CN106469309A - 车辆监控的方法和装置、处理器、图像采集设备 - Google Patents
车辆监控的方法和装置、处理器、图像采集设备 Download PDFInfo
- Publication number
- CN106469309A CN106469309A CN201510501619.5A CN201510501619A CN106469309A CN 106469309 A CN106469309 A CN 106469309A CN 201510501619 A CN201510501619 A CN 201510501619A CN 106469309 A CN106469309 A CN 106469309A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- vehicle window
- window area
- area 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆监控的方法和装置、处理器、图像采集设备。其中,该方法包括:识别监控到的车辆图像中的车窗区域图像;对车窗区域图像进行特征识别,得到目标特征的识别结果;对车辆图像和车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;输出目标特征的识别结果和处理后的图像。本发明解决了监控车辆的图像检测识别率较低的技术问题。
Description
技术领域
本发明涉及监控领域,具体而言,涉及一种车辆监控的方法和装置、处理器、图像采集设备。
背景技术
目前在高清卡口系统中,带有图片抓拍和驾驶者人脸、安全带检测、遮阳板检测等模式识别技术的高清网络摄像机,简称抓拍机。对于交警、公安等用户而言,要求抓拍机拍摄的图片清晰且易于识别,以方便为治安刑侦、缉查布控、肇事逃逸等时间业务事件发生后的查找线索等业务提供数据支撑。
基于上述业务需求,抓拍机一般会选取拍摄的车辆图片的感兴趣区域来进行图像处理或特征识别,现有技术中进行图像处理的准确性不够;并且在进行图像识别时未考虑监控车辆的车型、图像前期处理等因素对特征识别结果的影响,因此其特征识别或图像处理的结果都不够理想,存在监控车辆的图像检测识别率较低的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种车辆监控的方法和装置、处理器、图像采集设备,以至少解决监控车辆的图像检测识别率较低的技术问题。
根据本发明实施例的一个方面,提供了一种车辆监控方法,该车辆监控方法包括:识别监控到的车辆图像中的车窗区域图像;对上述车窗区域图像进行特征识别,得到目标特征的识别结果;对上述车辆图像和上述车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;输出上述目标特征的识别结果和上述处理后的图像。
进一步地,对上述车窗区域图像进行特征识别,得到目标特征的识别结果包括:对上述车窗区域图像进行预处理得到预处理图像;对上述预处理图像进行特征识别,得到上述目标特征的识别结果。
进一步地,在对上述预处理图像进行特征识别,得到上述目标特征的识别结果之后,上述方法还包括::保存识别到的上述预处理图像的图像参数,其中,上述图像参数包括:上述预处理图像的前景与背景的对比度和/或上述预处理图像的灰度值;将上述识别结果、上述识别结果的置信度和上述图像参数作为反馈参数;使用上述反馈参数调整对上述车窗区域图像进行预处理的预处理参数,得到调整后的预处理参数;使用上述调整后的预处理参数对当前的车窗区域图像和/或下一个车窗区域图像进行预处理,其中,上述预处理包括对比度增强、曲线校正、锐化、降噪中的至少一种处理方式。
进一步地,对上述车窗区域图像进行特征识别,得到目标特征的识别结果包括:识别上述车窗区域图像中的上述车辆的驾驶者的人脸特征;识别上述车窗区域图像中是否存在驾驶状态特征,得到状态识别结果,其中,上述驾驶状态特征包括上述驾驶者打电话的特征、上述车辆的遮阳板打开的特征以及上述驾驶者系安全带的特征中的至少之一,其中上述识别结果包括上述驾驶者的人脸特征和上述状态识别结果。
进一步地,对上述车辆图像和上述车窗区域图像分别进行人眼感官处理包括:对上述车辆图像进行高光和/或阴影调整,得到上述处理后的车辆图像;以及调整上述车窗区域图像中各个像素点的对比度系数,得到上述处理后的车窗区域图像。
进一步地,将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像包括:将上述处理后的车辆图像的任意一条边与上述处理后的车窗区域图像的一条边拼接,得到上述处理后的图像;或使用上述处理后的车窗区域图像替代上述处理后的车辆图像中的车窗部分,得到上述处理后的图像。
根据本发明实施例的另一方面,还提供了一种车辆监控装置,该车辆监控装置包括:图像识别模块,用于识别监控到的车辆图像中的车窗区域图像;特征识别模块,用于对上述车窗区域图像进行特征识别,得到目标特征的识别结果;图像处理模块,用于对上述车辆图像和上述车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;输出模块,用于输出上述目标特征的识别结果和上述处理后的图像。
进一步地,上述特征识别模块包括:第一图像处理子模块,用于对上述车窗区域图像进行预处理得到预处理图像;第一特征识别子模块,用于对上述预处理图像进行特征识别,得到上述目标特征的识别结果。
进一步地,上述车辆监控装置还包括:保存模块,用于保存识别到的上述预处理图像的图像参数,其中,上述图像参数包括:上述预处理图像的前景与背景的对比度和/或上述预处理图像的灰度值;第一处理模块,用于将上述识别结果、上述识别结果的置信度和上述图像参数作为反馈参数;第二处理模块,用于使用上述反馈参数调整对上述车窗区域图像进行预处理的预处理参数,得到调整后的预处理参数;第三处理模块,用于使用上述调整后的预处理参数对当前的车窗区域图像和/或下一个车窗区域图像进行预处理,其中,上述预处理包括对比度增强、曲线校正、锐化以及降噪中的至少一种处理方式。
进一步地,上述特征识别模块还包括:第二特征识别子模块,用于识别上述车窗区域图像中的上述车辆的驾驶者的人脸特征;第三特征识别子模块,用于识别上述车窗区域图像中是否存在驾驶状态特征,得到状态识别结果,其中,上述驾驶状态特征包括上述驾驶者打电话的特征、上述车辆的遮阳板打开的特征以及上述驾驶者系安全带的特征中的至少之一,其中,上述识别结果包括上述驾驶者的人脸特征和上述状态识别结果。
进一步地,上述图像处理模块包括:第一调整子模块,用于对上述车辆图像进行高光和/或阴影调整,得到上述处理后的车辆图像;第二调整子模块,用于调整上述车窗区域图像中各个像素点的对比度系数,得到上述处理后的车窗区域图像。
进一步地,上述图像处理模块还包括:拼接模块,用于将上述处理后的车辆图像的任意一条边与上述处理后的车窗区域图像的一条边拼接,得到上述处理后的图像;或替代模块,用于使用上述处理后的车窗区域图像替代上述处理后的车辆图像中的车窗部分,得到上述处理后的图像。
根据本发明实施例的另一方面,还提供了一种处理器,包括具有上述任一特征的上述车辆监控装置。
根据本发明实施例的另一方面,还提供了一种图像采集设备,该图像采集设备包括:图像采集单元,用于在车辆进入预设位置时采集上述车辆的车辆图像;具有上述特征的上述处理器,与上述图像采集单元连接,用于识别上述车辆图像中的车窗区域图像;对上述车窗区域图像进行特征识别,得到目标特征的识别结果,对上述车辆图像和上述车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;以及输出上述目标特征的识别结果和上述处理后的图像。
进一步地,上述图像采集单元包括:成像传感器,用于在上述车辆进入上述预设位置时获取上述车辆的成像图像;数据转换器,分别与上述成像传感器和上述处理器连接,用于将上述成像图像转换为YUV数据形式的上述车辆图像,并将上述车辆图像输入上述处理器。
在本发明实施例中,通过识别监控到的车辆图像中的车窗区域图像,对上述车窗区域图像进行特征识别从而得到目标特征的识别结果;并对上述车辆图像和上述车窗区域图像分别进行人眼感官处理,再将处理后的车辆图像和处理后的车窗区域图像拼接从而得到处理后的图像;最终输出上述目标特征的识别结果和上述处理后的图像,达到了准确识别监控车辆目标特征和处理后的车辆图像适宜人眼感官的效果,进而解决了监控车辆的图像检测识别率较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的车辆监控方法的流程图;
图2是根据本发明实施例的另一种可选的车辆监控方法的流程图;
图3是根据本发明实施例的第三种可选的车辆监控方法的流程图;
图4是根据本发明实施例的一种可选的车辆监控方法的示意图;
图5是根据本发明实施例的另一种可选的车辆监控方法的示意图;
图6是根据本发明实施例的一种可选的车辆监控装置的示意图;
图7是根据本发明实施例的另一种可选的车辆监控装置的示意图;
图8是根据本发明实施例的第三种可选的车辆监控装置的示意图;
图9是根据本发明实施例的第四种可选的车辆监控装置的示意图;
图10是根据本发明实施例的第五种可选的车辆监控装置的示意图;
图11是根据本发明实施例的一种可选的图像采集设备的示意图;
图12是根据本发明实施例的另一种可选的图像采集设备的示意图;
图13是根据本发明实施例的第三种可选的图像采集设备的示意图;
图14是根据本发明实施例的一种可选的车辆监控方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种车辆监控方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的车辆监控方法,如图1所示,该方法包括如下步骤:
步骤S102,识别监控到的车辆图像中的车窗区域图像;
步骤S104,对车窗区域图像进行特征识别,得到目标特征的识别结果;
步骤S106,对车辆图像和车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;
步骤S108,输出目标特征的识别结果和处理后的图像。
在本发明实施例中,通过识别监控到的车辆图像中的车窗区域图像,对上述车窗区域图像进行特征识别从而得到目标特征的识别结果;并对上述车辆图像和上述车窗区域图像分别进行人眼感官处理,再将处理后的车辆图像和处理后的车窗区域图像拼接从而得到处理后的图像;最终输出上述目标特征的识别结果和上述处理后的图像,达到了准确识别监控车辆目标特征和处理后的车辆图像适宜人眼感官的效果,进而解决了监控车辆的图像检测识别率较低的技术问题。
可选地,在输出目标特征的识别结果和处理后的图像时,可以采用同步输出的方式输出目标特征的识别结果和处理后的图像。
可选地,监控到的车辆图像为车辆及其周围环境图像,监控地点可以为公共交通中的十字路口、公路段,也可以为小区地下车库、公共停车场等具有车辆监控需求的地带,监控到的车辆图像中的车辆的状态可以为行驶状态或停泊状态,若车辆处于行驶状态,车辆的行驶速度对于监控成像的影响在此不做限定,若车辆处于夜间环境,夜间光线对于监控成像的影响在此同样不做限定。
在本发明的上述实施例,可以通过高清卡口或高清治安卡口监控过往车辆到车辆图像。高清卡口:采用先进的光电、计算机、图像处理、模式识别、以及远程数据访问等技术,对监控路段的机动车道、非机动车道进行全天候实时监控并记录相关图像数据(即上述实施例中的车辆图像)。在获取车辆图像之后,可以通过前端的处理系统(如处理器)对所拍摄的车辆图像进行分析,从中自动获取车辆的通过时间、地点、行驶方向、号牌号码、号牌颜色、车身颜色等数据,并将获取到的信息通过计算机网络传输到高清卡口系统控制中心的数据库中进行数据存储、查询、比对等处理,当发现肇事逃逸、违规或可疑车辆时,系统会自动向拦截系统及相关人员发出告警信号。
高清治安卡口:面向公安治安防控,采用先进的光电技术、图像处理技术、模式识别技术对道路上过往的每一辆汽车拍下车辆的图像和前排司乘人员的特征,并自动识别出车辆的牌照。利用车辆治安高清治安卡口系统可以非常迅速地捕捉到肇事车辆、违章车辆、黑名单车辆等,对公路运行车辆的构成、流量分布、违章情况进行常年不间断的自动记录。
可选地,车窗区域图像为车辆图像中能够识别到的挡风玻璃区域,例如:前排座位左右车窗挡风玻璃、后排座位左右车窗挡风玻璃、车尾挡风玻璃和车头挡风玻璃。为了获取更多的目标特征和更有处理价值的车窗区域图片,本实施例选取车头挡风玻璃或前排座位左车窗挡风玻璃作为待处理车窗区域图片。
可选地,目标特征可以但不限于为以下之一:车牌、安全带、遮阳板、驾驶者脸部以及驾驶者手机通话动作。依据不同监控需求,目标特征还可以为其他具有辨识度的车辆特征、驾驶者特征或驾驶者行为特征。
其中,遮阳板:是指在汽车前风挡、后风挡那块,为了避免阳光刺眼设计的,能来回搬动,从而调整太阳光对眼睛的照射度,避免了交通事故的发生。
可选地,人眼感官处理在本实施例中,应理解为在进行一次完整车辆图像的处理过程之后,所得到的图像处理结果适宜于人眼的感官识别,例如,人眼感官在生物学领域定义为能够感知变化在30Hz以内,每秒100次的光线变化。基于人眼的生物学属性,处理后的车辆图像更易于人眼辨识。
可选地,图2是根据本发明实施例的另一种可选的车辆监控方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,对车窗区域图像进行预处理得到预处理图像;
步骤S204,对预处理图像进行特征识别,得到目标特征的识别结果。
可选地,对车窗区域图像进行预处理的方法可以为:对输入的车辆图片YUV数据进行车窗检测,获取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据,对保存的车窗矩形区域的YUV数据进行以下方式的图像处理:自动对比度增强处理、Gamma(伽马曲线)曲线处理、USM锐化(Unsharp Mask,USM锐化滤镜)、降噪模块处理。最终得到预处理图像。其中,USM锐化为绘图软件中的工具,用于快速聚焦图像中的模糊边缘;Gamma曲线处理为显示器中矫正图像亮度偏差的一种图像处理方法。
可选地,识别结果在广义上为可被普通监控设备操作人员所获知并理解的信息,识别结果可以作为数值、文字、符号或颜色等特征在输出设备的人机交互界面进行显示。例如:某辆小轿车被监控并被采集到车辆图像和车窗区域图像,通过上述实施例中的图像处理和特征识别之后,输出设备输出的识别结果为文字串,该文字串的一部分可以为“车牌号:京KD3457;驾驶者未使用手机;驾驶者未系安全带”。
可选地,识别结果还可以包括其他车辆信息,例如车辆类型或车辆颜色等,此处以车辆类型作为车辆信息的情况,进一步对本实施例中的通过对预处理图像进行特征识别,得到目标特征的识别结果做详细说明。
可选地,识别车辆图像中的车辆类型,基于车辆类型定位车辆图像中的车窗区域,并识别出车窗区域对应的车窗区域图像。具体的,可以根据车辆图像中的车辆位置信息确定目标区域图像,其中,目标区域图像为在车辆的主视图方向上的图像;提取目标区域图像中的车辆的轮廓特征和纹理特征;并通过分类器识别轮廓特征和纹理特征,得到车辆类型。
具体的,根据车辆检测位置信息设置车辆正面的感兴趣区域,并提取车辆轮廓的纹理特征时,可以通过将车辆轮廓的纹理特征送入分类器进行训练和预测得到车辆类型。例如,基于车辆外形特征区分车辆图像中的车辆类型,一般情况下,货车、轿车、客车等机动车辆的外形特征是不同的,由此可知,货车、轿车、客车等机动车辆的外形特征在本实施例中对应的车辆类型也是不同的。进一步,基于不同类型的车辆的外形设计和具体构造不同,车窗区域在不同类型车辆中的位置也是不同的,例如普通小轿车和双层巴士中,具有驾驶者特征的车窗区域的位置是不同的,因此,可以基于车辆类型定位车辆图像中的车窗区域,并识别出车窗区域对应的车窗区域图像,具体的,对输入的车辆图片YUV数据进行车窗检测,扣取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据。其中,YUV(Y、U、V分别表示像素分量)是一种颜色编码格式,主要是指亮度参量和色度参量分开表示的像素格式,用于优化彩色视频信号的传输。
可选地,对预处理图像进行特征识的方法可以为,将上述预处理图像、即图像处理后的车窗矩形区域YUV数据送入车牌识别算法、安全带检测算法、人脸定位检测算法、遮阳板检测算法、打手机检测算法等车窗区域内目标特征识别组件,输出并保存各目标特征的识别结果。
可选地,图3是根据本发明实施例的第三种可选的车辆监控方法的流程图,如图3所示,该方法包括如下步骤:
步骤S302,保存识别到的预处理图像的图像参数,其中,图像参数包括:预处理图像的前景与背景的对比度和/或预处理图像的灰度值;
步骤S304,将识别结果、识别结果的置信度和图像参数作为反馈参数;
步骤S306,使用反馈参数调整对车窗区域图像进行预处理的预处理参数,得到调整后的预处理参数;
步骤S308,使用调整后的预处理参数对当前的车窗区域图像和/或下一个车窗区域图像进行预处理,其中,预处理包括对比度增强、曲线校正、锐化以及降噪中的至少一种处理方式。
在本实施例中,保存识别到的预处理图像的图像参数,该图像参数可以为预处理图像的前景与背景的对比度或预处理图像的灰度值,也可以同时包含上述二者。通过保存大量图像参数并进行统计,可以调整并完善图像处理策略。识别结果的置信度可以通过对大量图像识别样本中的识别错误率或正确率进行统计以获取。
可选地,将识别结果的置信度作为反馈参数包括:通过对识别结果进行统计获取识别结果的置信度,其中,对识别结果进行统计的方法包括:判断各个识别结果(如驾驶者打电话的特征的识别结果、车辆的遮阳板打开的特征的识别结果、驾驶者系安全带的特征的识别结果等)是否准确;统计准确的识别结果的数量得到识别结果的准确率,并确定该准确率的置信度。
其中,识别结果可以以是否的形式存在,例如,图像中存在驾驶者打电话的特征,识别结果为是,则识别结果正确;若识别结果为否,则识别结果不正确。
可选地,可以基于判断结果分别对识别结果进行标记,如果识别结果正确,将该识别结果的判断结果标记为1,如果识别结果不正确,将该识别结果的判断结果标记为0,然后对识别结果的判断结果的标记求和,得到准确的识别结果的数量,计算准确的识别结果的数量与识别结果的总数的比率,得到准确率。
可选地,置信度一般用于表明抽样指标和总体指标的误差不超过一定范围的概率保证度,具体在本实施例中,置信度用于表明识别结果和预存的历史识别结果的误差不超过一定范围的概率保证度。因此,置信度可以评价识别结果的准确性,进而通过将置信度作为反馈参数,可以使预处理参数的调整结果更为可靠。
可选地,对车窗区域图像进行特征识别,得到目标特征的识别结果包括:识别车窗区域图像中的车辆的驾驶者的人脸特征;识别车窗区域图像中是否存在驾驶状态特征,得到状态识别结果,其中,驾驶状态特征包括驾驶者打电话的特征、车辆的遮阳板打开的特征以及驾驶者系安全带的特征中的至少之一,其中,识别结果包括驾驶者的人脸特征和状态识别结果。
可选地,识别车窗区域图像中的车辆的驾驶者的人脸特征包括:获取在车窗区域图像成像时间之前成像的历史车窗区域图像;提取历史车窗区域图像中的车辆的驾驶者的人脸特征;通过将历史车窗区域图像中的车辆的驾驶者的人脸特征进行Haar特征(即Haar-like特征,计算机视觉领域一种常用的特征描述算子)计算,得到人脸特征检测器;通过人脸特征检测器识别车窗区域图像中的车辆的驾驶者的人脸特征,得到人脸特征识别结果。
可选地,通过选取并训练车窗区域图像中驾驶者的人脸的Haar特征,形成检测器,然后再利用此检测器对驾驶者进行人脸检测。
可选地,识别车窗区域图像中的驾驶者的驾驶状态特征,得到状态识别结果包括:获取车窗区域图像成像时间之前成像的历史车窗区域图像;提取历史车窗区域图像中的车辆的遮阳板的边缘特征;通过处理历史车窗区域图像中的车辆的遮阳板的边缘特征,得到遮阳板打开状态特征检测器;通过遮阳板打开状态特征检测器识别车窗区域图像中的车辆的遮阳板打开状态特征,得到遮阳板打开状态特征识别结果。
可选地,通过选取并训练车窗区域图像中遮阳板的边缘特征,形成检测器,然后进行遮阳板检测,以确定是否开启遮阳板。
可选地,识别车窗区域图像中的驾驶者的驾驶状态特征,得到状态识别结果还包括:提取车窗区域图像中的车辆的驾驶者的位置信息、边缘特征和纹理特征;通过分类器识别位置信息和边缘特征,得到驾驶者打电话特征识别结果;通过分类器识别位置信息和纹理特征,得到安全带状态特征识别结果。
可选地,提取车窗区域图像中驾驶者的位置信息和纹理特征,并将驾驶者的位置信息和纹理特征送入分类器进行训练和预测,得出驾驶者是否佩戴安全带的识别结果。
可选地,提取车窗区域图像中驾驶者的位置信息和边缘特征,并将驾驶者的位置信息和边缘特征送入分类器进行训练和预测,得出驾驶者是否正在打电话的识别结果。
可选地,对车辆图像和车窗区域图像分别进行人眼感官处理包括:对车辆图像进行高光和/或阴影调整,得到处理后的车辆图像;以及调整车窗区域图像中各个像素点的对比度系数,得到处理后的车窗区域图像。
其中,可以对输入的车辆图片YUV数据进行高光和/或阴影调整,得到处理后的车辆图像。高光和/或阴影调整可以配合以下处理方式共同进行调整,包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理等。
可选地,对车窗区域图像进行人眼感官处理的方式可以为对输入的车辆图片YUV数据进行车窗检测,选取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据;然后调整车窗区域图像中各个像素点的对比度系数,得到处理后的车窗区域图像。对比度系数的调整可以配合以下处理方式共同进行调整,包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理等;然后保存一次图像处理后的车窗矩形区域YUV数据;进一步将一次图像处理后的车窗矩形区域YUV数据进行二次图像处理,该处理包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理。最后保存车窗区域处理后的YUV数据,即处理后的车窗区域图像。
可选地,将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像包括:将处理后的车辆图像的任意一条边与处理后的车窗区域图像的一条边拼接,得到处理后的图像;或使用处理后的车窗区域图像替代处理后的车辆图像中的车窗部分,得到处理后的图像。
可选地,拼接处理后的车辆图像和处理后的车窗区域图像,得到处理后的图像可以为将上述处理后的车辆图像的YUV数据和处理后的车窗区域图像的YUV数据进行保存拼接合成一张图片,该处理后的图像能够满足人眼感官的要求,能较好地表现车辆区域通透和车窗局部透视的要求。该处理后的车辆图像和处理后的车窗区域图像有多种拼接合成方式,例如,将处理后的车辆图像的任意一条边与处理后的车窗区域图像的一条边拼接,得到处理后的图像。具体的,如图4所示,可以将处理后的车辆图像的右边线与处理后的车窗区域图像的左边线在水平方向上左右拼接,也可以如图5所示,可以将处理后的车辆图像的下边线与处理后的车窗区域图像的上边线在竖直方向上上下拼接,可选地,在将处理后的车辆图像中的一条边与处理后的车窗区域图像进行拼接时,两条边可以全部或部分地拼接在一起。此外,也可以用处理后的车窗区域图像替代处理后的车辆图像中的车窗区域部分的图像。
在本发明实施例中,通过识别监控到的车辆图像中的车窗区域图像,对上述车窗区域图像进行特征识别从而得到目标特征的识别结果;并对上述车辆图像和上述车窗区域图像分别进行人眼感官处理,再将处理后的车辆图像和处理后的车窗区域图像拼接从而得到处理后的图像;最终输出上述目标特征的识别结果和上述处理后的图像,达到了准确识别监控车辆目标特征和处理后的车辆图像适宜人眼感官的效果,进而解决了监控车辆的图像检测识别率较低的技术问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
实施例2
根据本发明实施例的另一个方面,还提供了一种车辆监控装置,如图6所示的车辆监控装置包括:
图像识别模块601,用于识别监控到的车辆图像中的车窗区域图像;
特征识别模块602,用于对车窗区域图像进行特征识别,得到目标特征的识别结果;
图像处理模块603,用于对车辆图像和车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;
输出模块604,用于输出目标特征的识别结果和处理后的图像。
可选地,输出模块604在输出目标特征的识别结果和处理后的图像时,可以采用同步输出的方式输出目标特征的识别结果和处理后的图像。
可选地,监控到的车辆图像为车辆及其周围环境图像,监控地点可以为公共交通中的十字路口、公路段,也可以为小区地下车库、公共停车场等具有车辆监控需求的地带,监控到的车辆图像中的车辆的状态可以为行驶状态或停泊状态,若车辆处于行驶状态,车辆的行驶速度对于监控成像的影响在此不做限定,若车辆处于夜间环境,夜间光线对于监控成像的影响在此同样不做限定。
在本发明的上述实施例,可以通过高清卡口或高清治安卡口监控过往车辆到车辆图像。高清卡口:采用先进的光电、计算机、图像处理、模式识别、以及远程数据访问等技术,对监控路段的机动车道、非机动车道进行全天候实时监控并记录相关图像数据(即上述实施例中的车辆图像)。在获取车辆图像之后,可以通过前端的处理系统(如处理器)对所拍摄的车辆图像进行分析,从中自动获取车辆的通过时间、地点、行驶方向、号牌号码、号牌颜色、车身颜色等数据,并将获取到的信息通过计算机网络传输到高清卡口系统控制中心的数据库中进行数据存储、查询、比对等处理,当发现肇事逃逸、违规或可疑车辆时,系统会自动向拦截系统及相关人员发出告警信号。
高清治安卡口:面向公安治安防控,采用先进的光电技术、图像处理技术、模式识别技术对道路上过往的每一辆汽车拍下车辆的图像和前排司乘人员的特征,并自动识别出车辆的牌照。利用车辆治安高清治安卡口系统可以非常迅速地捕捉到肇事车辆、违章车辆、黑名单车辆等,对公路运行车辆的构成、流量分布、违章情况进行常年不间断的自动记录。
可选地,车窗区域图像为车辆图像中能够识别到的挡风玻璃区域,例如:前排座位左右车窗挡风玻璃、后排座位左右车窗挡风玻璃、车尾挡风玻璃和车头挡风玻璃。为了获取更多的目标特征和更有处理价值的车窗区域图片,本实施例选取车头挡风玻璃或前排座位左车窗挡风玻璃作为待处理车窗区域图片。
可选地,目标特征可以但不限于为以下之一:车牌、安全带、遮阳板、驾驶者脸部以及驾驶者手机通话动作。依据不同监控需求,目标特征还可以为其他具有辨识度的车辆特征、驾驶者特征或驾驶者行为特征。
其中,遮阳板:是指在汽车前风挡、后风挡那块,为了避免阳光刺眼设计的,能来回搬动,从而调整太阳光对眼睛的照射度,避免了交通事故的发生。
可选地,人眼感官处理在本实施例中,应理解为在进行一次完整车辆图像的处理过程之后,所得到的图像处理结果适宜于人眼的感官识别,例如,人眼感官在生物学领域定义为能够感知变化在30Hz以内,每秒100次的光线变化。基于人眼的生物学属性,处理后的车辆图像更易于人眼辨识。
可选地,如图7所示,特征识别模块602包括:
第一图像处理子模块701,用于对车窗区域图像进行预处理得到预处理图像;
第一特征识别子模块702,用于对预处理图像进行特征识别,得到目标特征的识别结果。
可选地,第一图像处理子模块701对车窗区域图像进行预处理的方法可以为:对输入的车辆图片YUV数据进行车窗检测,获取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据,对保存的车窗矩形区域的YUV数据进行以下方式的图像处理:自动对比度增强处理、Gamma(伽马曲线)曲线处理、USM锐化(Unsharp Mask,USM锐化滤镜)、降噪模块处理。最终得到预处理图像。其中,USM锐化为绘图软件中的工具,用于快速聚焦图像中的模糊边缘;Gamma曲线处理为显示器中矫正图像亮度偏差的一种图像处理方法。
可选地,第一特征识别子模块702得到的识别结果在广义上为可被普通监控设备操作人员所获知并理解的信息,识别结果可以作为数值、文字、符号或颜色等特征在输出设备的人机交互界面进行显示。例如:某辆小轿车被监控并被采集到车辆图像和车窗区域图像,通过上述实施例中的图像处理和特征识别之后,输出设备输出的识别结果为文字串,该文字串的一部分可以为“车牌号:京KD3457;驾驶者未使用手机;驾驶者未系安全带”。
可选地,识别结果还可以包括其他车辆信息,例如车辆类型或车辆颜色等,此处以车辆类型作为车辆信息的情况,进一步对本实施例中的通过对预处理图像进行特征识别,得到目标特征的识别结果做详细说明。
可选地,第一特征识别子模块702识别车辆图像中的车辆类型,基于车辆类型定位车辆图像中的车窗区域,并识别出车窗区域对应的车窗区域图像。具体的,根据车辆图像中的车辆位置信息确定目标区域图像,其中,目标区域图像为在车辆的主视图方向上的图像;提取目标区域图像中的车辆的轮廓特征和纹理特征;并通过分类器识别轮廓特征和纹理特征,得到车辆类型。
具体的,根据车辆检测位置信息设置车辆正面的感兴趣区域,并提取车辆轮廓的纹理特征时,可以通过将车辆轮廓的纹理特征送入分类器进行训练和预测得到车辆类型。例如,基于车辆外形特征区分车辆图像中的车辆类型,一般情况下,货车、轿车、客车等机动车辆的外形特征是不同的,由此可知,货车、轿车、客车等机动车辆的外形特征在本实施例中对应的车辆类型也是不同的。进一步,基于不同类型的车辆的外形设计和具体构造不同,车窗区域在不同类型车辆中的位置也是不同的,例如普通小轿车和双层巴士中,具有驾驶者特征的车窗区域的位置是不同的,因此,可以基于车辆类型定位车辆图像中的车窗区域,并识别出车窗区域对应的车窗区域图像,具体的,对输入的车辆图片YUV数据进行车窗检测,扣取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据。其中,YUV(Y、U、V分别表示像素分量)是一种颜色编码格式,主要是指亮度参量和色度参量分开表示的像素格式,用于优化彩色视频信号的传输。
可选地,对预处理图像进行特征识的方法还可以为,将上述预处理图像、即图像处理后的车窗矩形区域YUV数据送入车牌识别算法、安全带检测算法、人脸定位检测算法、遮阳板检测算法、打手机检测算法等车窗区域内目标特征识别组件,输出并保存各目标特征的识别结果。
可选地,如图8所示,车辆监控装置还包括:
保存模块801,用于保存识别到的预处理图像的图像参数,其中,图像参数包括:预处理图像的前景与背景的对比度和/或预处理图像的灰度值;
第一处理模块802,用于将识别结果、识别结果的置信度和图像参数作为反馈参数;
第二处理模块803,用于使用反馈参数调整对车窗区域图像进行预处理的预处理参数,得到调整后的预处理参数;
第三处理模块804,用于使用调整后的预处理参数对当前的车窗区域图像和/或下一个车窗区域图像进行预处理,其中,预处理包括对比度增强、曲线校正、锐化以及降噪中的至少一种处理方式。
可选地,在本实施例中,保存模块801保存识别到的预处理图像的图像参数,该图像参数可以为预处理图像的前景与背景的对比度或预处理图像的灰度值,也可以同时包含上述二者。通过保存大量图像参数并进行统计,可以调整并完善图像处理策略。识别结果的置信度可以通过对大量图像识别样本中的识别错误率或正确率进行统计以获取。
可选地,第一处理模块802将识别结果的置信度作为反馈参数包括:通过对识别结果进行统计获取识别结果的置信度,其中,对识别结果进行统计的方法包括:判断各个识别结果(如驾驶者打电话的特征的识别结果、车辆的遮阳板打开的特征的识别结果、驾驶者系安全带的特征的识别结果等)是否准确;统计准确的识别结果的数量得到识别结果的准确率,并确定该准确率的置信度。
其中,识别结果可以以是否的形式存在,例如,图像中存在驾驶者打电话的特征,识别结果为是,则识别结果正确;若识别结果为否,则识别结果不正确。
可选地,可以基于判断结果分别对识别结果进行标记,如果识别结果正确,将该识别结果的判断结果标记为1,如果识别结果不正确,将该识别结果的判断结果标记为0,然后对识别结果的判断结果的标记求和,得到准确的识别结果的数量,计算准确的识别结果的数量与识别结果的总数的比率,得到准确率。
可选地,置信度一般用于表明抽样指标和总体指标的误差不超过一定范围的概率保证度,具体在本实施例中,置信度用于表明识别结果和预存的历史识别结果的误差不超过一定范围的概率保证度。因此,置信度可以评价识别结果的准确性,进而通过将置信度作为反馈参数,可以使预处理参数的调整结果更为可靠。
可选地,如图9所示,特征识别模块602包括:
第二特征识别子模块901,用于识别车窗区域图像中的车辆的驾驶者的人脸特征;
第三特征识别子模块902,用于识别车窗区域图像中是否存在驾驶状态特征,得到状态识别结果,其中,驾驶状态特征包括驾驶者打电话的特征、车辆的遮阳板打开的特征以及驾驶者系安全带的特征中的至少之一,其中,识别结果包括驾驶者的人脸特征和状态识别结果。
可选地,第二特征识别子模块901识别车窗区域图像中的车辆的驾驶者的人脸特征包括:获取在车窗区域图像成像时间之前成像的历史车窗区域图像;提取历史车窗区域图像中的车辆的驾驶者的人脸特征;通过将历史车窗区域图像中的车辆的驾驶者的人脸特征进行Haar特征(即Haar-like特征,计算机视觉领域一种常用的特征描述算子)计算,得到人脸特征检测器;通过人脸特征检测器识别车窗区域图像中的车辆的驾驶者的人脸特征,得到人脸特征识别结果。
可选地,第二特征识别子模块901通过选取并训练车窗区域图像中驾驶者的人脸的Haar特征,形成检测器,然后再利用此检测器对驾驶者进行人脸检测。
可选地,第三特征识别子模块902识别车窗区域图像中的驾驶者的驾驶状态特征,得到状态识别结果包括:获取车窗区域图像成像时间之前成像的历史车窗区域图像;提取历史车窗区域图像中的车辆的遮阳板的边缘特征;通过处理历史车窗区域图像中的车辆的遮阳板的边缘特征,得到遮阳板打开状态特征检测器;通过遮阳板打开状态特征检测器识别车窗区域图像中的车辆的遮阳板打开状态特征,得到遮阳板打开状态特征识别结果。
可选地,第三特征识别子模块902通过选取并训练车窗区域图像中遮阳板的边缘特征,形成检测器,然后进行遮阳板检测,以确定是否开启遮阳板。
可选地,第三特征识别子模块902识别车窗区域图像中的驾驶者的驾驶状态特征,得到状态识别结果还包括:提取车窗区域图像中的车辆的驾驶者的位置信息、边缘特征和纹理特征;通过分类器识别位置信息和边缘特征,得到驾驶者打电话特征识别结果;通过分类器识别位置信息和纹理特征,得到安全带状态特征识别结果。
可选地,第三特征识别子模块902提取车窗区域图像中驾驶者的位置信息和纹理特征,并将驾驶者的位置信息和纹理特征送入分类器进行训练和预测,得出驾驶者是否佩戴安全带的识别结果。
可选地,第三特征识别子模块902提取车窗区域图像中驾驶者的位置信息和边缘特征,并将驾驶者的位置信息和边缘特征送入分类器进行训练和预测,得出驾驶者是否正在打电话的识别结果。
可选地,如图10所示,图像处理模块603包括:
第一调整子模块1001,用于对车辆图像进行高光和/或阴影调整,得到处理后的车辆图像;
第二调整子模块1002,用于调整车窗区域图像中各个像素点的对比度系数,得到处理后的车窗区域图像。
其中,第一调整子模块1001可以对输入的车辆图片YUV数据进行高光和/或阴影调整,得到处理后的车辆图像。高光和/或阴影调整可以配合以下处理方式共同进行调整,包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理等。
可选地,第二调整子模块1002对车窗区域图像进行人眼感官处理的方式可以为对输入的车辆图片YUV数据进行车窗检测,选取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据;然后调整车窗区域图像中各个像素点的对比度系数,得到处理后的车窗区域图像。对比度系数的调整可以配合以下处理方式共同进行调整,包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理等;然后保存一次图像处理后的车窗矩形区域YUV数据;进一步将一次图像处理后的车窗矩形区域YUV数据进行二次图像处理,该处理包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理。最后保存车窗区域处理后的YUV数据,即处理后的车窗区域图像。
可选地,图像处理模块还包括:
拼接模块,用于将处理后的车辆图像的任意一条边与处理后的车窗区域图像的一条边拼接,得到处理后的图像;或
替代模块,用于使用处理后的车窗区域图像替代处理后的车辆图像中的车窗部分,得到处理后的图像。
可选地,拼接处理后的车辆图像和处理后的车窗区域图像,得到处理后的图像可以为将上述处理后的车辆图像的YUV数据和处理后的车窗区域图像的YUV数据进行保存拼接合成一张图片,该处理后的图像能够满足人眼感官的要求,能较好地表现车辆区域通透和车窗局部透视的要求。该处理后的车辆图像和处理后的车窗区域图像有多种拼接合成方式,例如,将处理后的车辆图像的任意一条边与处理后的车窗区域图像的一条边拼接,得到处理后的图像。具体的,如图4所示,可以将处理后的车辆图像的右边线与处理后的车窗区域图像的左边线在水平方向上左右拼接,也可以如图5所示,可以将处理后的车辆图像的下边线与处理后的车窗区域图像的上边线在竖直方向上上下拼接。可选地,在将处理后的车辆图像中的一条边与处理后的车窗区域图像进行拼接时,两条边可以全部或部分地拼接在一起。此外,也可以用处理后的车窗区域图像替代处理后的车辆图像中的车窗区域部分的图像。
根据本发明实施例的另一方面,还提供了一种处理器,包括具有实施例中任一实施例的车辆监控装置。
该处理器可以设置在高清卡口或高清治安卡口的抓拍机中。其中,抓拍机可以为透视车窗并且检测车窗区域目标特征的工作平台。
在本发明实施例中,通过识别监控到的车辆图像中的车窗区域图像,对上述车窗区域图像进行特征识别从而得到目标特征的识别结果;并对上述车辆图像和上述车窗区域图像分别进行人眼感官处理,再将处理后的车辆图像和处理后的车窗区域图像拼接从而得到处理后的图像;最终输出上述目标特征的识别结果和上述处理后的图像,达到了准确识别监控车辆目标特征和处理后的车辆图像适宜人眼感官的效果,进而解决了监控车辆的图像检测识别率较低的技术问题。
根据本发明实施例的另一方面,还提供了一种图像采集设备11,该图像采集设备11包括:
图像采集单元1101,用于在车辆进入预设位置时采集车辆的车辆图像;处理器1102,与图像采集单元1101连接,用于识别车辆图像中的车窗区域图像;对车窗区域图像进行特征识别,得到目标特征的识别结果,对车辆图像和车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;以及输出目标特征的识别结果和处理后的图像。
可选地,处理器1102在输出目标特征的识别结果和处理后的图像时,可以采用同步输出的方式输出目标特征的识别结果和处理后的图像。
该图像采集设备可以设置在高清卡口或高清治安卡口上。
通过上述实施例中的图像采集设备,在识别监控到的车辆图像中的车窗区域图像之后,对上述车窗区域图像进行特征识别从而得到目标特征的识别结果;并对上述车辆图像和车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接从而得到处理后的图像;最终输出上述目标特征的识别结果和上述处理后的图像,达到了准确识别监控车辆目标特征和处理后的图像适宜人眼感官的效果,解决了监控车辆的图像检测识别率较低的技术问题。
可选地,处理器1102对车辆图像进行人眼感官处理的处理方式可以为对输入的车辆图片YUV数据进行车窗检测,选取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据;然后将输入的车辆图片YUV数据进行基于人眼感官策略的车辆图像处理,包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理,最后保存车辆图片的YUV数据,即处理后的车辆图像。
可选地,处理器1102对车辆图像进行人眼感官处理的处理方式可以为对输入的车辆图片YUV数据进行车窗检测,选取车窗区域矩形区域,并保存车窗区域矩形对应的YUV数据;然后将输出的车窗矩形区域的YUV数据进行一次图像处理,包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理;然后保存一次图像处理后的车窗矩形区域YUV数据;进一步将一次图像处理后的车窗矩形区域YUV数据进行二次图像处理,即基于人眼感官策略的车窗区域图像处理,该处理包括:自动对比度增强处理、Gamma曲线处理、USM锐化、降噪模块处理。最后保存车窗区域处理后的YUV数据,即车窗感官图像。
可选地,处理器1102拼接处理后的车辆图像和车窗感官图像,得到处理后的车辆图像可以为将上述车辆图片的YUV数据和车窗区域处理后的YUV数据进行保存拼接合成一张图片,该处理后的车辆图片能够满足人眼感官的要求,能较好地表现车辆区域通透和车窗局部透视的要求。而且该处理后的车辆图像和车窗感官图像有多种拼接合成方式,例如,将处理后的车辆图像的任意一条边与处理后的车窗区域图像的一条边拼接,得到处理后的图像。具体的,如图4所示,可以将处理后的车辆图像的右边线与处理后的车窗区域图像的左边线在水平方向上左右拼接,也可以如图5所示,可以将处理后的车辆图像的下边线与处理后的车窗区域图像的上边线在竖直方向上上下拼接。可选地,在将处理后的车辆图像中的一条边与处理后的车窗区域图像进行拼接时,两条边可以全部或部分地拼接在一起。此外,也可以用处理后的车窗区域图像替代处理后的车辆图像中的车窗区域部分的图像。
可选地,如图12所示,图像采集单元1101包括:
成像传感器1201,用于在车辆进入预设位置时获取车辆的成像图像;
数据转换器1202,分别与成像传感器和处理器连接,用于将成像图像转换为YUV数据形式的车辆图像,并将车辆图像输入处理器。
其中,数据转换器可以为模数转换器。
可选地,成像传感器1201用于在车辆行驶过程或停泊过程中,用抓拍机对场景进行监控,当车辆进入预先设置的抓拍位置,运行在主处理器中视频检测算法会自动触发图像采集单元抓拍车辆通行图片。
可选地,数据转换器1202将成像传感器1201采集到的图片会以YUV数据形式送入下一处理环节,从而使最终输出的图片能够达到透视车窗的效果且车窗区域目标特征识别结果更准确。
可选地,图像采集设备可以由镜头、图像采集单元(成像sensor传感器、A/D转换模块、FPGA可编程逻辑控制器)、主控制器、SDRAM内存四部分组成。
可选地,如图13所示的一种可选的图像采集设备的实施例,该图像采集设备包括镜头1301、图像采集单元、主控制器1305和内存1306。其中,图像采集单元包括成像传感器1302、模/数转换器1303和可编程逻辑控制器1304。
在上述实施例中,通过镜头和成像传感器采集车辆图像,经过模/数转换器(即上述实施例中的数据转换器)和可编程逻辑控制器将车辆图像发送至主控制器,主控制器实现上述实施例中的处理器的功能,其中,内存用于存储该实施例中的车辆图像和对车辆图像进行处理的过程中产生的过程数据。
上述实施例中的图片采集设备可以为抓拍机;其中的主控制器可以包括高运算性能的ARM架构处理器和DSP处理器。
可选地,如图14所示的车辆监控方法,该实施例包括如下步骤:
步骤S1401,获取车辆图像的YUV数据。
具体地,可以从高清卡口或高清治安卡口获取该车辆图像。
步骤S1402,获取车窗感兴趣区域图像。
具体地,可以通过车辆ROI区域(即车窗感兴趣区域)定位模块获取车窗感兴趣区域图像,该车窗感兴趣区域图像即为上述实施例中的车窗区域图像。
可选地,车辆ROI区域定位模块可以对获取的卡口图片的YUV数据(即上述实施例中的车辆图像的YUV数据)进行车窗检测,从车辆图像中扣取车窗区域的矩形区域,并保存该车窗区域图像的YUV数据。
步骤S1403,针对车辆图像进行人眼感官处理。也即,对车辆图像进行人眼观感处理,得到通透的车辆图像。该步骤与步骤S1402可以是并行的。
具体地,在获取卡口图片YUV数据之后,对其进行图像处理后,保存卡口图片车辆的YUV数据,即通透的车辆图像,其中的图像处理包括:人眼感官方向处理,图像处理还可以包括:自动对比度增强处理、Gamma曲线处理、USM锐化以及降噪处理中的至少之一。
步骤S1404,输出处理后的车辆图像(即为上述的通透的车辆图像)。
步骤S1405,针对车窗区域图像进行人眼感官处理。
具体地,在获取车窗区域图像的YUV数据之后,对其进行图像处理,并保存处理后的车窗区域图像的YUV数据,即透视的车窗区域图像,其中的图像处理包括:人眼感官方向处理,图像处理还可以包括:自动对比度增强处理、Gamma曲线处理、USM锐化以及降噪处理中的至少之一。
步骤S1406,输出处理后的车窗区域图像(即为透视的车窗区域图像)。
步骤S1407,将处理后的车辆图像和处理后的车窗区域图像拼接成处理后的图像。
上述实施例中的拼接处理方式有多种形式:可以将处理后的车辆图像和处理后的车窗区域图像进行左右拼接、上下拼接,也可以使用处理后的车窗区域图像替代处理后的全画幅图像中的车窗部分。
图1所示实施例的步骤S106可以通过上述步骤S1403至S1407实现,上述步骤可以通过图片处理模块处理。
通过上述实施例得到的处理后的图像,可以满足人眼感官的要求,能很好地表现车辆区域通透和车窗局部透视的要求。
步骤S1408,对车窗感兴趣区域进行图像预处理。
该步骤可以是与步骤S1405并行的。
其中,对识别到的车窗区域图像进行图像预处理得到预处理图像,并保存该预处理图像的YUV数据。其中,预处理包括下述处理中的至少之一:自动对比度增强处理、Gamma曲线处理、USM锐化以及降噪处理。
步骤S1409,识别车型。
步骤S1410,检测驾驶者是否系安全带。
检测结果可以为:系安全带(可以用识别表示)和未系安全带(可以用不识别表示)。
步骤S1411,定位驾驶者的人脸特征。
步骤S1412,检测遮阳板是否打开。
检测结果可以为:打开(可以用识别表示)和未打开(可以用不识别表示)。
步骤S1413,检测驾驶者是否在打手机。
检测结果可以为:打手机(可以用识别表示)和未打手机(可以用不识别表示)。
上述的步骤S1409至步骤S1413可以是并行处理的。
步骤S1414,统计特征识别结果。即统计步骤S1409至步骤S1413的特征识别结果。
步骤S1415,基于特征识别结果确定反馈控制参数。
步骤S1416,输出处理后的图像和特征识别结果。
在本发明实施例中,通过识别监控到的车辆图像中的车窗区域图像,对上述车窗区域图像进行特征识别从而得到目标特征的识别结果;并对上述车辆图像进行人眼感官处理从而得到处理后的车辆图像;最终输出上述目标特征的识别结果和上述处理后的车辆图像,达到了准确识别监控车辆目标特征和处理后的车辆图像适宜人眼感官的效果,进而解决了监控车辆的图像检测识别率较低的技术问题。
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。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (15)
1.一种车辆监控方法,其特征在于,包括:
识别监控到的车辆图像中的车窗区域图像;
对所述车窗区域图像进行特征识别,得到目标特征的识别结果;
对所述车辆图像和所述车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;
输出所述目标特征的识别结果和所述处理后的图像。
2.根据权利要求1所述的车辆监控方法,其特征在于,对所述车窗区域图像进行特征识别,得到目标特征的识别结果包括:
对所述车窗区域图像进行预处理得到预处理图像;
对所述预处理图像进行特征识别,得到所述目标特征的识别结果。
3.根据权利要求2所述的车辆监控方法,其特征在于,在对所述预处理图像进行特征识别,得到所述目标特征的识别结果之后,所述方法还包括:
保存识别到的所述预处理图像的图像参数,其中,所述图像参数包括:所述预处理图像的前景与背景的对比度和/或所述预处理图像的灰度值;
将所述识别结果、所述识别结果的置信度和所述图像参数作为反馈参数;
使用所述反馈参数调整对所述车窗区域图像进行预处理的预处理参数,得到调整后的预处理参数;
使用所述调整后的预处理参数对当前的车窗区域图像和/或下一个车窗区域图像进行预处理,其中,所述预处理包括对比度增强、曲线校正、锐化以及降噪中的至少一种处理方式。
4.根据权利要求1所述的车辆监控方法,其特征在于,对所述车窗区域图像进行特征识别,得到目标特征的识别结果包括:
识别所述车窗区域图像中的所述车辆的驾驶者的人脸特征;
识别所述车窗区域图像中是否存在驾驶状态特征,得到状态识别结果,其中,所述驾驶状态特征包括所述驾驶者打电话的特征、所述车辆的遮阳板打开的特征以及所述驾驶者系安全带的特征中的至少之一,
其中,所述识别结果包括所述驾驶者的人脸特征和所述状态识别结果。
5.根据权利要求1所述的车辆监控方法,其特征在于,对所述车辆图像和所述车窗区域图像分别进行人眼感官处理包括:
对所述车辆图像进行高光和/或阴影调整,得到所述处理后的车辆图像;以及
调整所述车窗区域图像中各个像素点的对比度系数,得到所述处理后的车窗区域图像。
6.根据权利要求1或5所述的车辆监控方法,其特征在于,将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像包括:
将所述处理后的车辆图像的任意一条边与所述处理后的车窗区域图像的一条边拼接,得到所述处理后的图像;或
使用所述处理后的车窗区域图像替代所述处理后的车辆图像中的车窗部分,得到所述处理后的图像。
7.一种车辆监控装置,其特征在于,包括:
图像识别模块,用于识别监控到的车辆图像中的车窗区域图像;
特征识别模块,用于对所述车窗区域图像进行特征识别,得到目标特征的识别结果;
图像处理模块,用于对所述车辆图像和所述车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;
输出模块,用于输出所述目标特征的识别结果和所述处理后的图像。
8.根据权利要求7所述的车辆监控装置,其特征在于,所述特征识别模块包括:
第一图像处理子模块,用于对所述车窗区域图像进行预处理得到预处理图像;
第一特征识别子模块,用于对所述预处理图像进行特征识别,得到所述目标特征的识别结果。
9.根据权利要求8所述的车辆监控装置,其特征在于,所述车辆监控装置还包括:
保存模块,用于保存识别到的所述预处理图像的图像参数,其中,所述图像参数包括:所述预处理图像的前景与背景的对比度和/或所述预处理图像的灰度值;
第一处理模块,用于将所述识别结果、所述识别结果的置信度和所述图像参数作为反馈参数;
第二处理模块,用于使用所述反馈参数调整对所述车窗区域图像进行预处理的预处理参数,得到调整后的预处理参数;
第三处理模块,用于使用所述调整后的预处理参数对当前的车窗区域图像和/或下一个车窗区域图像进行预处理,
其中,所述预处理包括对比度增强、曲线校正、锐化以及降噪中的至少一种处理方式。
10.根据权利要求7所述的车辆监控装置,其特征在于,所述特征识别模块还包括:
第二特征识别子模块,用于识别所述车窗区域图像中的所述车辆的驾驶者的人脸特征;
第三特征识别子模块,用于识别所述车窗区域图像中是否存在驾驶状态特征,得到状态识别结果,
其中,所述驾驶状态特征包括所述驾驶者打电话的特征、所述车辆的遮阳板打开的特征以及所述驾驶者系安全带的特征中的至少之一,
其中,所述识别结果包括所述驾驶者的人脸特征和所述状态识别结果。
11.根据权利要求7所述的车辆监控装置,其特征在于,所述图像处理模块包括:
第一调整子模块,用于对所述车辆图像进行高光和/或阴影调整,得到所述处理后的车辆图像;
第二调整子模块,用于调整所述车窗区域图像中各个像素点的对比度系数,得到所述处理后的车窗区域图像。
12.根据权利要求7或11所述的车辆监控装置,其特征在于,所述图像处理模块还包括:
拼接模块,用于将所述处理后的车辆图像的任意一条边与所述处理后的车窗区域图像的一条边拼接,得到所述处理后的图像;或
替代模块,用于使用所述处理后的车窗区域图像替代所述处理后的车辆图像中的车窗部分,得到所述处理后的图像。
13.一种处理器,其特征在于,包括:权利要求7至12中任意一项所述的车辆监控装置。
14.一种图像采集设备,其特征在于,包括:
图像采集单元,用于在车辆进入预设位置时采集所述车辆的车辆图像;
权利要求13所述的处理器,与所述图像采集单元连接,用于识别所述车辆图像中的车窗区域图像;对所述车窗区域图像进行特征识别,得到目标特征的识别结果;对所述车辆图像和所述车窗区域图像分别进行人眼感官处理,并将处理后的车辆图像和处理后的车窗区域图像拼接得到处理后的图像;以及输出所述目标特征的识别结果和所述处理后的车辆图像。
15.根据权利要求14所述的图像采集设备,其特征在于,所述图像采集单元包括:
成像传感器,用于在所述车辆进入所述预设位置时获取所述车辆的成像图像;
数据转换器,分别与所述成像传感器和所述处理器连接,用于将所述成像图像转换为YUV数据形式的所述车辆图像,并将所述车辆图像输入所述处理器。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510501619.5A CN106469309B (zh) | 2015-08-14 | 2015-08-14 | 车辆监控的方法和装置、处理器、图像采集设备 |
PCT/CN2016/083326 WO2017028587A1 (zh) | 2015-08-14 | 2016-05-25 | 车辆监控的方法和装置、处理器、图像采集设备 |
US15/749,860 US11003931B2 (en) | 2015-08-14 | 2016-05-25 | Vehicle monitoring method and apparatus, processor, and image acquisition device |
EP16836451.1A EP3336764B1 (en) | 2015-08-14 | 2016-05-25 | Vehicle monitoring method and image acquisition device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510501619.5A CN106469309B (zh) | 2015-08-14 | 2015-08-14 | 车辆监控的方法和装置、处理器、图像采集设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106469309A true CN106469309A (zh) | 2017-03-01 |
CN106469309B CN106469309B (zh) | 2019-11-12 |
Family
ID=58051276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510501619.5A Active CN106469309B (zh) | 2015-08-14 | 2015-08-14 | 车辆监控的方法和装置、处理器、图像采集设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11003931B2 (zh) |
EP (1) | EP3336764B1 (zh) |
CN (1) | CN106469309B (zh) |
WO (1) | WO2017028587A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268857A (zh) * | 2018-02-05 | 2018-07-10 | 杨明 | 查处违章的巡查移动车 |
CN108460387A (zh) * | 2018-03-26 | 2018-08-28 | 国网安徽省电力有限公司检修分公司 | 智能电力表计抄录计算系统及方法 |
CN108960228A (zh) * | 2017-05-18 | 2018-12-07 | 富士通株式会社 | 车辆的检测装置、方法以及图像处理设备 |
CN109033929A (zh) * | 2018-02-05 | 2018-12-18 | 杨明 | 一种查处未成年人危险驾驶行为的方法 |
CN110321935A (zh) * | 2019-06-13 | 2019-10-11 | 上海上湖信息技术有限公司 | 业务事件关系确定方法及装置、计算机可读存储介质 |
CN110334676A (zh) * | 2019-07-11 | 2019-10-15 | 山东领能电子科技有限公司 | 一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法 |
CN110633609A (zh) * | 2019-04-29 | 2019-12-31 | 韩明 | 基于人脸对象位置分析的定位平台 |
CN110751215A (zh) * | 2019-10-21 | 2020-02-04 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置、设备、系统及介质 |
CN110944111A (zh) * | 2019-10-27 | 2020-03-31 | 张姣姣 | 基于通道检测的大数据分析平台、方法及存储介质 |
CN110962733A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 车辆的防炫目控制方法、系统及车辆 |
CN110962734A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 车辆的防炫目控制方法、系统及车辆 |
CN111723775A (zh) * | 2020-07-03 | 2020-09-29 | 上海眼控科技股份有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
CN112712469A (zh) * | 2019-10-25 | 2021-04-27 | 浙江宇视科技有限公司 | 车窗图像处理方法、装置、电子设备和存储介质 |
CN112905821A (zh) * | 2019-12-03 | 2021-06-04 | 杭州海康威视数字技术股份有限公司 | 图像显示方法、装置、设备及存储介质 |
CN114333329A (zh) * | 2022-01-26 | 2022-04-12 | 杭州海康威视数字技术股份有限公司 | 停车检测方法、设备及存储介质 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018121013A1 (en) * | 2016-12-29 | 2018-07-05 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for detecting objects in images |
CN106781525A (zh) * | 2017-02-28 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 一种车辆智能识别监控方法 |
CN106991696B (zh) * | 2017-03-09 | 2020-01-24 | Oppo广东移动通信有限公司 | 逆光图像处理方法、逆光图像处理装置及电子装置 |
US10753166B2 (en) | 2017-10-06 | 2020-08-25 | Baker Hughes, A Ge Company, Llc | Load reduction device and method for reducing load on power cable coiled tubing |
CN108052920A (zh) * | 2017-12-27 | 2018-05-18 | 百度在线网络技术(北京)有限公司 | 用于输出信息的方法和装置 |
CN109117849A (zh) * | 2018-07-17 | 2019-01-01 | 中国铁道科学研究院集团有限公司 | 深度学习技术在车站列车运行监测预警系统的应用 |
CN110163169A (zh) * | 2019-05-27 | 2019-08-23 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
US10650265B1 (en) | 2019-05-29 | 2020-05-12 | Capital One Services, Llc | Systems and methods for enhancing real-time image recognition |
CN110458093B (zh) * | 2019-08-09 | 2024-04-09 | 径卫视觉科技(上海)有限公司 | 一种基于驾驶员监控系统的安全带检测方法以及相应的设备 |
CN110602461A (zh) * | 2019-09-26 | 2019-12-20 | 广脉科技股份有限公司 | 一种未来社区区域感知信息处理反馈系统 |
CN111539360B (zh) * | 2020-04-28 | 2022-11-22 | 重庆紫光华山智安科技有限公司 | 安全带佩戴识别方法、装置及电子设备 |
CN113780039A (zh) * | 2020-06-10 | 2021-12-10 | 上海汽车集团股份有限公司 | 车窗智能控制方法、装置、电子设备及存储介质 |
US20220013012A1 (en) * | 2020-07-10 | 2022-01-13 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicle parking assistance |
CN113052098B (zh) * | 2021-03-31 | 2024-02-23 | 深圳酷派技术有限公司 | 车辆防刮预警方法、相关装置及计算机存储介质 |
CN113516104B (zh) * | 2021-08-09 | 2023-08-29 | 上海高德威智能交通系统有限公司 | 一种营运客车识别方法、装置、电子设备及存储介质 |
CN113686562B (zh) * | 2021-08-26 | 2024-03-12 | 浙江吉利控股集团有限公司 | 一种车门下线检测方法及装置 |
CN115063785B (zh) * | 2022-08-17 | 2023-01-10 | 深圳联友科技有限公司 | 高速公路场景使用目标识别模型定位车牌的方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197942A (zh) * | 2007-12-27 | 2008-06-11 | 华为技术有限公司 | 多曝光控制方法及多曝光控制装置 |
CN100590675C (zh) * | 2007-12-28 | 2010-02-17 | 北京航空航天大学 | 一种固定式卡口电子警察抓拍装置 |
KR20150045235A (ko) * | 2013-10-18 | 2015-04-28 | 아이브스테크놀러지(주) | 안전 벨트 탐지 장치 및 방법 |
CN104573680A (zh) * | 2015-02-10 | 2015-04-29 | 深圳市哈工大交通电子技术有限公司 | 图像检测方法、图像检测装置以及交通违法检测系统 |
CN104680156A (zh) * | 2015-03-23 | 2015-06-03 | 山东农业大学 | 基于机器视觉的机动车前排未系安全带识别系统及方法 |
CN104700066A (zh) * | 2013-12-11 | 2015-06-10 | 杭州海康威视数字技术股份有限公司 | 一种检测驾驶员是否佩戴有安全带的方法和装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6792160B2 (en) * | 2001-07-27 | 2004-09-14 | Hewlett-Packard Development Company, L.P. | General purpose image enhancement algorithm which augments the visual perception of detail in digital images |
US8384555B2 (en) * | 2006-08-11 | 2013-02-26 | Michael Rosen | Method and system for automated detection of mobile phone usage |
US8611608B2 (en) * | 2011-08-23 | 2013-12-17 | Xerox Corporation | Front seat vehicle occupancy detection via seat pattern recognition |
US8824742B2 (en) * | 2012-06-19 | 2014-09-02 | Xerox Corporation | Occupancy detection for managed lane enforcement based on localization and classification of windshield images |
US8971579B2 (en) * | 2013-04-09 | 2015-03-03 | Xerox Corporation | Windshield localization for occupancy detection |
US9420171B2 (en) * | 2013-10-09 | 2016-08-16 | Xerox Corporation | Dynamic multi-windowed image enhancement for interactive HOV detection |
US9633267B2 (en) * | 2014-04-04 | 2017-04-25 | Conduent Business Services, Llc | Robust windshield detection via landmark localization |
CN104123557B (zh) * | 2014-06-29 | 2017-10-03 | 中南大学 | 一种基于公路监控设备的轿车安全带系挂状态的检测方法 |
US9552524B2 (en) * | 2014-09-15 | 2017-01-24 | Xerox Corporation | System and method for detecting seat belt violations from front view vehicle images |
CN104657752B (zh) * | 2015-03-17 | 2018-09-07 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
-
2015
- 2015-08-14 CN CN201510501619.5A patent/CN106469309B/zh active Active
-
2016
- 2016-05-25 US US15/749,860 patent/US11003931B2/en active Active
- 2016-05-25 WO PCT/CN2016/083326 patent/WO2017028587A1/zh active Application Filing
- 2016-05-25 EP EP16836451.1A patent/EP3336764B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197942A (zh) * | 2007-12-27 | 2008-06-11 | 华为技术有限公司 | 多曝光控制方法及多曝光控制装置 |
CN100590675C (zh) * | 2007-12-28 | 2010-02-17 | 北京航空航天大学 | 一种固定式卡口电子警察抓拍装置 |
KR20150045235A (ko) * | 2013-10-18 | 2015-04-28 | 아이브스테크놀러지(주) | 안전 벨트 탐지 장치 및 방법 |
CN104700066A (zh) * | 2013-12-11 | 2015-06-10 | 杭州海康威视数字技术股份有限公司 | 一种检测驾驶员是否佩戴有安全带的方法和装置 |
CN104573680A (zh) * | 2015-02-10 | 2015-04-29 | 深圳市哈工大交通电子技术有限公司 | 图像检测方法、图像检测装置以及交通违法检测系统 |
CN104680156A (zh) * | 2015-03-23 | 2015-06-03 | 山东农业大学 | 基于机器视觉的机动车前排未系安全带识别系统及方法 |
Non-Patent Citations (1)
Title |
---|
网通社汽车: "街拍不文明驾驶行为:看谁没系安全带", 《HTTP://AUTO.NEWS18A.COM/NEWS/20130220/STORY_309888.HTML》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960228A (zh) * | 2017-05-18 | 2018-12-07 | 富士通株式会社 | 车辆的检测装置、方法以及图像处理设备 |
CN109033929A (zh) * | 2018-02-05 | 2018-12-18 | 杨明 | 一种查处未成年人危险驾驶行为的方法 |
CN109033929B (zh) * | 2018-02-05 | 2019-05-17 | 陈小青 | 一种查处未成年人危险驾驶行为的方法 |
CN108268857A (zh) * | 2018-02-05 | 2018-07-10 | 杨明 | 查处违章的巡查移动车 |
CN108460387A (zh) * | 2018-03-26 | 2018-08-28 | 国网安徽省电力有限公司检修分公司 | 智能电力表计抄录计算系统及方法 |
CN110962733A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 车辆的防炫目控制方法、系统及车辆 |
CN110962734B (zh) * | 2018-09-30 | 2021-09-21 | 长城汽车股份有限公司 | 车辆的防炫目控制方法、系统及车辆 |
CN110962734A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 车辆的防炫目控制方法、系统及车辆 |
CN110633609A (zh) * | 2019-04-29 | 2019-12-31 | 韩明 | 基于人脸对象位置分析的定位平台 |
CN110321935A (zh) * | 2019-06-13 | 2019-10-11 | 上海上湖信息技术有限公司 | 业务事件关系确定方法及装置、计算机可读存储介质 |
CN110334676A (zh) * | 2019-07-11 | 2019-10-15 | 山东领能电子科技有限公司 | 一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法 |
CN110334676B (zh) * | 2019-07-11 | 2023-06-30 | 山东领能电子科技有限公司 | 一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法 |
CN110751215A (zh) * | 2019-10-21 | 2020-02-04 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置、设备、系统及介质 |
CN112712469A (zh) * | 2019-10-25 | 2021-04-27 | 浙江宇视科技有限公司 | 车窗图像处理方法、装置、电子设备和存储介质 |
CN112712469B (zh) * | 2019-10-25 | 2024-04-30 | 浙江宇视科技有限公司 | 车窗图像处理方法、装置、电子设备和存储介质 |
CN110944111A (zh) * | 2019-10-27 | 2020-03-31 | 张姣姣 | 基于通道检测的大数据分析平台、方法及存储介质 |
CN110944111B (zh) * | 2019-10-27 | 2020-09-08 | 云南能投信息产业开发有限公司 | 基于通道检测的大数据分析平台、方法及存储介质 |
CN112905821A (zh) * | 2019-12-03 | 2021-06-04 | 杭州海康威视数字技术股份有限公司 | 图像显示方法、装置、设备及存储介质 |
CN112905821B (zh) * | 2019-12-03 | 2023-03-28 | 杭州海康威视数字技术股份有限公司 | 图像显示方法、装置、设备及存储介质 |
CN111723775A (zh) * | 2020-07-03 | 2020-09-29 | 上海眼控科技股份有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
CN114333329A (zh) * | 2022-01-26 | 2022-04-12 | 杭州海康威视数字技术股份有限公司 | 停车检测方法、设备及存储介质 |
CN114333329B (zh) * | 2022-01-26 | 2023-09-29 | 杭州海康威视数字技术股份有限公司 | 停车检测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20180232587A1 (en) | 2018-08-16 |
US11003931B2 (en) | 2021-05-11 |
EP3336764B1 (en) | 2023-11-29 |
EP3336764A4 (en) | 2019-04-10 |
WO2017028587A1 (zh) | 2017-02-23 |
CN106469309B (zh) | 2019-11-12 |
EP3336764A1 (en) | 2018-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106469309A (zh) | 车辆监控的方法和装置、处理器、图像采集设备 | |
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN109460699B (zh) | 一种基于深度学习的驾驶员安全带佩戴识别方法 | |
CN101656023B (zh) | 一种视频监视模式下的室内停车场管理方法 | |
US9721173B2 (en) | Machine learning approach for detecting mobile phone usage by a driver | |
CN102867417B (zh) | 一种出租车防伪系统及方法 | |
CN108205649B (zh) | 驾驶员开车接打电话的状态识别方法及装置 | |
CN101587544B (zh) | 基于计算机视觉的机动车车载反跟踪装置 | |
CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
CN109101914A (zh) | 一种基于多尺度的行人检测方法和装置 | |
CN102298693B (zh) | 基于计算机视觉的高速公路弯道检测方法 | |
KR101845769B1 (ko) | Cnn을 이용한 자동차 후면 검출 시스템 및 그 방법 | |
CN108109385A (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
CN106686280A (zh) | 影像修补系统及其方法 | |
CN105488453A (zh) | 一种基于图像处理的驾驶员未系安全带检测识别方法 | |
CN103824081A (zh) | 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法 | |
CN107180230A (zh) | 通用车牌识别方法 | |
CN112287861A (zh) | 基于夜间环境感知的道路信息增强与驾驶预警方法 | |
CN107766802A (zh) | 一种机动车前排驾乘人员未扣安全带的自适应检测方法 | |
US11482012B2 (en) | Method for driving assistance and mobile device using the method | |
DE102014100364B4 (de) | Verfahren zum Bestimmen, ob eine Augen-abseits-der-Straße-Bedingung vorliegt | |
CN109274945B (zh) | 一种自适应进行图像真彩色还原的方法及系统 | |
Wen et al. | A rear-vehicle detection system for static images based on monocular vision | |
Nguwi et al. | Number plate recognition in noisy image | |
CN111523401A (zh) | 一种识别车型的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |