CN108960228A - 车辆的检测装置、方法以及图像处理设备 - Google Patents
车辆的检测装置、方法以及图像处理设备 Download PDFInfo
- Publication number
- CN108960228A CN108960228A CN201710350686.0A CN201710350686A CN108960228A CN 108960228 A CN108960228 A CN 108960228A CN 201710350686 A CN201710350686 A CN 201710350686A CN 108960228 A CN108960228 A CN 108960228A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- window
- corner
- window corner
- result
- 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.)
- Pending
Links
Classifications
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种车辆的检测装置、方法以及图像处理设备。所述检测方法包括:获取包括多个车辆的图像;对所述图像进行车辆的窗户边角的检测;对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个或多个第二车窗边角;根据过滤后的窗户边角检测结果进行第一车窗边角和第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。由此,即使在车辆被严重遮挡的情况下,也能够有效地基于车辆碎片进行图像检测,并且适合室内室外的全天候工作。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种车辆的检测装置、方法以及图像处理设备。
背景技术
随着车辆的逐渐普及,针对车辆的各种图像监控(或者视频监控)应用变得越来越多,其中的关键技术包括车辆检测及定位,例如检测车辆个数以及车辆位置。对于在良好视角范围内的车辆,目前有许多方法可以进行检测,例如普通的机器学习方法可以发挥良好的性能,性能更好的方法还包括深度学习技术。
然而在很多情况下,许多车辆往往聚集在一起;例如在十字路口等待红灯或者在加油站排队等情况,由于摄像头安装视角的关系,后面的车辆经常会被前面的车辆严重遮挡,这时候许多常用的检测技术甚至深度学习技术的性能都将变得很差。
例如,当摄像头低空安装并且近乎正对车辆队列时,前车对后车的遮挡往往比较严重,后车前面的大部分被遮挡,甚至往往只能露出一个车顶,这时候如果采用基于整个车辆的检测方法,后车往往会被丢失掉。
这种情况下,基于车辆碎片的检测会取得更好的效果。可随之而来的问题是,对于整个车辆而言,由于细节足够丰富,检测的虚警率会相当低;但是对于车辆碎片而言,虽然可以增加检出率,但由于有限的细节,往往导致很高的虚警率。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
发明人发现:在例如实际全天候前车被后车遮掩的情况下,很多车辆部位的碎片会被遮挡或者和周边环境融为一体,寻找一个可靠的车辆碎片至关重要。但是,目前还没有非常有效地基于车辆碎片的检测方案。
本发明实施例提供了一种车辆的检测装置、方法以及图像处理设备。对图像进行车辆的窗户边角(例如前窗的左上边角和右上边角)的检测和配对,基于车窗边角的配对结果确定图像中的车辆个数以及车辆位置;由此能够有效地基于车辆碎片进行图像检测。
根据本实施例的第一方面,提供了一种车辆的检测装置,包括:
图像获取单元,其获取包括多个车辆的图像;
边角检测单元,其对所述图像进行车辆的窗户边角的检测;
结果过滤单元,其对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个或多个第二车窗边角;
边角配对单元,其根据过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;
信息确定单元,其基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。
根据本实施例的第二方面,提供了一种车辆的检测方法,包括:
获取包括多个车辆的图像;
对所述图像进行车辆的窗户边角的检测;
对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个或多个第二车窗边角;
根据过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;
基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。
根据本实施例的第三方面,提供了一种图像处理设备,包括如上所述的车辆的检测装置。
本发明实施例的有益效果在于:对图像进行车辆的窗户边角(例如前窗的左上边角和右上边角)的检测和配对,基于车窗边角的配对结果确定图像中的车辆个数以及车辆位置;由此,即使在车辆被严重遮挡的情况下,也能够有效地基于车辆碎片进行图像检测,并且适合室内室外的全天候工作。
参照后文的说明和附图,详细公开了本发明实施例的特定实施方式,指明了本发明实施例的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明实施例的车辆的检测方法的一示意图;
图2是本发明实施例的车辆的检测方法的另一示意图;
图3是本发明实施例的原始图像的一示例图;
图4是对图3进行ROI标注后的一示意图;
图5是对图4进行边角检测后的一示例图;
图6是根据ROI对图5的检测结果进行过滤的一示例图;
图7是对图6的过滤结果进行匹配后的一示例图;
图8是对图7的配对结果进行过滤后的一示例图;
图9是本发明实施例的车辆的检测装置的一示意图;
图10是本发明实施例的车辆的检测装置的另一示意图;
图11是本发明实施例的图像处理设备的一示意图。
具体实施方式
参照附图,通过下面的说明书,本发明实施例的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明实施例的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明实施例包括落入所附权利要求的范围内的全部修改、变型以及等同物。下面结合附图对本发明的各种实施方式进行说明。这些实施方式只是示例性的,不是对本发明的限制。
在本发明实施例中,术语“第一”、“第二”等用于对不同元素从称谓上进行区分,但并不表示这些元素的空间排列或时间顺序等,这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在,但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本发明实施例中,单数形式“一”、“该”等包括复数形式,应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义;此外术语“所述”应理解为既包括单数形式也包括复数形式,除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”,术语“基于”应理解为“至少部分基于……”,除非上下文另外明确指出。
实施例1
本发明实施例提供一种车辆的检测方法,通过安装有摄像头的图像处理设备对车辆进行检测。图1是本发明实施例的车辆的检测方法的一示意图,如图1所示,所述检测方法包括:
步骤101,获取包括多个车辆的图像;
步骤102,对所述图像进行车辆的窗户边角的检测;
步骤103,对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个或多个第二车窗边角;
步骤104,根据过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;
步骤105,基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。
在本实施例中,可以通过安装在监控场所的摄像头获得包括多个车辆信息的图像;例如十字路口附近的交通监控摄像头,或者加油站附近的监控摄像头,或者停车场附近的监控摄像头,等等。但本发明不限于此。
在本实施例中,第一车窗边角可以为所述车辆的前窗的左上边角,所述第二车窗边角为所述车辆的前窗的右上边角;或者,所述第一车窗边角为所述车辆的后窗的左上边角,所述第二车窗边角为所述车辆的后窗的右上边角。
以下将以车辆前窗的左上边角和右上边角为例进行说明;但本发明不限于此。
例如,经过对大量实际情况的分析,车辆前脸大窗的左右两个上边角是比较好的车辆碎片部位。由于这两个部位几乎位于车辆的最上端,所以只要车辆没有被完全遮挡,这些部位将是最有可能外露的部位。
此外,由于窗户玻璃的特性,在实际视频或图像中,车窗与车身的交界边缘是比较明显的,即使在夜晚情况下的车辆,窗户边角也是比较容易分辨的。再者,每一个窗户边角的角度特征还是比较特殊的,对这些部位进行检测,虚警率不会太高。结合多个边角(例如左右边角)的匹配技术,可以进一步降低虚警率。
以下结合感兴趣区域(ROI),以一个图像为例对本发明进行进一步说明。
图2是本发明实施例的车辆的检测方法的另一示意图,如图2所示,所述检测方法包括:
步骤201,为图像预先设定感兴趣区域;
实际情况下,可以首先根据应用场景的情况设定检测感兴趣区域(ROI),这些ROI可以帮助提高检测正确率;但本发明不限于此,例如也可以不预先设定ROI。此外关于具体如何设定ROI,可以参考相关技术。
步骤202,获取包括多个车辆的某一图像;
在本实施例中,对于部分应用(例如停车场),可以先通过运动检测和背景建模技术得到一幅稳态图像进行车辆检测;对于其它应用,有可能无法得到这样的没有运动的稳态图像,则可以直接选取视频中的某个或某些图像,甚至可以逐帧地对视频中的图像进行检测。
图3是本发明实施例的原始图像的一示例图,示出了在一个路口排队等待红灯的车辆队的情况;由于拍摄角度的问题,整幅图像有些变形,但不影响示例说明。如图3所示,后面很多车辆严重地被前面的车辆所遮挡。
图4是对图3进行ROI标注后的一示意图,例如图4中的实线框示出了ROI。此外,为简单起见,可以只关心前面比较清晰的车辆,这些车辆已经足够示例说明之用,何况后面的车辆很多不够清晰,可以不在示例考虑范围之内。
因此,对于图3中需要检测的目标车辆,本示例只考虑8辆车,如图4中的标识1至8所示。如图4所示,被标注的8辆车中有好几辆被严重遮挡,尤其是第8号车,更是只露出车顶。仔细观察这8辆车(也可观察其它几辆未标注的车),不管遮挡如何,车辆前窗的左上角和右上角基本都清晰地显露。
步骤203,对所述图像进行车辆的窗户边角的检测;
在本实施例中,检测方法可以有很多,例如可以采用特征提取匹配检测的方法,也可以采用机器学习的方法;本发明不限于此。关于具体如何进行边角检测,可以参考相关技术。
图5是对图4进行边角检测后的一示例图,如图5所示,图5中的方框所示为边角的检测结果。值得注意的是,图5仅示意性地示出了边角检测结果,但本发明不限于此,有可能实际情况下的虚警信息多于图5所示的检测结果。
步骤204,基于ROI从窗户边角检测结果中去除在预定距离外的环境虚警信息。
例如,由于车窗的左右上角特征非常简单,不管用什么方法,一般总会产生大量的虚警信息,这时候可以利用ROI的条件设定进行后续处理,大量去除虚警信息。例如,ROI的设定事实上表明了目标车辆的大致区域,由此根据ROI位置可以去除大量无关的环境虚警。
例如,图5中车辆2的右上角两个方框非常类似,可以合并起来。
再例如,根据ROI的位置,ROI之外的树叶上的方框距离ROI较远,可以认为是虚警信息而可以都被滤除。需要注意的是,检测结果中的方框在ROI外不一定就是虚警信息,考虑到车辆行驶位置以及视角的问题,很多时候车辆可能会在ROI之外,例如图5中车辆2的两个方框。因此,ROI位置以及虚警信息之间的对应关系,具体可以在实际情况中设定。
对于每一个目标车辆,可以进行如下的处理。
步骤205,确定目标车辆在所述图像中的尺寸;
在本实施例中,可以根据ROI确定目标车辆在所述图像中的尺寸;或者还可以根据对完整车辆检测的信息推断被遮挡车辆的尺寸,以确定所述目标车辆在所述图像中的尺寸。
例如,ROI的区域大小间接地给出了目标车辆的尺寸,但本发明不限于此。实际情况下也可以使用其它方法,例如,检测那些完全没有遮挡的车辆,来推断整个画面上其它车辆的尺寸。
步骤206,根据所述目标车辆在所述图像中的尺寸,从所述窗口边角检测结果中去除偏差超过预定值的虚警信息。
例如,根据ROI不仅可以去除无关的环境虚警,并且可以根据推断出的车辆尺寸信息,滤除掉尺寸偏差太多的虚警信息。并且,可以合并所有类似的(例如,位置和大小非常接近的同一目标的重复检测)的检测结果。
图6是根据ROI对图5的检测结果进行过滤的一示例图,如图6所示,经过合并类似的方框以及根据ROI方位滤除掉虚警信息后,可以获得一个或多个第一车窗边角(例如前窗左上角)以及一个或多个第二车窗边角(例如前窗右上角)。
步骤207,根据所述目标车辆在所述图像中的尺寸,确定所述目标车辆的所述第一车窗边角和所述第二车窗边角的距离;
例如,通过ROI的设定,可以了解车辆的宽度,从而推断出该车辆的前窗左右边角之间应该具有的大致距离。值得注意的是,很多时候,检测方框的大小也可以反映出车辆的宽度。
步骤208,基于目标车辆的第一车窗边角和第二车窗边角的距离,对窗户边角检测结果进行第一车窗边角和第二车窗边角的匹配。
例如,可以根据推断出的左右边角的距离,对检测并过滤后的多个车窗边角进行配对,这样对于每个目标车辆,可以获得零个、一个或多个配对结果;而无法配对的检测方框就将被丢弃。
在本实施例中,可以从图像中逐个地选择目标车辆,然后针对每个目标车辆执行步骤205至步骤208,获得该目标车辆的车窗边角配对结果。但本发明不限于此,例如也可以全部并行或者部分并行地执行上述步骤。
图7是对图6的过滤结果进行匹配后的一示例图,如图7所示,所有配对上的检测方框被示出,其中每一对检测方框用实线进行了连接。例如,如图7所示,共获得8个车窗边角配对结果。
步骤209,基于确定出的第一车窗边角和第二车窗边角的距离,去除或合并配对结果。例如,可以去除多个车窗边角配对结果中的一个或多个,或者将所述多个车窗边角配对结果中的两个或以上进行合并。
在本实施例中,例如可以使用左右角的匹配技术(例如,左右角往往在近乎同一水平线上)去除部分配对结果,然后可以根据距离关系对匹配结果进一步处理,可以合并同一个目标的多个检测结果,能够大大提高检测准确率。
例如,根据由ROI信息推断出的车辆尺寸信息进行左右角匹配,合并距离偏离预定值过小的结果(例如,同一辆车有时候会检测到几个结果,但是这些结果位置和尺寸又很接近,则这些结果可以合并)。
图8是对图7的配对结果进行去除或合并后的一示例图,如图8所示,例如车辆1由于检测的问题,成功配对了两对边角;可以对这种重合度较高的配对方框进行合并,从而提高检测的准确率。如图8所示,例如最终可以获得7对配对方框,每一对配对方框可以代表一辆车,由此可以根据配对方框的情况推断出车辆的个数及方位。
值得注意的是,以上图2仅对本发明实施例进行了示意性说明,但本发明不限于此。例如可以适当地调整各个步骤之间的执行顺序,此外还可以增加其他的一些步骤或者减少其中的某些步骤。本领域的技术人员可以根据上述内容进行适当地变型,而不仅限于上述附图2的记载。
以上对于某一图像如何检测进行了示意性说明,可以将每一个图像的检测结果进行存储。此外,在本实施例中还可以对多个图像进行检测,由此进行检测校正和车辆追踪。
在本实施例中,可以对时间上连续的多个图像检测结果进行统计分析,以进行车窗边角检测结果的校正和车辆追踪。例如,可以根据当前检测结果以及以往检测结果来修正当前检测结果,更新车辆检测结果并更新存储器中的内容,然后进行下一幅图像的车辆检测。
对于连续帧的重复检测,由于车辆图像变化缓慢,所以理论上前后的检测车辆个数应该相同,检测位置也应该非常接近,运用这个特征进行车辆追踪及车辆结果修正,能够更进一步提高检测率。
由上述实施例可知,对图像进行车辆的窗户边角(例如前窗的左上边角和右上边角)的检测和配对,基于车窗边角配对结果确定图像中的车辆个数以及车辆位置;由此,即使在车辆被严重遮挡的情况下,也能够有效地基于车辆碎片进行图像检测,并且适合室内室外的全天候工作。
实施例2
本发明实施例提供一种车辆的检测装置,该检测装置可以是安装有摄像头的图像处理设备,也可以是该图像处理设备的某个或某些部件或组件。本发明实施例对应于实施例1的车辆的检测方法,相同的内容不再赘述。
图9是本发明实施例的车辆的检测装置的一示意图,如图9所示,车辆的检测装置900包括:
图像获取单元901,其获取包括多个车辆信息的图像;
边角检测单元902,其对所述图像进行车辆的窗户边角的检测;
结果过滤单元903,其对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个和多个第二车窗边角;
边角配对单元904,其根据过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;
信息确定单元905,其基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。
在本实施例中,所述第一车窗边角可以为所述车辆的前窗的左上边角,所述第二车窗边角可以为所述车辆的前窗的右上边角;或者,所述第一车窗边角可以为所述车辆的后窗的左上边角,所述第二车窗边角可以为所述车辆的后窗的右上边角。但本发明不限于此,还可以是车辆的其他窗口边角。
图10是本发明实施例的车辆的检测装置的另一示意图,如图10所示,车辆的检测装置1000包括:图像获取单元901,边角检测单元902,结果过滤单元903,边角配对单元904以及信息确定单元905;如上所述。
如图10所示,车辆的检测装置1000还可以包括:
区域设定单元1001,其为所述图像预先设定感兴趣区域;
并且,结果过滤单元903还可以用于:基于所述感兴趣区域从所述窗户边角检测结果中去除在预定距离外的环境虚警信息。
如图10所示,车辆的检测装置1000还可以包括:
尺寸确定单元1002,其根据所述感兴趣区域确定目标车辆在所述图像中的尺寸;或者根据对完整车辆检测的信息推断被遮挡车辆的尺寸,以确定所述目标车辆在所述图像中的尺寸。
结果过滤单元903还可以用于:根据所述目标车辆在所述图像中的尺寸,从所述窗口边角检测结果中去除偏差超过预定值的虚警信息。
如图10所示,车辆的检测装置1000还可以包括:
距离确定单元1003,其根据所述目标车辆在所述图像中的尺寸,确定所述目标车辆的所述第一车窗边角和所述第二车窗边角的距离;
并且,边角配对单元904还可以用于:基于所述目标车辆的所述第一车窗边角和所述第二车窗边角的距离,对所述过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配。
结果过滤单元903还可以用于:基于确定出的所述第一车窗边角和所述第二车窗边角的距离,去除多个车窗边角配对结果中的一个或多个,或者将所述多个车窗边角配对结果中的两个或以上进行合并。
如图10所示,车辆的检测装置1000还可以包括:
结果校正单元1004,其对时间上连续的多个图像检测结果进行统计分析,以进行车窗边角检测结果的校正和车辆追踪。
值得注意的是,以上仅对与本发明相关的各部件或模块进行了说明,但本发明不限于此,对于车辆的检测装置的其他部件或模块,还可以参考相关技术。
由上述实施例可知,对图像进行车辆的窗户边角(例如前窗的左上边角和右上边角)的检测和配对,基于车窗边角配对结果确定图像中的车辆个数以及车辆位置;由此,即使在车辆被严重遮挡的情况下,也能够有效地基于车辆碎片进行图像检测,并且适合室内室外的全天候工作。
实施例3
本发明实施例还提供一种图像处理设备,包括有如实施例2所述的车辆的检测装置,其内容被合并于此。该图像处理设备例如可以是计算机、服务器、工作站、膝上型计算机、智能手机,等等;但本发明不限于此。
图11是本发明实施例的图像处理设备的一示意图。如图11所示,图像处理设备1100可以包括:处理器(例如中央处理器CPU)1110和存储器1120;存储器1120耦合到中央处理器1110。其中该存储器1120可存储各种数据;此外还存储信息处理的程序1121,并且在处理器1110的控制下执行该程序。
在一个实施方式中,车辆的检测装置900或1000的功能可以被集成到处理器1110中。其中,处理器1110可以被配置为实现如实施例1所述的车辆的检测方法。
在另一个实施方式中,车辆的检测装置900或1000可以与处理器1110分开配置,例如可以将车辆的检测装置900或1000配置为与处理器1110连接的芯片,通过处理器1110的控制来实现车辆的检测装置900或1000的功能。
例如,处理器1110可以被配置为进行如下的控制:获取包括多个车辆信息的图像;对所述图像进行车辆的窗户边角的检测;对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个和多个第二车窗边角;根据过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。
在一个实施方式中,所述第一车窗边角为所述车辆的前窗的左上边角,所述第二车窗边角为所述车辆的前窗的右上边角;或者,所述第一车窗边角为所述车辆的后窗的左上边角,所述第二车窗边角为所述车辆的后窗的右上边角。
在一个实施方式中,处理器1110还可以被配置为进行如下的控制:为所述图像预先设定感兴趣区域;并且,基于所述感兴趣区域从所述窗户边角检测结果中去除在预定距离外的环境虚警信息。
在一个实施方式中,处理器1110还可以被配置为进行如下的控制:根据所述感兴趣区域确定目标车辆在所述图像中的尺寸;或者根据对完整车辆检测的信息推断被遮挡车辆的尺寸,以确定所述目标车辆在所述图像中的尺寸。
在一个实施方式中,处理器1110还可以被配置为进行如下的控制:根据所述目标车辆在所述图像中的尺寸,从所述窗口边角检测结果中去除偏差超过预定值的虚警信息。
在一个实施方式中,处理器1110还可以被配置为进行如下的控制:根据所述目标车辆在所述图像中的尺寸,确定所述目标车辆的所述第一车窗边角和所述第二车窗边角的距离;
并且,基于所述目标车辆的所述第一车窗边角和所述第二车窗边角的距离,对所述过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配。
在一个实施方式中,处理器1110还可以被配置为进行如下的控制:基于确定出的所述第一车窗边角和所述第二车窗边角的距离,去除多个车窗边角配对结果中的一个或多个,或者将所述多个车窗边角配对结果中的两个或以上进行合并。
在一个实施方式中,处理器1110还可以被配置为进行如下的控制:对时间上连续的多个图像检测结果进行统计分析,以进行车窗边角检测结果的校正和车辆追踪。
此外,如图11所示,图像处理设备1100还可以包括:输入输出(I/O)设备1130和显示器1140等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,图像处理设备1100也并不是必须要包括图11中所示的所有部件;此外,图像处理设备1100还可以包括图11中没有示出的部件,可以参考现有技术。
本发明实施例还提供一种计算机可读程序,其中当在图像处理设备中执行所述程序时,所述程序使得计算机在所述图像处理设备中执行实施例1所述的车辆的检测方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在图像处理设备中执行实施例1所述的车辆的检测方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
结合本发明实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图9中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合(例如,图像获取单元901,边角检测单元902,结果过滤单元903,边角配对单元904以及信息确定单元905),既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图1所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,若设备(如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
Claims (10)
1.一种车辆的检测装置,其特征在于,所述检测装置包括:
图像获取单元,其获取包括多个车辆的图像;
边角检测单元,其对所述图像进行车辆的窗户边角的检测;
结果过滤单元,其对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个或多个第二车窗边角;
边角配对单元,其根据过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;
信息确定单元,其基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。
2.根据权利要求1所述的检测装置,其中,所述第一车窗边角为所述车辆的前窗的左上边角,所述第二车窗边角为所述车辆的前窗的右上边角;
或者,所述第一车窗边角为所述车辆的后窗的左上边角,所述第二车窗边角为所述车辆的后窗的右上边角。
3.根据权利要求1所述的检测装置,其中,所述检测装置还包括:
区域设定单元,其为所述图像预先设定感兴趣区域;
并且,所述结果过滤单元基于所述感兴趣区域从所述窗户边角检测结果中去除在预定距离外的环境虚警信息。
4.根据权利要求3所述的检测装置,其中,所述检测装置还包括:
尺寸确定单元,其根据所述感兴趣区域确定目标车辆在所述图像中的尺寸;或者根据对完整车辆检测的信息推断被遮挡车辆的尺寸,以确定所述目标车辆在所述图像中的尺寸。
5.根据权利要求4所述的检测装置,其中,所述结果过滤单元还用于:根据所述目标车辆在所述图像中的尺寸,从所述窗口边角检测结果中去除偏差超过预定值的虚警信息。
6.根据权利要求4所述的检测装置,其中,所述检测装置还包括:
距离确定单元,其根据所述目标车辆在所述图像中的尺寸,确定所述目标车辆的所述第一车窗边角和所述第二车窗边角的距离;
并且,所述边角配对单元还用于:基于所述目标车辆的所述第一车窗边角和所述第二车窗边角的距离,对所述过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配。
7.根据权利要求6所述的检测装置,其中,所述结果过滤单元还用于:基于确定出的所述第一车窗边角和所述第二车窗边角的距离,去除多个车窗边角配对结果中的一个或多个,或者将所述多个车窗边角配对结果中的两个或以上进行合并。
8.根据权利要求1所述的检测装置,其中,所述检测装置还包括:
结果校正单元,其对时间上连续的多个图像检测结果进行统计分析,以进行车窗边角检测结果的校正和车辆追踪。
9.一种车辆的检测方法,其特征在于,所述检测方法包括:
获取包括多个车辆的图像;
对所述图像进行车辆的窗户边角的检测;
对车辆的窗户边角检测结果进行过滤,以获得一个或多个第一车窗边角以及一个或多个第二车窗边角;
根据过滤后的窗户边角检测结果进行所述第一车窗边角和所述第二车窗边角的匹配,以获得一个或多个车窗边角配对结果;以及
基于所述一个或多个车窗边角配对结果,确定所述图像中的车辆个数以及车辆位置。
10.一种图像处理设备,包括如权利要求1至8任一项所述的车辆的检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710350686.0A CN108960228A (zh) | 2017-05-18 | 2017-05-18 | 车辆的检测装置、方法以及图像处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710350686.0A CN108960228A (zh) | 2017-05-18 | 2017-05-18 | 车辆的检测装置、方法以及图像处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960228A true CN108960228A (zh) | 2018-12-07 |
Family
ID=64461754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710350686.0A Pending CN108960228A (zh) | 2017-05-18 | 2017-05-18 | 车辆的检测装置、方法以及图像处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960228A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011039833A (ja) * | 2009-08-12 | 2011-02-24 | Fujitsu Ltd | 車両検出装置、車両検出プログラム、および車両検出方法 |
CN102663353A (zh) * | 2012-03-26 | 2012-09-12 | 北京博康智能信息技术有限公司 | 一种基于单帧图像的车辆识别方法及装置 |
CN103324935A (zh) * | 2013-06-27 | 2013-09-25 | 中山大学 | 一种图像中对车辆进行定位与区域分割的方法 |
CN103473567A (zh) * | 2013-08-27 | 2013-12-25 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于部分模型的车辆检测方法 |
CN105138989A (zh) * | 2015-08-26 | 2015-12-09 | 浙江宇视科技有限公司 | 一种车辆遮阳板状态检测方法及装置 |
CN106250824A (zh) * | 2016-07-21 | 2016-12-21 | 乐视控股(北京)有限公司 | 车窗定位方法和系统 |
CN106469309A (zh) * | 2015-08-14 | 2017-03-01 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
JP2017067515A (ja) * | 2015-09-29 | 2017-04-06 | 日産自動車株式会社 | 車両用表示装置 |
-
2017
- 2017-05-18 CN CN201710350686.0A patent/CN108960228A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011039833A (ja) * | 2009-08-12 | 2011-02-24 | Fujitsu Ltd | 車両検出装置、車両検出プログラム、および車両検出方法 |
CN102663353A (zh) * | 2012-03-26 | 2012-09-12 | 北京博康智能信息技术有限公司 | 一种基于单帧图像的车辆识别方法及装置 |
CN103324935A (zh) * | 2013-06-27 | 2013-09-25 | 中山大学 | 一种图像中对车辆进行定位与区域分割的方法 |
CN103473567A (zh) * | 2013-08-27 | 2013-12-25 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于部分模型的车辆检测方法 |
CN106469309A (zh) * | 2015-08-14 | 2017-03-01 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
CN105138989A (zh) * | 2015-08-26 | 2015-12-09 | 浙江宇视科技有限公司 | 一种车辆遮阳板状态检测方法及装置 |
JP2017067515A (ja) * | 2015-09-29 | 2017-04-06 | 日産自動車株式会社 | 車両用表示装置 |
CN106250824A (zh) * | 2016-07-21 | 2016-12-21 | 乐视控股(北京)有限公司 | 车窗定位方法和系统 |
Non-Patent Citations (2)
Title |
---|
MICHAEL TEUTSCH等: ""Evaluation of object segmentation to improve moving vehicle detection in aerial videos"", 《2014 11TH IEEE INTERNATIONAL CONFERENCE ON ADVANCED VIDEO AND SIGNAL BASED SURVEILLANCE (AVSS)》 * |
曲宝珠等: ""基于多特征集成的卡口图像前车窗的定位算法"", 《信息技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348445B (zh) | 一种融合空洞卷积和边缘信息的实例分割方法 | |
US10885398B2 (en) | Joint 3D object detection and orientation estimation via multimodal fusion | |
CN104517111B (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
CN105608417B (zh) | 交通信号灯检测方法及装置 | |
CN106156780B (zh) | 轨道上异物侵限识别中排除误报的方法 | |
CN110088766B (zh) | 车道线识别方法、车道线识别装置以及非易失性存储介质 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
CN109446917B (zh) | 一种基于级联霍夫变换的消失点检测方法 | |
CN106250838A (zh) | 车辆识别方法及系统 | |
CN103679205B (zh) | 基于阴影假设和分层hog对称特征验证的前车检测方法 | |
CN110348273B (zh) | 神经网络模型训练方法、系统及车道线识别方法、系统 | |
CN111386530B (zh) | 车辆检测方法和设备 | |
CN113034439B (zh) | 一种高速铁路声屏障缺损检测方法及装置 | |
CN108198431A (zh) | 车辆停放检测设备 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN111563516A (zh) | 行人掩码与三维场景融合显示的方法、终端及存储介质 | |
CN113205691A (zh) | 一种识别车辆位置的方法及装置 | |
CN112861797A (zh) | 一种真伪车牌识别方法、装置及相关设备 | |
JP2019192201A (ja) | 自律走行のための学習対象イメージ抽出装置及び方法 | |
CN112784642B (zh) | 车辆检测方法及装置 | |
CN108960228A (zh) | 车辆的检测装置、方法以及图像处理设备 | |
CN114897987B (zh) | 一种确定车辆地面投影的方法、装置、设备及介质 | |
CN106780599A (zh) | 一种基于Hough变化的圆形识别方法及系统 | |
JP2004235711A (ja) | 対象物追跡システムおよび対象物追跡方法 | |
CN112686136B (zh) | 一种对象检测方法、装置及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181207 |
|
WD01 | Invention patent application deemed withdrawn after publication |