CN105430352B - 一种视频监控图像的处理方法 - Google Patents
一种视频监控图像的处理方法 Download PDFInfo
- Publication number
- CN105430352B CN105430352B CN201510984979.5A CN201510984979A CN105430352B CN 105430352 B CN105430352 B CN 105430352B CN 201510984979 A CN201510984979 A CN 201510984979A CN 105430352 B CN105430352 B CN 105430352B
- Authority
- CN
- China
- Prior art keywords
- pixel
- monitoring image
- traffic lights
- information
- image
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请提供一种视频监控图像的处理方法。所述方法包括:确定基准监控图像中交通信号灯的区域信息;根据所述区域信息去除原始监控图像中的交通信号灯,得到中间监控图像;优化所述中间监控图像中原交通信号灯外围的光晕,得到目标监控图像。通过本申请的技术方案,可以解决夜间监控图像中交通信号灯轮廓无法分辨的问题,以便用户能够清晰地分辨交通信号灯的指示方向,提高后续对违章行为识别的效率和识别准确度。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种视频监控图像的处理方法。
背景技术
随着视频监控技术的快速发展,越来越多的监控摄像机被安装在交叉路口或路段上,用来监控机动车闯红灯、压线等违章行为。
目前,在白天的时候,由于光线充足,监控摄像机拍摄到的监控图像通常不会出现光源过曝的情况,用户可以清晰地分辨出交通信号灯的颜色以及轮廓,比如:左转红灯、直行绿灯等。然而,在夜间的时候,由于光线极为微弱,监控画面中背景景物的光强极低,交通信号灯的光强与背景景物的光强之比远远超过图像传感器的动态范围,出现交通信号灯过曝的情况,导致交通信号灯的轮廓模糊,用户仅能通过光晕颜色分辨出交通信号灯的颜色,但无法分辨交通信号灯的具体形状。
发明内容
有鉴于此,本申请提供一种视频监控图像的处理方法。
具体地,本申请是通过如下技术方案实现的:
一种视频监控图像的处理方法,所述方法包括:
确定基准监控图像中交通信号灯的区域信息;
根据所述区域信息去除原始监控图像中的交通信号灯,得到中间监控图像;
优化所述中间监控图像中原交通信号灯外围的光晕,得到目标监控图像。
可选的,所述确定基准监控图像中交通信号灯的区域信息,包括:
获取预设时间段内的多张连续的基准监控图像;
获取所述多张连续的基准监控图像中位置坐标相同的多个像素点;
判断所述像素点是否满足预设的条件;
如果满足,则将所述像素点标记为待确认像素点;
过滤所述待确认像素点中的干扰像素点,得到组成所述交通信号灯的目标像素点;
其中,所述目标像素点的位置坐标构成所述交通信号灯的区域信息。
可选的,所述预设的条件包括:RGB信息满足第一变化规律、亮度满足第二变化规律。
可选的,所述根据所述区域信息去除原始监控图像中的交通信号灯,包括:
在所述原始监控图像中确定匹配所述区域信息的像素点;
将所述像素点的RGB信息修改为预设的RGB信息。
可选的,所述在所述原始监控图像中确定匹配所述区域信息的像素点,包括:
确定所述原始监控图像中交通信号灯的光源水平中心轴和所述光源水平中心轴的亮区中心点;
根据所述光源水平中心轴和所述亮区中心点,在所述原始监控图像中确定匹配所述区域信息的像素点。
可选的,所述在所述原始监控图像中确定匹配所述区域信息的像素点,包括:
获取所述区域信息中基准监控图像交通信号灯的各像素点的位置坐标;
将所述原始监控图像中与所述位置坐标相同的像素点确定为匹配所述区域信息的像素点。
可选的,所述优化所述中间监控图像中原交通信号灯外围的光晕,包括:
确定所述中间监控图像中原交通信号灯的外围区域;
根据所述外围区域的外侧边缘的像素点的RGB信息向内重新确定所述外围区域其他像素点的RGB信息。
可选的,所述确定所述中间监控图像中原交通信号灯的外围区域,包括:
选取所述中间监控图像中原交通信号灯外围预设数量的像素点组成的区域作为所述外围区域。
可选的,所述根据所述外围区域的外侧边缘的像素点的RGB信息向内重新确定所述外围区域其他像素点的RGB信息,包括:
根据所述外围区域的外侧边缘上两个相邻像素点的RGB信息重新确定所述外围区域内与所述两个相邻像素点均相邻的像素点的RGB信息。
可选的,所述基准监控图像由监控摄像机基于日间模式拍摄;
所述原始监控图像由所述监控摄像机基于夜间模式拍摄。
一种视频监控图像的处理装置,所述装置包括:
区域确定模块,用于确定基准监控图像中交通信号灯的区域信息;
区域去除模块,用于根据所述区域信息去除原始监控图像中的交通信号灯,得到中间监控图像;
外围优化模块,用于优化所述中间监控图像中原交通信号灯外围的光晕,得到目标监控图像。
可选的,所述区域确定模块,具体获取预设时间段内的多张连续的基准监控图像;
获取所述多张连续的基准监控图像中位置坐标相同的多个像素点;
判断所述像素点是否满足预设的条件;
如果满足,则将所述像素点标记为待确认像素点;
过滤所述待确认像素点中的干扰像素点,得到组成所述交通信号灯的目标像素点;
其中,所述目标像素点的位置坐标构成所述交通信号灯的区域信息;所述预设的条件包括:RGB信息满足第一变化规律、亮度满足第二变化规律。
可选的,所述区域去除模块,具体在所述原始监控图像中确定匹配所述区域信息的像素点,并将所述像素点的RGB信息修改为预设的RGB信息。
可选的,所述外围优化模块,具体确定所述中间监控图像中原交通信号灯的外围区域,并根据所述外围区域的外侧边缘的像素点的RGB信息向内重新确定所述外围区域其他像素点的RGB信息。
由以上描述可以看出,本申请可以根据基准监控图像中交通信号灯的区域信息去除原始监控图像中的交通信号灯,得到中间监控图像,然后通过优化所述中间监控图像中原交通信号灯外围的光晕,以得到轮廓清晰的交通信号灯,从而解决夜间监控图像中交通信号灯轮廓无法分辨的问题,以便用户能够清晰地分辨交通信号灯的指示方向,提高后续对违章行为识别的效率和识别准确度。
附图说明
图1是本申请一示例性实施例示出的一种视频监控图像的处理方法的流程图。
图2是本申请一示例性实施例示出的一种确定基准监控图像中交通信号灯的区域信息的流程图。
图3是本申请一示例性实施例示出的一种交通信号灯像素点RGB分量变化示意图。
图4是本申请一示例性实施例示出的一种交通信号灯像素点亮度变化示意图。
图5是本申请一示例性实施例示出的一种基准监控图像中交通信号灯区域的矩阵示意图。
图6是本申请一示例性实施例示出的一种根据区域信息去除原始监控图像中的交通信号灯的流程图。
图7是本申请一示例性实施例示出的一种带有指示方向的交通信号灯示意图。
图8是本申请一示例性实施例示出的一种优化中间监控图像中原交通信号灯外围的光晕的流程图。
图9是本申请一示例性实施例示出的一种中间监控图像中原交通信号灯外围矩阵的示意图。
图10是本申请一示例性实施例示出的一种用于视频监控图像的处理装置的一结构示意图。
图11是本申请一示例性实施例示出的一种视频监控图像的处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
针对夜间交通信号灯过曝的情况,目前,各大主流设备商往往通过可控光圈技术来改善夜间交通信号灯的图像表现,比如:通过缩小光圈以减小入射光的角度以及进光量,优化镜头景深等。然而,在这样的实现方式中,虽然能够改善交通信号灯的图像表现,但是会引起图像整体亮度的明显降低,严重影响对来往机动车抓拍的图像效果、过车捕获率以及后续车牌识别、车型识别等智能识别的准确度。
有鉴于此,本申请提供一种视频监控图像的处理方案,以解决夜间交通信号灯轮廓不清晰的问题。
图1是本申请一示例性实施例示出的一种视频监控图像的处理方法的流程图。
请参考图1,所述视频监控图像的处理方法可以包括以下步骤:
步骤101,确定基准监控图像中交通信号灯的区域信息。
在本实施例中,所述基准监控图像为能够清晰分辨交通信号灯轮廓的监控图像,比如:所述基准监控图像可以为监控摄像机在白天拍摄到的监控图像,在本实施例中,对于监控摄像机而言,通常包括有两种工作模式,一种为日间模式,另一种为夜间模式,所述基准监控图像通常由监控摄像机基于所述日间模式拍摄得到。
在本实施例中,所述交通信号灯的区域信息通常包括有组成所述交通信号灯的所有像素点的位置坐标。
步骤102,根据所述区域信息去除原始监控图像中的交通信号灯,得到中间监控图像。
在本实施例中,所述原始监控图像为无法分辨交通信号灯轮廓的监控图像,比如:所述原始监控图像可以由监控摄像机基于所述夜间模式在夜晚拍摄得到。
在本实施例中,可以先根据所述区域信息在所述原始监控图像中确定匹配所述区域信息的像素点,然后将所述像素点的RGB信息修改为预设的RGB信息,其中,所述预设的RGB信息可以为白色的RGB信息,以实现去除交通信号灯的效果。为便于描述,可以将去除所述交通信号灯的原始监控图像称为中间监控图像。
步骤103,优化所述中间监控图像中原交通信号灯外围的光晕,得到目标监控图像。
基于前述步骤102,在得到所述中间监控图像后,为消除交通信号灯过曝引起的衍生泛白像素以及原交通信号灯的边缘色环,可以对所述中间监控图像中原交通信号灯外围的光晕进行优化,以使得到的目标监控图像满足人眼感官的观看体验。
由以上描述可以看出,本申请可以根据基准监控图像中交通信号灯的区域信息去除原始监控图像中的交通信号灯,得到中间监控图像,然后通过优化所述中间监控图像中原交通信号灯外围的光晕,以得到轮廓清晰的交通信号灯,从而解决夜间监控图像中交通信号灯轮廓无法分辨的问题,以便用户能够清晰地分辨交通信号灯的指示方向,提高后续对违章行为识别的效率和识别准确度。
可选的,在本申请一个例子中,请参考图2,确定基准监控图像中交通信号灯的区域信息可以包括以下步骤:
步骤201,获取预设时间段内的多张连续的基准监控图像。
在本实施例中,可以获取所述预设时间段内连续的每帧基准监控图像,以得到所述多张连续的基准监控图像,其中,所述预设的时间段通常大于交通信号灯颜色切换的间隔,具体可以由开发人员进行设置,比如:3分钟、5分钟等,本申请对此不作特殊限制。
步骤202,获取所述多张连续的基准监控图像中位置坐标相同的多个像素点。
基于前述步骤201,在获取到所述多张连续的基准监控图像后,针对所述多张连续的基准监控图像,可以依次在每张基准监控图像中获取同一位置坐标的像素点,以得到所述位置坐标相同的多个像素点,直到遍历所述基准监控图像中的所有像素点。
举例来说,假设前述步骤201中获取到1000张基准监控图像,每张基准监控图像中包括有100个像素点,所述100个像素点的位置坐标分别为1至100,则在本步骤中,可以分别获取所述1000张基准监控图像中位置坐标为1的像素点,得到位置坐标均为1的1000个像素点,然后可以分别获取所述1000张基准监控图像中位置坐标为2的像素点,得到位置坐标均为2的1000个像素点,以此类推。
步骤203,判断所述像素点是否满足预设的条件,如果满足,则执行步骤204,如果不满足,则可以继续执行本步骤,判断下一位置坐标的像素点是否满足所述预设的条件。
在本实施例中,针对位置坐标相同的多个像素点,可以判断所述像素点是否满足预设的条件。其中,所述预设的条件通常由开发人员基于交通信号灯颜色切换的相关规则进行设置,比如:所述预设的条件可以包括:RGB信息满足第一变化规律、亮度满足第二变化规律等。
在本实施例中,由于交通信号灯的颜色通常是在红色、黄色以及绿色之间切换,因此,所述第一变化规律可以体现为所述多个像素点的RGB分量有规律地骤变。举例来说,请参考图3的示例,当所述多个像素点为交通信号灯的像素点时,所述多个像素点的R(Red,红)分量和G(Green,绿)分量将呈现出图3所示的变化规律。
在本实施例中,交通信号灯在点亮时的亮度通常较高,但是在颜色切换时,会出现短暂的亮度骤降的情况,对于人眼而言,可以观察到交通信号灯有红色变为黑色,然后再变为绿色,因此,所述第二变化规律可以体现为所述多个像素点的亮度有规律地骤变。举例来说,请参考图4的示例,当所述多个像素点为交通信号灯的像素点时,所述多个像素点的亮度将呈现图4所示的方波变化规律。
在本实施例中,当所述多个像素点的RGB信息满足所述第一变化规律、亮度满足所述第二变化规律时,可以执行步骤204。当所述多个像素点的RGB信息不满足所述第一变化规则,或所述多个像素点的亮度不满足所述第二变化规则时,可以继续执行本步骤,判断下一位置坐标的多个像素点是否满足所述预设的条件,直至遍历所述基准监控图像中的所有像素点。
步骤204,将所述像素点标记为待确认像素点。
基于前述步骤203的判断结果,如果所述像素点满足所述预设的条件,则可以说明所述像素点为交通信号灯的像素点的概率较高,可以将所述像素点标记为待确认像素点。
步骤205,过滤所述待确认像素点中的干扰像素点,得到组成所述交通信号灯的目标像素点。
在本实施例中,由于所述基准监控图像中的背景画面较为复杂,所以所述基准监控图像中可能会存在干扰像素点,所述干扰像素点也满足所述预设的条件,但是所述干扰像素点不是组成交通信号灯的像素点。
基于前述步骤204,在标记待确认像素点之后,可以过滤所述待确认像素点中的干扰像素点。可选的,由于交通信号灯中通常由多个位置坐标相邻的像素点组成,所以在本步骤中,可以根据所述待确认像素点的位置坐标过滤其中的干扰像素点,比如:可以确定位置坐标孤立的待确认像素点为干扰像素点,并进行过滤,又比如:当位置坐标相邻的待确认像素点的数量小于预设阈值时,也可以确认这些位置坐标相邻的待确认像素点为干扰像素点,并进行过滤等,本申请对此不作特殊限制。
在本实施例中,在过滤所述待确认像素点中的干扰像素点之后,可以得到组成所述交通信号灯的目标像素点。其中,所述目标像素点的位置坐标构成所述交通信号灯的区域信息。
在本实施例中,在确定所述基准监控图像中交通信号灯的区域信息后,可以生成所述基准监控图像各像素点的矩阵示意图。请参考图5,本申请一基准监控图像交通信号灯的矩阵示意图,图5示出了一种圆形交通信号灯的矩阵,每个小方格代表所述基准监控图像中的一个像素点,当所述像素点为组成交通信号灯的目标像素点时,可以将对应方格标记为字符1,当所述像素点不是组成交通信号灯的目标像素点时,可以将对应方格标记为0,以此进行区分。
可选的,在本申请另一个例子中,请参考图6,根据基准监控图像中交通信号灯的区域信息去除原始监控图像中的交通信号灯的过程,可以包括以下步骤:
步骤601,在原始监控图像中确定匹配区域信息的像素点。
在本实施例中,可以通过在所述原始监控图像中确定匹配所述区域信息的像素点以定位所述原始监控图像中的交通信号灯。可选的,可以采用以下两种方法在所述原始监控图像中确定匹配所述区域信息的像素点:
第一种方法:可以先获取所述区域信息中基准监控图像交通信号灯的各像素点的位置坐标,然后将所述原始监控图像中与所述位置坐标相同的像素点确定为匹配所述区域信息的像素点。其中,所述区域信息中基准监控图像交通信号灯的各像素点的位置坐标就是前述步骤205中确定的目标像素点的位置坐标。由于监控摄像机的安装位置以及监控角度通常不会发生变化,所以不论是白天还是晚上,在监控摄像机拍摄到的监控图像中,交通信号灯的位置通常不会发生变化,因此,可以将所述原始监控图像中与所述目标像素点的位置坐标相同的像素点确定为匹配所述区域信息的像素点。
第二种方法:可以先确定所述原始监控图像中交通信号灯的光源水平中心轴和所述光源水平中心轴的亮区中心点,然后根据所述光源水平中心轴和所述亮区中心点,在所述原始监控图像中确定匹配所述区域信息的像素点。
在本实施例中,为消除由于温度、天气等原因给拍摄带来的影响,针对所述原始监控图像,可以先确定所述原始监控图像中交通信号灯的光源水平中心轴和所述光源水平中心轴的亮区中心点。具体地,请参考图7所示的带有指示方向的交通信号灯示意图,左转信号灯和右转信号灯等带有指示方向的交通信号灯的光强分布基于虚线所示的光源水平中心轴对称,该轴向的光强关于所述光源水平中心轴的亮区中心点(光源水平中心轴的中点)对称。因此,可以先获取所述原始图像中各像素点的光强分布,然后根据所述光强分布的上述对称性,先确定所述原始监控图像中交通信号灯的光源水平中心轴,然后再确定所述光源水平中心轴的亮区中心点。
在本实施例中,针对基准监控图像中交通信号灯的所述区域信息,同样可以确定所述基准监控图像中交通信号灯的水平对称轴和所述水平对称轴的中心点,比如:可以根据所述基准监控图像各像素点的矩阵示意图确定交通信号灯的水平对称轴和所述水平对称轴的中心点,然后将所述原始监控图像中交通信号灯的所述光源水平中心轴、所述亮区中心点与所述基准监控图像中交通信号灯的水平对称轴、所述水平对称轴的中心点重合,以重新定位所述原始监控图像中交通信号灯,并可以根据所述矩阵示意图在所述原始监控图像中确定匹配所述区域信息的像素点。
步骤602,将所述像素点的RGB信息修改为预设的RGB信息。
基于前述步骤601,在确定匹配所述区域信息的像素点之后,可以通过将所述像素点的RGB信息修改为预设的RGB信息的方式来实现去除交通信号灯的目的。
在本实施例中,所述预设的RGB信息可以由开发人员进行设置,较为普遍地,可以将所述预设的RGB信息设置为白色的RGB信息,以实现去除交通信号灯后,原交通信号灯区域“空白”的效果,为便于描述,可以将去除交通信号灯的原始监控图像称为中间监控图像。
可选的,在本申请另一个例子中,请参考图8,优化中间监控图像中原交通信号灯外围的光晕的过程可以包括以下步骤:
步骤801,确定中间监控图像中原交通信号灯的外围区域。
在本实施例中,可以先确定所述中间监控图像中原交通信号灯的外围区域,所述外围区域通常会产生衍生泛白像素,并有部分高亮度红色或绿色的边缘色环。可选的,可以以所述中间监控图像中原交通信号灯为中心,选取其外围预设大小的区域作为所述外围区域,比如:可以以所述源交通信号灯为中心,选取其外围预设数量的像素点组成的区域作为所述外围区域,所述预设数量可以为50、60等,本申请对此不作特殊限制。
步骤802,根据所述外围区域的外侧边缘的像素点的RGB信息向内重新确定所述外围区域其他像素点的RGB信息。
在本实施例中,可以根据所述外围区域的外侧边缘上两个相邻像素点的RGB信息重新确定所述外围区域内与所述两个相邻像素点均相邻的像素点的RGB信息。
在一个例子中,可以以所述中间监控图像中原交通信号灯为中心,所述外围区域可以看作由多圈与所述交通信号灯轮廓相同的像素点组成的区域,则在本步骤中,可以先根据所述外围区域外侧边缘上两个相邻像素点的RGB信息重新确定所述外围区域中次外圈各像素点的RGB信息,然后根据所述次外圈上两个相邻像素点的RGB信息再重新确定由外向内起第3圈像素点的RGB信息,依次类推,直至重新确定所述外围区域内最内圈各像素点的RGB信息。
为便于理解,请参考图9所示的中间监控图像矩阵,每个方格代表一个像素点,其中,标记为1的像素点表示所述中间监控图像中原交通信号灯的像素点,像素点X14、X23和X32为所述外围区域的外侧边上的三个像素点,像素点X24和X33为所述外围区域的次外圈中的两个像素点,像素点X34是由外向内起第3圈上的一个像素点。在本步骤中,可以根据像素点X14和X23的RGB信息重新确定像素点X24的RGB信息,根据像素点X23和X32的RGB信息重新确定像素点X33的RGB信息,根据像素点X24和X33的RGB信息重新确定像素点X34的RGB信息。
在一个例子中,在重新确定内圈像素点的RGB信息时,可以先确定交通信号灯的颜色,如果交通信号灯的颜色为红色,则可以仅重新确定RGB信息中的R分量,G分量和B分量可以保持不变。如果交通信号灯的颜色为绿色,则可以仅重新确定RGB信息中的G分量,R分量和B分量可以保持不变。在本实施例中,为确保优化后的外围光晕的视觉效果较佳,在重新确定内圈像素点的RGB信息时,重新确定的内圈像素的RGB分量通常大于或者等于其外圈像素的RGB分量。
请继续参考图9,假设交通信号灯的颜色为红色,像素点X24的RGB信息中的G分量和B分量不变,R分量可以与像素点X14和X23的R分量成等差数列,且为所述等差数列中的最大值,可选的,可以先计算像素点X14和X23的R分量的差值,然后将像素点X14和X23的R分量中的最大值加上所述差值的绝对值,以得到像素点X24的R分量,具体可以采用如下公式得到像素点X24的R分量R(X24):
当R(X14)>R(X23)时,R(X24)=R(X14)+|R(X14)-R(X23)|;
当R(X14)<R(X23)时,R(X24)=R(X23)+|R(X14)-R(X23)|。
同样,当R(X23)>R(X32)时,R(X33)=R(X23)+|R(X32)-R(X23)|;
当R(X23)<R(X32)时,R(X33)=R(X32)+|R(X32)-R(X23)|,依次类推可以重新确定其他像素点的R分量,本申请在此不再一一赘述。
较为简单地,在计算像素点X24的R分量时,可以先计算像素点X14和X23的R分量的差值,然后将像素点X23的R分量与所述差值的和作为所述像素点X24的R分量,在这样的实现方式中,像素点X24的R分量大于等于像素点X23的R分量。当然,也可以然后将像素点X14的R分量与所述差值的和作为所述像素点X24的R分量,本申请对此不作特殊限制。
在本实施例中,在优化中间监控图像中原交通信号灯外围的光晕时,可以将所述中间监控图像中原交通信号灯的外围区域中各像素点的亮度调整到10-20的范围内,以满足人眼感官的观测体验。
可选的,在本申请另一个例子中,由于监控摄像机拍摄到的监控图像中交通信号灯仅占比较小的一部分,所以在执行所述监控图像的处理方法时,可以选取监控摄像机拍摄到的监控图像中包括有交通信号灯的部分图像进行处理,比如:选取包括有交通信号灯的部分图像作为所述原始监控图像进行处理,并在得到处理后的目标监控图像时,根据各像素点的位置坐标将所述目标监控图像对应还原到监控摄像机拍摄到的整张监控图像中,以此提高图像处理的效率。
可选的,在本申请另一个例子中,可以在执行所述监控图像的处理方法时,可以选取监控摄像机拍摄到的监控图像中包括有交通信号灯的部分图像进行处理,比如:选取包括有交通信号灯的部分图像作为所述原始监控图像进行处理,在得到处理后的中间监控图像后,对所述中间监控图像中原交通信号灯外围的光晕进行优化,并将优化后的中间监控图像还原到监控摄像机拍摄到的整张监控图像中,以得到目标监控图像。
可选的,在本申请另一个例子中,也可以选取监控摄像机拍摄到的整张图像执行上述监控图像的处理方案,本申请对此不作特殊限制。
可选的,在本申请另一个例子中,可以在根据基准监控图像中交通信号灯的区域信息确定原始监控图像中的交通信号灯后,对原始监控图像中所述交通信号灯外围的光晕进行优化,进而无需去除所述原始监控图像中的交通信号灯。
与前述视频监控图像的处理方法的实施例相对应,本申请还提供了视频监控图像的处理装置的实施例。
本申请视频监控图像的处理装置的实施例可以应用在视频监控系统的后端设备中,比如:VM(Video Management,视频管理服务器)上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在后端设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图10所示,为本申请视频监控图像的处理装置所在后端设备的一种硬件结构图,除了图10所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的后端设备通常根据该服务端的实际功能,还可以包括其他硬件,对此不再赘述。
图11是本申请一示例性实施例示出的一种视频监控图像的处理装置的结构示意图。
请参考图11,所述视频监控图像的处理装置1000可以应用在前述图10所示的后端设备中,包括有:区域确定模块1001、区域去除模块1002以及外围优化模块1003。
其中,所述区域确定模块1001,用于确定基准监控图像中交通信号灯的区域信息;
所述区域去除模块1002,用于根据所述区域信息去除原始监控图像中的交通信号灯,得到中间监控图像;
所述外围优化模块1003,用于优化所述中间监控图像中原交通信号灯外围的光晕,得到目标监控图像。
可选的,所述区域确定模块1001,具体获取预设时间段内的多张连续的基准监控图像;
获取所述多张连续的基准监控图像中位置坐标相同的多个像素点;
判断所述像素点是否满足预设的条件;
如果满足,则将所述像素点标记为待确认像素点;
过滤所述待确认像素点中的干扰像素点,得到组成所述交通信号灯的目标像素点;
其中,所述目标像素点的位置坐标构成所述交通信号灯的区域信息;所述预设的条件包括:RGB信息满足第一变化规律、亮度满足第二变化规律。
可选的,所述区域去除模块1002,具体在所述原始监控图像中确定匹配所述区域信息的像素点,并将所述像素点的RGB信息修改为预设的RGB信息。
可选的,所述外围优化模块1003,具体确定所述中间监控图像中原交通信号灯的外围区域,并根据所述外围区域的外侧边缘的像素点的RGB信息向内重新确定所述外围区域其他像素点的RGB信息。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
由以上描述可以看出,本申请可以根据基准监控图像中交通信号灯的区域信息去除原始监控图像中的交通信号灯,得到中间监控图像,然后通过优化所述中间监控图像中原交通信号灯外围的光晕,以得到轮廓清晰的交通信号灯,从而解决夜间监控图像中交通信号灯轮廓无法分辨的问题,以便用户能够清晰地分辨交通信号灯的指示方向,提高后续对违章行为识别的效率和识别准确度。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (5)
1.一种视频监控图像的处理方法,其特征在于,所述方法包括:
确定基准监控图像中交通信号灯的区域信息,所述基准监控图像为能够清晰分辨交通信号灯轮廓的监控图像;
根据所述区域信息去除原始监控图像中的交通信号灯,得到中间监控图像;
优化所述中间监控图像中原交通信号灯外围的光晕,得到目标监控图像;
所述根据所述区域信息去除原始监控图像中的交通信号灯,包括:
在所述原始监控图像中确定匹配所述区域信息的像素点;
将所述像素点的RGB信息修改为预设的RGB信息,所述预设的RGB信息为白色的RGB信息;
所述优化所述中间监控图像中原交通信号灯外围的光晕,包括:
确定所述中间监控图像中原交通信号灯的外围区域;
基于确定出的交通信号灯的颜色,根据所述外围区域的外侧边缘上两个相邻像素点的RGB信息中的与所述交通信号灯颜色相同的分量值重新确定所述外围区域内与所述两个相邻像素点均相邻的像素点的RGB信息中的与所述交通信号灯颜色相同的分量值。
2.根据权利要求1所述的方法,其特征在于,所述确定基准监控图像中交通信号灯的区域信息,包括:
获取预设时间段内的多张连续的基准监控图像;
获取所述多张连续的基准监控图像中位置坐标相同的多个像素点;
判断所述像素点是否满足预设的条件;
如果满足,则将所述像素点标记为待确认像素点;
过滤所述待确认像素点中的干扰像素点,得到组成所述交通信号灯的目标像素点;
其中,所述目标像素点的位置坐标构成所述交通信号灯的区域信息;
所述预设的条件包括:所述像素点的RGB分量满足规律性骤变、所述像素点的亮度满足规律性骤变。
3.根据权利要求1所述的方法,其特征在于,所述在所述原始监控图像中确定匹配所述区域信息的像素点,包括:
确定所述原始监控图像中交通信号灯的光源水平中心轴和所述光源水平中心轴的亮区中心点;
根据所述光源水平中心轴和所述亮区中心点,在所述原始监控图像中确定匹配所述区域信息的像素点。
4.一种视频监控图像的处理装置,其特征在于,所述装置包括:
区域确定模块,用于确定基准监控图像中交通信号灯的区域信息,所述基准监控图像为能够清晰分辨交通信号灯轮廓的监控图像;
区域去除模块,用于根据所述区域信息去除原始监控图像中的交通信号灯,得到中间监控图像;
外围优化模块,用于优化所述中间监控图像中原交通信号灯外围的光晕,得到目标监控图像;
所述区域去除模块,具体在所述原始监控图像中确定匹配所述区域信息的像素点,并将所述像素点的RGB信息修改为预设的RGB信息,所述预设的RGB信息为白色的RGB信息;
所述外围优化模块,具体确定所述中间监控图像中原交通信号灯的外围区域,并基于确定出的交通信号灯的颜色,根据所述外围区域的外侧边缘上两个相邻像素点的RGB信息中的与所述交通信号灯颜色相同的分量值重新确定所述外围区域内与所述两个相邻像素点均相邻的像素点的RGB信息中的与所述交通信号灯颜色相同的分量值。
5.根据权利要求4所述的装置,其特征在于,
所述区域确定模块,具体获取预设时间段内的多张连续的基准监控图像;
获取所述多张连续的基准监控图像中位置坐标相同的多个像素点;
判断所述像素点是否满足预设的条件;
如果满足,则将所述像素点标记为待确认像素点;
过滤所述待确认像素点中的干扰像素点,得到组成所述交通信号灯的目标像素点;
其中,所述目标像素点的位置坐标构成所述交通信号灯的区域信息;所述预设的条件包括:RGB信息满足第一变化规律、亮度满足第二变化规律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510984979.5A CN105430352B (zh) | 2015-12-23 | 2015-12-23 | 一种视频监控图像的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510984979.5A CN105430352B (zh) | 2015-12-23 | 2015-12-23 | 一种视频监控图像的处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105430352A CN105430352A (zh) | 2016-03-23 |
CN105430352B true CN105430352B (zh) | 2019-01-11 |
Family
ID=55508251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510984979.5A Active CN105430352B (zh) | 2015-12-23 | 2015-12-23 | 一种视频监控图像的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105430352B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932696B (zh) * | 2017-05-26 | 2020-11-27 | 杭州海康威视数字技术股份有限公司 | 信号灯的光晕抑制方法及装置 |
CN108881849B (zh) * | 2018-07-20 | 2020-11-20 | 合肥云联电子科技有限公司 | 一种用于视频监控的智能辅助系统 |
CN110420011B (zh) * | 2019-08-07 | 2021-01-12 | 杭州泽铭睿股权投资有限公司 | 一种具有血谱光学图像成像功能的摄像机 |
CN116030437B (zh) * | 2023-03-29 | 2023-06-16 | 山东杨嘉汽车制造有限公司 | 基于图像处理的挂车角度识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010036293A1 (en) * | 1998-10-23 | 2001-11-01 | Facet Technology Corporation | System for automatically generating database of objects of interest by analysis of images recorded by moving vehicle |
CN103679733A (zh) * | 2013-12-18 | 2014-03-26 | 浙江宇视科技有限公司 | 一种信号灯图像处理方法及其装置 |
CN103955705A (zh) * | 2014-04-29 | 2014-07-30 | 银江股份有限公司 | 基于视频分析的交通信号灯定位、识别与分类方法 |
CN104408424A (zh) * | 2014-11-26 | 2015-03-11 | 浙江大学 | 一种基于图像处理的多信号灯识别方法 |
-
2015
- 2015-12-23 CN CN201510984979.5A patent/CN105430352B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010036293A1 (en) * | 1998-10-23 | 2001-11-01 | Facet Technology Corporation | System for automatically generating database of objects of interest by analysis of images recorded by moving vehicle |
CN103679733A (zh) * | 2013-12-18 | 2014-03-26 | 浙江宇视科技有限公司 | 一种信号灯图像处理方法及其装置 |
CN103955705A (zh) * | 2014-04-29 | 2014-07-30 | 银江股份有限公司 | 基于视频分析的交通信号灯定位、识别与分类方法 |
CN104408424A (zh) * | 2014-11-26 | 2015-03-11 | 浙江大学 | 一种基于图像处理的多信号灯识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105430352A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11501535B2 (en) | Image processing apparatus, image processing method, and storage medium for reducing a visibility of a specific image region | |
CN105430352B (zh) | 一种视频监控图像的处理方法 | |
CN103310187B (zh) | 基于面部质量分析的面部图像优先化 | |
JP5546676B2 (ja) | 監視方法およびカメラ | |
JP2022509034A (ja) | ニューラルネットワークを使用した輝点除去 | |
CN106357987A (zh) | 一种曝光方法和装置 | |
KR101606476B1 (ko) | 카메라의 다중 노출 영상을 이용한 신호등 자동 인식 장치 및 방법 | |
CN108603997A (zh) | 控制装置、控制方法和控制程序 | |
CN108364275A (zh) | 一种图像融合方法、装置、电子设备及介质 | |
WO2013114803A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
JP7057818B2 (ja) | 低照度撮像システム | |
TW201512701A (zh) | 取像裝置及其控制方法 | |
CN104796579B (zh) | 信息处理方法及电子设备 | |
TWI630818B (zh) | Dynamic image feature enhancement method and system | |
CN112887593B (zh) | 图像获取方法及装置 | |
WO2013114802A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
JP2015126455A5 (zh) | ||
US20230199327A1 (en) | Image processing device, method for training machine learning model, identification device, and image processing method | |
JP7353864B2 (ja) | 情報処理装置、情報処理装置の制御方法およびプログラム、撮像システム | |
JP6866450B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
WO2023045513A1 (zh) | 车窗彩纹处理方法、装置、存储介质及电子设备 | |
JP6512806B2 (ja) | 撮像装置 | |
CN117750212A (zh) | 一种处理方法、装置及电子设备 | |
JP2016200742A (ja) | 撮像装置 | |
KR20130066209A (ko) | 차량의 램프 제어를 위한 주야 판단 방법 및 그 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |