CN105740841A - 一种车辆检测模式的确定方法和装置 - Google Patents

Abstract

本发明提供一种车辆检测模式的确定方法和装置，该方法包括：确定当前采集到的第一图像对应的第一直方图特征；获取第一车辆检测模式对应的第一特征向量集对应的第二直方图特征，并获取第二车辆检测模式对应的第二特征向量集对应的第三直方图特征；当所述第一直方图特征与所述第二直方图特征满足预设关系时，则确定车辆检测模式为所述第一车辆检测模式；当所述第一直方图特征与所述第三直方图特征满足预设关系时，则确定车辆检测模式为所述第二车辆检测模式。通过本发明的技术方案，实现车辆检测模式的自动切换，提高切换算法的有效性和适应性，车辆检测模式能够自动适应环境变化，具有良好的可靠性，有效提升切换算法对环境的适应性。

Description

一种车辆检测模式的确定方法和装置

技术领域

本发明涉及图像技术领域，尤其是一种车辆检测模式的确定方法和装置。

背景技术

随着车辆保有量和交通出行量的不断增长，ITS(IntelligentTransportationSystem，智能交通系统)是目前许多城市正在使用的管理系统，其涉及的内容主要包括道路路况采集、车辆身份识别、违规处理、自助缴费等。为了实现车辆身份识别，目前主要是使用电子警察系统和卡口系统进行车辆检测。

电子警察系统/卡口系统广泛的应用于城市十字交叉路口、人行道口、限时道路、主辅路进出口、公交专用道等位置，用于对指定车道内的车辆闯红灯、压线、不按指定车道行驶等违章行为进行不间断的自动检测和记录。

电子警察系统/卡口系统可以利用先进的光电、计算机、图像处理、模式识别、远程数据访问等技术，对监控路面经过的车辆进行连续全天候的图像采集，从而进行车辆检测，继而利用车辆检测结果对车辆进行身份识别。

综上所述，车辆检测是ITS的一项基本功能。目前，车辆检测模式主要包括：在白天光照充足的情况下，使用车辆、车牌轮廓及纹理特征来进行车辆检测。在夜晚光照不充足的情况下，使用车灯特征来进行车辆检测。

由于户外道路场景存在光照多变、易受过车影响、易受天气影响等特点，因此，如何根据实际环境情况，在两种车辆检测模式之间进行切换，以选择符合实际环境情况的车辆检测模式，是一个迫切需要解决的问题。

发明内容

本发明提供一种车辆检测模式的确定方法，所述方法包括：

确定当前采集到的第一图像对应的第一直方图特征；

获取第一车辆检测模式对应的第一特征向量集对应的第二直方图特征，并获取第二车辆检测模式对应的第二特征向量集对应的第三直方图特征；

当所述第一直方图特征与所述第二直方图特征满足预设关系时，则确定车辆检测模式为所述第一车辆检测模式；当所述第一直方图特征与所述第三直方图特征满足预设关系时，则确定车辆检测模式为所述第二车辆检测模式。

所述方法还包括：

获取相邻两张图像之间的直方图相似性，并利用所述直方图相似性判断场景是否发生突变；如果是，则获取场景发生突变时的色温统计情况；

利用所述色温统计情况确定更新第一特征向量集或者第二特征向量集；

如果更新第一特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第一特征向量集，并利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第二直方图特征，并记录第二直方图特征；

如果更新第二特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第二特征向量集，并利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第三直方图特征，并记录第三直方图特征。

将第二图像对应的直方图特征添加到所述第一特征向量集或者第二特征向量集的过程，具体包括：

从所述第二图像中提取出M个像素，并对所述M个像素进行降采样处理，得到N个像素；获得所述N个像素对应的直方图特征，并将所述N个像素对应的直方图特征添加到所述第一特征向量集或者第二特征向量集。

所述第一直方图特征具体包括第一特征向量，所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差，所述方法还包括：

当所述第一特征向量与所述第一特征向量均值之间的欧式距离的绝对值，小于等于K1*所述第一特征向量方差时，则确定所述第一直方图特征与所述第二直方图特征满足预设关系；其中，所述K1为正数；或者，

当所述第一特征向量与所述第二特征向量均值之间的欧式距离的绝对值，小于等于K2*所述第二特征向量方差时，则确定所述第一直方图特征与所述第三直方图特征满足预设关系；其中，所述K2为正数。

所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差，所述方法还包括：

在利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第一权重，为所述第一特征向量集内的直方图特征设置第二权重，并利用所述第一权重与所述第二图像对应的直方图特征，所述第二权重与所述第一特征向量集内的直方图特征，计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差；其中，所述第一权重大于所述第二权重；

在利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第三权重，为所述第二特征向量集内的直方图特征设置第四权重，并利用所述第三权重与所述第二图像对应的直方图特征，所述第四权重与所述第二特征向量集内的直方图特征，计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差；其中，所述第三权重大于所述第四权重。

本发明提供一种车辆检测模式的确定装置，所述装置具体包括：

获取模块，用于确定当前采集到的第一图像对应的第一直方图特征；获取第一车辆检测模式对应的第一特征向量集对应的第二直方图特征，并获取第二车辆检测模式对应的第二特征向量集对应的第三直方图特征；

确定模块，用于当第一直方图特征与第二直方图特征满足预设关系时，则确定车辆检测模式为所述第一车辆检测模式；当第一直方图特征与第三直方图特征满足预设关系时，则确定车辆检测模式为所述第二车辆检测模式。

还包括：处理模块，用于获取相邻两张图像之间的直方图相似性，并利用所述直方图相似性判断场景是否发生突变；如果是，则获取场景发生突变时的色温统计情况；利用所述色温统计情况确定更新第一特征向量集或者第二特征向量集；如果更新第一特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第一特征向量集，并利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第二直方图特征，并记录第二直方图特征；如果更新第二特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第二特征向量集，并利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第三直方图特征，并记录第三直方图特征。

所述处理模块，具体用于在将所述第二图像对应的直方图特征添加到所述第一特征向量集或者所述第二特征向量集的过程中，从所述第二图像中提取出M个像素，并对所述M个像素进行降采样处理，得到N个像素；获得所述N个像素对应的直方图特征，并将所述N个像素对应的直方图特征添加到所述第一特征向量集或者所述第二特征向量集。

所述第一直方图特征具体包括第一特征向量，所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差；

所述确定模块，具体用于当所述第一特征向量与所述第一特征向量均值之间的欧式距离的绝对值，小于等于K1*所述第一特征向量方差时，则确定所述第一直方图特征与所述第二直方图特征满足预设关系；其中，所述K1为正数；或者，当所述第一特征向量与所述第二特征向量均值之间的欧式距离的绝对值，小于等于K2*所述第二特征向量方差时，则确定所述第一直方图特征与所述第三直方图特征满足预设关系；其中，所述K2为正数。

所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差；

所述处理模块，还用于在利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第一权重，为所述第一特征向量集内的直方图特征设置第二权重，并利用所述第一权重与所述第二图像对应的直方图特征，所述第二权重与所述第一特征向量集内的直方图特征，计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差；其中，所述第一权重大于所述第二权重；

在利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第三权重，为所述第二特征向量集内的直方图特征设置第四权重，并利用所述第三权重与所述第二图像对应的直方图特征，所述第四权重与所述第二特征向量集内的直方图特征，计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差；其中，所述第三权重大于所述第四权重。

基于上述技术方案，本发明实施例中，通过学习第一车辆检测模式对应的第一特征向量集以及第二车辆检测模式对应的第二特征向量集，则在采集到第一图像之后，可以利用第一图像对应的第一直方图特征、第一特征向量集对应的第二直方图特征、第二特征向量集对应的第三直方图特征，确定车辆检测模式为第一车辆检测模式或者第二车辆检测模式，从而实现车辆检测模式的自动切换，提高切换算法的有效性和适应性，而且选择的车辆检测模式是符合实际环境情况的车辆检测模式，使得车辆检测模式能够自动适应环境变化，具有良好的可靠性，有效提升了切换算法对环境的适应性。

附图说明

图1是本发明一种实施方式中的车辆检测模式的确定方法的流程图；

图2是本发明一种实施方式中的车辆检测模式的确定方法的流程图；

图3A是本发明一种实施方式中的直方图的统计信息的示例；

图3B是本发明一种实施方式中的白天过车前的直方图的统计信息的示例；

图3C是本发明一种实施方式中的白天过车后的直方图的统计信息的示例；

图3D是本发明一种实施方式中的夜晚过车前的直方图的统计信息的示例；

图3E是本发明一种实施方式中的夜晚过车后的直方图的统计信息的示例；

图3F和图3G是本发明一种实施方式中的夜晚过车的对比示意图；

图4是本发明一种实施方式中的图像处理设备的硬件结构图；

图5是本发明一种实施方式中的车辆检测模式的确定装置的结构图。

具体实施方式

在本申请使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指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，此外，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”。

针对现有技术中存在的问题，本发明实施例中提出一种车辆检测模式的确定方法，可以应用在视频监控系统的图像处理设备上，该图像处理设备用于确定车辆检测模式，并利用该车辆检测模式进行车辆检测。图像处理设备可以是采集到图像的前端设备，如模拟摄像机、网络摄像机、编码器等。

本发明实施例中，可以将车辆检测模式划分为第一车辆检测模式和第二车辆检测模式。其中，第一车辆检测模式为光照充足模式，第二车辆检测模式为光照不足模式，或者，第一车辆检测模式为光照不足模式，第二车辆检测模式为光照充足模式。为了方便描述，在后续过程中，以第一车辆检测模式为光照充足模式，第二车辆检测模式为光照不足模式为例进行说明。

光照充足模式是在光照充足的场景下，使用的车辆检测模式。在白天光照充足的情况下，可以使用车牌作为车辆特征来进行车辆检测。例如，可以从图像中获取纹理丰富的区域作为候选区域，然后通过haar(哈尔)+Adaboost(迭代算法)车牌检测技术检测真实车牌，继而实现车辆检测。

光照不足模式是在光照不足的场景下，使用的车辆检测模式。在夜晚光照不足的情况下，可以使用车灯特征作为车辆特征来进行车辆检测。例如，可以从图像中获取前车灯的几何特征，并使用该几何特征实现车辆检测。

如图1所示，该车辆检测模式的确定方法具体可以包括以下步骤：

步骤101，确定当前采集到的第一图像对应的第一直方图特征。

步骤102，获取第一车辆检测模式对应的第一特征向量集对应的第二直方图特征，并获取第二车辆检测模式对应的第二特征向量集对应的第三直方图特征。

步骤103，当第一直方图特征与第二直方图特征满足预设关系时，则确定车辆检测模式为第一车辆检测模式；当第一直方图特征与第三直方图特征满足预设关系时，则确定车辆检测模式为第二车辆检测模式。

针对步骤101，在对图像进行采集的过程中，可以判断当前是否需要切换车辆检测模式。例如，根据预设周期，每隔10分钟就判断当前是否需要切换车辆检测模式。基于此，在未达到预设周期时，只对图像进行采集，而不需要确定图像对应的第一直方图特征。在达到预设周期时，针对当前采集到的图像，为了区分方便，将该图像称为第一图像，并确定该第一图像对应的第一直方图特征。在后续过程中，可以使用第一直方图特征确定出车辆检测模式，继而确定是否切换车辆检测模式。

针对步骤101，直方图又称为质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或者线段来表示数据分布情况，直方图的横轴可以表示亮度大小，纵轴可以表示某亮度区间内的像素数。在一个例子中，直方图特征可以是基于图像的亮度信息生成的，即根据第一图像的亮度信息确定第一直方图特征。对于确定图像对应的直方图特征的算法，不再详加赘述，所有能够确定直方图特征的算法都在本发明保护范围之内。

针对步骤102，本发明实施例中，还需要维护第一车辆检测模式对应的第一特征向量集和第二车辆检测模式对应的第二特征向量集。第一特征向量集内记录了第一车辆检测模式对应的直方图特征，即光照充足场景下采集到的直方图特征，并记录了基于这些直方图特征计算出的第二直方图特征。第二特征向量集内记录了第二车辆检测模式对应的直方图特征，即光照不足场景下采集到的直方图特征，并记录了基于这些直方图特征计算出的第三直方图特征。

基于此，在步骤102中，可以通过查询第一特征向量集中记录的信息，获取到第一特征向量集对应的第二直方图特征。通过查询第二特征向量集中记录的信息，获取到第二特征向量集对应的第三直方图特征。第二直方图特征和第三直方图特征是为了与上述第一直方图特征进行区分，所给出的一种示例。

此外，第一特征向量集中记录的信息和第二特征向量集中记录的信息均是动态更新的，与步骤101的处理没有关系，只要符合第一特征向量集的更新条件，就会在第一特征向量集中记录新的直方图特征，并重新计算第二直方图特征。只要符合第二特征向量集的更新条件，就会在第二特征向量集中记录新的直方图特征，并重新计算第三直方图特征。在执行步骤102时，可以从第一特征向量集中查询到最新的第二直方图特征，并从第二特征向量集中查询到最新的第三直方图特征，即获取到第二直方图特征和第三直方图特征。

本发明实施例中，第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，第三直方图特征具体包括第二特征向量均值以及第二特征向量方差，在利用第一特征向量集内的直方图特征计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第一权重，为第一特征向量集内的直方图特征设置第二权重，并利用第一权重与第二图像对应的直方图特征，第二权重与第一特征向量集内的直方图特征，计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差；其中，第一权重大于第二权重；在利用第二特征向量集内的直方图特征计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第三权重，为第二特征向量集内的直方图特征设置第四权重，并利用第三权重与第二图像对应的直方图特征，第四权重与第二特征向量集内的直方图特征，计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差；其中，第三权重大于第四权重。

本发明实施例中，针对第一特征向量集和第二特征向量集的动态更新过程，如图2所示(图2所示流程与图1所示流程没有必然的先后顺序关系，二者可以并行执行，也可以一个在先，一个在后)，包括以下步骤：

步骤201，获取相邻两张图像之间的直方图相似性。

其中，相邻两张图像可以是连续的两张图像，也可以是不连续的两张图像，只要这两张图像的采集时间差不超过预设阈值即可，如1秒钟内采集到10张图像，则可以是这10张图像中的任意两张。

直方图相似性用于评价两张图像的直方图在数值分布上的相似程度，可以通过计算两张图像的直方图特征的巴氏系数来表示两张图像之间的直方图相似性。当巴氏系数越大时，则两张图像之间的直方图相似性越高。当巴氏系数越小时，则两张图像之间的直方图相似性越低。

其中，对于计算直方图特征的巴氏系数的算法，不再详加赘述，所有能够计算直方图特征的巴氏系数的算法都在本发明保护范围之内。

步骤202，利用直方图相似性判断场景是否发生突变。

如果是，则表示当前需要动态更新第一特征向量集或者第二特征向量集，并执行步骤203。如果否，则表示当前不需要动态更新第一特征向量集或者第二特征向量集，结束流程，并等待下一统计周期，再次执行步骤201。

本发明实施例中，当直方图相似性大于预设阈值时，则表示两张图像的相似程度很高，此时，场景未发生突变，例如，场景始终为未过车场景。当直方图相似性小于等于预设阈值时，则表示两张图像的相似程度很低，此时，场景发生突变，例如，场景可能从未过车场景突变为过车场景。

如图3A所示，为直方图的统计信息的示例，横坐标为灰阶(即图像的灰度值，也即图像的亮度大小)，纵坐标为频数(即像素数)。从图3A中可以看出图像的亮度分布情况，通过相邻两张图像的直方图之间的直方图相似性，可以获知场景是否发生突变。具体的，如图3B和图3C所示，为白天过车前后的直方图的统计信息的示例，基于图3B所示的直方图与图3C所示的直方图之间的直方图相似性，可以获知这两张图像的相似程度很低，因此，场景从未过车场景突变为过车场景，基于此，可以在光照充足的场景(如白天)下，检测到过车这一场景突变的事件。如图3D和图3E所示，为夜晚过车前后的直方图的统计信息的示例，基于图3D所示的直方图与图3E所示的直方图之间的直方图相似性，可以获知这两张图像的相似程度很低，因此，场景从未过车场景突变为过车场景，基于此，可以在光照不足的场景(如夜晚)下，检测到过车这一场景突变的事件。

步骤203，获取场景发生突变时的色温统计情况。

其中，色温表示光源光色的尺度，单位为K(开尔文)，光源的色温是按照绝对黑体来定义的，绝对黑体的辐射与光源在可见区的辐射完全相同时，黑体温度就成为光源的色温。参考CIE(CommissionInternationaledeL'Eclairage，国际照明委员会)的色度示意图，同一色温下的灰度区域白点呈聚集状，也就是说，白天在日光为唯一光源的情况下，采集到的图像中白点的分布是聚集的，并且随着光照变化缓慢移动，由于只存在单一光源，因此，场景中的过车对整体色温不产生影响。而夜晚的光源较为多样，除了相对固定的路灯、月光(星光)等，还有间断出现的车灯，而车灯将对采集到的图像产生局部色温的影响，如图3F和图3G所示，为夜晚过车的对比示意图，从图中可以看出，车灯将影响局部色温。

综上所述，在获取到场景从未过车场景突变为过车场景的情况下，如果场景发生突变时的色温统计情况，与场景发生突变之前的色温统计情况相比，是色温发生局部突变，则可以确定出当前是夜晚过车情况，即在光照不足的场景(如夜晚)下，检测到场景从未过车场景突变为过车场景。此外，如果色温无变化或者变化很小，则可以确定出当前是白天过车情况，即在光照充足的场景(如白天)下，检测到场景从未过车场景突变为过车场景。

步骤204，利用色温统计情况确定更新第一特征向量集或者第二特征向量集。

其中，当色温统计情况是色温发生局部突变时，由于是夜晚过车情况，且第二车辆检测模式为光照不足模式(即夜晚)，因此，可以确定更新第二车辆检测模式对应的第二特征向量集。当色温统计情况是色温无变化或者变化很小时，由于是白天过车情况，且第一车辆检测模式为光照充足模式(即白天)，因此，可以确定更新第一车辆检测模式对应的第一特征向量集。

在上述过程中，是以场景发生突变作为更新第一特征向量集或者第二特征向量集的前提，即只有检测到场景从未过车场景突变为过车场景时，才会执行步骤203、步骤204等步骤，继而更新第一特征向量集或者第二特征向量集。当然，在实际应用中，也可以选择其它条件作为更新第一特征向量集或者第二特征向量集的前提，例如，每隔预设时间，就直接执行步骤203、步骤204等步骤，而不再执行步骤201和步骤202，对于其它条件的处理不再赘述。

其中，如果利用色温统计情况确定更新第一特征向量集，则执行步骤205；如果利用色温统计情况确定更新第二特征向量集，则执行步骤206。

步骤205，将采集到的第二图像对应的直方图特征添加到第一特征向量集，并利用该第一特征向量集内的直方图特征(如所有直方图特征)计算第一特征向量集对应的第二直方图特征，并记录该第二直方图特征。

步骤206，将采集到的第二图像对应的直方图特征添加到第二特征向量集，并利用该第二特征向量集内的直方图特征(如所有直方图特征)计算第二特征向量集对应的第三直方图特征，并记录该第三直方图特征。

步骤205与步骤206相比，只是操作的对象是第一特征向量集还是第二特征向量集，其它处理均相同，后续将两个步骤放到一起进行描述。

本发明实施例中，将第二图像对应的直方图特征添加到第一特征向量集或者第二特征向量集的过程，可以包括但不限于如下方式：从第二图像中提取出M个像素，并对M个像素进行降采样处理，得到N个像素；M大于N，且M和N均为正整数。获得N个像素对应的直方图特征，并将N个像素对应的直方图特征添加到第一特征向量集或者第二特征向量集。

其中，针对第二图像对应的直方图特征的确定方式，与第一直方图特征的确定方式相同，在此不再赘述。第二图像只是为了与第一图像进行区分，给出的一种示例。第二图像是在场景发生突变(过车场景)后，当场景突变稳定时采集的图像，即是无过车情况下采集的图像。

第二图像中包含大量像素(M个像素)，为了降低计算复杂度，并减少数据的存储空间，本发明实施例中，对M个像素进行降采样处理，得到N个像素，并获得N个像素对应的直方图特征，并将N个像素对应的直方图特征添加到第一特征向量集或者第二特征向量集。在实际应用中，还可以对灰阶和像素数同时做降采样处理，在此不再赘述。此外，添加到第一特征向量集或者第二特征向量集中的直方图特征可以是N维向量[g1,g2,g3....gN]。

本发明实施例中，第二直方图特征可以包括第一特征向量均值和第一特征向量方差，第三直方图特征可以包括第二特征向量均值和第二特征向量方差。基于此，由于第一特征向量集内包含多个直方图特征，每个直方图特征都是N维向量，这样，就可以计算这多个直方图特征之间的加权均值和方差，将计算出的均值作为第一特征向量均值，将计算出的方差作为第一特征向量方差。此外，由于第二特征向量集内包含多个直方图特征，每个直方图特征都是N维向量，这样，就可以计算这多个直方图特征之间的加权均值和方差，将计算出的均值作为第二特征向量均值，将计算出的方差作为第二特征向量方差。

其中，每次在第一特征向量集内添加新的直方图特征时，就需要重新计算第一特征向量均值和第一特征向量方差。每次在第二特征向量集内添加新的直方图特征时，就需要重新计算第二特征向量均值和第二特征向量方差。

在一种可行的方式中，在重新计算第一特征向量集对应的第一特征向量均值和第一特征向量方差的过程中，为了使计算出的第一特征向量均值和第一特征向量方差能够适应环境变化，还可以通过设置不同的权重，来计算第一特征向量均值和第一特征向量方差。例如，为当前获得的新直方图特征(即当前采集到的图像对应的直方图特征)设置较大的第一权重，为第一特征向量集内的直方图特征设置较小的第二权重，第一权重大于第二权重，并利用第一权重与当前获得的新直方图特征，第二权重与第一特征向量集内的直方图特征，计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差，这样，计算出的第一特征向量均值和第一特征向量方差，就更加贴近当前环境。

同理，在重新计算第二特征向量集对应的第二特征向量均值和第二特征向量方差的过程中，为了使计算出的第二特征向量均值和第二特征向量方差能够适应环境变化，还可以通过设置不同的权重，来计算第二特征向量均值和第二特征向量方差。例如，为当前获得的新直方图特征(即当前采集到的图像对应的直方图特征)设置较大的第三权重，为第二特征向量集内的直方图特征设置较小的第四权重，第三权重大于第四权重，并利用第三权重与当前获得的新直方图特征，第四权重与第二特征向量集内的直方图特征，计算第二特征向量集对应的第二特征向量均值和第二特征向量方差，这样，计算出的第二特征向量均值和第二特征向量方差，就更加贴近当前环境。

本发明实施例中，第一直方图特征具体可以包括第一特征向量。针对步骤103，当第一特征向量与第一特征向量均值之间的欧式距离的绝对值，小于等于预设数值K1*第一特征向量方差时，则可以确定第一直方图特征与第二直方图特征满足预设关系。或者，当第一特征向量与第二特征向量均值之间的欧式距离的绝对值，小于等于预设数值K2*第二特征向量方差时，则可以确定第一直方图特征与第三直方图特征满足预设关系。

其中，K1为正数，K2为正数，K1与K2可以相同，也可以不同。

在一个例子中，K1可以为2，K2可以为2。下面阐述K1和K2的优选取值。依据正态分布特征，可以取u±2σ内的子集作为判断阈值，其中u为特征向量均值，σ为特征向量方差。因此，当第一特征向量与第一特征向量均值之间的欧式距离，满足±2σ时，则认为第一特征向量与第一特征向量均值属于同一类，此时，第一直方图特征与第二直方图特征满足预设关系，因此K1为2。同理，当第一特征向量与第二特征向量均值之间的欧式距离，满足±2σ时，则认为第一特征向量与第二特征向量均值属于同一类，此时，第一直方图特征与第三直方图特征满足预设关系，因此K2为2。

本发明实施例中，当第一直方图特征与第二直方图特征满足预设关系时，则可以认为第一直方图特征与第二直方图特征是针对同一车辆检测模式的。而且，由于第二直方图特征对应于第一车辆检测模式，因此，可以出确定当前的车辆检测模式为第一车辆检测模式。此外，当第一直方图特征与第三直方图特征满足预设关系时，则可以认为第一直方图特征与第三直方图特征是针对同一车辆检测模式的。而且，由于第三直方图特征对应于第二车辆检测模式，因此，可以确定出当前的车辆检测模式为第二车辆检测模式。

进一步的，在确定车辆检测模式为第一车辆检测模式时，如果当前正在使用的车辆检测模式为第一车辆检测模式，则保持当前使用的车辆检测模式不变，如果当前正在使用的车辆检测模式为第二车辆检测模式，则将当前使用的车辆检测模式切换为第一车辆检测模式。在确定车辆检测模式为第二车辆检测模式时，如果当前正在使用的车辆检测模式为第二车辆检测模式，则保持当前使用的车辆检测模式不变，如果当前正在使用的车辆检测模式为第一车辆检测模式，则将当前使用的车辆检测模式切换为第二车辆检测模式。

本发明实施例中，当第一直方图特征与第二直方图特征不满足预设关系，且第一直方图特征与第三直方图特征不满足预设关系时，则可以确定车辆检测模式为第一车辆检测模式和第二车辆检测模式，即同时开启第一车辆检测模式和第二车辆检测模式，这样，可以通过两个模式来进行车辆检测。

在采用本发明实施例的上述技术方案后，可以将全天分为适合车牌检测的时间段、适合车灯检测的时间段、过渡时间段。其中，在适合车牌检测的时间段，会确定出车辆检测模式为第一车辆检测模式，因此通过第一车辆检测模式来进行车辆检测。在适合车灯检测的时间段，会确定出车辆检测模式为第二车辆检测模式，因此通过第二车辆检测模式来进行车辆检测。在过渡时间段，会确定出车辆检测模式为第一车辆检测模式和第二车辆检测模式，因此，通过第一车辆检测模式和第二车辆检测模式来进行车辆检测。

基于上述技术方案，本发明实施例中，通过学习第一车辆检测模式对应的第一特征向量集以及第二车辆检测模式对应的第二特征向量集，则在采集到第一图像之后，可以利用第一图像对应的第一直方图特征、第一特征向量集对应的第二直方图特征、第二特征向量集对应的第三直方图特征，确定车辆检测模式为第一车辆检测模式或者第二车辆检测模式，从而实现车辆检测模式的自动切换，提高切换算法的有效性和适应性，而且选择的车辆检测模式是符合实际环境情况的车辆检测模式，使得车辆检测模式能够自动适应环境变化，具有良好的可靠性，有效提升了切换算法对环境的适应性。

基于与上述方法同样的发明构思，本发明实施例中还提供了一种车辆检测模式的确定装置，该车辆检测模式的确定装置应用在图像处理设备上。该车辆检测模式的确定装置可以通过软件实现，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，是通过其所在的图像处理设备的处理器，读取非易失性存储器中对应的计算机程序指令形成的。从硬件层面而言，如图4所示，为本发明提出的车辆检测模式的确定装置所在的图像处理设备的一种硬件结构图，除了图4所示的处理器、非易失性存储器外，图像处理设备还可以包括其他硬件，如负责处理报文的转发芯片、网络接口、内存等；从硬件结构上来讲，该图像处理设备还可能是分布式设备，可能包括多个接口卡，以便在硬件层面进行报文处理的扩展。

如图5所示，为本发明提出的车辆检测模式的确定装置的结构图，所述车辆检测模式的确定装置具体包括：

获取模块11，用于确定当前采集到的第一图像对应的第一直方图特征；获取第一车辆检测模式对应的第一特征向量集对应的第二直方图特征，并获取第二车辆检测模式对应的第二特征向量集对应的第三直方图特征；

确定模块12，用于当第一直方图特征与第二直方图特征满足预设关系时，确定车辆检测模式为所述第一车辆检测模式；当第一直方图特征与第三直方图特征满足预设关系时，则确定车辆检测模式为所述第二车辆检测模式。

还包括：处理模块13，用于获取相邻两张图像之间的直方图相似性，并利用所述直方图相似性判断场景是否发生突变；如果是，则获取场景发生突变时的色温统计情况；利用所述色温统计情况确定更新第一特征向量集或者第二特征向量集；如果更新第一特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第一特征向量集，并利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第二直方图特征，并记录第二直方图特征；如果更新第二特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第二特征向量集，并利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第三直方图特征，并记录第三直方图特征。

所述处理模块13，具体用于在将所述第二图像对应的直方图特征添加到所述第一特征向量集或者所述第二特征向量集的过程中，从所述第二图像中提取出M个像素，并对所述M个像素进行降采样处理，得到N个像素；获得所述N个像素对应的直方图特征，并将所述N个像素对应的直方图特征添加到所述第一特征向量集或者所述第二特征向量集。

所述第一直方图特征具体包括第一特征向量，所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差；

所述确定模块12，具体用于当所述第一特征向量与所述第一特征向量均值之间的欧式距离的绝对值，小于等于K1*所述第一特征向量方差时，则确定所述第一直方图特征与所述第二直方图特征满足预设关系；所述K1为正数；或者，当所述第一特征向量与所述第二特征向量均值之间的欧式距离的绝对值，小于等于K2*所述第二特征向量方差时，则确定所述第一直方图特征与所述第三直方图特征满足预设关系；所述K2为正数。

所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差；

所述处理模块13，还用于在利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第一权重，为所述第一特征向量集内的直方图特征设置第二权重，并利用所述第一权重与所述第二图像对应的直方图特征，所述第二权重与所述第一特征向量集内的直方图特征，计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差；其中，所述第一权重大于所述第二权重；

在利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第三权重，为所述第二特征向量集内的直方图特征设置第四权重，并利用所述第三权重与所述第二图像对应的直方图特征，所述第四权重与所述第二特征向量集内的直方图特征，计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差；其中，所述第三权重大于所述第四权重。

其中，本发明装置的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可进一步拆分成多个子模块。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种车辆检测模式的确定方法，其特征在于，所述方法包括：

确定当前采集到的第一图像对应的第一直方图特征；

获取第一车辆检测模式对应的第一特征向量集对应的第二直方图特征，并获取第二车辆检测模式对应的第二特征向量集对应的第三直方图特征；

当所述第一直方图特征与所述第二直方图特征满足预设关系时，则确定车辆检测模式为所述第一车辆检测模式；当所述第一直方图特征与所述第三直方图特征满足预设关系时，则确定车辆检测模式为所述第二车辆检测模式。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取相邻两张图像之间的直方图相似性，并利用所述直方图相似性判断场景是否发生突变；如果是，则获取场景发生突变时的色温统计情况；

利用所述色温统计情况确定更新第一特征向量集或者第二特征向量集；

如果更新第一特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第一特征向量集，并利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第二直方图特征，并记录第二直方图特征；

如果更新第二特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第二特征向量集，并利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第三直方图特征，并记录第三直方图特征。

3.根据权利要求2所述的方法，其特征在于，将第二图像对应的直方图特征添加到所述第一特征向量集或者第二特征向量集的过程，具体包括：

从所述第二图像中提取出M个像素，并对所述M个像素进行降采样处理，得到N个像素；获得所述N个像素对应的直方图特征，并将所述N个像素对应的直方图特征添加到所述第一特征向量集或者第二特征向量集。

4.根据权利要求1-3任一项所述的方法，其特征在于，

所述第一直方图特征具体包括第一特征向量，所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差，所述方法还包括：

当所述第一特征向量与所述第一特征向量均值之间的欧式距离的绝对值，小于等于K1*所述第一特征向量方差时，则确定所述第一直方图特征与所述第二直方图特征满足预设关系；其中，所述K1为正数；或者，

当所述第一特征向量与所述第二特征向量均值之间的欧式距离的绝对值，小于等于K2*所述第二特征向量方差时，则确定所述第一直方图特征与所述第三直方图特征满足预设关系；其中，所述K2为正数。

5.根据权利要求2所述的方法，其特征在于，所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差，所述方法还包括：

在利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第一权重，为所述第一特征向量集内的直方图特征设置第二权重，并利用所述第一权重与所述第二图像对应的直方图特征，所述第二权重与所述第一特征向量集内的直方图特征，计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差；其中，所述第一权重大于所述第二权重；

在利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第三权重，为所述第二特征向量集内的直方图特征设置第四权重，并利用所述第三权重与所述第二图像对应的直方图特征，所述第四权重与所述第二特征向量集内的直方图特征，计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差；其中，所述第三权重大于所述第四权重。

6.一种车辆检测模式的确定装置，其特征在于，所述装置具体包括：

获取模块，用于确定当前采集到的第一图像对应的第一直方图特征；获取第一车辆检测模式对应的第一特征向量集对应的第二直方图特征，并获取第二车辆检测模式对应的第二特征向量集对应的第三直方图特征；

确定模块，用于当第一直方图特征与第二直方图特征满足预设关系时，则确定车辆检测模式为所述第一车辆检测模式；当第一直方图特征与第三直方图特征满足预设关系时，则确定车辆检测模式为所述第二车辆检测模式。

7.根据权利要求6所述的装置，其特征在于，还包括：

处理模块，用于获取相邻两张图像之间的直方图相似性，并利用所述直方图相似性判断场景是否发生突变；如果是，则获取场景发生突变时的色温统计情况；利用所述色温统计情况确定更新第一特征向量集或者第二特征向量集；如果更新第一特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第一特征向量集，并利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第二直方图特征，并记录第二直方图特征；如果更新第二特征向量集，则将采集到的第二图像对应的直方图特征添加到所述第二特征向量集，并利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第三直方图特征，并记录第三直方图特征。

8.根据权利要求7所述的装置，其特征在于，

所述处理模块，具体用于在将所述第二图像对应的直方图特征添加到所述第一特征向量集或者所述第二特征向量集的过程中，从所述第二图像中提取出M个像素，并对所述M个像素进行降采样处理，得到N个像素；获得所述N个像素对应的直方图特征，并将所述N个像素对应的直方图特征添加到所述第一特征向量集或者所述第二特征向量集。

9.根据权利要求6-8任一项所述的装置，其特征在于，

所述第一直方图特征具体包括第一特征向量，所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差；

所述确定模块，具体用于当所述第一特征向量与所述第一特征向量均值之间的欧式距离的绝对值，小于等于K1*所述第一特征向量方差时，则确定所述第一直方图特征与所述第二直方图特征满足预设关系；其中，所述K1为正数；或者，当所述第一特征向量与所述第二特征向量均值之间的欧式距离的绝对值，小于等于K2*所述第二特征向量方差时，则确定所述第一直方图特征与所述第三直方图特征满足预设关系；其中，所述K2为正数。

10.根据权利要求7所述的装置，其特征在于，

所述第二直方图特征具体包括第一特征向量均值以及第一特征向量方差，所述第三直方图特征具体包括第二特征向量均值以及第二特征向量方差；

所述处理模块，还用于在利用所述第一特征向量集内的直方图特征计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第一权重，为所述第一特征向量集内的直方图特征设置第二权重，并利用所述第一权重与所述第二图像对应的直方图特征，所述第二权重与所述第一特征向量集内的直方图特征，计算第一特征向量集对应的第一特征向量均值以及第一特征向量方差；其中，所述第一权重大于所述第二权重；

在利用所述第二特征向量集内的直方图特征计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差的过程中，为当前采集到的第二图像对应的直方图特征设置第三权重，为所述第二特征向量集内的直方图特征设置第四权重，并利用所述第三权重与所述第二图像对应的直方图特征，所述第四权重与所述第二特征向量集内的直方图特征，计算第二特征向量集对应的第二特征向量均值以及第二特征向量方差；其中，所述第三权重大于所述第四权重。