CN110399783A - 基于图像分析的交通动作触发平台、方法及存储介质 - Google Patents
基于图像分析的交通动作触发平台、方法及存储介质 Download PDFInfo
- Publication number
- CN110399783A CN110399783A CN201910361763.1A CN201910361763A CN110399783A CN 110399783 A CN110399783 A CN 110399783A CN 201910361763 A CN201910361763 A CN 201910361763A CN 110399783 A CN110399783 A CN 110399783A
- Authority
- CN
- China
- Prior art keywords
- equipment
- signal
- image
- connect
- pavement
- 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
- 238000010191 image analysis Methods 0.000 title claims abstract description 44
- 230000009471 action Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 24
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 21
- 230000000875 corresponding effect Effects 0.000 claims description 19
- 230000002708 enhancing effect Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000008602 contraction Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000010010 raising Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/443—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 by matching or filtering
-
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像分析的动作触发平台、方法及存储介质，所述平台包括：目标探析设备，用于提取边缘增强图像中的人行道区域和汽车区域；重叠分析设备，与目标探析设备连接，用于在边缘增强图像中，当人行道区域与汽车区域存在重叠时，发出驱动控制指令；闯灯检测机构，与重叠分析设备连接，用于在接收到所述驱动控制指令时，从休眠状态进入工作状态，以对人行道前方的闯灯行为进行检测。本发明的基于图像分析的动作触发平台、方法及存储介质触发有效，节能环保。由于根据针对性处理后图像中人行道与汽车的相对位置确定是否需要启动对人行道前方的闯灯行为的检测动作，从而避免了无端的设备电力损耗。
Description
技术领域
本发明涉及图像分析领域，尤其涉及一种基于图像分析的交通动作触发平台、方法及存储介质。
背景技术
用图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构，从而提取具有一定智能性的信息。
模式识别和人工智能方法对物景进行分析、描述、分类和解释的技术，又称景物分析或图像理解。20世纪60年代以来，在图像分析方面已有许多研究成果，从针对具体问题和应用的图像分析技术逐渐向建立一般理论的方向发展。图像分析同图像处理、计算机图形学等研究内容密切相关，而且相互交叉重叠。但图像处理主要研究图像传输、存储、增强和复原；计算机图形学主要研究点、线、面和体的表示方法以及视觉信息的显示方法；图像分析则着重于构造图像的描述方法，更多地是用符号表示各种图像,而不是对图像本身进行运算,并利用各种有关知识进行推理。图像分析与关于人的视觉的研究也有密切关系，对人的视觉机制中的某些可辨认模块的研究可促进计算机视觉能力的提高。
发明内容
本发明需要具备以下两处关键的发明点：
(1)根据针对性处理后图像中人行道与汽车的相对位置确定是否需要启动对人行道前方的闯灯行为的检测动作，从而避免无端的设备电力损耗；
(2)在要处理的图像的实时输出码率过快时，为了减轻图像处理端的数据压力，适当减少多个滤波组件中的两个滤波组件，以适应前端设备的实时输出码率。
根据本发明的一方面，提供了一种基于图像分析的动作触发平台，所述平台包括：
目标探析设备，与边缘增强设备连接，用于基于人行道成像特征提取边缘增强图像中的人行道区域，还用于基于汽车成像特征提取所述边缘增强图像中的汽车区域；
重叠分析设备，与所述目标探析设备连接，用于在所述边缘增强图像中，当所述人行道区域与所述汽车区域存在重叠时，发出驱动控制指令；
闯灯检测机构，与所述重叠分析设备连接，用于在接收到所述驱动控制指令时，从休眠状态进入工作状态，以对人行道前方的闯灯行为进行检测；
有线录影设备，设置在人行道后方的道路的上方，用于对人行道附近进行视频录影操作，以获得并输出当前录影帧；
实时监测设备，与所述有线录影设备连接，用于接收所述当前录影帧，对所述当前录影帧的输出码率进行检测，以获得实时输出码率；
信号解析设备，与所述实时监测设备连接，用于接收所述实时输出码率，并在所述实时输出码率超过预设码率阈值时，发出第一控制信号；
所述信号解析设备还用于在所述实时输出码率未超过预设码率阈值时，发出第二控制信号；
第一滤波设备，与所述实时监测设备连接，用于接收所述当前录影帧，对所述当前录影帧执行平滑线性滤波处理，以获得并输出相应的平滑线性滤波图像；
第二滤波设备，与所述第一滤波设备连接，用于对接收到的平滑线性滤波图像执行维纳滤波处理，以获得对应的维纳滤波图像；
第三滤波设备，与所述第二滤波设备连接，用于对接收到的维纳滤波图像进行几何均值滤波处理，以获得并输出对应的几何均值滤波图像；
最近邻插值设备，与所述第三滤波设备连接，用于接收所述几何均值滤波图像，对所述几何均值滤波图像执行最近邻插值处理，以获得并输出相应的最近邻插值图像；
边缘增强设备，与所述最近邻插值设备连接，用于接收所述最近邻插值图像，对所述最近邻插值图像执行边缘增强处理，以获得并输出相应的边缘增强图像。
根据本发明的另一方面，还提供了一种基于图像分析的动作触发方法，所述方法包括使用如上述的基于图像分析的动作触发平台以根据针对性处理后图像中人行道与汽车的相对位置确定是否需要启动对人行道前方的闯灯行为的检测动作，从而避免无端的设备电力损耗。
根据本发明的又一方面，还提供了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序在被执行时实现如上述的基于图像分析的动作触发方法的各个步骤。
本发明的基于图像分析的动作触发平台、方法及存储介质触发有效，节能环保。由于根据针对性处理后图像中人行道与汽车的相对位置确定是否需要启动对人行道前方的闯灯行为的检测动作，从而避免了无端的设备电力损耗。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的基于图像分析的动作触发平台所应用的人行道的外形示意图。
具体实施方式
下面将参照附图对本发明的基于图像分析的动作触发平台、方法及存储介质的实施方案进行详细说明。
闯灯检测中，闯红灯是重要的检测目标。闯红灯是指机动车、非机动车、行人等违反交通信号灯指示在红灯亮起禁止通行时越过停止线并继续行驶的行为。“闯红灯”的引申义多用于形容超越现有规则办事或其他一些违反法律或道德规范的行为。
无论何种理由，发生闯红灯违法行为，都会依法处罚。不过，路口的视频设备每次采集闯红灯违法信息也很谨慎，需要“三堂会审”，也就是说，认定一辆车闯红灯，会有三张照片佐证。分别在车辆过线前，过线后和驶入路口。
当前，对人行道前方的汽车闯灯行为的检测存在以下两个问题，第一，闯灯检测机构一直保持着闯灯检测的工作状态，而实际上需要进行检测的概率较低，从而导致了大量的不必要的设备电力消耗，第二，缺乏有效的汽车与人行道相对位置的分析模式，导致无法提供有效的闯灯触发信号。
为了克服上述不足，本发明搭建了一种基于图像分析的动作触发平台、方法及存储介质，能够有效解决相应的技术问题。
图1为根据本发明实施方案示出的基于图像分析的动作触发平台所应用的人行道的外形示意图。
根据本发明实施方案示出的基于图像分析的动作触发平台包括：
目标探析设备，与边缘增强设备连接，用于基于人行道成像特征提取边缘增强图像中的人行道区域，还用于基于汽车成像特征提取所述边缘增强图像中的汽车区域；
重叠分析设备，与所述目标探析设备连接，用于在所述边缘增强图像中，当所述人行道区域与所述汽车区域存在重叠时，发出驱动控制指令；
闯灯检测机构，与所述重叠分析设备连接，用于在接收到所述驱动控制指令时，从休眠状态进入工作状态，以对人行道前方的闯灯行为进行检测；
有线录影设备，设置在人行道后方的道路的上方，用于对人行道附近进行视频录影操作，以获得并输出当前录影帧；
实时监测设备，与所述有线录影设备连接，用于接收所述当前录影帧，对所述当前录影帧的输出码率进行检测，以获得实时输出码率；
信号解析设备，与所述实时监测设备连接，用于接收所述实时输出码率，并在所述实时输出码率超过预设码率阈值时，发出第一控制信号；
所述信号解析设备还用于在所述实时输出码率未超过预设码率阈值时，发出第二控制信号；
第一滤波设备，与所述实时监测设备连接，用于接收所述当前录影帧，对所述当前录影帧执行平滑线性滤波处理，以获得并输出相应的平滑线性滤波图像；
第二滤波设备，与所述第一滤波设备连接，用于对接收到的平滑线性滤波图像执行维纳滤波处理，以获得对应的维纳滤波图像；
第三滤波设备，与所述第二滤波设备连接，用于对接收到的维纳滤波图像进行几何均值滤波处理，以获得并输出对应的几何均值滤波图像；
最近邻插值设备，与所述第三滤波设备连接，用于接收所述几何均值滤波图像，对所述几何均值滤波图像执行最近邻插值处理，以获得并输出相应的最近邻插值图像；
边缘增强设备，与所述最近邻插值设备连接，用于接收所述最近邻插值图像，对所述最近邻插值图像执行边缘增强处理，以获得并输出相应的边缘增强图像；
EDO DRAM芯片，分别与所述最近邻插值设备和所述边缘增强设备连接，用于暂存所述最近邻插值设备和所述边缘增强设备的输出数据；
其中，所述第一滤波设备和所述第二滤波设备都分别与所述实时监测设备和所述信号解析设备连接，用于在接收到所述第一控制信号时，对接收到的当前录影帧不进行滤波处理，直接送往所述第三滤波设备；
其中，所述第一滤波设备和所述第二滤波设备还用于在接收到所述第二控制信号时，分别执行各自的滤波处理；
其中，所述闯灯检测机构还用于在距离最新一次接收到所述驱动控制指令达到预设时间间隔未接收到所述驱动控制指令时，从工作状态返回休眠状态。
接着，继续对本发明的基于图像分析的动作触发平台的具体结构进行进一步的说明。
所述基于图像分析的动作触发平台中：
所述闯灯检测机构基于电磁线圈感应模式或图像分析模式执行对人行道前方的闯灯行为的检测。
所述基于图像分析的动作触发平台中还可以包括：
幅值测量设备，与所述边缘增强设备连接，用于接收所述边缘增强图像，对所述边缘增强图像中的各种噪声类型进行最大幅值的从大到小排序，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出。
所述基于图像分析的动作触发平台中还可以包括：
数量识别设备，用于接收所述边缘增强图像，获取所述边缘增强图像中的各种噪声类型的数量，并将所述边缘增强图像中的各种噪声类型的数量作为参考噪声数量输出。
所述基于图像分析的动作触发平台中还可以包括：
模式选择设备，与所述幅值测量设备连接，用于接收所述最大噪声数量，并基于所述最大噪声数量确定进行信号分割的层数，其中，所述最大噪声数量越多，进行信号分割的层数越多，所述模式选择设备将确定的进行信号分割的层数作为目标层数输出。
所述基于图像分析的动作触发平台中还可以包括：
系数提取设备，与所述数量识别设备连接，用于接收所述参考噪声数量，并基于所述参考噪声数量确定对小波系数进行缩小的百分比值，其中，所述参考噪声数量越多，确定的对小波系数进行缩小的百分比值越小，所述系数提取设备将确定对小波系数进行缩小的百分比值作为目标百分比值输出。
所述基于图像分析的动作触发平台中还可以包括：
信号去噪设备，分别与所述幅值测量设备、所述系数提取设备和所述系数提取设备连接，用于接收所述边缘增强图像、所述目标层数和所述目标百分比值，采用哈尔小波基基于所述目标层数对所述边缘增强图像执行所述目标层数的信号分解，以获得从第一层到最高层的各个高频系数和最高层的各个低频系数，对从第一层到最高层的各个高频系数进行基于目标百分比值的数值收缩，以获得从第一层到最高层的各个收缩后高频系数，并基于所述第一层到最高层的各个收缩后高频系数和所述最高层的各个低频系数重构所述边缘增强图像对应的信号去噪图像；
所述信号去噪设备还用于与所述目标探析设备连接，用于将所述信号去噪图像替换所述边缘增强图像以发送给所述目标探析设备。
所述基于图像分析的动作触发平台中：
在所述信号去噪设备中，对所述最高层的各个低频系数进行数据保留处理；
其中，在所述幅值测量设备中，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出包括：所述预设数量与所述边缘增强图像的解析度成正相关的关系；
所述信号去噪设备包括信号接收子设备、信号收缩子设备和信号输出子设备；
其中，所述信号接收子设备用于接收所述边缘增强图像、所述目标层数和所述目标百分比值；
其中，所述信号收缩子设备分别与所述信号接收子设备和所述信号输出子设备连接。
同时，为了克服上述不足，本发明还搭建了一种基于图像分析的动作触发方法，所述方法包括使用如上述的基于图像分析的动作触发平台以根据针对性处理后图像中人行道与汽车的相对位置确定是否需要启动对人行道前方的闯灯行为的检测动作，从而避免无端的设备电力损耗。
以及，为了克服上述不足，本发明还搭建了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序在被执行时实现如上述的基于图像分析的动作触发方法的各个步骤。
另外，小波(Wavelet)这一术语，顾名思义，“小波”就是小的波形。所谓“小”是指他具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，他通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。
小波分析的应用是与小波分析的理论研究紧密地结合在一起地。他已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域，他的重要方面是图像和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复)。从数学地角度来看，信号与图像处理可以统一看作是信号处理(图像可以看作是二维信号)，在小波分析地许多分析的许多应用中，都可以归结为信号处理问题。对于其性质随时间是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：只读内存(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。
Claims (10)
1.一种基于图像分析的动作触发平台，所述平台包括：
目标探析设备，与边缘增强设备连接，用于基于人行道成像特征提取边缘增强图像中的人行道区域，还用于基于汽车成像特征提取所述边缘增强图像中的汽车区域；
重叠分析设备，与所述目标探析设备连接，用于在所述边缘增强图像中，当所述人行道区域与所述汽车区域存在重叠时，发出驱动控制指令；
闯灯检测机构，与所述重叠分析设备连接，用于在接收到所述驱动控制指令时，从休眠状态进入工作状态，以对人行道前方的闯灯行为进行检测；
有线录影设备，设置在人行道后方的道路的上方，用于对人行道附近进行视频录影操作，以获得并输出当前录影帧；
实时监测设备，与所述有线录影设备连接，用于接收所述当前录影帧，对所述当前录影帧的输出码率进行检测，以获得实时输出码率；
信号解析设备，与所述实时监测设备连接，用于接收所述实时输出码率，并在所述实时输出码率超过预设码率阈值时，发出第一控制信号；
所述信号解析设备还用于在所述实时输出码率未超过预设码率阈值时，发出第二控制信号；
第一滤波设备，与所述实时监测设备连接，用于接收所述当前录影帧，对所述当前录影帧执行平滑线性滤波处理，以获得并输出相应的平滑线性滤波图像；
第二滤波设备，与所述第一滤波设备连接，用于对接收到的平滑线性滤波图像执行维纳滤波处理，以获得对应的维纳滤波图像；
第三滤波设备，与所述第二滤波设备连接，用于对接收到的维纳滤波图像进行几何均值滤波处理，以获得并输出对应的几何均值滤波图像；
最近邻插值设备，与所述第三滤波设备连接，用于接收所述几何均值滤波图像，对所述几何均值滤波图像执行最近邻插值处理，以获得并输出相应的最近邻插值图像；
边缘增强设备，与所述最近邻插值设备连接，用于接收所述最近邻插值图像，对所述最近邻插值图像执行边缘增强处理，以获得并输出相应的边缘增强图像；
EDO DRAM芯片，分别与所述最近邻插值设备和所述边缘增强设备连接，用于暂存所述最近邻插值设备和所述边缘增强设备的输出数据；
其中，所述第一滤波设备和所述第二滤波设备都分别与所述实时监测设备和所述信号解析设备连接，用于在接收到所述第一控制信号时，对接收到的当前录影帧不进行滤波处理，直接送往所述第三滤波设备；
其中，所述第一滤波设备和所述第二滤波设备还用于在接收到所述第二控制信号时，分别执行各自的滤波处理；
其中，所述闯灯检测机构还用于在距离最新一次接收到所述驱动控制指令达到预设时间间隔未接收到所述驱动控制指令时，从工作状态返回休眠状态。
2.如权利要求1所述的基于图像分析的动作触发平台，其特征在于：
所述闯灯检测机构基于电磁线圈感应模式或图像分析模式执行对人行道前方的闯灯行为的检测。
3.如权利要求2所述的基于图像分析的动作触发平台，其特征在于，所述平台还包括：
幅值测量设备，与所述边缘增强设备连接，用于接收所述边缘增强图像，对所述边缘增强图像中的各种噪声类型进行最大幅值的从大到小排序，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出。
4.如权利要求3所述的基于图像分析的动作触发平台，其特征在于，所述平台还包括：
数量识别设备，用于接收所述边缘增强图像，获取所述边缘增强图像中的各种噪声类型的数量，并将所述边缘增强图像中的各种噪声类型的数量作为参考噪声数量输出。
5.如权利要求4所述的基于图像分析的动作触发平台，其特征在于，所述平台还包括：
模式选择设备，与所述幅值测量设备连接，用于接收所述最大噪声数量，并基于所述最大噪声数量确定进行信号分割的层数，其中，所述最大噪声数量越多，进行信号分割的层数越多，所述模式选择设备将确定的进行信号分割的层数作为目标层数输出。
6.如权利要求5所述的基于图像分析的动作触发平台，其特征在于，所述平台还包括：
系数提取设备，与所述数量识别设备连接，用于接收所述参考噪声数量，并基于所述参考噪声数量确定对小波系数进行缩小的百分比值，其中，所述参考噪声数量越多，确定的对小波系数进行缩小的百分比值越小，所述系数提取设备将确定对小波系数进行缩小的百分比值作为目标百分比值输出。
7.如权利要求6所述的基于图像分析的动作触发平台，其特征在于，所述平台还包括：
信号去噪设备，分别与所述幅值测量设备、所述系数提取设备和所述系数提取设备连接，用于接收所述边缘增强图像、所述目标层数和所述目标百分比值，采用哈尔小波基基于所述目标层数对所述边缘增强图像执行所述目标层数的信号分解，以获得从第一层到最高层的各个高频系数和最高层的各个低频系数，对从第一层到最高层的各个高频系数进行基于目标百分比值的数值收缩，以获得从第一层到最高层的各个收缩后高频系数，并基于所述第一层到最高层的各个收缩后高频系数和所述最高层的各个低频系数重构所述边缘增强图像对应的信号去噪图像；
所述信号去噪设备还用于与所述目标探析设备连接，用于将所述信号去噪图像替换所述边缘增强图像以发送给所述目标探析设备。
8.如权利要求7所述的基于图像分析的动作触发平台，其特征在于：
在所述信号去噪设备中，对所述最高层的各个低频系数进行数据保留处理；
其中，在所述幅值测量设备中，将序号在前的预设数量的噪声类型的数量作为最大噪声数量输出包括：所述预设数量与所述边缘增强图像的解析度成正相关的关系；
所述信号去噪设备包括信号接收子设备、信号收缩子设备和信号输出子设备；
其中，所述信号接收子设备用于接收所述边缘增强图像、所述目标层数和所述目标百分比值；
其中，所述信号收缩子设备分别与所述信号接收子设备和所述信号输出子设备连接。
9.一种基于图像分析的动作触发方法，所述方法包括使用如权利要求1-8任一所述的基于图像分析的动作触发平台以根据针对性处理后图像中人行道与汽车的相对位置确定是否需要启动对人行道前方的闯灯行为的检测动作，从而避免无端的设备电力损耗。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序在被执行时实现如权利要求9所述方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910361763.1A CN110399783B (zh) | 2019-04-30 | 2019-04-30 | 基于图像分析的交通动作触发平台、方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910361763.1A CN110399783B (zh) | 2019-04-30 | 2019-04-30 | 基于图像分析的交通动作触发平台、方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110399783A true CN110399783A (zh) | 2019-11-01 |
| CN110399783B CN110399783B (zh) | 2020-08-28 |
Family
ID=68323008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910361763.1A Active CN110399783B (zh) | 2019-04-30 | 2019-04-30 | 基于图像分析的交通动作触发平台、方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110399783B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110775929A (zh) * | 2019-11-08 | 2020-02-11 | 樊俊利 | 加油枪漏油状态监测平台、方法及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101339697A (zh) * | 2008-08-14 | 2009-01-07 | 北京中星微电子有限公司 | 车辆闯红灯的检测系统及方法 |
| CN101527079A (zh) * | 2008-03-07 | 2009-09-09 | 上海宝康电子控制工程有限公司 | 闯红灯兼卡口电子警察设备及其监测方法 |
| WO2012013724A1 (fr) * | 2010-07-30 | 2012-02-02 | Morpho | Systeme de detection d'un franchissement d'un feu rouge, procede correspondant |
| CN102768800A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于高清视频的机动车闯红灯违章取证方法 |
| CN107613331A (zh) * | 2017-11-03 | 2018-01-19 | 中广热点云科技有限公司 | 视频传输过程的码率控制方法 |
-
2019
- 2019-04-30 CN CN201910361763.1A patent/CN110399783B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101527079A (zh) * | 2008-03-07 | 2009-09-09 | 上海宝康电子控制工程有限公司 | 闯红灯兼卡口电子警察设备及其监测方法 |
| CN101339697A (zh) * | 2008-08-14 | 2009-01-07 | 北京中星微电子有限公司 | 车辆闯红灯的检测系统及方法 |
| WO2012013724A1 (fr) * | 2010-07-30 | 2012-02-02 | Morpho | Systeme de detection d'un franchissement d'un feu rouge, procede correspondant |
| CN102768800A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于高清视频的机动车闯红灯违章取证方法 |
| CN107613331A (zh) * | 2017-11-03 | 2018-01-19 | 中广热点云科技有限公司 | 视频传输过程的码率控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110775929A (zh) * | 2019-11-08 | 2020-02-11 | 樊俊利 | 加油枪漏油状态监测平台、方法及存储介质 |
| CN110775929B (zh) * | 2019-11-08 | 2020-11-10 | 丽水新贝蕾科技有限公司 | 加油枪漏油状态监测平台、方法及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110399783B (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107527009B (zh) | 一种基于yolo目标检测的遗留物检测方法 | |
| CN111104903B (zh) | 一种深度感知交通场景多目标检测方法和系统 | |
| CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
| CN103258213B (zh) | 一种用于智能交通系统中的动态车辆车型识别方法 | |
| CN111191570B (zh) | 图像识别方法和装置 | |
| CN107122777A (zh) | 一种基于视频文件的车辆分析系统及分析方法 | |
| CN109472262A (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
| CN112329702B (zh) | 一种快速人脸密度预测和人脸检测方法、装置、电子设备及存储介质 | |
| CN110826429A (zh) | 一种基于景区视频的旅游突发事件自动监测的方法及系统 | |
| CN109766823A (zh) | 一种基于深层卷积神经网络的高分辨率遥感船舶检测方法 | |
| CN111488808A (zh) | 基于交通违法图像数据的车道线检测方法 | |
| CN106056102A (zh) | 基于视频图像分析的道路车型分类方法 | |
| CN111274886A (zh) | 一种基于深度学习的行人闯红灯违法行为分析方法及系统 | |
| CN104915642A (zh) | 前方车辆测距方法及装置 | |
| CN110276318A (zh) | 夜间公路下雨识别方法、装置、计算机设备及存储介质 | |
| CN111159150A (zh) | 一种数据扩充方法及装置 | |
| Jin et al. | A deep-learning-based scheme for detecting driver cell-phone use | |
| Cai et al. | Vehicle Detection Based on Deep Dual‐Vehicle Deformable Part Models | |
| CN111798435A (zh) | 图像处理方法、工程车辆侵入输电线路监测方法及系统 | |
| CN116597270A (zh) | 基于注意力机制集成学习网络的道路损毁目标检测方法 | |
| CN111524121A (zh) | 一种基于机器视觉技术的路桥病害自动检测方法 | |
| CN114419428A (zh) | 一种目标检测方法、目标检测装置和计算机可读存储介质 | |
| CN110399783A (zh) | 基于图像分析的交通动作触发平台、方法及存储介质 | |
| Zhang et al. | A front vehicle detection algorithm for intelligent vehicle based on improved gabor filter and SVM | |
| Javed et al. | Efficient algorithm for railway tracks detection using satellite imagery |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200731 Address after: 361000 unit pt-06, floor 3, No. 3, Chengyi North Street, phase III, software park, Xiamen City, Fujian Province Applicant after: XIAMEN TONGJING INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 223005 No.21, shanwushi Road, economic and Technological Development Zone, Huai'an City, Jiangsu Province Applicant before: Sun Lei |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Traffic action trigger platform, method and storage medium based on image analysis Effective date of registration: 20220725 Granted publication date: 20200828 Pledgee: Xiamen Branch of PICC Pledgor: XIAMEN TONGJING INTELLIGENT TECHNOLOGY Co.,Ltd. Registration number: Y2022980011238 |