CN109416250B - 运输车辆的车厢状态检测方法、车厢状态检测装置及终端 - Google Patents
运输车辆的车厢状态检测方法、车厢状态检测装置及终端 Download PDFInfo
- Publication number
- CN109416250B CN109416250B CN201780001336.1A CN201780001336A CN109416250B CN 109416250 B CN109416250 B CN 109416250B CN 201780001336 A CN201780001336 A CN 201780001336A CN 109416250 B CN109416250 B CN 109416250B
- Authority
- CN
- China
- Prior art keywords
- compartment
- state
- transport vehicle
- image
- carriage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000009434 installation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/08—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种运输车辆的车厢状态检测方法、车厢状态检测装置、终端及计算机可读存储介质，所述运输车辆上设置有用于拍摄所述运输车辆的车厢全貌图像的摄像模块，所述车厢状态检测方法包括：触发所述摄像模块拍摄所述运输车辆的车厢全貌图像；基于所述拍摄的车厢全貌图像，检测所述运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果；存储所述车厢全貌图像及所述第一检测结果。本申请能够降低运输车辆在车厢状态检测上的维护成本。
Description
技术领域
本申请属于运输车辆技术领域，尤其涉及一种运输车辆的车厢状态检测方法、车厢状态检测装置、终端及计算机可读存储介质。
背景技术
目前，许多城市中，各种工程建设方兴未艾，例如，兴建地铁、立交桥等交通设施的工程建设项目。在这些工程的实施过程中，经常需要通过运输车辆运送大量渣土或砂石等材料，这些运输车辆的车厢顶部一般都配备有盖板或罩棚等防护设施，在运输车辆上路行驶时，若未将车厢顶部的盖板或罩棚闭合，即车厢为打开状态，容易使渣土或砂石抛洒泄漏在城市的路面上，既污染环境，又影响正常的城市交通。因此，需要检测运输车辆的车厢状态，以更好的实现对运输车辆的管理。
现有技术中，一种方式是通过司机或运输车辆管理人员以目测的方式现场检查运输车辆的车厢状态，既缺乏客观的检测依据，又严重依赖于司机或运输车辆管理人员的自觉性和责任心。另一种方式是通过安装在车厢四周挡板上的接触感应器，感应所述运输车辆车厢顶部盖板或罩棚与车厢四周挡板的接触状态，来判断车厢的打开或闭合状态，然而，实际应用中发现，由于运输车辆的工作特点，车厢顶部盖板或罩棚的开关频次较高，接触感应器的损坏率很高，经常需要更换，导致运输车辆在车厢状态检测上需耗费较多的维护成本。
发明内容
有鉴于此，本申请提供一种运输车辆的车厢状态检测方法、车厢状态检测装置、终端及计算机可读存储介质，能够降低运输车辆在车厢状态检测上的维护成本。
本申请实施例的第一方面，提供一种运输车辆的车厢状态检测方法，该运输车辆上设置有用于拍摄上述运输车辆的车厢全貌图像的摄像模块；
上述车厢状态检测方法包括：
触发上述摄像模块拍摄上述运输车辆的车厢全貌图像；
基于上述拍摄的车厢全貌图像，检测上述运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果；
存储上述车厢全貌图像及上述第一检测结果。
本申请实施例的第二方面，提供一种运输车辆的车厢状态检测装置，上述运输车辆上设置有用于拍摄上述运输车辆的车厢全貌图像的摄像模块；
上述车厢状态检测装置包括：
触发模块，用于触发上述摄像模块拍摄上述运输车辆的车厢全貌图像；
第一检测模块，用于基于上述拍摄的车厢全貌图像，检测上述运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果；
存储模块，用于存储上述车厢全貌图像及上述第一检测结果。
本申请实施例的第三方面，提供一种终端，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述本申请的第一方面提供的任一项车厢状态检测方法的步骤。
本申请实施例的第四方面，提供一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现上述本申请的第一方面提供的任一项车厢状态检测方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：
本申请在运输车辆上设置用于拍摄上述运输车辆的车厢全貌图像的摄像模块，一方面，通过触发上述摄像模块拍摄上述运输车辆的车厢全貌图像，并基于上述获取的车厢全貌图像，检测上述运输车辆的车厢为闭合状态还是打开状态，能够实现车厢状态的自动检测，而存储的车厢全貌图像及检测结果可以作为管理运输车辆的客观依据，也便于运输车辆管理人员进行检查和监督，从而提高了管理运输车辆的客观性和便捷性。另一方面，由于要拍摄车厢全貌图像，摄像模块的安装位置一般会距车厢保持一定的距离，因此，摄像模块不易受到车厢开闭及进行装卸的影响而损坏，从而可降低对摄像模块的维修成本，进而降低运输车辆在车厢状态检测上的维护成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
图1是本申请提供的运输车辆的车厢状态检测方法一个实施例流程示意图；
图2是本申请提供的图1实施例中步骤102的一个实施例实现流程示意图；
图3是本申请提供的运输车辆的车厢状态检测装置的一个实施例结构示意图；
图4是本申请提供的终端的一个实施例结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请上述的技术方案，下面通过具体实施例来进行说明。
实施例一：图1示出了本申请提供的运输车辆的车厢状态检测方法一个实施例流程示意图，详述如下：
在运输车辆上设置有用于拍摄上述运输车辆的车厢全貌图像的摄像模块，例如，将摄像模块设置在运输车辆车厢靠近驾驶室一侧的挡板顶部中央附近的位置。
作为进一步的实施例，该摄像模块还可以包括补光模块，在当前环境的自然光照条件不佳时，触发补光模块工作，以改善光照条件，使摄像模块拍摄到较佳的车厢全貌图像。
本申请实施例中的车厢状态检测方法包括：
在步骤101中，触发摄像模块拍摄运输车辆的车厢全貌图像；
在本申请实施例中，触发摄像模块拍摄运输车辆的车厢全貌图像，具体的，可以根据车辆的行驶状态变化触发摄像模块拍摄运输车辆的车厢全貌图像，也可以通过与摄像模块连接的终端发送触发指令触发摄像模块拍摄运输车辆的车厢全貌图像。
在一种应用场景下，运输车辆管理中心的人员想要检测运输车辆A的车厢状态，可以通过位于运输车辆管理中心的终端(服务器)下发拍摄指令，触发摄像模块拍摄运输车辆的车厢全貌图像，从而可以根据拍摄的车厢全貌图像了解运输车辆A的车厢状态，其中，位于运输车辆管理中心的终端与运输车辆A的摄像模块可以通过无线通信网络连接。
可选的，作为进一步的实施例，上述步骤101具体为：
在运输车辆由停车状态变为行驶状态时，触发摄像模块拍摄运输车辆的车厢全貌图像。
在本实施例中，由于运输车辆在行驶时，其车厢状态(运输车辆的车厢顶部的盖板或罩棚是否闭合)一般是不会发生变化的，车厢状态的变化一般发生在运输车厢停车时，因此，在运输车辆由停车状态变为行驶状态时，触发摄像模块拍摄运输车辆的车厢全貌图像，从而检测运输车辆的车厢状态，在车厢状态为打开状态时，可以发出提示信号以提醒该运输车辆的司机进行停车和闭合车厢的操作。
在步骤102中，基于上述拍摄的车厢全貌图像，检测上述运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果。
在本申请实施例中，获取在步骤101中摄像模块拍摄的车厢全貌图像，对所述车厢全貌图像进行识别，提取车厢全貌图像的纹理特征，将提取的纹理特征分别与预设车厢全貌图像的纹理特征进行匹配，以检测运输车辆的车厢是闭合状态还是打开状态，其中，预设车厢全貌图像包括运输车辆的车厢是闭合状态的车厢全貌图像，以及运输车辆的车厢是打开状态的车厢全貌图像。
需要说明的是，虽然通过人眼也可以直接看出车厢全貌图像上的车厢状态，但是，一方面，由于人眼观看存在一定的主观性和局限性，没有客观的判定标准，难以得到客观的判定结果；另一方面，车辆运输管理中心的人员监管着相当数量的运输车辆，通过人眼进行观看不够便捷，效率不高；因此，本申请通过对车厢全貌图像的纹理特征进行检测和识别，能够方便快捷并且客观高效的判定车厢状态。
需要说明的是，考虑到一台运输车辆上摄像模块安装好后，其拍摄场景是不变的，因此，本申请实施例中的对车厢全貌图像的识别可以仅针对预先设定的感兴趣区域进行。该感兴趣区域即为运输车辆的车厢在上述摄像模块拍摄的车厢全貌图像上的固定位置。
在步骤103中，存储上述车厢全貌图像及上述第一检测结果。
在本申请实施例中，将步骤101中拍摄的车厢全貌图像及根据该车厢全貌图像得到的第一检测结果进行存储，从而可以作为管理运输车辆的客观依据。
需要说明的是，可以将上述车厢全貌图像及检测的结果存储在与摄像模块连接的终端上，该终端可以是设置在运输车辆上的车载终端，该终端也可以是设置在运输车辆管理中心的服务器。
可选的，在步骤102之后，本申请实施例的车厢状态检测方法还包括：
步骤A、若第一检测结果为运输车辆的车厢是打开状态，则基于获取的车厢全貌图像，检测运输车辆是载货状态还是非载货状态，得到第二检测结果；
步骤B、存储所述第二检测结果；
步骤C、在第二检测结果为运输车辆是载货状态时，输出警示信号。
在本申请实施例中，由于在运输车辆为非载货状态时，即车厢未装载货物的空车状态，若车厢顶部的盖板或罩棚未闭合，一般不会对运输车辆或路面交通产生不良影响。因此，在第一检测结果为运输车辆的车厢是打开状态时，进一步的检测运输车辆是载货状态还是非载货状态，得到第二检测结果。由于只有在运输车辆为载货状态，且，车厢为打开状态时，才容易发生抛洒泄露等事件。因此，在第二检测结果为运输车辆是载货状态时，输出警示信号，以提醒运输车辆的司机进行闭合车厢顶部挡板或罩棚的操作，避免运输的货物(例如渣土或砂石等材料)发生抛洒泄漏。
可选的，作为进一步的实施例，上述步骤A中，检测运输车辆为载货状态还是非载货状态，具体可以通过以下步骤实现：
步骤A1、分别提取上述车厢全貌图像上两个以上预设区域的方向梯度直方图。
上述方向梯度直方图可以表达车厢全貌图像的车厢外形信息及图像纹理变化信息，通过两个以上预设区域的方向梯度直方图能够形成丰富的图像特征集，有利于提高对车厢全貌图像的检测结果的准确性。
需要说明的是，本实施例主要检测区域为运输车辆车厢的底板上表面对应的图像的纹理特征，例如，在载货状态时，车厢底板上表面对应的图像纹理特征为所装载货物的纹理特征(车厢底板上表面被货物所覆盖)，在非载货状态时，车厢底板上表面对应的图像纹理特征为车厢底板上表面本身的纹理特征。在实际应用中，即便在非载货状态，车厢底板上表面可能也会存在残留物(例如残留的砂石或渣土)。这些残留物容易对检测结果造成干扰，因此，本实施例采用了基于两个以上的预设区域的方向梯度直方图特征为参考进行检测，相比采用具体像素点特征的检测方法能够避免车厢内残留物的干扰，提高检测效率和检测准确性。
需要说明的是，根据预先拍摄的车厢全貌图像(样本图像，包括运输车辆为载货状态时的样本图像和非载货状态时的样本图像)，确定图像上车厢所在的感兴趣区域，在所述感兴趣区域上，预先设置两个以上的预设区域。基于所述两个以上的预设区域的图像特征集进行车厢状态的识别和检测。
步骤A2、将上述提取的各预设区域的方向梯度直方图进行组合，得到上述车厢全貌图像的方向梯度直方图特征；
步骤A3、将上述方向梯度直方图特征输入第二判别分类器，由上述第二判别分类器输出上述第二检测结果。
本申请实施例中，分别提取上述车厢全貌图像上两个以上预设区域的方向梯度直方图(Histogram of Oriented Gradient,HOG)特征。将提取的各预设区域的HOG特征进行组合，形成一个高维特征，即当前车厢全貌图像的方向梯度直方图特征，将当前车厢全貌图像的方向梯度直方图特征输入第二判别分类器，得到第二判别分类器输出的第二检测结果，即车辆为载货状态还是非载货状态。其中，上述第二判别分类器为基于上述运输车辆分别为非载货状态和载货状态的样本图像的方向梯度直方图特征训练得到。
需要说明的是，在运输车辆为非载货状态时，由于车厢为空车厢，通过识别车厢全貌图像的局部纹理特征可以较好的区分载货状态的车厢图像和非载货状态的车厢图像。本申请通过在车厢全貌图像上设置多个预设位置，根据该多个预设位置的多尺度局部二值特征，能够提高检测结果的准确性，并且在实际应用中取得了较好的识别效果。另外，本申请实施例中通过将各预设区域的局部特征进行组合，得到一个高维特征，基于高维特征进行车厢状态的识别能够对不同车辆安装的差异性具有较强的泛化性能。
由上可知，本申请在运输车辆上设置用于拍摄上述运输车辆的车厢全貌图像的摄像模块，一方面，通过触发上述摄像模块拍摄上述运输车辆的车厢全貌图像，并基于上述获取的车厢全貌图像，检测上述运输车辆的车厢为闭合状态还是打开状态，能够实现车厢状态的自动检测，而存储的车厢全貌图像及检测结果可以作为管理运输车辆的客观依据，也便于运输车辆管理人员进行检查和监督，从而提高了管理运输车辆的客观性和便捷性。另一方面，由于要拍摄车厢全貌图像，摄像模块的安装位置一般会距车厢保持一定的距离，因此，摄像模块不易受到车厢开闭及进行装卸的影响而损坏，从而可降低对摄像模块的维修成本，进而降低运输车辆在车厢状态检测上的维护成本。
实施例二：图2示出了本申请提供的图1实施例中步骤102的一个实施例实现流程示意图，详述如下：
在步骤201中，分别提取车厢全貌图像上两个以上预设位置的像素点的多尺度局部二值特征。
在实际应用中，车厢顶部的盖板或罩棚在闭合时的图像具有固定不变的纹理特征，通过提取对车厢全貌图像上各预设位置的像素点的局部二值特征可以较好的反应该车厢全貌图像的纹理变化，而各预设位置的像素点对应的多尺度局部二值特征形成了丰富的图像特征集，能够提高对车厢全貌图像的检测结果的准确性。
需要说明的是，在车厢为打开状态时，当前车厢全貌图像上的检测区域实际为车厢内部的图像，在车厢为闭合状态时，当前车厢全貌图像上的检测区域实际为车厢顶板或罩棚的图像。在实际应用中，对于每一辆运输车辆，车厢顶板或罩棚的图像的纹理特征一般是不变的或者变化较小的。因此，本实施例采用了基于两个以上的预设位置的像素点的相应的局部二值特征为参考进行检测，针对图像上具体像素点所在位置的局部二值特征进行识别，可以得到较好的识别准确性。
需要说明的是，根据预先拍摄的车厢全貌图像(样本图像，包括车厢为打开状态时的样本图像和闭合状态时的样本图像)，确定图像上车厢所在的感兴趣区域，在所述感兴趣区域上，设置两个以上的预设位置。基于所述两个以上的预设位置的像素点提取图像特征进行车厢状态的识别和检测。
在步骤202中，将上述提取的各像素点的多尺度局部二值特征分别进行直方图统计，并组合得到上述车厢全貌图像的高维局部二值直方图特征；
在步骤203中，将上述高维局部二值直方图特征输入第一判别分类器，由上述第一判别分类器输出第一检测结果。
本申请实施例中，分别提取当前车厢全貌图像上两个以上预设位置的像素点的多尺度局部二值特征，具体的，以一个预设位置的像素点为圆心，确定以该像素点为圆心的多个不同半径的圆形区域，根据圆形区域内的像素比圆心像素的亮度大还是小，将所述圆形区域内的像素二值化，以每一个半径的圆形区域作为一个尺度的局部二值特征。从而可以得到对应于所述各预设位置的像素点的多尺度局部二值特征。将所述多尺度局部二值特征分别进行直方图统计，并组合得到当前车厢全貌图像的高维局部二值直方图特征。将上述高维局部二值直方图特征输入第一判别分类器，由上述第一判别分类器输出第一检测结果，即运输车辆的当前车厢为打开状态还是闭合状态。其中，上述第一判别分类器为基于上述运输车辆的第一样本图像和第二样本图像的高维局部二值直方图特征训练得到，上述第一样本图像为上述运输车辆的车厢为闭合状态时的样本图像，上述第二样本图像为上述运输车辆的车厢为打开状态时的样本图像。
需要说明的是，由于车厢顶部挡板或罩棚具有固定不变的纹理特征，本申请通过在车厢全貌图像上设置多个预设位置，根据该多个预设位置的多尺度局部二值特征，可以更好的检测并确定车厢状态，并且在实际应用中取得了较好的识别效果。
由上可知，本申请在运输车辆上设置用于拍摄上述运输车辆的车厢全貌图像的摄像模块，一方面，通过触发上述摄像模块拍摄上述运输车辆的车厢全貌图像，并基于上述获取的车厢全貌图像，检测上述运输车辆的车厢为闭合状态还是打开状态，能够实现车厢状态的自动检测，而存储的车厢全貌图像及检测结果可以作为管理运输车辆的客观依据，也便于运输车辆管理人员进行检查和监督，从而提高了管理运输车辆的客观性和便捷性。另一方面，由于要拍摄车厢全貌图像，摄像模块的安装位置一般会距车厢保持一定的距离，因此，摄像模块不易受到车厢开闭及进行装卸的影响而损坏，从而可降低对摄像模块的维修成本，进而降低运输车辆在车厢状态检测上的维护成本。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例三：图3示出了本申请提供的运输车辆的车厢状态检测装置的一个实施例结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分，详述如下：
如图3所示，一种运输车辆的车厢状态检测装置3，包括触发模块31、第一检测模块32和存储模块33。
触发模块31，用于触发摄像模块拍摄运输车辆的车厢全貌图像；
第一检测模块32，用于基于拍摄的车厢全貌图像，检测运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果；
存储模块33，用于上述存储车厢全貌图像及上述第一检测结果。
可选的，上述车厢状态检测装置还包括：
第二检测模块，用于在上述存储模块存储上述车厢全貌图像及检测结果之前，若上述第一检测结果为上述运输车辆的车厢是打开状态，则基于上述获取的车厢全貌图像，检测上述运输车辆是载货状态还是非载货状态，得到第二检测结果；
输出模块，用于在上述第二检测结果为上述运输车辆是载货状态时，输出警示信号。
所述存储模块还用于，存储上述第二检测结果。
可选的，上述第二检测模块包括：
提取单元，用于分别提取上述车厢全貌图像上两个以上预设区域的方向梯度直方图；
组合单元，用于将上述提取单元提取的各预设区域的方向梯度直方图进行组合，得到上述车厢全貌图像的方向梯度直方图特征；
输出单元，用于将上述组合单元得到的上述方向梯度直方图特征输入第二判别分类器，由上述第二判别分类器输出上述第二检测结果，其中，上述第二判别分类器为基于上述运输车辆分别为非载货状态和载货状态的样本图像的方向梯度直方图特征训练得到。
由上可知，本申请在运输车辆上设置用于拍摄上述运输车辆的车厢全貌图像的摄像模块，一方面，通过触发上述摄像模块拍摄上述运输车辆的车厢全貌图像，并基于上述获取的车厢全貌图像，检测上述运输车辆的车厢为闭合状态还是打开状态，能够实现车厢状态的自动检测，而存储的车厢全貌图像及检测结果可以作为管理运输车辆的客观依据，也便于运输车辆管理人员进行检查和监督，从而提高了管理运输车辆的客观性和便捷性。另一方面，由于要拍摄车厢全貌图像，摄像模块的安装位置一般会距车厢保持一定的距离，因此，摄像模块不易受到车厢开闭及进行装卸的影响而损坏，从而可降低对摄像模块的维修成本，进而降低运输车辆在车厢状态检测上的维护成本。
实施例四：图4是本申请提供的终端的一个实施例结构示意图。如图4所示，该实施例的终端4包括：处理器40、存储器41以及存储在上述存储器41中并可在上述处理器40上运行的计算机程序42。上述处理器40执行上述计算机程序42时实现上述各个车厢状态检测方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，上述处理器40执行上述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块31至33的功能。
示例性的，上述计算机程序42可以被分割成一个或多个模块/单元，上述一个或者多个模块/单元被存储在上述存储器41中，并由上述处理器40执行，以完成本申请。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序42在上述终端4中的执行过程。例如，上述计算机程序42可以被分割成触发模块、第一检测模块和存储模块，各单元具体功能如下：
触发模块，用于触发上述摄像模块拍摄上述运输车辆的车厢全貌图像；
第一检测模块，用于基于上述拍摄的车厢全貌图像，检测上述运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果；
存储模块，用于存储上述车厢全貌图像及上述第一检测结果。
上述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。上述终端可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如上述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器41可以是上述终端4的内部存储单元，例如终端4的硬盘或内存。上述存储器41也可以是上述终端4的外部存储设备，例如上述终端4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器41还可以既包括上述终端4的内部存储单元也包括外部存储设备。上述存储器41用于存储上述计算机程序以及上述终端所需的其他程序和数据。上述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请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。
上述集成的模块/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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (5)
1.一种运输车辆的车厢状态检测方法，其特征在于，所述运输车辆上设置有用于拍摄所述运输车辆的车厢全貌图像的摄像模块；
所述车厢状态检测方法包括：
在所述运输车辆由停车状态变为行驶状态时，触发所述摄像模块拍摄所述运输车辆的车厢全貌图像；
基于所述拍摄的车厢全貌图像的纹理特征，检测所述运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果；所述车厢全貌图像指的是车辆车厢的底板上表面对应的图像；
存储所述车厢全貌图像及所述第一检测结果；
所述检测所述运输车辆的车厢是闭合状态还是打开状态之后，所述车厢状态检测方法还包括：
若所述第一检测结果为所述运输车辆的车厢是打开状态，则基于获取的所述车厢全貌图像，检测所述运输车辆是载货状态还是非载货状态，得到第二检测结果；
存储所述第二检测结果；
在所述第二检测结果为所述运输车辆是载货状态时，输出警示信号；
所述检测所述运输车辆为载货状态还是非载货状态，包括：
分别提取所述车厢全貌图像上两个以上预设区域的方向梯度直方图；
将所述提取的各预设区域的方向梯度直方图进行组合，得到所述车厢全貌图像的方向梯度直方图特征；
将所述方向梯度直方图特征输入第二判别分类器，由所述第二判别分类器输出所述第二检测结果，其中，所述第二判别分类器为基于所述运输车辆分别为非载货状态和载货状态的样本图像的方向梯度直方图特征训练得到。
2.根据权利要求1所述的车厢状态检测方法，其特征在于，所述检测所述运输车辆的车厢为闭合状态还是打开状态，包括：
分别提取所述车厢全貌图像上两个以上预设位置的像素点的多尺度局部二值特征；
将所述提取的各像素点的多尺度局部二值特征分别进行直方图统计，并组合得到所述车厢全貌图像的高维局部二值直方图特征；
将所述高维局部二值直方图特征输入第一判别分类器，由所述第一判别分类器输出所述第一检测结果，其中，所述第一判别分类器为基于所述运输车辆的第一样本图像和第二样本图像的高维局部二值直方图特征训练得到，所述第一样本图像为所述运输车辆的车厢为闭合状态时的样本图像，所述第二样本图像为所述运输车辆的车厢为打开状态时的样本图像。
3.一种运输车辆的车厢状态检测装置，其特征在于，所述运输车辆上设置有用于拍摄所述运输车辆的车厢全貌图像的摄像模块；
所述车厢状态检测装置包括：
触发模块，用于在所述运输车辆由停车状态变为行驶状态时，触发所述摄像模块拍摄所述运输车辆的车厢全貌图像；
第一检测模块，用于基于所述拍摄的车厢全貌图像的纹理特征，检测所述运输车辆的车厢是闭合状态还是打开状态，得到第一检测结果；所述车厢全貌图像指的是车辆车厢的底板上表面对应的图像；
存储模块，用于存储所述车厢全貌图像及所述第一检测结果；
第二检测模块，用于在所述第一检测模块检测所述运输车辆的车厢是闭合状态还是打开状态之后，若所述第一检测结果为所述运输车辆的车厢是打开状态，则基于获取的所述车厢全貌图像，检测所述运输车辆是载货状态还是非载货状态，得到第二检测结果；
输出模块，用于在所述第二检测结果为所述运输车辆是载货状态时，输出警示信号；
提取单元，用于分别提取所述车厢全貌图像上两个以上预设区域的方向梯度直方图；
组合单元，用于将所述提取单元提取的各预设区域的方向梯度直方图进行组合，得到所述车厢全貌图像的方向梯度直方图特征；
输出单元，用于将所述组合单元得到的所述方向梯度直方图特征输入第二判别分类器，由所述第二判别分类器输出所述第二检测结果，其中，所述第二判别分类器为基于所述运输车辆分别为非载货状态和载货状态的样本图像的方向梯度直方图特征训练得到；
所述存储模块还用于，存储所述第二检测结果。
4.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1或2所述方法的步骤。
5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1或2所述方法的步骤。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2017/107855 WO2019080055A1 (zh) | 2017-10-26 | 2017-10-26 | 运输车辆的车厢状态检测方法、车厢状态检测装置及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109416250A CN109416250A (zh) | 2019-03-01 |
| CN109416250B true CN109416250B (zh) | 2021-08-13 |
Family
ID=65462799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780001336.1A Active CN109416250B (zh) | 2017-10-26 | 2017-10-26 | 运输车辆的车厢状态检测方法、车厢状态检测装置及终端 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109416250B (zh) |
| WO (1) | WO2019080055A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111723601A (zh) * | 2019-03-19 | 2020-09-29 | 杭州海康威视数字技术股份有限公司 | 一种图像处理的方法及装置 |
| CN110533098B (zh) * | 2019-08-28 | 2022-03-29 | 长安大学 | 一种基于卷积神经网络识别绿通车车厢装载类型的方法 |
| CN111332199A (zh) * | 2020-02-20 | 2020-06-26 | 广州小鹏汽车科技有限公司 | 一种车辆能源箱盖的关闭提醒方法和装置 |
| CN111460911B (zh) * | 2020-03-12 | 2023-04-28 | 陕西天诚软件有限公司 | 一种物料装车方法、物料装车装置、服务器及介质 |
| CN111385537B (zh) * | 2020-03-17 | 2021-03-26 | 杭州鸿泉物联网技术股份有限公司 | 渣土车顶盖密闭识别的方法、装置、系统和电子设备 |
| CN112508034B (zh) * | 2020-11-03 | 2024-04-30 | 精英数智科技股份有限公司 | 货运列车故障检测方法、装置及电子设备 |
| CN112287882A (zh) * | 2020-11-18 | 2021-01-29 | 成都佳华物链云科技有限公司 | 渣土车属性识别方法、装置、电子设备及存储介质 |
| CN112432654B (zh) * | 2020-11-20 | 2023-04-07 | 浙江华锐捷技术有限公司 | 一种渣土车的状态分析方法和装置及存储介质 |
| CN112633165A (zh) * | 2020-12-23 | 2021-04-09 | 远光软件股份有限公司 | 基于车辆车厢的采样监督方法、系统、存储介质及电子设备 |
| CN113569925B (zh) * | 2021-07-09 | 2024-04-09 | 惠州市云鼎科技有限公司 | 基于广角摄像头的工程车辆安全监控方法及装置 |
| CN114954565B (zh) * | 2022-05-20 | 2023-08-08 | 上海阿尔斯通交通电气有限公司 | 一种地铁牵引控制方法、系统、存储介质及智能终端 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6981827B2 (en) * | 2004-02-05 | 2006-01-03 | Matthew Bullock | Cargo restraint torque apparatus |
| CN104925005A (zh) * | 2015-05-19 | 2015-09-23 | 首都信息科技发展有限公司 | 一种车辆监控方法及装置 |
| CN204633935U (zh) * | 2015-05-21 | 2015-09-09 | 青岛港国际股份有限公司 | 一种车箱查验系统 |
| CN104931985A (zh) * | 2015-05-25 | 2015-09-23 | 北京物通时空网络科技开发有限公司 | 智能判定车辆负载状态与配货定位系统 |
| CN104986129B (zh) * | 2015-06-19 | 2017-07-21 | 长沙致天信息科技有限责任公司 | 专用车作业状态的监测系统及其方法 |
| KR101823655B1 (ko) * | 2016-03-18 | 2018-01-30 | 한국오므론전장 주식회사 | 영상을 이용한 차량 침입 검출 시스템 및 방법 |
| CN106791723A (zh) * | 2017-03-08 | 2017-05-31 | 南京云趟信息技术有限公司 | 一种工程车的空/重车判断系统及方法 |
| CN106791453B (zh) * | 2017-03-14 | 2023-07-11 | 南京云计趟信息技术有限公司 | 一种用于工程车的自动触发摄像装置 |
| CN106781528A (zh) * | 2017-03-22 | 2017-05-31 | 南京云趟信息技术有限公司 | 一种用于工程车的密闭状态识别系统 |
-
2017
- 2017-10-26 CN CN201780001336.1A patent/CN109416250B/zh active Active
- 2017-10-26 WO PCT/CN2017/107855 patent/WO2019080055A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| CN109416250A (zh) | 2019-03-01 |
| WO2019080055A1 (zh) | 2019-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109416250B (zh) | 运输车辆的车厢状态检测方法、车厢状态检测装置及终端 | |
| Siriborvornratanakul | An automatic road distress visual inspection system using an onboard in‐car camera | |
| CN103400500B (zh) | 车辆信息数据采集装置及方法 | |
| KR102131893B1 (ko) | 화물차 덮개 불량 자동 인지 장치 및 방법 | |
| CN103208185A (zh) | 一种基于车灯识别的夜间车辆检测方法及系统 | |
| CN111027535B (zh) | 一种车牌识别方法及相关设备 | |
| CN111401162A (zh) | 渣土车违法审核方法、电子装置、计算机设备和存储介质 | |
| CN111382704A (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
| CN112287875B (zh) | 异常车牌识别方法、装置、设备及可读存储介质 | |
| CN106257490A (zh) | 检测行驶车辆信息的方法及系统 | |
| CN111950368A (zh) | 货运车辆监控方法、装置、电子设备和介质 | |
| CN103699880A (zh) | 基于物联网的交通违法车辆牌照检测与识别方法 | |
| CN109508725B (zh) | 运输车辆的盖板开合检测方法、装置及终端 | |
| CN111382735A (zh) | 夜间车辆检测方法、装置、设备及存储介质 | |
| CN111222394A (zh) | 一种渣土车超载检测方法、装置及系统 | |
| CN108873097B (zh) | 无人停车库中载车板停车时的安全检测方法及装置 | |
| CN110796099A (zh) | 一种车辆超限检测方法及装置 | |
| Amin et al. | An automatic number plate recognition of Bangladeshi vehicles | |
| CN115731179A (zh) | 轨道部件检测方法、终端及存储介质 | |
| CN112633183B (zh) | 影像遮挡区域自动检测方法、装置及存储介质 | |
| Muzammil et al. | Application of image processing techniques for the extraction of vehicle number plates over ARM target board | |
| CN111639640B (zh) | 基于人工智能的车牌识别方法、装置及设备 | |
| CN111161542B (zh) | 车辆识别方法及装置 | |
| Kryjak et al. | Hardware-software implementation of vehicle detection and counting using virtual detection lines | |
| CN113095281A (zh) | 套牌车识别方法、装置、电子设备及存储介质 |
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 |