CN102610103A - 智能压黄线分析识别方法 - Google Patents
智能压黄线分析识别方法 Download PDFInfo
- Publication number
- CN102610103A CN102610103A CN2012100649450A CN201210064945A CN102610103A CN 102610103 A CN102610103 A CN 102610103A CN 2012100649450 A CN2012100649450 A CN 2012100649450A CN 201210064945 A CN201210064945 A CN 201210064945A CN 102610103 A CN102610103 A CN 102610103A
- Authority
- CN
- China
- Prior art keywords
- yellow line
- image
- recognition method
- pressed
- line analysis
- 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.)
- Pending
Links
Images
Abstract
本发明提供了一种智能压黄线分析识别方法,包括如下步骤:A.获取目标区域的原始图像;B.判断目标图像与基准图像是否重叠,如重叠、那么执行C步骤,如未重叠、那么执行A步骤;C.对目标区域进行拍照,得到图片;D.分析图片中的特定目标,得出分析结果;E.保存分析结果。本发明的有益效果是本发明能够对机动车辆压黄线进行准确抓拍、避免误拍,并且无需人工控制,整个抓拍过程可以自动完成,减少工作人员的工作量,提高工作效率。
Description
技术领域
本发明涉及分析识别方法,尤其涉及智能压黄线分析识别方法。
背景技术
图像分析和识别方法在多个领域当中都有应用,例如在交通领域当中,通过图像分析和识别方法判断车辆是否违章;例如,判断车辆是否压黄线,现有的压黄线监控系统的监控能力和监控有效性还基本停留在人工操作监控,在发现有压黄线行驶车辆时,执法人员手动控制云台摄像机进行拉近、拍摄车辆的车牌号码及交通标志等,完成后需手动恢复摄像机预置位。这种方法,操作过程复杂繁琐,人工成本高;随着道路管理的需要,压黄线监控点越来越多,监控执法人员工作负荷越来越大,工作的准确度依赖于人员自身的责任心、工作状态、身体精力状态等认为因素,也不可想象能有如此多的人力与之相配套。
发明内容
为了解决现有技术中的问题,本发明提供了一种智能压黄线分析识别方法。
本发明提供了一种智能压黄线分析识别方法,其特征在于,包括如下步骤:
A. 获取目标区域的原始图像;
B. 判断目标图像与基准图像是否重叠,如重叠、那么执行C步骤,如未重叠、那么执行A步骤;
C. 对目标区域进行拍照,得到图片;
D. 分析图片中的特定目标,得出分析结果;
E. 保存分析结果。
作为本发明的进一步改进,所述目标图像为机动车辆,所述基准图像为路面上的黄线,所述特定目标为牌照,所述分析结果为车牌号码。
作为本发明的进一步改进,在步骤B中,判断目标图像是否为机动车辆,判断方法为通过背景差分和时间差分相结合的一种帧差分方法实现,所述帧差分方法为在一定时间间隔的帧象素差分获得场景变化,如果目标区域的差分系数大于设定的阀值,那么判断为机动车辆。
作为本发明的进一步改进,在步骤B中,判断基准图像是否为黄线,判断方法为首先对原始图像预处理,将原始图像灰度化并进行滤波,然后对滤波后的图像进行边缘检测,得到二值化边缘图像;然后对二值化边缘图像进行噪点消除;最后通过横向扫描,确定黄线结构。
作为本发明的进一步改进,在步骤B中,将获得的黄线与背景黄线进行比较,求出黄线残缺长度、并记下所在位置;若某一残缺部分长度超过预设阀值,则对原始图像中相应区域进行HSV分析,判断残缺部分是否为阴影影响;经阴影干扰排除后,确定为有机动车辆压黄线,即目标图像与基准图像是重叠。
作为本发明的进一步改进,在步骤D中包括如下步骤:
D1. 牌照定位,定位图片中的牌照位置;
D2. 车牌字符分割,把牌照中的字符分割出来;
D3. 车牌字符识别,把分割好的字符进行识别,最终组成车牌号码。
作为本发明的进一步改进,该智能压黄线分析识别方法还包括步骤F,在步骤F中将车牌号码传输至监控中心。
作为本发明的进一步改进,在步骤F中,将图片传输至监控中心。
本发明的有益效果是:本发明能够对机动车辆压黄线进行准确抓拍、避免误拍,并且无需人工控制,整个抓拍过程可以自动完成,减少工作人员的工作量,提高工作效率。
附图说明
图1是本发明的方法流程图。
图2是本发明一实施例的方法流程图。
具体实施方式
如图1所示,本发明公开了一种智能压黄线分析识别方法,包括如下步骤:在步骤S1中,获取目标区域的原始图像。在步骤S2中,判断目标图像与基准图像是否重叠,如重叠、那么执行S3步骤,如未重叠、那么执行S1步骤。在步骤S3中,对目标区域进行拍照,得到图片。在步骤S4中,分析图片中的特定目标,得出分析结果。在步骤S5中,保存分析结果。在步骤S2中,重叠包括完全重叠和部分重叠。
所述目标图像为机动车辆,所述基准图像为路面上的黄线,所述特定目标为牌照,所述分析结果为车牌号码。
本发明的智能压黄线分析识别方法对特定地点路面黄线区域监控,进行视频图像实时动态分析,当物体进入监控区域时,通过系统中检测控制单元的视频移动侦测技术进行判断,视频移动侦测技术是通过对摄像机拍摄的图像序列进行自动分析,实现对动态场景中运动物体的定位、识别和跟踪,并在此基础上分析和判断运动物体的行为,来监控和确定现场发生的情况。
为了能够准确判断是否为机动车辆压黄线,那么就要判断目标图像是否为机动车辆,所以在步骤S2中,判断目标图像是否为机动车辆,判断方法为通过背景差分和时间差分相结合的一种帧差分方法实现,所述帧差分方法为在一定时间间隔的帧象素差分获得场景变化,如果目标区域的差分系数大于设定的阀值,那么判断为机动车辆。具体实现过程如下:计算机里的MPEG视频流由3类编码帧组成,它们分别是:关键帧(I帧)、预测帧(P帧)和内插双向帧(B帧)。I帧按JPEG标准编码,独立于其他编码帧,它是MPEG视频流中唯一可存的帧,毎12帧出现一次。截取连续I帧,经过解码运算,以帧为单位连续存放在内存缓冲区中,再利用函数在缓冲区中将连续的两帧转化为位图形式,存放在另外的内存空间以作比较之用。
为了能够准确判断是否为机动车辆压黄线,那么就要判断基准图像是否为黄线,所以在步骤S2中,判断基准图像是否为黄线,判断方法为首先对原始图像预处理,将原始图像灰度化并进行滤波,然后对滤波后的图像进行边缘检测,得到二值化边缘图像;由于黄线具有很强的方向性,故边缘算至沿黄线方向,采用9*9模板,然后对二值化边缘图像进行噪点消除;最后通过横向扫描,确定黄线结构。由于黄线区域必然存在双边缘,在二值化边缘图上即表现为图像的某行存在“100…01”线结构。
黄线中较大的不连续区域即为机动车辆压黄线或车辆阴影干扰造成,为了判断是否为机动车辆压黄线,所以在步骤S2中,将获得的黄线与背景黄线进行比较,求出黄线残缺长度、并记下所在位置;若某一残缺部分长度超过预设阀值,则对原始图像中相应区域进行HSV分析,判断残缺部分是否为阴影影响;经阴影干扰排除后,确定为有机动车辆压黄线,即目标图像与基准图像是重叠。本发明所述的HSV,其中H表示色彩,S表示纯度,V表示明度。确定有机动车辆压黄线违章就进行抓拍,从而降低了抓拍图像垃圾率。
在经过S1至S3步骤以后,还要分析图片中的牌照,显示出车牌号码,如图2所示,在步骤S4中包括如下三个步骤:在步骤W1中,牌照定位,定位图片中的牌照位置;首先对采集到的视频图像进行大范围相关搜索,找到符合牌照特征的若干区域作为候选区,然后对这些候选区做进一步分析、评判,最后选定一个最佳的区域作为牌照区域,并将其从图像中分割出来。在步骤W2中,车牌字符分割,把牌照中的字符分割出来;完成牌照定位后,由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近,并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。在步骤W3中,车牌字符识别,把分割好的字符进行识别,最终组成车牌号码;首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小,然后与所有的模板进行匹配,最后选最佳匹配作为分析结果。
该智能压黄线分析识别方法还包括最后一个步骤,在最后一个步骤中将车牌号码传输至监控中心,并将图片传输至监控中心,提供交管部门作为执法依据。该最后一个步骤是在执行完步骤S4以后进行执行的步骤。本发明的方法在服务器端运行,而服务器本身配置是比较高的,因此,在应用时能实现更快、更准的抓拍识别。
本发明能够对机动车辆压黄线进行准确抓拍、避免误拍,并且无需人工控制,整个抓拍过程可以自动完成,减少工作人员的工作量,提高工作效率。
[0024] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (8)
1.一种智能压黄线分析识别方法,其特征在于,包括如下步骤:
A. 获取目标区域的原始图像;
B. 判断目标图像与基准图像是否重叠,如重叠、那么执行C步骤,如未重叠、那么执行A步骤;
C. 对目标区域进行拍照,得到图片;
D. 分析图片中的特定目标,得出分析结果;
E. 保存分析结果。
2.根据权利要求1所述的智能压黄线分析识别方法,其特征在于:所述目标图像为机动车辆,所述基准图像为路面上的黄线,所述特定目标为牌照,所述分析结果为车牌号码。
3.根据权利要求2所述的智能压黄线分析识别方法,其特征在于:在步骤B中,判断目标图像是否为机动车辆,判断方法为通过背景差分和时间差分相结合的一种帧差分方法实现,所述帧差分方法为在一定时间间隔的帧象素差分获得场景变化,如果目标区域的差分系数大于设定的阀值,那么判断为机动车辆。
4.根据权利要求3所述的智能压黄线分析识别方法,其特征在于:在步骤B中,判断基准图像是否为黄线,判断方法为首先对原始图像预处理,将原始图像灰度化并进行滤波,然后对滤波后的图像进行边缘检测,得到二值化边缘图像;然后对二值化边缘图像进行噪点消除;最后通过横向扫描,确定黄线结构。
5.根据权利要求4所述的智能压黄线分析识别方法,其特征在于:在步骤B中,将获得的黄线与背景黄线进行比较,求出黄线残缺长度、并记下所在位置;若某一残缺部分长度超过预设阀值,则对原始图像中相应区域进行HSV分析,判断残缺部分是否为阴影影响;经阴影干扰排除后,确定为有机动车辆压黄线,即目标图像与基准图像是重叠。
6.根据权利要求2至5任一项所述的智能压黄线分析识别方法,其特征在于,在步骤D中包括如下步骤:
D1. 牌照定位,定位图片中的牌照位置;
D2. 车牌字符分割,把牌照中的字符分割出来;
D3. 车牌字符识别,把分割好的字符进行识别,最终组成车牌号码。
7.根据权利要求6所述的智能压黄线分析识别方法,其特征在于,该智能压黄线分析识别方法还包括步骤F,在步骤F中将车牌号码传输至监控中心。
8.根据权利要求7所述的智能压黄线分析识别方法,其特征在于,在步骤F中,将图片传输至监控中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100649450A CN102610103A (zh) | 2012-01-13 | 2012-01-13 | 智能压黄线分析识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100649450A CN102610103A (zh) | 2012-01-13 | 2012-01-13 | 智能压黄线分析识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102610103A true CN102610103A (zh) | 2012-07-25 |
Family
ID=46527437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100649450A Pending CN102610103A (zh) | 2012-01-13 | 2012-01-13 | 智能压黄线分析识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102610103A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366578A (zh) * | 2013-06-27 | 2013-10-23 | 北京文通图像识别技术研究中心有限公司 | 一种基于图像的车辆检测方法 |
CN103824458A (zh) * | 2014-03-25 | 2014-05-28 | 宁波市江东元典知识产权服务有限公司 | 基于图像识别技术的临时停车警示系统 |
CN103839415A (zh) * | 2014-03-19 | 2014-06-04 | 重庆攸亮科技有限公司 | 基于路面图像特征识别的交通流量和占有率信息获取方法 |
CN105554346A (zh) * | 2015-12-14 | 2016-05-04 | 宁波裕兰信息科技有限公司 | 一种基于车载视频的移动物体检测系统 |
CN106022243A (zh) * | 2016-05-13 | 2016-10-12 | 浙江大学 | 一种基于图像处理的机动车道车辆逆行识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1374806A (zh) * | 2001-03-13 | 2002-10-16 | 刘祥阳 | 路口交通监控、记录系统 |
JP3835513B2 (ja) * | 2000-04-27 | 2006-10-18 | 富士ゼロックス株式会社 | プリンタドライバ、画像処理方法、描画処理装置、画像形成システム |
EP2133817A1 (en) * | 2008-06-10 | 2009-12-16 | Kabushiki Kaisha Toshiba | Recognition apparatus and recognition method |
CN101789177A (zh) * | 2010-02-05 | 2010-07-28 | 南京航空航天大学 | 越、压黄线的车辆检测跟踪和车辆信息抓拍装置及其方法 |
CN101872416A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 对道路图像进行车牌识别的方法和系统 |
CN101964145A (zh) * | 2009-07-23 | 2011-02-02 | 北京中星微电子有限公司 | 一种自动车牌识别方法及其系统 |
CN102081847A (zh) * | 2009-11-27 | 2011-06-01 | 西安费斯达自动化工程有限公司 | 基于fpga的车辆越线自动监测及压缩传输 |
CN102081844A (zh) * | 2011-01-25 | 2011-06-01 | 华中科技大学 | 一种交通视频行为分析与报警服务器 |
CN102254429A (zh) * | 2011-05-13 | 2011-11-23 | 东南大学 | 一种基于视频识别的违章车辆检测装置和方法 |
CN102668540A (zh) * | 2009-12-25 | 2012-09-12 | 株式会社理光 | 成像设备、车载成像系统、路面外观检测方法以及目标检测设备 |
-
2012
- 2012-01-13 CN CN2012100649450A patent/CN102610103A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3835513B2 (ja) * | 2000-04-27 | 2006-10-18 | 富士ゼロックス株式会社 | プリンタドライバ、画像処理方法、描画処理装置、画像形成システム |
CN1374806A (zh) * | 2001-03-13 | 2002-10-16 | 刘祥阳 | 路口交通监控、记录系统 |
EP2133817A1 (en) * | 2008-06-10 | 2009-12-16 | Kabushiki Kaisha Toshiba | Recognition apparatus and recognition method |
CN101964145A (zh) * | 2009-07-23 | 2011-02-02 | 北京中星微电子有限公司 | 一种自动车牌识别方法及其系统 |
CN102081847A (zh) * | 2009-11-27 | 2011-06-01 | 西安费斯达自动化工程有限公司 | 基于fpga的车辆越线自动监测及压缩传输 |
CN102668540A (zh) * | 2009-12-25 | 2012-09-12 | 株式会社理光 | 成像设备、车载成像系统、路面外观检测方法以及目标检测设备 |
CN101789177A (zh) * | 2010-02-05 | 2010-07-28 | 南京航空航天大学 | 越、压黄线的车辆检测跟踪和车辆信息抓拍装置及其方法 |
CN101872416A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 对道路图像进行车牌识别的方法和系统 |
CN102081844A (zh) * | 2011-01-25 | 2011-06-01 | 华中科技大学 | 一种交通视频行为分析与报警服务器 |
CN102254429A (zh) * | 2011-05-13 | 2011-11-23 | 东南大学 | 一种基于视频识别的违章车辆检测装置和方法 |
Non-Patent Citations (4)
Title |
---|
刘肃亮: "交通车辆违章智能视频监控系统的设计与实现", 《中国优秀硕士论文全文数据库》, no. 4, 31 December 2004 (2004-12-31), pages 29 - 31 * |
周胜: "基于视频的道路黄线违章检测算法研究", 《中国优秀硕士论文全文数据库》, no. 2, 28 February 2007 (2007-02-28) * |
赵文东,等: "基于小波变换的压线检测算法的设计与实现", 《计算机工程与设计》, vol. 31, no. 10, 28 May 2010 (2010-05-28), pages 2412 - 2415 * |
陆蔚,等: "车辆压黄线电子警察系统的研究与实现", 《济源职业技术学院学报》, vol. 10, no. 4, 30 December 2011 (2011-12-30), pages 30 - 34 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366578A (zh) * | 2013-06-27 | 2013-10-23 | 北京文通图像识别技术研究中心有限公司 | 一种基于图像的车辆检测方法 |
CN103839415A (zh) * | 2014-03-19 | 2014-06-04 | 重庆攸亮科技有限公司 | 基于路面图像特征识别的交通流量和占有率信息获取方法 |
CN103839415B (zh) * | 2014-03-19 | 2016-08-24 | 重庆攸亮科技股份有限公司 | 基于路面图像特征识别的交通流量和占有率信息获取方法 |
CN103824458A (zh) * | 2014-03-25 | 2014-05-28 | 宁波市江东元典知识产权服务有限公司 | 基于图像识别技术的临时停车警示系统 |
CN105554346A (zh) * | 2015-12-14 | 2016-05-04 | 宁波裕兰信息科技有限公司 | 一种基于车载视频的移动物体检测系统 |
CN106022243A (zh) * | 2016-05-13 | 2016-10-12 | 浙江大学 | 一种基于图像处理的机动车道车辆逆行识别方法 |
CN106022243B (zh) * | 2016-05-13 | 2019-02-26 | 浙江大学 | 一种基于图像处理的机动车道车辆逆行识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102610103A (zh) | 智能压黄线分析识别方法 | |
CN103824452A (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
CN103646544B (zh) | 基于云台和相机设备的车辆行为分析识别方法 | |
Jadhav et al. | Smart traffic control system using image processing | |
CN103824066A (zh) | 一种基于视频流的车牌识别方法 | |
CN105702048A (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
CN103279756A (zh) | 基于集成分类器的车辆检测分析系统及其检测分析方法 | |
CN103226891B (zh) | 一种基于视频的车辆碰撞事故检测方法及系统 | |
Maria et al. | A drone-based image processing system for car detection in a smart transport infrastructure | |
CN101630360A (zh) | 一种在高清晰图像中识别车牌的方法 | |
CN105741559A (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
CN110490150B (zh) | 一种基于车辆检索的违章图片自动审核系统及方法 | |
US10789502B2 (en) | Extraneous-matter detecting apparatus and extraneous-matter detecting method | |
CN111783671A (zh) | 基于人工智能和cim的智慧城市地面车位图像处理方法 | |
CN104933773A (zh) | 一种路况信息实时监测车载记录仪器及其记录方法 | |
CN105488485A (zh) | 基于车辆轨迹的车道线自动提取方法 | |
CN103324958A (zh) | 一种复杂背景下基于投影法和svm的车牌定位方法 | |
CN111967377A (zh) | 工程车辆状态识别方法、装置、设备及存储介质 | |
CN108205897A (zh) | 一种车辆的车牌分析识别系统 | |
US8229170B2 (en) | Method and system for detecting a signal structure from a moving video platform | |
Huang et al. | A real-time and color-based computer vision for traffic monitoring system | |
CN112836683A (zh) | 用于便携式摄像设备的车牌识别方法、装置、设备和介质 | |
CN105704454A (zh) | 一种改善抓拍取证图像roi清晰度的方法 | |
US20210124968A1 (en) | System and method for use in object detection from video stream | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120725 |