CN103440647B - 一种车辆遮阳板状态的检测方法及系统 - Google Patents

一种车辆遮阳板状态的检测方法及系统 Download PDF

Info

Publication number
CN103440647B
CN103440647B CN201310365024.2A CN201310365024A CN103440647B CN 103440647 B CN103440647 B CN 103440647B CN 201310365024 A CN201310365024 A CN 201310365024A CN 103440647 B CN103440647 B CN 103440647B
Authority
CN
China
Prior art keywords
connected region
image
main connected
state
carried out
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.)
Active
Application number
CN201310365024.2A
Other languages
English (en)
Other versions
CN103440647A (zh
Inventor
李熙莹
陈玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGDONG FUNDWAY TECHNOLOGY Co Ltd
National Sun Yat Sen University
Original Assignee
GUANGDONG FUNDWAY TECHNOLOGY Co Ltd
National Sun Yat Sen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GUANGDONG FUNDWAY TECHNOLOGY Co Ltd, National Sun Yat Sen University filed Critical GUANGDONG FUNDWAY TECHNOLOGY Co Ltd
Priority to CN201310365024.2A priority Critical patent/CN103440647B/zh
Priority to US14/438,895 priority patent/US9424476B2/en
Priority to PCT/CN2013/085951 priority patent/WO2015024294A1/zh
Publication of CN103440647A publication Critical patent/CN103440647A/zh
Application granted granted Critical
Publication of CN103440647B publication Critical patent/CN103440647B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30268—Vehicle interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种车辆遮阳板状态的检测方法及系统，方法包括：获取检测图像；对检测图像进行灰度预处理，从而得到灰度图像；对灰度图像进行主要连通区域提取，并计算主要连通区域的几何特征和矩形相似程度；对灰度图像进行水平长边缘提取，并将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系；根据区域边缘匹配关系、主要连通区域的几何特征和主要连通区域的矩形相似程度对遮阳板的状态进行判定。本发明基于数学形态学和连通域理论，综合利用主要连通区域的几何特征、主要连通区域的矩形相似程度和区域边缘匹配关系来对遮阳板的状态进行检测，检测效率和检测精度高，实用性高。本发明可广泛应用于图像处理领域。

Description

一种车辆遮阳板状态的检测方法及系统
技术领域
本发明涉及图像处理领域，尤其是一种车辆遮阳板状态的检测方法及系统。
背景技术
遮阳板安装在汽车前风挡玻璃上，能防止阳光刺眼，可由驾驶员自行放下或者调整合适的放下角度。当前一些不法分子会在夜间放下遮阳板，利用遮阳板的遮挡性来遮掩其面容特征，防止其面容特征被卡口系统拍摄到，从而逃避了法律的制裁。为了提前对此种情形进行预警，及时地反馈车辆的可疑性，有效地为公安提供参考信息，有必要对车辆的遮阳板状态进行快速、有效的检测。
但是，由于受道路复杂和车内环境复杂等客观因素的影响，现有的夜间车辆遮阳板状态检测方法，存在如下问题：1、道路纹理对遮阳板检测造成了一定的影响；2、容易把形状相似的部分（如车内摆放的矩形物体和车窗所粘贴的标签等）当成遮阳板而引起检测失败；3、实用性不高，难以应用到实际卡口系统中。这些因素严重影响了遮阳板状态检测的效率和检测精度，因此，目前仍没有完善、成熟的夜间遮阳板状态检测算法可应用于实际工程中。
发明内容
为了解决上述技术问题，本发明的目的是：提供一种检测效率高、检测精度高和实用性高的车辆遮阳板状态的检测方法，以满足公安部门的安全预警需求。
本发明的另一目的是：提供一种检测效率高、检测精度高和实用性高的车辆遮阳板状态的检测系统，以满足公安部门的安全预警需求。
本发明解决其技术问题所采用的技术方案是：一种车辆遮阳板状态的检测方法，包括：
A、获取检测图像；
B、对检测图像进行灰度预处理，从而得到灰度图像；
C、对灰度图像进行主要连通区域提取，并计算主要连通区域的几何特征和矩形相似程度；
D、对灰度图像进行水平长边缘提取，并将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系；
E、根据区域边缘匹配关系、主要连通区域的几何特征和主要连通区域的矩形相似程度对遮阳板的状态进行判定。
进一步，所述步骤B，其包括：
B1、对检测图像进行彩色图像灰度化，从而得到灰度化图像；
B2、对灰度化图像进行灰度拉伸，从而得到拉伸图像；
B3、采用数学形态学方法去掉拉伸图像的高亮区域，从而得到灰度图像。
进一步，所述步骤C，其包括：
C1、采用预设的阈值对灰度图像进行阈值化，从而得到二值图像；
C2、对二值图像进行数学形态学处理，从而得到形态学运算图像；
C3、根据遮阳板形状的先验知识，对形态学运算图像进行剔除处理，从而得到主要连通区域；
C4、计算主要连通区域的几何特征和矩形相似程度。
进一步，所述步骤C4，其包括：
C41、计算主要连通区域的几何特征；
C42、提取主要连通区域的等效矩形，并计算等效矩形的几何特征；
C43、根据主要连通区域的几何特征和等效矩形的几何特征对主要连通区域的矩形相似程度进行计算。
进一步，所述主要连通区域的几何特征包括主要连通区域的质心位置、重心位置、宽度、高度、宽高比、面积、外接矩形和外接矩形的面积；所述等效矩形的几何特征包括等效矩形的位置以及等效矩形的面积。
进一步，所述步骤D中对灰度图像进行水平长边缘提取这一步骤，其包括：
D1、对灰度图像进行边缘提取，从而得到边缘图；
D2、对边缘图进行水平边缘点提取，从而得到水平边缘图；
D3、利用连通域原理从水平边缘图中提取出水平长边缘。
进一步，所述步骤D中将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系这一步骤，其具体为：
对水平长边缘和主要连通区域进行特征匹配，寻找主要连通区域中是否存在着与水平长边缘相匹配的上边缘和下边缘，从而得到区域边缘匹配关系。
进一步，所述步骤E，其包括：
E1、根据区域边缘匹配关系判断主要连通区域是否存在着匹配边缘，若不存在，则执行步骤E2，反之，则执行步骤E3；
E2、根据主要连通区域的几何特征和水平长边缘判断主要连通区域的位置关系是否正确，若是，则执行步骤E3，反之，则执行步骤E5；
E3、判断主要连通区域的矩形相似程度是否符合预设的阈值条件，若是，则执行步骤E4，反之，则执行步骤E5；
E4、判定车辆遮阳板的状态为遮阳板已被放下，并记录灰度图像中遮阳板的位置；
E5、判定车辆遮阳板的状态为遮阳板未被放下。
进一步，所述检测图像为车辆的车窗图像。
本发明解决其技术问题所采取的另一技术方案是：一种车辆遮阳板状态的检测系统，包括：
检测图像获取模块，用于获取检测图像；
灰度预处理模块，用于对检测图像进行灰度预处理，从而得到灰度图像；
主要连通区域提取与计算模块，用于对灰度图像进行主要连通区域提取，并计算主要连通区域的几何特征和矩形相似程度；
边缘提取与特征匹配模块，用于对灰度图像进行水平长边缘提取，并将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系；
遮阳状态判定模块，用于根据区域边缘匹配关系、主要连通区域的几何特征和主要连通区域的矩形相似程度对遮阳板的状态进行判定。
本发明的方法的有益效果是：基于数学形态学和连通域理论，综合利用主要连通区域的几何特征、主要连通区域的矩形相似程度和区域边缘匹配关系来对遮阳板的状态进行检测，能有效降低道路纹理和车内环境等因素对遮阳状态检测的影响，检测效率和检测精度高，检测正确率可达到90%以上；可以应用在实际卡口系统中对夜间遮阳板是否处于放下状态进行有效检测，实用性高。
本发明的系统的有益效果是：基于数学形态学和连通域理论，综合利用主要连通区域的几何特征、主要连通区域的矩形相似程度和区域边缘匹配关系来对遮阳板的状态进行检测，能有效降低道路纹理和车内环境等因素对遮阳状态检测的影响，检测效率和检测精度高，检测正确率可达到90%以上；可以应用在实际卡口系统中对夜间遮阳板是否处于放下状态进行有效检测，实用性高。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明一种车辆遮阳板状态的检测方法的步骤流程图；
图2为本发明步骤B的流程图；
图3为本发明步骤C的流程图；
图4为本发明步骤C4的流程图；
图5为本发明步骤D中对灰度图像进行水平长边缘提取的流程图；
图6为本发明步骤E的流程图。
具体实施方式
为了便于下文的描述，首先给出下列名词的定义或解释：
A method of vehicle sun visor’s state detection：一种车辆遮阳板状态的检测方法；
灰度拉伸：基本的图像灰度变换方式之一，通过简单的变换函数对图像的灰度进行变换，以提高图像处理时灰度级的动态范围。
参照图1，一种车辆遮阳板状态的检测方法，包括：
A、获取检测图像；
B、对检测图像进行灰度预处理，从而得到灰度图像；
C、对灰度图像进行主要连通区域提取，并计算主要连通区域的几何特征和矩形相似程度；
D、对灰度图像进行水平长边缘提取，并将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系；
E、根据区域边缘匹配关系、主要连通区域的几何特征和主要连通区域的矩形相似程度对遮阳板的状态进行判定。
其中，检测图像为车辆的车窗图像。
主要连通区域的几何特征，包括主要连通区域的质心位置、重心位置、宽度、高度、宽高比、面积、外接矩形和外接矩形的面积等。
区域边缘匹配关系表示主要连通区域是否存在与水平长边缘相匹配的边缘（即主要连通区域与水平长边缘的位置是否接近）。
主要连通区域是车辆遮阳板的候选区域。
本发明分析夜间遮阳板的各种图像特征，先通过进行主要连通区域提取、水平长边缘提取和区域边缘特征匹配，提取出能用于遮阳板状态判别的有效特征（包括主要连通区域的几何特征、矩形相似程度和边缘匹配关系等），然后再根据提取的特征进行遮阳板状态判别，较为高效和精确。
参照图2，进一步作为优选的实施方式，所述步骤B，其包括：
B1、对检测图像进行彩色图像灰度化，从而得到灰度化图像；
B2、对灰度化图像进行灰度拉伸，从而得到拉伸图像；
B3、采用数学形态学方法去掉拉伸图像的高亮区域，从而得到灰度图像。
本发明对检测图像进行灰度预处理，从而得到灰度图像的步骤如下：
首先，对检测图像进行彩色图像灰度化，进行彩色图像灰度化依据的公式如下：
，式中，r、g、b分别为红色通道的分量、绿色通道的分量、蓝色通道的分量，I为像素点的灰度。
然后，利用灰度拉伸方式，使图像亮度分布在合理范围内。
最后，采用数学形态学去掉图像中高亮区域。
参照图3，进一步作为优选的实施方式，所述步骤C，其包括：
C1、采用预设的阈值对灰度图像进行阈值化，从而得到二值图像；
C2、对二值图像进行数学形态学处理，从而得到形态学运算图像；
C3、根据遮阳板形状的先验知识，对形态学运算图像进行剔除处理，从而得到主要连通区域；
C4、计算主要连通区域的几何特征和矩形相似程度。
其中，对二值图像进行数学形态学运算处理包括开运算处理和纵向闭运算处理。
开运算处理是指采用一个长度适当的结构元对二值图像进行数学形态学开运算处理，以去除二值图像中遮阳板和人脸的粘连。
有些情况下，由于光照影响，二值化后的遮阳板区域可能存在纵向部分断裂现象。为了解决这种问题，需要对数学形态学开运算图像进行纵向闭运算处理。纵向闭运算处理的过程如下：首先对二值图像各区域进行标记，从而得到二值图像的标记图像；然后对标记图像进行纵向闭运算，从而得到纵向闭运算图像（即形态学运算图像）。经过纵向闭运算处理后，同一个标记区域内的纵向断裂部分被连接起来，且没有发生区域合并的问题。
对形态学运算图像进行剔除处理是指，根据遮阳板形状的先验知识，剔除形态学运算图像中宽度、高度、面积和宽高比不符合要求的区域，从而得到主要连通区域。
主要连通区域的几何特征和矩形相似程度均用于后续的遮阳板状态判定。
参照图4，进一步作为优选的实施方式，所述步骤C4，其包括：
C41、计算主要连通区域的几何特征；
C42、提取主要连通区域的等效矩形，并计算等效矩形的几何特征；
C43、根据主要连通区域的几何特征和等效矩形的几何特征对主要连通区域的矩形相似程度进行计算。
其中，等效矩形的几何特征包括等效矩形的位置以及等效矩形的面积等。主要连通区域的外接矩形是指主要连通区域外轮廓的外接矩形。主要连通区域的等效矩形是指满足以下原则的矩形：1）等效矩形的重心和主要连通区域的重心相同；2）等效矩形的面积和主要连通区域面积的差值小于预设的阈值。
主要连通区域的矩形相似程度的衡量参数有两个：r1和r2。r1和r2的计算公式分别为：，，式中，S为主要连通区域的面积，Sc表示外接矩形的面积，Sr表示主要连通区域中除去等效矩形后余下的面积，Se表示等效矩形的面积。r1越接近于1，则主要连通区域越接近于矩形，而r1越小，表示主要连通区域中含有致使区域严重偏离矩形的噪声点；r2越接近于0，表示主要连通区域越接近于矩形。这两个参数共同决定主要连通区域相似于矩形的程度。因此，根据主要连通区域的面积、外接矩形的面积与等效矩形的面积计算出r1和r2即可得到主要连通区域的矩形相似程度。
进一步作为优选的实施方式，所述主要连通区域的几何特征包括主要连通区域的质心位置、重心位置、宽度、高度、宽高比、面积、外接矩形和外接矩形的面积；所述等效矩形的几何特征包括等效矩形的位置以及等效矩形的面积。
参照图5，进一步作为优选的实施方式，所述步骤D中对灰度图像进行水平长边缘提取这一步骤，其包括：
D1、对灰度图像进行边缘提取，从而得到边缘图；
D2、对边缘图进行水平边缘点提取，从而得到水平边缘图；
D3、利用连通域原理从水平边缘图中提取出水平长边缘。
其中，水平长边缘为水平边缘中长度最长的水平边缘。
进一步作为优选的实施方式，所述步骤D中将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系这一步骤，其具体为：
对水平长边缘和主要连通区域进行特征匹配，寻找主要连通区域中是否存在着与水平长边缘相匹配的上边缘和下边缘，从而得到区域边缘匹配关系。
由于遮阳板区域一般为矩形区域，所以区域周围一般存在水平边缘，所以可以利用这个条件判断区域是否为遮阳板区域。
参照图6，进一步作为优选的实施方式，所述步骤E，其包括：
E1、根据区域边缘匹配关系判断主要连通区域是否存在着匹配边缘，若不存在，则执行步骤E2，反之，则执行步骤E3；
E2、根据主要连通区域的几何特征和水平长边缘判断主要连通区域的位置关系是否正确，若是，则执行步骤E3，反之，则执行步骤E5；
E3、判断主要连通区域的矩形相似程度是否符合预设的阈值条件，若是，则执行步骤E4，反之，则执行步骤E5；
E4、判定车辆遮阳板的状态为遮阳板已被放下，并记录灰度图像中遮阳板的位置；
E5、判定车辆遮阳板的状态为遮阳板未被放下。
本发明在进行夜间车辆遮阳板状态判定时，综合考虑了区域边缘匹配关系、主要连通区域的几何特征和矩形相似程度等因素的影响，与现有技术相比，检测精度更高。
进一步作为优选的实施方式，所述检测图像为车辆的车窗图像。
一种车辆遮阳板状态的检测系统，包括：
检测图像获取模块，用于获取检测图像；
灰度预处理模块，用于对检测图像进行灰度预处理，从而得到灰度图像；
主要连通区域提取与计算模块，用于对灰度图像进行主要连通区域提取，并计算主要连通区域的几何特征和矩形相似程度；
边缘提取与特征匹配模块，用于对灰度图像进行水平长边缘提取，并将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系；
遮阳状态判定模块，用于根据区域边缘匹配关系、主要连通区域的几何特征和主要连通区域的矩形相似程度对遮阳板的状态进行判定。
与现有技术相比，本发明基于数学形态学和连通域理论，提出了一种高效实用的夜间遮阳板状态检测方法及系统，能有效降低道路纹理和车内环境等因素对遮阳板状态检测的影响，检测正确率可达到90%以上，可以应用在实际卡口系统中对夜间遮阳板是否处于放下状态进行有效检测，从而帮助公安部门查处各种违规或违法行为。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种车辆遮阳板状态的检测方法，其特征在于，包括：
A、获取检测图像；
B、对检测图像进行灰度预处理，从而得到灰度图像；
C、对灰度图像进行主要连通区域提取，并计算主要连通区域的几何特征和矩形相似程度；
D、对灰度图像进行水平长边缘提取，并将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系；
E、根据区域边缘匹配关系、主要连通区域的几何特征和主要连通区域的矩形相似程度对遮阳板的状态进行判定；
所述步骤E，其包括：
E1、根据区域边缘匹配关系判断主要连通区域是否存在着匹配边缘，若不存在，则执行步骤E2，反之，则执行步骤E3；
E2、根据主要连通区域的几何特征和水平长边缘判断主要连通区域的位置关系是否正确，若是，则执行步骤E3，反之，则执行步骤E5；
E3、判断主要连通区域的矩形相似程度是否符合预设的阈值条件，若是，则执行步骤E4，反之，则执行步骤E5；
E4、判定车辆遮阳板的状态为遮阳板已被放下，并记录灰度图像中遮阳板的位置；
E5、判定车辆遮阳板的状态为遮阳板未被放下。
2.根据权利要求1所述的一种车辆遮阳板状态的检测方法，其特征在于，所述步骤B，其包括：
B1、对检测图像进行彩色图像灰度化，从而得到灰度化图像；
B2、对灰度化图像进行灰度拉伸，从而得到拉伸图像；
B3、采用数学形态学方法去掉拉伸图像的高亮区域，从而得到灰度图像。
3.根据权利要求1所述的一种车辆遮阳板状态的检测方法，其特征在于，所述步骤C，其包括：
C1、采用预设的阈值对灰度图像进行阈值化，从而得到二值图像；
C2、对二值图像进行数学形态学处理，从而得到形态学运算图像；
C3、根据遮阳板形状的先验知识，对形态学运算图像进行剔除处理，从而得到主要连通区域；
C4、计算主要连通区域的几何特征和矩形相似程度。
4.根据权利要求3所述的一种车辆遮阳板状态的检测方法，其特征在于，所述步骤C4，其包括：
C41、计算主要连通区域的几何特征；
C42、提取主要连通区域的等效矩形，并计算等效矩形的几何特征；
C43、根据主要连通区域的几何特征和等效矩形的几何特征对主要连通区域的矩形相似程度进行计算。
5.根据权利要求4所述的一种车辆遮阳板状态的检测方法，其特征在于，所述主要连通区域的几何特征包括主要连通区域的质心位置、重心位置、宽度、高度、宽高比、面积、外接矩形和外接矩形的面积；所述等效矩形的几何特征包括等效矩形的位置以及等效矩形的面积。
6.根据权利要求1所述的一种车辆遮阳板状态的检测方法，其特征在于，所述步骤D中对灰度图像进行水平长边缘提取这一步骤，其包括：
D1、对灰度图像进行边缘提取，从而得到边缘图；
D2、对边缘图进行水平边缘点提取，从而得到水平边缘图；
D3、利用连通域原理从水平边缘图中提取出水平长边缘。
7.根据权利要求1所述的一种车辆遮阳板状态的检测方法，其特征在于，所述步骤D中将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系这一步骤，其具体为：
对水平长边缘和主要连通区域进行特征匹配，寻找主要连通区域中是否存在着与水平长边缘相匹配的上边缘和下边缘，从而得到区域边缘匹配关系。
8.根据权利要求1-7任一项所述的一种车辆遮阳板状态的检测方法，其特征在于，所述检测图像为车辆的车窗图像。
9.一种车辆遮阳板状态的检测系统，其特征在于，包括：
检测图像获取模块，用于获取检测图像；
灰度预处理模块，用于对检测图像进行灰度预处理，从而得到灰度图像；
主要连通区域提取与计算模块，用于对灰度图像进行主要连通区域提取，并计算主要连通区域的几何特征和矩形相似程度；
边缘提取与特征匹配模块，用于对灰度图像进行水平长边缘提取，并将水平长边缘与主要连通区域进行特征匹配，从而得到区域边缘匹配关系；
遮阳状态判定模块，用于根据区域边缘匹配关系、主要连通区域的几何特征和主要连通区域的矩形相似程度对遮阳板的状态进行判定，具体包括以下步骤：
E1、根据区域边缘匹配关系判断主要连通区域是否存在着匹配边缘，若不存在，则执行步骤E2，反之，则执行步骤E3；
E2、根据主要连通区域的几何特征和水平长边缘判断主要连通区域的位置关系是否正确，若是，则执行步骤E3，反之，则执行步骤E5；
E3、判断主要连通区域的矩形相似程度是否符合预设的阈值条件，若是，则执行步骤E4，反之，则执行步骤E5；
E4、判定车辆遮阳板的状态为遮阳板已被放下，并记录灰度图像中遮阳板的位置；
E5、判定车辆遮阳板的状态为遮阳板未被放下。
CN201310365024.2A 2013-08-20 2013-08-20 一种车辆遮阳板状态的检测方法及系统 Active CN103440647B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201310365024.2A CN103440647B (zh) 2013-08-20 2013-08-20 一种车辆遮阳板状态的检测方法及系统
US14/438,895 US9424476B2 (en) 2013-08-20 2013-10-25 Method for detecting a vehicle sunvisor's state
PCT/CN2013/085951 WO2015024294A1 (zh) 2013-08-20 2013-10-25 一种车辆遮阳板状态的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310365024.2A CN103440647B (zh) 2013-08-20 2013-08-20 一种车辆遮阳板状态的检测方法及系统

Publications (2)

Publication Number Publication Date
CN103440647A CN103440647A (zh) 2013-12-11
CN103440647B true CN103440647B (zh) 2016-12-07

Family

ID=49694340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310365024.2A Active CN103440647B (zh) 2013-08-20 2013-08-20 一种车辆遮阳板状态的检测方法及系统

Country Status (3)

Country Link
US (1) US9424476B2 (zh)
CN (1) CN103440647B (zh)
WO (1) WO2015024294A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10846562B2 (en) * 2018-01-12 2020-11-24 Arizona Board Of Regents On Behalf Of Arizona State University Systems and methods for image matching
CN110826411B (zh) * 2019-10-10 2022-05-03 电子科技大学 一种基于无人机图像的车辆目标快速识别方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1710596A (zh) * 2005-06-16 2005-12-21 上海交通大学 基于机器视觉的计算机拼图自动识别方法
CN101179710B (zh) 2007-11-30 2010-12-08 浙江工业大学 铁路道口智能视频监控装置
CN100565555C (zh) 2007-12-05 2009-12-02 浙江工业大学 基于计算机视觉的违章停车检测装置
CN101246551A (zh) * 2008-03-07 2008-08-20 北京航空航天大学 一种快速的车牌定位方法
CN101859382B (zh) 2010-06-03 2013-07-31 复旦大学 一种基于最大稳定极值区域的车牌检测与识别的方法
CN102609702B (zh) * 2012-02-03 2014-04-02 中山大学 一种道路指路标志的快速定位方法以及系统
CN102663760B (zh) * 2012-04-23 2014-08-20 苏州大学 一种对图像中的车辆挡风镜区域进行定位分割的方法
JP5821833B2 (ja) * 2012-12-24 2015-11-24 株式会社デンソー 撮影装置、近赤外光照射装置、およびサンバイザー
CN103065140A (zh) * 2012-12-30 2013-04-24 信帧电子技术（北京）有限公司 车标的定位方法及装置
KR101438640B1 (ko) * 2013-09-02 2014-11-03 현대자동차 주식회사 선바이저 제어장치 및 선바이저 제어방법

Also Published As

Publication number Publication date
WO2015024294A1 (zh) 2015-02-26
CN103440647A (zh) 2013-12-11
US9424476B2 (en) 2016-08-23
US20160171318A1 (en) 2016-06-16

Similar Documents

Publication Publication Date Title
CN102043950B (zh) 基于canny算子和边缘点统计的车辆轮廓识别方法
CN101783076B (zh) 一种视频监控模式下的快速车型识别方法
CN105701483B (zh) 一种融合多光谱遥感数据和夜间灯光遥感数据的城市边界提取方法
Hautière et al. Mitigation of visibility loss for advanced camera-based driver assistance
CN104657727B (zh) 一种车道线的检测方法
CN103198705B (zh) 车位状态自动检测方法
CN202084185U (zh) 一种交通标志自动识别装置
CN103902985B (zh) 一种基于roi的强鲁棒性实时车道侦测算法
CN110160536A (zh) 利用人行横道识别结果的引导信息提供装置及方法
CN107657225B (zh) 一种基于聚合通道特征的行人检测方法
CN105160691A (zh) 基于颜色直方图的车身颜色识别方法
CN103593981B (zh) 一种基于视频的车型识别方法
CN104050827A (zh) 一种基于视觉的交通信号灯自动检测识别方法
CN103700079A (zh) 图像去雾方法及装置
CN102938057B (zh) 一种车辆阴影消除方法及装置
CN105427626A (zh) 一种基于视频分析的车流量统计方法
CN103824091A (zh) 一种用于智能交通系统的车牌识别方法
CN107358270B (zh) 一种隧道墙体的渗水检测方法及装置
CN104463138A (zh) 基于视觉结构属性的文本定位方法及系统
CN106548131A (zh) 一种基于行人检测的施工人员安全帽实时检测方法
CN105893960A (zh) 基于相位对称性的道路交通标志检测方法
CN104834932A (zh) 一种汽车车牌识别的matlab算法
CN103440647B (zh) 一种车辆遮阳板状态的检测方法及系统
CN105787912A (zh) 一种基于分类的阶跃型边缘亚像素定位方法
Wang et al. License plate location algorithm based on edge detection and morphology

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20131211

Assignee: Jiadu Technology Group Co.,Ltd.

Assignor: GUANGDONG FUNDWAY TECHNOLOGY Co.,Ltd.

Contract record no.: X2023980047257

Denomination of invention: A detection method and system for the status of vehicle sunshades

Granted publication date: 20161207

License type: Common License

Record date: 20231116

EE01 Entry into force of recordation of patent licensing contract