CN107992810A - 车辆识别方法和装置、电子设备、计算机程序和存储介质 - Google Patents

车辆识别方法和装置、电子设备、计算机程序和存储介质 Download PDF

Info

Publication number
CN107992810A
CN107992810A CN201711195416.3A CN201711195416A CN107992810A CN 107992810 A CN107992810 A CN 107992810A CN 201711195416 A CN201711195416 A CN 201711195416A CN 107992810 A CN107992810 A CN 107992810A
Authority
CN
China
Prior art keywords
vehicle
same direction
taillight
region
highlighted
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
Application number
CN201711195416.3A
Other languages
English (en)
Other versions
CN107992810B (zh
Inventor
唐川香
沈海寅
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.)
Leauto Intelligent Technology Beijing Co Ltd
Original Assignee
Leauto Intelligent Technology Beijing Co Ltd
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 Leauto Intelligent Technology Beijing Co Ltd filed Critical Leauto Intelligent Technology Beijing Co Ltd
Priority to CN201711195416.3A priority Critical patent/CN107992810B/zh
Publication of CN107992810A publication Critical patent/CN107992810A/zh
Application granted granted Critical
Publication of CN107992810B publication Critical patent/CN107992810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种车辆识别方法和装置、电子设备、计算机程序和存储介质。其中，方法包括：获取车辆前方的图像；从图像中提取车辆的边缘轮廓特征，识别距离车辆前方最近的同向车辆的位置；从图像中提取高亮连通区域，获得特征明显相互独立的高亮连通区；统计图像中高亮连通区域外围的光晕区域中红色像素的占比，获得属于尾灯区域的高亮连通区域，标记对应的尾灯位置；将尾灯位置与距离车辆前方最近的同向车辆的位置进行匹配，获得车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域；根据车辆前方同一同向车辆尾灯区域的几何特性，识别车辆前方除距离最近的同向车辆外其余同向车辆的位置。本发明实施例可以提高夜间车辆识别的准确率。

Description

车辆识别方法和装置、电子设备、计算机程序和存储介质
技术领域
本发明属于计算机视觉领域，特别是涉及一种车辆识别方法和装置、电子设备、计算机程序和存储介质。
背景技术
近年来随着汽车的普及程度越来越高，汽车的安全性能也越来越受到人们的重视，提高汽车安全性能的一项有效措施就是使用汽车安全驾驶辅助系统，其中基于计算机视觉的车辆识别技术是汽车安全辅助驾驶系统的重要组成部分。
目前，对于汽车安全辅助驾驶系统而言，在日间环境下基于单目视觉的车辆识别技术已经比较完善，而在夜间环境下基于单目视觉的车辆识别技术大多是采用基于特征的方法，基于特征的车辆识别方法主要是通过提取车辆尾灯，利用尾灯匹配识别车辆，在车辆识别过程中，常常会受到地面反光、路旁标识物反光和车身反光的干扰，提取出许多非尾灯区域，导致匹配错误，影响车辆识别的准确率。
发明内容
本发明实施例提供一种车辆识别方法和装置、电子设备、计算机程序和存储介质，以提高夜间车辆识别的准确率。
根据本发明实施例的一个方面，提供一种车辆识别方法，包括：
获取车辆前方的图像；
从所述图像中提取车辆的边缘轮廓特征，进行特征聚类，识别距离所述车辆前方最近的同向车辆的位置；
从所述图像中提取高亮连通区域，进行形态学处理，获得特征明显相互独立的高亮连通区；
统计所述图像中所述高亮连通区域外围的光晕区域中红色像素的占比，根据所述红色像素的占比，获得属于尾灯区域的所述高亮连通区域，标记对应的尾灯位置；
将所述尾灯位置与距离所述车辆前方最近的同向车辆的位置进行匹配，获得所述车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域；
根据所述车辆前方同一同向车辆尾灯区域的几何特性，识别所述车辆前方除距离最近的同向车辆外其余同向车辆的位置。
可选地，在本发明上述任一方法实施例中，所述从所述图像中提取高亮连通区域，包括：
选取RGB颜色空间，从所述图像中分离出R、G、B三个通道的颜色分量R(i,j)、G(i,j)及B(i,j)；
针对所述图像中的每个像素，检测其R、G、B三个颜色分量的值是否同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，提取所述像素，以构成高亮连通区域。
可选地，在本发明上述任一方法实施例中，所述统计所述图像中所述高亮连通区域外围的光晕区域中红色像素的占比，包括：
针对每个所述高亮连通区域：检测所述高亮连通外围的光晕区域中每个像素的R、G、B三个颜色分量的值是否同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，判定所述像素为红色像素；统计所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例。
可选地，在本发明上述任一方法实施例中，所述根据所述红色像素的占比，获得属于尾灯区域的所述高亮连通区域，包括：
针对每个所述高亮连通区域：判断所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例是否大于预设阈值，若所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例大于预设阈值，判定所述高亮连通区域为尾灯区域。
可选地，在本发明上述任一方法实施例中，所述预设阈值为0.03。
可选地，在本发明上述任一方法实施例中，所述根据所述车辆前方同一同向车辆尾灯区域的几何特性，识别所述车辆前方除距离最近的同向车辆外其余同向车辆的位置，包括：
从所述车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域中选取两个尾灯区域；
判断所述两个尾灯区域的几何特性是否满足预设条件，若所述两个尾灯区域的几何特性满足预设条件，判定所述两个尾灯区域为同一车辆的左右尾灯区域；
根据所述同一车辆的左右尾灯区域，识别所述车辆的位置。
可选地，在本发明上述任一方法实施例中，所述预设条件包括：
面积差：abs(Spoi1-Spoi2)<1.5min(Spoi1,Spoi2)；
质心高度差:dx<dif；
质心宽度差:10<dy<200；
两质心斜率：dx/dy<0.3；
其中，Spoi1和Spoi2分别为两个尾灯区域的面积；dx和dy分别为在以图像中的竖直方向和水平方向为x轴和y轴建立的平面直接坐标系统中，两个尾灯区域的质心的高度差和宽度差；dif＝4，且可调节。
根据本发明实施例的又一个方面，提供一种车辆识别装置，包括：
获取单元，用于获取车辆前方的图像；
聚类单元，用于从所述图像中提取车辆的边缘轮廓特征，进行特征聚类，识别距离所述车辆前方最近的同向车辆的位置；
提取单元，用于从所述图像中提取高亮连通区域，进行形态学处理，获得特征明显相互独立的高亮连通区；
统计单元，用于统计所述图像中所述高亮连通区域外围的光晕区域中红色像素的占比，根据所述红色像素的占比，获得属于尾灯区域的所述高亮连通区域，标记对应的尾灯位置；
匹配单元，用于将所述尾灯位置与距离所述车辆前方最近的同向车辆的位置进行匹配，获得所述车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域；
识别单元，用于根据所述车辆前方同一同向车辆尾灯区域的几何特性，识别所述车辆前方除距离最近的同向车辆外其余同向车辆的位置。
可选地，在本发明上述任一装置实施例中，所述提取单元，具体用于：
选取RGB颜色空间，从所述图像中分离出R、G、B三个通道的颜色分量R(i,j)、G(i,j)及B(i,j)；
针对所述图像中的每个像素，检测其R、G、B三个颜色分量的值是否同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，提取所述像素，以构成高亮连通区域。
可选地，在本发明上述任一装置实施例中，所述统计单元，具体用于：
针对每个所述高亮连通区域：检测所述高亮连通外围的光晕区域中每个像素的R、G、B三个颜色分量的值是否同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，判定所述像素为红色像素；统计所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例。
可选地，在本发明上述任一装置实施例中，所述统计单元，还具体用于：
针对每个所述高亮连通区域：判断所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例是否大于预设阈值，若所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例大于预设阈值，判定所述高亮连通区域为尾灯区域。
可选地，在本发明上述任一装置实施例中，所述预设阈值为0.03。
可选地，在本发明上述任一装置实施例中，所述识别单元，具体用于：
从所述车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域中选取两个尾灯区域；
判断所述两个尾灯区域的几何特性是否满足预设条件，若所述两个尾灯区域的几何特性满足预设条件，判定所述两个尾灯区域为同一车辆的左右尾灯区域；
根据所述同一车辆的左右尾灯区域，识别所述车辆的位置。
可选地，在本发明上述任一装置实施例中，所述预设条件包括：
面积差：abs(Spoi1-Spoi2)<1.5min(Spoi1,Spoi2)；
质心高度差:dx<dif；
质心宽度差:10<dy<200；
两质心斜率：dx/dy<0.3；
其中，Spoi1和Spoi2分别为两个尾灯区域的面积；dx和dy分别为在以图像中的竖直方向和水平方向为x轴和y轴建立的平面直接坐标系统中，两个尾灯区域的质心的高度差和宽度差；dif＝4，且可调节。
根据本发明实施例的又一个方面，提供的一种电子设备，包括上述任一实施例所述的装置。
根据本发明实施例的再一个方面，提供的一种电子设备，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成上述任一实施例所述方法的操作。
根据本发明实施例的再一个方面，提供的一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现上述任一实施例所述方法中各步骤的指令。
根据本发明实施例的再一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一实施例所述方法的操作。
基于本发明上述实施例提供的车辆识别方法和装置、电子设备、计算机程序和存储介质，从中提取车辆的边缘轮廓特征，识别出距离车辆前方最近的同向车辆的位置，以及从图像中提取高亮连通区域，并根据对图像中高亮连通区域外围的光晕区域中红色像素占比的统计，获得尾灯的位置，再通过将尾灯的位置与距离车辆前方最近的同向车辆的位置进行匹配，获得车辆前方除距离最近的同向车辆外其余同向车辆的尾灯的位置，根据车辆前方同一同向车辆尾灯区域的几何特性，识别出车辆前方除距离最近的同向车辆外其余同向车辆的位置，采用对图像中高亮连通区域外围的光晕区域中红色像素占比进行统计，以识别出的距离车辆前方最近的同向车辆的位置作为参考，以及利用同一车辆尾灯区域的几何特性，经过逐层筛选匹配，可以有效去除地面反光、路旁标识物反光和车身反光的干扰，保证尾灯匹配的正确性，提高夜间车辆识别的准确率。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1是本发明实施例车辆识别方法一个实施例的流程图。
图2A、图2B至图6A、图6B是本发明实施例车辆识别方法一个具体应用的示意图。
图7是本发明实施例车辆识别装置一个实施例的结构图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1是本发明实施例车辆识别方法一个实施例的流程图。如图1所示，该实施例的方法包括：
102，获取车辆前方的图像。
具体实现中，操作102可以是从车辆前方设置的图像采集装置中获取车辆前方的图像，例如，设置于车辆前方的摄像头等。
104，从图像中提取车辆的边缘轮廓特征，进行特征聚类，识别距离车辆前方最近的同向车辆的位置。
具体实现中，在夜间行车各种光照的作用下，距离车辆前方最近的同向车辆往往处于较好的照明条件下，采用操作104的车辆边缘轮廓特征提取与聚类的方法，可以快速识别出距离车辆前方最近的同向车辆的位置。
106，从图像中提取高亮连通区域，进行形态学处理，获得特征明显相互独立的高亮连通区。
具体实现中，操作106提取高亮连通区域可以直接通过在RGB颜色空间进行相应的操作来实现，而不需要进行颜色空间的转换，可以节省处理的时间和存储空间，避免现有技术在尾灯特征提取时图像，需要进行颜色空间的转换等操作，处理过程复杂，计算量大的问题。
在一个具体示例中，由于夜间车灯亮度明显，在黑暗的背景下很容易形成高亮连通区域，根据高亮连通区域的特征，操作106提取高亮连通区域可以采用以下步骤：选取RGB颜色空间，从图像中分离出R、G、B三个通道的颜色分量R(i,j)、G(i,j)及B(i,j)；针对图像中的每个像素，检测其R、G、B三个颜色分量的值是否同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，提取像素，以构成高亮连通区域。
具体地，在操作106提取高亮连通区域后，还可以包含对图像中的高亮连通区域进行中值滤波的操作。
108，统计图像中高亮连通区域外围的光晕区域中红色像素的占比，根据红色像素的占比，获得属于尾灯区域的高亮连通区域，标记对应的尾灯位置。
具体实现中，操作108统计图像中高亮连通区域外围的光晕区域中红色像素的占比也可以直接通过在RGB颜色空间进行相应的操作来实现。
在一个具体示例中，操作108统计图像中高亮连通区域外围的光晕区域中红色像素的占比可以采用以下步骤：针对每个高亮连通区域，利用从图像中分离出的R、G、B三个通道的颜色分量R(i,j)、G(i,j)及B(i,j)，检测高亮连通外围的光晕区域中每个像素的R、G、B三个颜色分量的值是否同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，判定该像素为红色像素；统计高亮连通区域外围的光晕区域中红色像素占光晕区域中所有像素的比例。
在一个具体示例中，操作108根据红色像素的占比，获得属于尾灯区域的高亮连通区域可以采用以下步骤：针对每个高亮连通区域，判断高亮连通区域外围的光晕区域中红色像素占光晕区域中所有像素的比例是否大于预设阈值，若高亮连通区域外围的光晕区域中红色像素占光晕区域中所有像素的比例大于预设阈值，判定高亮连通区域为尾灯区域。其中，根据大量的试验，预设阈值可以设置为0.03。
由于操作108在判定高亮连通区域是否为尾灯区域时，只是利用定高亮连通区域外围的光晕区域中的像素作为判定条件，并未对像素进行提取等操作，减少了提取尾灯特征黏连的问题。
110，将尾灯位置与距离车辆前方最近的同向车辆的位置进行匹配，获得车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域。
112，根据车辆前方同一同向车辆尾灯区域的几何特性，识别车辆前方除距离最近的同向车辆外其余同向车辆的位置。
具体实现中，由于车灯在夜间呈现为高亮区域，虽然它的轮廓被虚化，但其形状特征、大小比例等几何特性并不会改变，并且保证在一定范围内，因此可以通过检测两个尾灯区域是否满足同一车辆尾灯区域的几何特性来识别车辆的位置。
在一个具体示例中，操作112可以采用以下步骤：从车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域中选取两个尾灯区域；判断两个尾灯区域的几何特性是否满足预设条件，若两个尾灯区域的几何特性满足预设条件，判定两个尾灯区域为同一车辆的左右尾灯区域；根据同一车辆的左右尾灯区域，识别该车辆的位置。
在一个具体示例中，预设条件包括：
面积差：abs(Spoi1-Spoi2)<1.5min(Spoi1,Spoi2)；
质心高度差:dx<dif；
质心宽度差:10<dy<200；
两质心斜率：dx/dy<0.3；
其中，Spoi1和Spoi2分别为两个尾灯区域的面积；dx和dy分别为在以图像中的竖直方向和水平方向为x轴和y轴建立的平面直接坐标系统中，两个尾灯区域的质心的高度差和宽度差；dif＝4，且可调节。
在本发明实施例一个具体应用的示例中，如图2A、图2B至图6A、图6B所示，其中，图2A和图2B分别是车辆前方的原始图像，图3A和图3B分别是对图2A和图2B进行高亮连通区域提取获得的图像，图4A和图4B分别是对图3A和图3B进行中值滤波获得的图像，图5A和图5B分别是对图4A和图4B的高亮连通区域进行外围光晕区域中红色像素占比判断后获得的图像，图6A、图6B分别是对图5A和图5B中的尾灯区域进行匹配获得的图像。
因此基于本发明上述实施例提供的车辆识别方法，通过获取车辆前方的图像，从中提取车辆的边缘轮廓特征，识别出距离车辆前方最近的同向车辆的位置，以及从图像中提取高亮连通区域，并根据对图像中高亮连通区域外围的光晕区域中红色像素占比的统计，获得尾灯的位置，再通过将尾灯的位置与距离车辆前方最近的同向车辆的位置进行匹配，获得车辆前方除距离最近的同向车辆外其余同向车辆的尾灯的位置，根据车辆前方同一同向车辆尾灯区域的几何特性，识别出车辆前方除距离最近的同向车辆外其余同向车辆的位置，采用对图像中高亮连通区域外围的光晕区域中红色像素占比进行统计，以识别出的距离车辆前方最近的同向车辆的位置作为参考，以及利用同一车辆尾灯区域的几何特性，经过逐层筛选匹配，可以有效去除地面反光、路旁标识物反光和车身反光的干扰，保证尾灯匹配的正确性，提高夜间车辆识别的准确率。
图7是本发明实施例车辆识别装置一个实施例的结构图。如图7所示，该实施例的装置包括：获取单元、聚类单元、提取单元、统计单元、匹配单元和识别单元。其中，
获取单元，用于获取车辆前方的图像。
具体实现中，操作获取单元可以是从车辆前方设置的图像采集装置中获取车辆前方的图像，例如，设置于车辆前方的摄像头等。
聚类单元，用于从图像中提取车辆的边缘轮廓特征，进行特征聚类，识别距离车辆前方最近的同向车辆的位置。
具体实现中，在夜间行车各种光照的作用下，距离车辆前方最近的同向车辆往往处于较好的照明条件下，聚类单元采用对车辆边缘轮廓特征提取与聚类的方法，可以快速识别出距离车辆前方最近的同向车辆的位置。
提取单元，用于从图像中提取高亮连通区域，进行形态学处理，获得特征明显相互独立的高亮连通区。
具体实现中，提取单元提取高亮连通区域可以直接通过在RGB颜色空间进行相应的操作来实现，而不需要进行颜色空间的转换，可以节省处理的时间和存储空间，避免现有技术在尾灯特征提取时图像，需要进行颜色空间的转换等操作，处理过程复杂，计算量大的问题。
在一个具体示例中，由于夜间车灯亮度明显，在黑暗的背景下很容易形成高亮连通区域，根据高亮连通区域的特征，提取单元提取高亮连通区域可以采用以下步骤：选取RGB颜色空间，从图像中分离出R、G、B三个通道的颜色分量R(i,j)、G(i,j)及B(i,j)；针对图像中的每个像素，检测其R、G、B三个颜色分量的值是否同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，提取像素，以构成高亮连通区域。
具体地，在提取单元提取高亮连通区域后，还可以包含对图像中的高亮连通区域进行中值滤波的操作。
统计单元，用于统计图像中高亮连通区域外围的光晕区域中红色像素的占比，根据红色像素的占比，获得属于尾灯区域的高亮连通区域，标记对应的尾灯位置。
具体实现中，统计单元统计图像中高亮连通区域外围的光晕区域中红色像素的占比也可以直接通过在RGB颜色空间进行相应的操作来实现。
在一个具体示例中，统计单元统计图像中高亮连通区域外围的光晕区域中红色像素的占比可以采用以下步骤：针对每个高亮连通区域，利用从图像中分离出的R、G、B三个通道的颜色分量R(i,j)、G(i,j)及B(i,j)，检测高亮连通外围的光晕区域中每个像素的R、G、B三个颜色分量的值是否同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，判定该像素为红色像素；统计高亮连通区域外围的光晕区域中红色像素占光晕区域中所有像素的比例。
在一个具体示例中，统计单元根据红色像素的占比，获得属于尾灯区域的高亮连通区域可以采用以下步骤：针对每个高亮连通区域，判断高亮连通区域外围的光晕区域中红色像素占光晕区域中所有像素的比例是否大于预设阈值，若高亮连通区域外围的光晕区域中红色像素占光晕区域中所有像素的比例大于预设阈值，判定高亮连通区域为尾灯区域。其中，根据大量的试验，预设阈值可以设置为0.03。
由于统计单元在判定高亮连通区域是否为尾灯区域时，只是利用定高亮连通区域外围的光晕区域中的像素作为判定条件，并未对像素进行提取等操作，减少了提取尾灯特征黏连的问题。
匹配单元，用于将尾灯位置与距离车辆前方最近的同向车辆的位置进行匹配，获得车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域。
识别单元，用于车辆前方同一同向车辆尾灯区域的几何特性，识别车辆前方除距离最近的同向车辆外其余同向车辆的位置。
具体实现中，由于车灯在夜间呈现为高亮区域，虽然它的轮廓被虚化，但其形状特征、大小比例等几何特性并不会改变，并且保证在一定范围内，因此可以通过检测两个尾灯区域是否满足同一车辆尾灯区域的几何特性来识别车辆的位置。
在一个具体示例中，识别单元可以采用以下步骤：从车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域中选取两个尾灯区域；判断两个尾灯区域的几何特性是否满足预设条件，若两个尾灯区域的几何特性满足预设条件，判定两个尾灯区域为同一车辆的左右尾灯区域；根据同一车辆的左右尾灯区域，识别该车辆的位置。
在一个具体示例中，预设条件包括：
面积差：abs(Spoi1-Spoi2)<1.5min(Spoi1,Spoi2)；
质心高度差:dx<dif；
质心宽度差:10<dy<200；
两质心斜率：dx/dy<0.3；
其中，Spoi1和Spoi2分别为两个尾灯区域的面积；dx和dy分别为在以图像中的竖直方向和水平方向为x轴和y轴建立的平面直接坐标系统中，两个尾灯区域的质心的高度差和宽度差；dif＝4，且可调节。
因此基于本发明上述实施例提供的车辆识别装置，通过获取车辆前方的图像，从中提取车辆的边缘轮廓特征，识别出距离车辆前方最近的同向车辆的位置，以及从图像中提取高亮连通区域，并根据对图像中高亮连通区域外围的光晕区域中红色像素占比的统计，获得尾灯的位置，再通过将尾灯的位置与距离车辆前方最近的同向车辆的位置进行匹配，获得车辆前方除距离最近的同向车辆外其余同向车辆的尾灯的位置，根据车辆前方同一同向车辆尾灯区域的几何特性，识别出车辆前方除距离最近的同向车辆外其余同向车辆的位置，采用对图像中高亮连通区域外围的光晕区域中红色像素占比进行统计，以识别出的距离车辆前方最近的同向车辆的位置作为参考，以及利用同一车辆尾灯区域的几何特性，经过逐层筛选匹配，可以有效去除地面反光、路旁标识物反光和车身反光等非尾灯区域的干扰，保证尾灯匹配的正确性，提高夜间车辆识别的准确率。
另外，本发明实施例还提供了一种电子设备，例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等，该电子设备设置有本发明上述任一实施例的车辆识别装置。
另外，本发明实施例还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于与存储器通信以执行可执行指令从而完成本发明上述任一实施例的车辆识别方法的操作。
另外，本发明实施例还提供了一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现上述任一实施例的车辆识别方法中各步骤的指令。
另外，本发明实施例还提供了一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行本发明上述任一实施例的车辆识别方法的操作。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种车辆识别方法，其特征在于，包括：
获取车辆前方的图像；
从所述图像中提取车辆的边缘轮廓特征，进行特征聚类，识别距离所述车辆前方最近的同向车辆的位置；
从所述图像中提取高亮连通区域，进行形态学处理，获得特征明显相互独立的高亮连通区；
统计所述图像中所述高亮连通区域外围的光晕区域中红色像素的占比，根据所述红色像素的占比，获得属于尾灯区域的所述高亮连通区域，标记对应的尾灯位置；
将所述尾灯位置与距离所述车辆前方最近的同向车辆的位置进行匹配，获得所述车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域；
根据所述车辆前方同一同向车辆尾灯区域的几何特性，识别所述车辆前方除距离最近的同向车辆外其余同向车辆的位置。
2.根据权利要求1所述的方法，其特征在于，所述从所述图像中提取高亮连通区域，包括：
选取RGB颜色空间，从所述图像中分离出R、G、B三个通道的颜色分量R(i,j)、G(i,j)及B(i,j)；
针对所述图像中的每个像素，检测其R、G、B三个颜色分量的值是否同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>235、G(i,j)>225及B(i,j)>225，提取所述像素，以构成高亮连通区域。
3.根据权利要求2所述的方法，其特征在于，所述统计所述图像中所述高亮连通区域外围的光晕区域中红色像素的占比，包括：
针对每个所述高亮连通区域：检测所述高亮连通外围的光晕区域中每个像素的R、G、B三个颜色分量的值是否同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，若像素的R、G、B三个颜色分量的值同时满足R(i,j)>230、(R(i,j)-G(i,j))>30及(R(i,j)-B(i,j))>30，判定所述像素为红色像素；统计所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述红色像素的占比，获得属于尾灯区域的所述高亮连通区域，包括：
针对每个所述高亮连通区域：判断所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例是否大于预设阈值，若所述高亮连通区域外围的光晕区域中红色像素占所述光晕区域中所有像素的比例大于预设阈值，判定所述高亮连通区域为尾灯区域。
5.根据权利要求4所述的方法，其特征在于，所述根据所述车辆前方同一同向车辆尾灯区域的几何特性，识别所述车辆前方除距离最近的同向车辆外其余同向车辆的位置，包括：
从所述车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域中选取两个尾灯区域；
判断所述两个尾灯区域的几何特性是否满足预设条件，若所述两个尾灯区域的几何特性满足预设条件，判定所述两个尾灯区域为同一车辆的左右尾灯区域；
根据所述同一车辆的左右尾灯区域，识别所述车辆的位置。
6.一种车辆识别装置，其特征在于，包括：
获取单元，用于获取车辆前方的图像；
聚类单元，用于从所述图像中提取车辆的边缘轮廓特征，进行特征聚类，识别距离所述车辆前方最近的同向车辆的位置；
提取单元，用于从所述图像中提取高亮连通区域，进行形态学处理，获得特征明显相互独立的高亮连通区；
统计单元，用于统计所述图像中所述高亮连通区域外围的光晕区域中红色像素的占比，根据所述红色像素的占比，获得属于尾灯区域的所述高亮连通区域，标记对应的尾灯位置；
匹配单元，用于将所述尾灯位置与距离所述车辆前方最近的同向车辆的位置进行匹配，获得所述车辆前方除距离最近的同向车辆外其余同向车辆的尾灯区域；
识别单元，用于根据所述车辆前方同一同向车辆尾灯区域的几何特性，识别所述车辆前方除距离最近的同向车辆外其余同向车辆的位置。
7.一种电子设备，其特征在于，包括权利要求6所述的装置。
8.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至5任意一项所述方法的操作。
9.一种计算机程序，包括计算机可读代码，其特征在于，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现权利要求1至5任意一项所述方法中各步骤的指令。
10.一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至5任意一项所述方法的操作。
CN201711195416.3A 2017-11-24 2017-11-24 车辆识别方法和装置、电子设备和存储介质 Active CN107992810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711195416.3A CN107992810B (zh) 2017-11-24 2017-11-24 车辆识别方法和装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711195416.3A CN107992810B (zh) 2017-11-24 2017-11-24 车辆识别方法和装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN107992810A true CN107992810A (zh) 2018-05-04
CN107992810B CN107992810B (zh) 2020-12-29

Family

ID=62033085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711195416.3A Active CN107992810B (zh) 2017-11-24 2017-11-24 车辆识别方法和装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN107992810B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447093A (zh) * 2018-10-26 2019-03-08 上海为森车载传感技术有限公司 基于yuv图像的车尾灯检测方法
CN109800693A (zh) * 2019-01-08 2019-05-24 西安交通大学 一种基于颜色通道混合特征的夜间车辆检测方法
CN112016474A (zh) * 2020-08-31 2020-12-01 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN116908828A (zh) * 2023-09-12 2023-10-20 永林电子股份有限公司 一种车用尾灯距离感应控制方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070263901A1 (en) * 2006-05-12 2007-11-15 National Chiao Tung University Real-time nighttime vehicle detection and recognition system based on computer vision
CN102044151A (zh) * 2010-10-14 2011-05-04 吉林大学 基于光照可见度辨识的夜间车辆视频检测方法
CN102280030A (zh) * 2011-07-20 2011-12-14 杭州海康威视软件有限公司 夜晚车辆检测的方法及其系统
CN103150898A (zh) * 2013-01-25 2013-06-12 大唐移动通信设备有限公司 一种夜间车辆检测方法、跟踪方法及装置
CN103984917A (zh) * 2014-04-10 2014-08-13 杭州电子科技大学 一种基于机器视觉的多特征夜间车辆检测方法
CN104097565A (zh) * 2014-06-24 2014-10-15 奇瑞汽车股份有限公司 一种汽车远近光灯控制方法和装置
CN104778454A (zh) * 2015-04-13 2015-07-15 杭州电子科技大学 一种基于亮度递减验证的夜间车辆尾灯提取方法
CN106557754A (zh) * 2016-11-21 2017-04-05 南宁市浩发科技有限公司 一种夜间车辆检测和状态判断方法
CN106845453A (zh) * 2017-02-24 2017-06-13 太原理工大学 基于图像的尾灯检测与识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070263901A1 (en) * 2006-05-12 2007-11-15 National Chiao Tung University Real-time nighttime vehicle detection and recognition system based on computer vision
CN102044151A (zh) * 2010-10-14 2011-05-04 吉林大学 基于光照可见度辨识的夜间车辆视频检测方法
CN102280030A (zh) * 2011-07-20 2011-12-14 杭州海康威视软件有限公司 夜晚车辆检测的方法及其系统
CN103150898A (zh) * 2013-01-25 2013-06-12 大唐移动通信设备有限公司 一种夜间车辆检测方法、跟踪方法及装置
CN103984917A (zh) * 2014-04-10 2014-08-13 杭州电子科技大学 一种基于机器视觉的多特征夜间车辆检测方法
CN104097565A (zh) * 2014-06-24 2014-10-15 奇瑞汽车股份有限公司 一种汽车远近光灯控制方法和装置
CN104778454A (zh) * 2015-04-13 2015-07-15 杭州电子科技大学 一种基于亮度递减验证的夜间车辆尾灯提取方法
CN106557754A (zh) * 2016-11-21 2017-04-05 南宁市浩发科技有限公司 一种夜间车辆检测和状态判断方法
CN106845453A (zh) * 2017-02-24 2017-06-13 太原理工大学 基于图像的尾灯检测与识别方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447093A (zh) * 2018-10-26 2019-03-08 上海为森车载传感技术有限公司 基于yuv图像的车尾灯检测方法
CN109447093B (zh) * 2018-10-26 2021-11-23 上海为森车载传感技术有限公司 基于yuv图像的车尾灯检测方法
CN109800693A (zh) * 2019-01-08 2019-05-24 西安交通大学 一种基于颜色通道混合特征的夜间车辆检测方法
CN109800693B (zh) * 2019-01-08 2021-05-28 西安交通大学 一种基于颜色通道混合特征的夜间车辆检测方法
CN112016474A (zh) * 2020-08-31 2020-12-01 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN112016474B (zh) * 2020-08-31 2021-11-09 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN116908828A (zh) * 2023-09-12 2023-10-20 永林电子股份有限公司 一种车用尾灯距离感应控制方法及装置
CN116908828B (zh) * 2023-09-12 2023-12-19 永林电子股份有限公司 一种车用尾灯距离感应控制方法及装置

Also Published As

Publication number Publication date
CN107992810B (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN107992810A (zh) 车辆识别方法和装置、电子设备、计算机程序和存储介质
CN104392205B (zh) 一种非正常车牌的识别方法和系统
CN103824066B (zh) 一种基于视频流的车牌识别方法
CN104616021B (zh) 交通标志图像处理方法及装置
CN108364010A (zh) 一种车牌识别方法、装置、设备及计算机可读存储介质
CN109635818A (zh) 印章防伪检验方法、装置及计算机可读存储介质
CN109871799B (zh) 一种基于深度学习的驾驶员玩手机行为的检测方法
CN105488479B (zh) 一种基于加权局部特征比对的车辆套牌识别方法及装置
CN110378236A (zh) 基于深度学习的车辆身份识别模型构建、识别方法和系统
CN107016362B (zh) 基于车辆前挡风玻璃粘贴标志的车辆重识别方法和系统
CN104463134B (zh) 一种车牌检测方法和系统
CN104915644B (zh) 一种基于差别数据重建的车牌智能判别方法
Yousef et al. SIFT based automatic number plate recognition
CN106384095A (zh) 基于手机拍摄图像的轿车故障指示灯识别方法
CN102902957A (zh) 一种基于视频流的自动车牌识别方法
CN103390167A (zh) 一种多特征的分层交通标志识别方法
KR101246120B1 (ko) 전후면 번호판 영상 기반 차량번호 인식 시스템
CN104182769B (zh) 一种车牌检测方法及系统
CN105787475A (zh) 一种复杂环境下的交通标志检测与识别方法
CN103488966A (zh) 一种能够识别实名制车票信息的智能手机
CN111738228A (zh) 一种面向治超证据链校验的多视角车辆特征匹配方法
CN108734113A (zh) 车辆自动标注方法、存储介质、电子设备、系统
JP6037791B2 (ja) 画像認識装置、画像認識方法、プログラム、及び記録媒体
JP6123265B2 (ja) 情報処理装置、車両識別方法、及び車両識別プログラム
JP6620476B2 (ja) 車種判別装置、車種判別方法、および車種判別プログラム

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