骤与现有的视频检测中,获取视频图像数据的方式相同,在此不再赘述。
接着,在步骤102中,设置图像数据的检测模式。在本实施方式中,检测模式分为白天检测模式和夜晚检测模式。在白天时段范围内,采用白天检测模式,在夜晚时段范围内,采用夜晚检测模式。具体地说,可通过输入的视频图像,实时时间等信息,自动的检测和判断当前所处的处理时段和处理模式,在白天时段范围内,设置为白天检测模式;在夜晚时段范围内,设置为夜晚检测模式,具体实现方式将在后文中详细介绍。
接着,在步骤103中,判断设置的检测模式是否为白天检测模式,如果是白天检测模式,则进入步骤104,如果是夜晚检测模式,则进入步骤105。
在步骤104中,采用白天检测模式对获取的视频图像数据进行检测。比如说,由于白天光线较强,相机所成的视频图像较清晰,亮度高,因此在白天检测模式中不仅可以包含车灯特征的检测,也可以包含车身结构特征、车牌特征等其他特征的检测。在视频图像的所设的虚拟线圈中检测到有车辆或非机动车辆等物体的特征时,进入步骤106。
在步骤105中,采用夜晚检测模式对获取的视频图像数据进行检测。比如说,由于在夜晚情况下,光线较白天昏暗,相机所成的视频图像较模糊,亮度低,对比度差,此时若有车灯出现的话,车灯特征是一个较强较为可靠的特征信息,因此在夜晚检测模式中,主要是对车灯特征进行检测,在视频图像的所设的虚拟线圈中检测到有车辆或非机动车辆等物体的特征时,进入步骤106。
在步骤106中,输出抓拍信号,本步骤与现有技术相同,在此不再赘述。
接着,在步骤107中,通过抓拍单元对当前视频图像进行抓拍,本步骤与现有技术相同,在此不再赘述。
接着,在步骤108中,对相机进行光线补偿。在经光线补偿后,会到步骤101,继续进行检测。该光线补偿的具体流程如图2所示。
在步骤201中,获取抓拍的图像和当前检测到的图像。
接着,在步骤202中,根据当前检测图像和抓拍到的图像,计算图像特征信息,图像特征信息包括抓拍图像的背光区域均值、背光区域最大值、顺光区域均值和顺光区域最小值。
具体地说,当某个像素点的灰度值大于预设的顺光区域灰度阈值时,认为该像素点可能顺光过曝,由该类像素点组成顺光区域。顺光区域均值即为组成的顺光区域中所有像素点的灰度均值,顺光区域最小值即为顺光区域中的像素点的最小灰度值。当某个像素点的灰度值小于预设的背光区域灰度阈值时,认为该像素点可能背光过暗,由该类像素点组成背光区域。背光区域均值即为组成的背光区域中所有像素点的灰度均值,背光区域最大值即为背光区域中的像素点的最大灰度值。
接着,在步骤203中,计算当前检测图像的亮度范围。由于结合多种经典的背景差分和背景提取算法(如帧差,中值法和背景平均法等),可实时地计算和提取路面特征,计算路面亮度等信息,因此关于亮度范围的计算方式,在本步骤中不再详细赘述。
接着,在步骤204中,判断是否满足背光补偿的条件,该背光补偿的条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值大于预设第一阈值,并且此时计算的背光区域均值小于预设第二阈值,并且此时计算的背光区域最大值小于预设第三阈值。如果满足该背光补偿的条件,则进入步骤205。也就是说,当连续的检测到抓拍快门或者抓拍增益的增值超过预设阈值,且此时图像的背光区域均值小于预设阈值,图像的背光区域最大值小于预设阈值时,此时认为发生背光现象,需要进行背光补偿;其中背光区域均值的预设阈值默认为50,背光区域最大值的预设阈值默认为60,抓拍快门增值的预设阈值默认为100,抓拍增益增值的预设阈值默认为5,可以根据相机成像特性和场景的差异进行相应的调整。
由于当检测到发生背光时,背光时光线从车尾部照射过来,而车头区域图像整体亮度较暗,对比度降低,因此需要通过背光补偿,以保证车头区域的整体亮度和提高车头区域的对比度。步骤205至步骤208为本实施方式中进行背光补偿的具体步骤。
在步骤205中,判断当前相机视频快门是否达到所设定的相机视频快门最大值,比如说,相机视频快门的最大值默认选取为20ms,则判断当前相机视频快门是否达到20ms。如果判定尚未达到设定的最大值,则进入步骤206,增大当前相机视频快门;如果已达到相机视频快门最大值,则进入步骤207,判断当前相机视频增益是否达到最大值。如果在步骤207中,判定相机视频增益尚未达到最大值,则进入步骤208,增大当前相机视频增益,对背光情况进行补偿,相机视频增益的最大值可默认选取为70。如果在步骤207中,判定相机视频增益已达到最大值,则结束背光补偿的流程。由此可见,当检测到有背光情况出现时,对相机进行控制操作,当相机视频快门小于其最大值时,增大相机视频快门,直到背光现象基本得以抑制和解决;当相机视频快门已经达到最大值时,增大相机视频增益,直至达到相机视频增益的最大值。
如果在步骤204中判定不满足背光补偿的条件,则进入步骤209,判断是否满足顺光补偿的条件,该顺光补偿的条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值小于预设第四阈值,并且此时计算的顺光区域均值大于预设第五阈值,并且此时计算的顺光区域最小值大于预设第六阈值。如果满足该顺光补偿的条件,则进入步骤210,如果不满足该顺光补偿的条件,则结束流程。也就是说,当连续的检测到抓拍快门或者抓拍增益的增值小于预设阈值,且此时图像的顺光区域均值大于预设阈值,图像的顺光区域最小值大于预设阈值时,此时认为发生顺光现象,需要进行顺光补偿。其中顺光区域均值的预设阈值默认为180,顺光区域最小值的预设阈值默认为160,抓拍快门增值的预设阈值默认为-100,抓拍增益增值的预设阈值默认为-5,可以根据相机成像特性和场景的差异进行相应的调整。
由于当检测到发生顺光时,光线直射车头,车头区域图像整体过亮甚至过曝,对比度较低,因此需要通过顺光补偿,以保证车头区域的整体亮度和提高车头区域的对比度。步骤210至步骤213为本实施方式中进行顺光补偿的具体步骤。
在步骤210中,判断当前相机视频增益是否达到所设定的相机视频增益最小值,比如说,增益的最小值可默认选取为0。如果判定还没有达到设定的相机视频增益最小值,则进入步骤211,减小当前相机视频增益。如果当前相机视频增益已经达到最小值,则进入步骤212,判断当前相机视频快门是否达到相机视频快门最小值。如果在步骤212中,判定当前相机视频快门尚未达到最小值,则进入步骤213,减小当前相机视频快门,对顺光情况进行补偿,相机视频快门的最小值可选取为100us。如果在步骤212中,判定相机视频快门已达到最小值,则结束顺光补偿的流程。由此可见,当检测到顺光情况时,对相机进行控制操作,当相机视频增益大于其最小值时,减小相机视频增益,直至顺光过曝情况得以解决;当相机视频增益已经达到最小值时,减小相机视频快门,直至达到相机视频快门的最小值。
由于光线的强弱和照射角度对视频图像的质量,亮度等信息的影响起到了至关重要的作用。而在背光情况下,图像的部分区域会亮度较暗,对比度较低,不利于后续的视频分析和视频检测;在顺光的情况下,由于阳光直射所拍摄物体的前面,往往会导致部分或者整个图像区域过曝,此时,图像部分或者整体区域过亮甚至发白,对比度较低,不利于后续的视频分析和视频检测。因此,在本实施方式中,通过对相机进行光线补偿,可有效降低或者解决在背光、顺光等情况下的漏触发问题,从而提高整体的捕获率,降低误触发率。
下面对本实施方式的步骤102进行具体说明。步骤102中对图像数据检测模式的设置,如图3所示。
在步骤301中,获取当时的时间值,即获取检测图像的实时时间。
接着,在步骤302中,判断当前的检测模式是否未知,如果当前的检测模式为未知,则进入步骤303,否则进入步骤306。
在步骤303中,判断当前时间是否晚于黎明起始时间且早于黄昏结束时间,如果是,则进入步骤304,将检测模式设置为白天检测模式,如果不是,则进入步骤305,将检测模式设置为夜晚检测模式。
接着,在步骤306中,判断是否已经设置了虚拟线圈,如果已经设置了虚拟线圈,则进入步骤307,如果没有设置虚拟线圈,则结束流程。
在步骤307中,判断当前设置的是否为白天检测模式,如果是,则进入步骤308,否则进入步骤312。
在步骤308中,判断当前时间是否在黄昏时间段内。具体地说,判断当前时间是否晚于黄昏起始时间且早于黄昏结束时间,如果是,则进入步骤309,如果不是,则进入步骤310。
在步骤309中,根据黄昏计数值决定是否进行模式切换。具体地说,由于需要全天24小时地进行视频检测,在一天24小时各个时间段,由于室外光线的变化等因素,导致摄像机所成的像也有很大的差别,如白天时图像清晰且亮度较高,信噪比高,而夜晚时由于可见光较少,图像模糊且亮度较低,信噪比低;由于图像质量不同,其中包含的有效信息也有较大差异,所以各个时段所采用的检测特征有所差异,所采用的处理算法也就有所侧重和筛选,这就需要自适应的计算和判断当前的时段是白天还是夜晚,进而选择相应的模式,从而达到较高的捕获率和较低的漏报率和误报率。在黄昏和黎明的时候,是昼夜转换的时段,该时候就需要模式做相应的切换,模式的切换需要做到准确实时,提前或滞后都会造成误检测和漏检测的上升。
因此,在本实施方式中,若当前时间在黄昏时段范围之内时,如果路面亮度小于设定的黄昏阈值,则黄昏计数值加一,否则置零,当黄昏计数值大于设定的黄昏计数阈值时,此时由白天模式切换到夜晚模式。
如果在步骤308中,判定当前时间不在黄昏时间段内,则进入步骤310,判断当前时间是否在黎明时间段内。具体地说,判断当前时间是否晚于黎明起始时间且早于黎明结束时间,如果是,则进入步骤311,如果不是,说明当前时间不处于昼夜转换的时间段,结束流程。
在步骤311中,根据夜晚计数值决定是否进行模式切换。本步骤与步骤309类似,当在黎明时段范围之内时,如果路面亮度小于所设定的夜晚阈值,则夜晚计数值加一,否则置零,当夜晚计数值大于设定的夜晚计数阈值时,则由白天模式切换到夜晚模式,这样可以有效的防止因为车灯等因素的干扰造成的误切换。
在步骤312中,判断当前时间是否在黎明时间段内。具体地说,判断当前时间是否晚于黎明起始时间且早于黎明结束时间,如果是,则进入步骤313,如果不是,则进入步骤314。
在步骤313中,根据黎明计数值决定是否进行模式切换。具体地说,当检测图像的路面亮度大于设定的黎明阈值时,将黎明计数值加一,当检测图像的路面亮度小于或等于黎明阈值时,将黎明计数值置零,并在黎明计数值大于设定的黎明计数阈值时,将夜晚检测模式切换为白天检测模式。
在在步骤314中,判断当前时间是否在黄昏时间段内。具体地说,判断当前时间是否晚于黄昏起始时间且早于黄昏结束时间,如果是,则进入步骤315,如果不是,则说明当前时间不处于昼夜转换的时间段,结束流程。
在步骤315中,根据白天计数值决定是否进行模式切换。具体地说,当检测图像的路面亮度大于设定的白天阈值时,将白天计数值加一,当检测图像的路面亮度小于或等于白天阈值时,将白天计数值置零。并在白天计数值大于设定的白天计数阈值时,将夜晚检测模式切换为白天检测模式。以有效的防止一些外界因素导致的误切换,保证模式切换的正确性
需要说明的是,由于地理位置的差异,时区的差异,随着时间的推移,时间、日期和季节的变化,对应的此时此地的黄昏时间和黎明时间也会发生相应的变化,而使用手工设定黄昏黎明时段范围的方式往往会受到上述等因素的限制,最终对检测性能造成一定的影响。因此,在本实施方式中,黎明起始时间、黎明结束时间、黄昏起始时间、黄昏结束时间并非是手工预先设定的,而是通过自动计算得到的。具体地说,是使用当地的经纬度,时区,日期,时间等信息自动的计算出当地当时的日出日落时间,从而使用日出日落时间自动的计算出此时此地的黄昏时段范围和黎明时段范围阈值,下面对此进行详细加以说明。
(1)先计算出从格林威治时间公元2000年1月1日到计算日天数N:
N1=floor(275*month/9)
N2=floor((month+9)/12) (1)
N3=(1+floor((year-4*floor(year/4)+2)/3))
N=N1-(N2*N3)+day-30
(2)将经度转换成为小时数值,并且计算一个时间的近似值:
ln gHour=longitude/15 (2)
日出时间:
t=N+((6-lngHour)/24) (3)
日落时间:
t=N+((18-lngHour)/24) (4)
(3)计算太阳的平近点角
M=(0.9856*t)-3.289 (5)
(4)计算太阳的平黄径
L=M+(1.916*sin(M))+(0.02*sin(2*M))+282.634 (6)
备注:L需要通过增加加减360调整到区间[0,360)之内。
(5)计算太阳的赤经:
RA=a tan(0.91764*tan(L)) (7)
备注:RA需要通过增加加减360调整到区间[0,360)之内。
(6)赤经和平黄经保证在一个象限之内:
Lquadrant=(floor(L/90))*90
RAquadrant=(floor(RA/90))*90 (8)
RA=RA+(Lquadrant-RAquadrant)
(7)将赤经转换为小时数:
RA=RA/15 (9)
(8)计算太阳的偏角:
sinDec=0.39782*sin(L) (10)
cosDec=cos(a sin Dec)
(9)计算太阳的当地时间角:
cosH=(cos(zenith)-(sin Dec*sin(latitude)))/(cos Dec*cos(latitude))(11)
如果cosH大于1,太阳在此地从日落(在特定日期);
如果cosH小于-1,太阳在此地从日落(在特定日期);
(10)结束时间角的计算并转换为小时数:
日出时间:
H=360-acos(cosH) (12)
日落时间:
H=a cos(cosH) (13)
H=H/15 (14)
(11)计算地方平均时的日出日落时间:
T=H+RA-(0.06571*t)-6.622 (15)
(12)将计算出来的时间调整到格林威治时间:
UT=T-ln gHour (16)
备注:UT需要通过增加加减24调整到区间[0,24)之内。
(13)将上述计算出来的格林威治时间转换到当地经纬度时区时间:
localT=UT+localOffset (17)
通过上述的方法根据当地的经纬度、日期和时区信息计算出当地当日的日出日落时间之后,如计算出来的日出时间为sunrise_t,日落时间为:sunset_t,黄昏黎明时段范围Trange(默认选取为1.5小时),则根据以下的公式计算黄昏时段阈值和黎明时段阈值:
黄昏时段阈值(即黄昏起始时间dusk_start_t、黄昏结束时间dusk_end_t)为:
dusk_start_t=sunset_t-Trange/2(18)
dusk_end_t=sunset_t+Trange/2
黎明时段阈值(即黎明起始时间dawn_start_t、黎明结束时间dawn_end_t)为:
dawn_start_t=sunrise_t-Trange/2(19)
dawn_end_t=sunrise_t+Trange/2
由于白天时段范围和夜晚时段范围在不停的自动调整和变化当中,而不是固定的,因此通过自动计算黄昏结束时间和黎明起始时间,进而得到选择白天检测模式或夜晚检测模式的选择依据,可以有效的解决因为天气变化,时间推移,地域不同等因素的差异带来的影响,具有较强的稳健性,从而保证较高的准确率。
本发明第二实施方式涉及一种视频检测方法。第二实施方式在第一实施方式的基础上进行了改进,主要改进之处在于:对夜晚检测模式中的车灯特征检测进行了改进。
本领域技术人员可以理解,夜晚情况下,由于光线较白天昏暗,相机所成的视频图像较模糊,亮度低,对比度差,此时若有车灯出现的话,车灯特征是一个较强较为可靠的特征信息。
本实施方式中的车灯特征检测如图4所示,将虚拟线圈中亮度值大于车灯阈值的像素点作为车灯像素点,由车灯像素点组成车灯像素块,对车灯像素块进行团块操作,对一些不符合车灯条件的团块进行筛选,由于车灯照射在路面上很可能会导致路面反光,反光的光斑很可能会误检测为车灯团块,因此需要采用一定的措施对这个反光团块进行检测和滤除,采用判断当前团块是否具有路面反光特征来对团块进行滤波,从而达到抑制反光的目的。如计算车灯阈值为210,车灯像素点构成的区域不具有路面反光特征时,如果车灯像素块符合车灯形状,则判定为有车,触发抓拍信号。区域团块是否具有路面反光特征是指分析区域中的像素点的明暗变化多,如区域中像素点均大于车灯阈值210,但各像素点之间的灰度值的差异较明显,若对车灯阈值进行一定阈值的调节之后,某车灯团块变化较大,均认为是路面反光所致,予以滤除和抑制。通过采用车灯反光团块滤波的方法,有效的解决了车灯反光造成的误报,进一步提高了视频检测的准确性。
另外,对于一些大车上存在很多车灯的情况,容易导致二次触发和抓拍,为了降低该情况引起的二次触发,采用了车辆类型判断,由于大车车灯间距较小车有明显的不同,当检测到车灯间距大于预定像素数阈值时,判断为大车,如所选车灯间距阈值500,当判断为大车时,对报警间隔帧数等一些参数和逻辑判断条件进行相应的调整和处理,以降低该类情况引起的多报,如正常的报警间隔帧数为5帧,当判断为大车时,报警间隔帧数调整为10帧;当判断为大车时,在图像中向后搜索范围由原来的垂直100个像素调整为150个像素,这样可以在更大的范围之内搜索反光团块,采用前面所述的团块滤波方法对反光团块予以滤除。当大车触发后的待定帧数之内,若有触发抓拍信号,对此时的抓拍图片进行车牌过滤操作,当检测到车牌特征时,输出抓拍信号,当无车牌特征时,过滤该抓拍信号,可以有效的过滤因为大车车顶,车身上的其他车灯引起的二次触发,从而提高了抓拍的准确性。
需要说明的是,本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现,指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的,易失性的或者非易失性的,固态的或者非固态的,固定的或者可更换的介质等等)。同样,存储器可以例如是可编程阵列逻辑(Programmable Array Logic,简称“PAL”)、随机存取存储器(Random Access Memory,简称“RAM”)、可编程只读存储器(Programmable Read Only Memory,简称“PROM”)、只读存储器(Read-Only Memory,简称“ROM”)、电可擦除可编程只读存储器(Electrically Erasable Programmable ROM,简称“EEPROM”)、磁盘、光盘、数字通用光盘(Digital Versatile Disc,简称“DVD”)等等。
本发明第三实施方式涉及一种视频检测系统。图5是该视频检测系统的结构示意图。该视频检测系统包含:
检测单元,用于检测当前图像。
图像特征计算单元,用于根据当前检测图像和抓拍到的图像,计算图像特征信息。
背光补偿判断单元,用于根据图像特征计算单元计算的图像特征信息,判断是否满足背光补偿条件。
背光补偿单元,用于在背光补偿判断单元判定满足背光补偿条件时,对相机进行背光补偿。
顺光补偿判断单元,用于根据图像特征计算单元计算的图像特征信息,判断是否满足顺光补偿条件。
顺光补偿单元,用于在顺光补偿判断单元判定满足顺光补偿条件时,对相机进行顺光补偿。
该检测单元在背光补偿单元进行背光补偿或顺光补偿单元进行顺光补偿后,继续检测当前图像。
其中,背光补偿单元包括以下子单元:
快门最大值判断子单元,用于判断当前相机视频快门是否达到所设定的相机视频快门最大值。
背光调整子单元,用于在快门最大值判断子单元判定当前相机视频快门尚未达到相机视频快门最大值时,增大相机视频快门。在快门最大值判断子单元判定已达到相机视频快门最大值时,在相机视频增益未达到最大值时,增大相机视频增益。
顺光补偿单元包含以下子单元:
相机视频增益判断子单元,用于判断当前相机视频增益是否达到所设定的相机视频增益最小值。
顺光调整子单元,用于在相机视频增益判断子单元判定尚未达到相机视频增益最小值时,减小相机视频增益。在相机视频增益判断子单元判定已达到相机视频增益最小值时,在相机视频快门未达到最小值时,减小相机视频快门。
在本实施方式中,图像特征信息包括背光区域均值、背光区域最大值、顺光区域均值和顺光区域最小值。背光补偿条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值大于预设第一阈值,并且此时计算的所述背光区域均值小于预设第二阈值,并且此时计算的所述背光区域最大值小于预设第三阈值;顺光补偿条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值小于预设第四阈值,并且此时计算的所述顺光区域均值大于预设第五阈值,并且此时计算的所述顺光区域最小值大于预设第六阈值。
图像特征计算单元在计算背光区域均值和背光区域最大值时,将图像中满足背光条件的像素点组成背光区域,将背光区域中所有像素点的灰度值的均值,作为背光区域均值,将背光区域中的像素点的最大灰度值,作为背光区域最大值。其中,满足背光条件的像素点为灰度值小于预设的背光区域灰度阈值的像素点。
图像特征计算单元在计算顺光区域均值和顺光区域最小值时,将图像中满足顺光条件的像素点组成顺光区域,将顺光区域中所有像素点的灰度值的均值,作为顺光区域均值。将顺光区域中的像素点的最小灰度值,作为顺光区域最小值。其中,满足顺光条件的像素点为灰度值大于预设的顺光区域灰度阈值的像素点。
需要说明的是,本实施方式中的视频检测系统还包含:
时段计算单元,用于自动计算黄昏结束时间、黎明起始时间、黄昏起始时间和黎明结束时间。该时段计算单元包含日出日落时间计算子单元和始末时间计算子单元。日出日落时间计算子单元用于根据当地的经纬度、时区、日期、时间信息,计算当地当时的日出日落时间。始末时间计算子单元用于根据日出日落时间计算子单元计算的当地当时的日出日落时间,计算黄昏起始时间、黄昏结束时间、黎明起始时间和黎明结束时间。
模式选择单元,用于在检测图像的实时时间晚于黎明起始时间且早于黄昏结束时间时,选择白天检测模式;在检测图像的实时时间晚于黄昏结束且早于黎明起始时间时,选择夜晚检测模式。检测单元根据该模式选择单元选择的检测模式进行检测。
模式切换单元,用于将白天检测模式切换为夜晚检测模式,或者将夜晚检测模式切换为白天检测模式。
夜晚计数器,用于在检测图像的实时时间晚于黎明起始时间且早于黎明结束时间,并且检测图像的路面亮度小于设定的夜晚阈值时,将夜晚计数值加一。在检测图像的实时时间晚于黎明起始时间且早于黎明结束时间,并且检测图像的路面亮度大于或等于夜晚阈值时,将夜晚计数值置零。
夜晚阈值判断单元,用于在夜晚计数器的夜晚计数值大于设定的第一计数阈值且当前处于白天检测模式时,触发模式切换单元将白天检测模式切换为夜晚检测模式。
黎明计数器,用于在检测图像的实时时间晚于黎明起始时间且早于黎明结束时间,并且检测图像的路面亮度大于设定的黎明阈值时,将黎明计数值加一。在检测图像的实时时间晚于黎明起始时间且早于黎明结束时间,并且检测图像的路面亮度大小于或等于黎明阈值时,将黎明计数值置零。
黎明阈值判断单元,用于在黎明计数器的黎明计数值大于设定的第二计数阈值且当前处于夜晚检测模式时,触发模式切换单元将夜晚检测模式切换为白天检测模式。
黄昏计数器,用于在检测图像的实时时间晚于黄昏起始时间且早于黄昏结束时间,并且检测图像的路面亮度小于设定的黄昏阈值时,将黄昏计数值加一。在检测图像的实时时间晚于黄昏起始时间且早于黄昏结束时间,并且检测图像的路面亮度大于或等于黄昏阈值时,将黄昏计数值置零。
黄昏阈值判断单元,用于在黄昏计数器的黄昏计数值大于设定的第三计数阈值且当前处于白天检测模式时,将白天检测模式切换为夜晚检测模式。
白天计数器,用于在检测图像的实时时间晚于黄昏起始时间且早于黄昏结束时间,并且检测图像的路面亮度大于设定的白天阈值时,将白天计数值加一。在检检测图像的实时时间晚于黄昏起始时间且早于黄昏结束时间,并且检测图像的路面亮度小于或等于白天阈值时,将白天计数值置零。
白天阈值判断单元,用于在白天计数器的白天计数值大于设定的第四计数阈值且当前处于夜晚检测模式时,将夜晚检测模式切换为白天检测模式。
不难发现,第一实施方式是与本实施方式相对应的方法实施方式,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第四实施方式涉及一种视频检测系统。第四实施方式在第三实施方式的基础上进行了改进,主要改进之处在于:视频检测系统还包含车灯特征检测单元,用于在夜晚检测模式中对车灯特征进行检测。该车灯特征检测单元包含以下子单元:
车灯像素点获取子单元,用于将虚拟线圈中亮度值大于车灯阈值的像素点作为车灯像素点。
车灯像素块组成子单元,用于由车灯像素点获取子单元得到的车灯像素点组成车灯像素块。
滤除子单元,用于根据路面反光特征来对车灯像素块组成子单元得到的车灯像素块进行检测,滤除因反光导致的车灯像素块。
信号触发子单元,用于根据车灯形状对剩余的车灯像素块进行分析,当车灯像素块符合车灯形状时,判定为有车,触发抓拍信号。
值得一提的是,该车灯特征检测单元还包含:
车辆类型判断子单元,用于在滤除子单元滤除因反光导致的车灯像素块后,根据车灯像素块之间的间距,判断车辆类型。
车辆类型处理子单元,用于在车辆类型判断子单元判定车辆类型为小车时,指示信号触发子单元根据车灯形状对剩余的车灯像素块进行分析。在车辆类型判断子单元判定车辆类型为大车时,对报警间隔帧数、搜索范围等参数进行调整。
不难发现,第二实施方式是与本实施方式相对应的方法实施方式,本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第二实施方式中。
需要说明的是,本发明各设备实施方式中提到的各单元都是逻辑单元,在物理上,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现,这些逻辑单元本身的物理实现方式并不是最重要的,这些逻辑单元所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外,为了突出本发明的创新部分,本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,这并不表明上述设备实施方式并不存在其它的单元。
虽然通过参照本发明的某些优选实施方式,已经对本发明进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (18)
1.一种视频检测方法,其特征在于,包含以下步骤:
根据当前检测图像和抓拍到的图像,计算图像特征信息;
根据计算的所述图像特征信息,判断是否满足背光补偿条件,如果满足所述背光补偿条件,则对相机进行背光补偿;
根据计算的所述图像特征信息,判断是否满足顺光补偿条件,如果满足所述顺光补偿条件,则对相机进行顺光补偿。
2.根据权利要求1所述的视频检测方法,其特征在于,所述对相机进行背光补偿包含以下子步骤:
判断当前相机视频快门是否达到所设定的相机视频快门最大值,如果尚未达到所述相机视频快门最大值,则增大当前相机视频快门;如果已达到所述相机视频快门最大值,则在当前相机视频增益未达到最大值时,增大当前相机视频增益。
3.根据权利要求1所述的视频检测方法,其特征在于,所述对相机进行顺光补偿包含以下子步骤:
判断当前相机视频增益是否达到所设定的相机视频增益最小值,如果尚未达到所述相机视频增益最小值,则减小当前相机视频增益;如果已达到所述相机视频增益最小值,则在当前相机视频快门未达到最小值时,减小当前相机视频快门。
4.根据权利要求1所述的视频检测方法,其特征在于,所述图像特征信息包括背光区域均值、背光区域最大值、顺光区域均值和顺光区域最小值;
所述背光补偿条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值大于预设第一阈值,并且此时计算的所述背光区域均值小于预设第二阈值,并且此时计算的所述背光区域最大值小于预设第三阈值;
所述顺光补偿条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值小于预设第四阈值,并且此时计算的所述顺光区域均值大于预设第五阈值,并且此时计算的所述顺光区域最小值大于预设第六阈值。
5.根据权利要求1所述的视频检测方法,其特征在于,所述背光区域均值和背光区域最大值的计算方式如下:
将图像中满足背光条件的像素点组成背光区域,
计算所述背光区域中所有像素点的灰度值的均值,得到所述背光区域均值;
将所述背光区域中的像素点的最大灰度值,作为所述背光区域最大值;
其中,所述满足背光条件的像素点为灰度值小于预设的背光区域灰度阈值的像素点;
所述顺光区域均值和顺光区域最小值的计算方式如下:
将图像中满足顺光条件的像素点组成顺光区域,
计算所述顺光区域中所有像素点的灰度值的均值,得到所述顺光区域均值;
将所述顺光区域中的像素点的最小灰度值,作为所述顺光区域最小值;
其中,所述满足顺光条件的像素点为灰度值大于预设的顺光区域灰度阈值的像素点。
6.根据权利要求1所述的视频检测方法,其特征在于,还包含以下步骤:
自动计算黄昏结束时间和黎明起始时间;
如果检测图像的实时时间晚于所述黎明起始时间且早于所述黄昏结束时间,则采用白天检测模式进行检测;
如果检测图像的实时时间晚于所述黄昏结束且早于所述黎明起始时间,则采用夜晚检测模式进行检测。
7.根据权利要求6所述的视频检测方法,其特征在于,还包含以下步骤:
在自动计算黄昏结束时间和黎明起始时间时,还自动计算黄昏起始时间和黎明结束时间;
如果检测图像的实时时间晚于所述黎明起始时间且早于所述黎明结束时间,则当检测图像的路面亮度小于设定的夜晚阈值时,将夜晚计数值加一,当检测图像的路面亮度大于或等于所述夜晚阈值时,将所述夜晚计数值置零;并在所述夜晚计数值大于设定的第一计数阈值且当前处于白天检测模式时,将白天检测模式切换为夜晚检测模式,采用夜晚检测模式进行检测;
如果检测图像的实时时间晚于所述黎明起始时间且早于所述黎明结束时间,则当检测图像的路面亮度大于设定的黎明阈值时,将黎明计数值加一,当检测图像的路面亮度小于或等于所述黎明阈值时,将所述黎明计数值置零;并在所述黎明计数值大于设定的第二计数阈值且当前处于夜晚检测模式时,将夜晚检测模式切换为白天检测模式,采用白天检测模式进行检测;
如果检测图像的实时时间晚于所述黄昏起始时间且早于所述黄昏结束时间,则当检测图像的路面亮度小于设定的黄昏阈值时,将黄昏计数值加一,当检测图像的路面亮度大于或等于所述黄昏阈值时,将所述黄昏计数值置零;并在所述黄昏计数值大于设定的第三计数阈值且当前处于白天检测模式时,将白天检测模式切换为夜晚检测模式,采用夜晚检测模式进行检测;
如果检测图像的实时时间晚于所述黄昏起始时间且早于所述黄昏结束时间,则当检测图像的路面亮度大于设定的白天阈值时,将白天计数值加一,当检测图像的路面亮度小于或等于所述白天阈值时,将所述白天计数值置零;并在所述白天计数值大于设定的第四计数阈值且当前处于夜晚检测模式时,将夜晚检测模式切换为白天检测模式,采用白天检测模式进行检测。
8.根据权利要求7所述的视频检测方法,其特征在于,在自动计算黄昏起始时间、黄昏结束时间、黎明起始时间和黎明结束时间的步骤中,包含以下子步骤:
根据当地的经纬度、时区、日期、时间信息,计算当地当时的日出日落时间;
根据计算到的所述日出日落时间,计算所述黄昏起始时间、黄昏结束时间、黎明起始时间和黎明结束时间。
9.根据权利要求6至8中任一项所述的视频检测方法,其特征在于,所述夜晚检测模式中包括对车灯特征进行检测;
所述车灯特征的检测,包含以下步骤:
将虚拟线圈中亮度值大于车灯阈值的像素点作为车灯像素点;
由得到的所述车灯像素点组成车灯像素块;
根据路面反光特征来对得到的所述车灯像素块进行检测,滤除因反光导致的部分;
根据车灯形状对剩余的车灯像素块进行分析,当剩余的车灯像素块符合车灯形状时,判定为有车,触发抓拍信号。
10.根据权利要求9所述的视频检测方法,其特征在于,在滤除因反光导致的车灯像素块后,根据车灯形状对剩余的车灯像素块进行分析之前,还包含以下步骤:
根据车灯像素块之间的间距,判断车辆类型;
如果判定所述车辆类型为小车,则再进入所述根据车灯形状对剩余的车灯像素块进行分析的步骤;
如果判定所述车辆类型为大车,则对报警间隔帧数、搜索范围进行调整。
11.一种视频检测系统,其特征在于,包含:
检测单元,用于检测当前图像;
图像特征计算单元,用于根据当前检测图像和抓拍到的图像,计算图像特征信息;
背光补偿判断单元,用于根据所述图像特征计算单元计算的所述图像特征信息,判断是否满足背光补偿条件;
背光补偿单元,用于在所述背光补偿判断单元判定满足背光补偿条件时,对相机进行背光补偿;
顺光补偿判断单元,用于根据所述图像特征计算单元计算的所述图像特征信息,判断是否满足顺光补偿条件;
顺光补偿单元,用于在所述顺光补偿判断单元判定满足顺光补偿条件时,对相机进行顺光补偿;
所述检测单元在所述背光补偿单元进行背光补偿或所述顺光补偿单元进行顺光补偿后,继续检测当前图像。
12.根据权利要求11所述的视频检测系统,其特征在于,所述背光补偿单元包括以下子单元:
快门最大值判断子单元,用于判断当前相机视频快门是否达到所设定的相机视频快门最大值;
背光调整子单元,用于在所述快门最大值判断子单元判定当前相机视频快门尚未达到所述相机视频快门最大值时,增大当前相机视频快门;在所述快门最大值判断子单元判定已达到所述相机视频快门最大值时,在当前相机视频增益未达到最大值时,增大当前相机视频增益;
所述顺光补偿单元包含以下子单元:
相机视频增益判断子单元,用于判断当前相机视频增益是否达到所设定的相机视频增益最小值;
顺光调整子单元,用于在所述相机视频增益判断子单元判定尚未达到所述相机视频增益最小值时,减小当前相机视频增益;在所述相机视频增益判断子单元判定已达到所述相机视频增益最小值时,在当前相机视频快门未达到最小值时,减小当前相机视频快门。
13.根据权利要求11所述的视频检测系统,其特征在于,所述图像特征信息包括背光区域均值、背光区域最大值、顺光区域均值和顺光区域最小值;
所述背光补偿条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值大于预设第一阈值,并且此时计算的所述背光区域均值小于预设第二阈值,并且此时计算的所述背光区域最大值小于预设第三阈值;
所述顺光补偿条件为:连续的检测到相机抓拍快门或者相机抓拍增益的增值小于预设第四阈值,并且此时计算的所述顺光区域均值大于预设第五阈值,并且此时计算的所述顺光区域最小值大于预设第六阈值;
所述图像特征计算单元在计算所述背光区域均值和背光区域最大值时,将图像中满足背光条件的像素点组成背光区域,将所述背光区域中所有像素点的灰度值的均值,作为所述背光区域均值,将所述背光区域中的像素点的最大灰度值,作为所述背光区域最大值;其中,所述满足背光条件的像素点为灰度值小于预设的背光区域灰度阈值的像素点;
图像特征计算单元在计算所述顺光区域均值和顺光区域最小值时,将图像中满足顺光条件的像素点组成顺光区域,将所述顺光区域中所有像素点的灰度值的均值,作为所述顺光区域均值;将所述顺光区域中的像素点的最小灰度值,作为所述顺光区域最小值;其中,所述满足顺光条件的像素点为灰度值大于预设的顺光区域灰度阈值的像素点。
14.根据权利要求11所述的视频检测系统,其特征在于,所述视频检测系统还包含:
时段计算单元,用于自动计算黄昏结束时间和黎明起始时间;
模式选择单元,用于在检测图像的实时时间晚于所述黎明起始时间且早于所述黄昏结束时间时,选择白天检测模式;在检测图像的实时时间晚于所述黄昏结束且早于所述黎明起始时间时,选择夜晚检测模式;
所述检测单元根据所述模式选择单元选择的检测模式进行检测。
15.根据权利要求14所述的视频检测系统,其特征在于,所述时段计算单元还用于自动计算黄昏起始时间和黎明结束时间;
所述视频检测系统还包含:
模式切换单元,用于将白天检测模式切换为夜晚检测模式,或者将夜晚检测模式切换为白天检测模式;
夜晚计数器,用于在检测图像的实时时间晚于所述黎明起始时间且早于所述黎明结束时间,并且检测图像的路面亮度小于设定的夜晚阈值时,将夜晚计数值加一;在检测图像的实时时间晚于所述黎明起始时间且早于所述黎明结束时间,并且检测图像的路面亮度大于或等于所述夜晚阈值时,将所述夜晚计数值置零;
夜晚阈值判断单元,用于在所述夜晚计数器的夜晚计数值大于设定的第一计数阈值且当前处于白天检测模式时,触发所述模式切换单元将白天检测模式切换为夜晚检测模式;
黎明计数器,用于在检测图像的实时时间晚于所述黎明起始时间且早于所述黎明结束时间,并且检测图像的路面亮度大于设定的黎明阈值时,将黎明计数值加一;在检测图像的实时时间晚于所述黎明起始时间且早于所述黎明结束时间,并且检测图像的路面亮度大小于或等于所述黎明阈值时,将所述黎明计数值置零;
黎明阈值判断单元,用于在所述黎明计数器的黎明计数值大于设定的第二计数阈值且当前处于夜晚检测模式时,触发所述模式切换单元将夜晚检测模式切换为白天检测模式;
黄昏计数器,用于在检测图像的实时时间晚于所述黄昏起始时间且早于所述黄昏结束时间,并且检测图像的路面亮度小于设定的黄昏阈值时,将黄昏计数值加一;在检测图像的实时时间晚于所述黄昏起始时间且早于所述黄昏结束时间,并且检测图像的路面亮度大于或等于所述黄昏阈值时,将所述黄昏计数值置零;
黄昏阈值判断单元,用于在所述黄昏计数器的黄昏计数值大于设定的第三计数阈值且当前处于白天检测模式时,将白天检测模式切换为夜晚检测模式;
白天计数器,用于在检测图像的实时时间晚于所述黄昏起始时间且早于所述黄昏结束时间,并且检测图像的路面亮度大于设定的白天阈值时,将白天计数值加一;在检检测图像的实时时间晚于所述黄昏起始时间且早于所述黄昏结束时间,并且检测图像的路面亮度小于或等于所述白天阈值时,将所述白天计数值置零;
白天阈值判断单元,用于在所述白天计数器的白天计数值大于设定的第四计数阈值且当前处于夜晚检测模式时,将夜晚检测模式切换为白天检测模式。
16.根据权利要求14所述的视频检测系统,其特征在于,
所述时段计算单元包含以下子单元:
日出日落时间计算子单元,用于根据当地的经纬度、时区、日期、时间信息,计算当地当时的日出日落时间;
始末时间计算子单元,用于根据所述日出日落时间计算子单元计算的当地当时的日出日落时间,计算所述黄昏起始时间、黄昏结束时间、黎明起始时间和黎明结束时间。
17.根据权利要求14至16中任一项所述的视频检测系统,其特征在于,所述视频检测系统还包含车灯特征检测单元,用于在夜晚检测模式中对车灯特征进行检测;
所述车灯特征检测单元包含以下子单元:
车灯像素点获取子单元,用于将虚拟线圈中亮度值大于车灯阈值的像素点作为车灯像素点;
车灯像素块组成子单元,用于由所述车灯像素点获取子单元得到的所述车灯像素点组成车灯像素块;
滤除子单元,用于根据路面反光特征来对所述车灯像素块组成子单元得到的所述车灯像素块进行检测,滤除因反光导致的车灯像素块;
信号触发子单元,用于根据车灯形状对剩余的车灯像素块进行分析,当车灯像素块符合车灯形状时,判定为有车,触发抓拍信号。
18.根据权利要求17所述的视频检测系统,其特征在于,所述车灯特征检测单元还包含:
车辆类型判断子单元,用于在所述滤除子单元滤除因反光导致的车灯像素块后,根据车灯像素块之间的间距,判断车辆类型;
车辆类型处理子单元,用于在所述车辆类型判断子单元判定所述车辆类型为小车时,指示所述信号触发子单元根据车灯形状对剩余的车灯像素块进行分析;在所述车辆类型判断子单元判定所述车辆类型为大车时,对参数进行调整,所述参数包括报警间隔帧数、搜索范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010571836A CN102036016B (zh) | 2010-12-03 | 2010-12-03 | 视频检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010571836A CN102036016B (zh) | 2010-12-03 | 2010-12-03 | 视频检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102036016A true CN102036016A (zh) | 2011-04-27 |
CN102036016B CN102036016B (zh) | 2012-10-10 |
Family
ID=43888269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010571836A Active CN102036016B (zh) | 2010-12-03 | 2010-12-03 | 视频检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102036016B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622755A (zh) * | 2012-02-28 | 2012-08-01 | 中国农业大学 | 植物枝干识别方法 |
CN104240512A (zh) * | 2013-06-09 | 2014-12-24 | 北京智通视讯科技发展有限公司 | 车辆识别系统用视频检测车牌实现闪光拍摄的控制技术 |
CN104508723A (zh) * | 2012-07-27 | 2015-04-08 | 歌乐株式会社 | 图像处理装置 |
CN105530439A (zh) * | 2016-02-25 | 2016-04-27 | 北京小米移动软件有限公司 | 用于抓拍照片的方法、装置及终端 |
CN103702038B (zh) * | 2013-12-31 | 2017-04-19 | 浙江宇视科技有限公司 | 一种基于动态阈值进行自动昼夜切换的方法和装置 |
CN108600744A (zh) * | 2018-07-17 | 2018-09-28 | 中星技术股份有限公司 | 图像质量控制的方法、摄像机拍摄图像的方法和装置 |
CN111833636A (zh) * | 2019-04-17 | 2020-10-27 | 泰州阿法光电科技有限公司 | 目标位置动态监测方法 |
CN113643449A (zh) * | 2021-08-11 | 2021-11-12 | 周健龙 | 一种用于无道闸停车场进出口的防跟车装置及处理方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596315A (zh) * | 2020-04-30 | 2021-11-02 | 鸿富锦精密电子(郑州)有限公司 | 动态场景补偿的拍照方法及摄像装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030002736A1 (en) * | 2001-06-14 | 2003-01-02 | Kazutaka Maruoka | Automatic tone correction apparatus, automatic tone correction method, and automatic tone correction program storage mediums |
CN1448696A (zh) * | 2001-09-27 | 2003-10-15 | 佳能株式会社 | 测光测距用固体摄像装置以及使用了该装置的摄像装置 |
CN101719989A (zh) * | 2009-11-30 | 2010-06-02 | 北京中星微电子有限公司 | 一种背光补偿的方法及系统 |
-
2010
- 2010-12-03 CN CN201010571836A patent/CN102036016B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030002736A1 (en) * | 2001-06-14 | 2003-01-02 | Kazutaka Maruoka | Automatic tone correction apparatus, automatic tone correction method, and automatic tone correction program storage mediums |
CN1448696A (zh) * | 2001-09-27 | 2003-10-15 | 佳能株式会社 | 测光测距用固体摄像装置以及使用了该装置的摄像装置 |
CN101719989A (zh) * | 2009-11-30 | 2010-06-02 | 北京中星微电子有限公司 | 一种背光补偿的方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622755A (zh) * | 2012-02-28 | 2012-08-01 | 中国农业大学 | 植物枝干识别方法 |
CN102622755B (zh) * | 2012-02-28 | 2015-01-07 | 中国农业大学 | 植物枝干识别方法 |
CN104508723A (zh) * | 2012-07-27 | 2015-04-08 | 歌乐株式会社 | 图像处理装置 |
CN104508723B (zh) * | 2012-07-27 | 2016-10-12 | 歌乐株式会社 | 图像处理装置 |
CN104240512A (zh) * | 2013-06-09 | 2014-12-24 | 北京智通视讯科技发展有限公司 | 车辆识别系统用视频检测车牌实现闪光拍摄的控制技术 |
CN103702038B (zh) * | 2013-12-31 | 2017-04-19 | 浙江宇视科技有限公司 | 一种基于动态阈值进行自动昼夜切换的方法和装置 |
CN105530439A (zh) * | 2016-02-25 | 2016-04-27 | 北京小米移动软件有限公司 | 用于抓拍照片的方法、装置及终端 |
CN108600744A (zh) * | 2018-07-17 | 2018-09-28 | 中星技术股份有限公司 | 图像质量控制的方法、摄像机拍摄图像的方法和装置 |
CN111833636A (zh) * | 2019-04-17 | 2020-10-27 | 泰州阿法光电科技有限公司 | 目标位置动态监测方法 |
CN111833636B (zh) * | 2019-04-17 | 2021-11-02 | 厦门瞳景智能科技有限公司 | 目标位置动态监测方法 |
CN113643449A (zh) * | 2021-08-11 | 2021-11-12 | 周健龙 | 一种用于无道闸停车场进出口的防跟车装置及处理方法 |
CN113643449B (zh) * | 2021-08-11 | 2023-07-18 | 周健龙 | 一种用于无道闸停车场进出口的防跟车装置及处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102036016B (zh) | 2012-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102036016B (zh) | 视频检测方法及其系统 | |
CN102142194B (zh) | 视频检测方法及其系统 | |
CN101918980B (zh) | 跑道监视系统和方法 | |
CN101739827B (zh) | 一种车辆检测跟踪方法和装置 | |
CN101872546B (zh) | 一种基于视频的过境车辆快速检测方法 | |
CN101656023B (zh) | 一种视频监视模式下的室内停车场管理方法 | |
KR101688695B1 (ko) | 차량번호 인식 장치 및 그 방법, 그리고 상기 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
KR101146581B1 (ko) | 인공지능 차량번호인식시스템 | |
CN101211407B (zh) | 昼夜图像识别方法和装置 | |
CN103295402A (zh) | 智能交通超速抓拍系统 | |
JP2015527761A5 (zh) | ||
JP2015527761A (ja) | 適用可能な被写界深度を使用するゲーテッド撮像 | |
CN104464305A (zh) | 车辆逆行智能检测装置与方法 | |
JP2013171452A (ja) | 車番認識方法および車番認識装置 | |
CN104134352A (zh) | 基于长短曝光结合的视频车辆特征检测系统及其检测方法 | |
US11270128B2 (en) | Adaptive visual intelligence outdoor motion/occupancy and luminance detection system | |
KR200468693Y1 (ko) | 조도에 따른 카메라 제어 기능을 갖는 차량용 블랙박스 | |
CN105389991B (zh) | 一种自适应的闯红灯抓拍方法 | |
EP3058508A1 (en) | Method and system for determining a reflection property of a scene | |
KR102204015B1 (ko) | 영상에 기반한 주차 차단기 및 이를 통한 차량 통제 방법 | |
CN105046223A (zh) | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 | |
JP7147746B2 (ja) | 映像監視システム、映像監視方法および映像監視プログラム | |
JP2004236087A (ja) | 監視カメラシステム | |
CN113936501A (zh) | 基于目标检测的智能路口通行预警系统 | |
KR101934345B1 (ko) | 야간 차량번호 및 생활 방범상의 특정이미지 판독 인식률 향상을 위한 현장분석 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |