CN110646173A - 一种远光灯持续开启的检测方法 - Google Patents

一种远光灯持续开启的检测方法 Download PDF

Info

Publication number
CN110646173A
CN110646173A CN201910938099.2A CN201910938099A CN110646173A CN 110646173 A CN110646173 A CN 110646173A CN 201910938099 A CN201910938099 A CN 201910938099A CN 110646173 A CN110646173 A CN 110646173A
Authority
CN
China
Prior art keywords
area
vehicle
high beam
light
characteristic shape
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
Application number
CN201910938099.2A
Other languages
English (en)
Inventor
刘建
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.)
Qingdao Xunji Technology Co Ltd
Original Assignee
Qingdao Xunji Technology 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 Qingdao Xunji Technology Co Ltd filed Critical Qingdao Xunji Technology Co Ltd
Priority to CN201910938099.2A priority Critical patent/CN110646173A/zh
Publication of CN110646173A publication Critical patent/CN110646173A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G01M11/02—Testing optical properties
    • G01M11/06—Testing the alignment of vehicle headlight devices
    • G01M11/064—Testing the alignment of vehicle headlight devices by using camera or other imaging system for the light analysis
    • G01M11/065—Testing the alignment of vehicle headlight devices by using camera or other imaging system for the light analysis details about the image analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Lighting Device Outwards From Vehicle And Optical Signal (AREA)

Abstract

本发明涉及一种检测方法，具体公开了一种远光灯持续开启的检测方法，其根据车辆灯光区域亮度均值与特征形状面积变化规律，判别车辆远光灯持续开启状态，包括以下具体步骤：步骤S10:获取车辆车灯区域；步骤S20：计算车灯区域亮度均值与特征形状面积；步骤S30：统计分析车辆灯光区域亮度均值与特征形状面积变化规律。本发明实施例开发成本低，操作简单，计算量小；能够适应多种车灯类型远光灯持续开启状态判别；在维持高检测率的同时，还拥有较高的处理速度。

Description

一种远光灯持续开启的检测方法
技术领域
本发明涉及一种检测方法，具体是一种远光灯持续开启的检测方法。
背景技术
夜间超车时，应远近光灯交替使用，提醒前方车辆。但是在灯光交替过程中，车辆驾驶人虽短暂的开启了远光灯，但这一行为并不违法。为避免因驾驶人迅速切换近光灯而导致争议，需要对车辆远光灯持续开启状态进行判别。
现有的远光灯持续开启的检测方法，主要是利用目标跟踪技术，对车辆灯光状态进行持续性检测，以判别车辆灯光状态是否发生变化，进而累计得出车辆持续开启远光灯时间。
目前，国外未见专门针对远光灯持续开启状态判别的研究，而国内的研究也主要以发明专利形式存在。2018年6月，浙江安谐智能科技有限公司朱虹等人提出一种基于卷积神经网络的远光灯持续开启状态的判别方法，该方法通过设置合适的曝光参数，获得视频每帧图像中车辆车灯区域；接着按照时间顺序进行排列，获得车辆行驶过程中的灯光轨迹图；最后利用卷积神经网络对灯光轨迹图进行特征提取和分析，判别车辆远光灯是否持续开启。2018年8月朱虹等人又提出一种利用目标跟踪算法，对车辆灯光炫目程度变化规律进行分析，判别车辆远光灯是否持续开启的判别方法。其中车辆灯光炫目程度的判断，决定了该车辆是否开启远光灯。但是，这两种方法仍具有一定的局限性，不能很好地满足现实的需要。
现有的采用基于卷积神经网络远光灯持续开启的方法，判断和计算过程复杂、实时性较差，需要连续采集目标车辆车灯区域图，以组成车辆灯光轨迹图，才能送入卷积神经网络识别；如果要快速训练RNN，需要采集大量样本数据和消耗大量计算资源。而利用目标跟踪算法，对车辆灯光炫目程度变化规律进行分析，判别车辆远光灯是否持续开启的判别方法，虽在计算量上有所优化，但该方法采用通过判断车灯炫目程度的大小，判定该车灯是否为远光灯的方法具有一定的局限性，不能适应所有车灯类型。
发明内容
本发明的目的在于提供一种能够适应不同夜间环境与车灯类型、检测算法简单和计算量小的结合远光灯检测单元的车辆远光灯持续开启检测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种远光灯持续开启的检测方法，其根据车辆灯光区域亮度均值与特征形状面积变化规律，判别车辆远光灯持续开启状态，包括以下具体步骤：
步骤S10:获取车辆车灯区域；
步骤S20：计算车灯区域亮度均值与特征形状面积；
步骤S30：统计分析车辆灯光区域亮度均值与特征形状面积变化规律。
作为本发明实施例技术方案的进一步限定，所述获取车辆车灯区域包括以下具体步骤：
步骤S101:监测区域；
步骤S102：阀值处理；
步骤S103：轮廓筛选；
步骤S104：车灯提取。
作为本发明实施例技术方案的进一步限定，所述步骤S20中，还包括求取车灯区域平均灰度值的步骤，具体的，求取车灯区域平均灰度值的步骤包括：遍历整个车灯区域的像素点，累加求取所有像素点的灰度值总和，平均灰度值即为灰度值总和与像素点个数之商，其计算公式如下：
Figure 100002_DEST_PATH_IMAGE002
，
其中，n为图像的像素点总个数。
作为本发明实施例技术方案的进一步限定，所述统计分析车辆灯光区域亮度均值与特征形状面积变化规律的具体步骤包括如下：
步骤S301：目标跟踪；当车辆被检测到开启远光灯时，对该车辆进行实时跟踪，并按照步骤S20中的方法，实时计算车辆灯光亮度均值与特征形状面积，直至车辆驶出摄像头监测区域或者连续检测N秒之后，停止对车灯区域的跟踪；
步骤S302：判定车辆灯光是否发生变化；
步骤S303：计算远光灯持续开启时间。
作为本发明实施例技术方案的进一步限定，所述判定车辆灯光是否发生变化是通过分析当前视频帧计算得出的车辆灯光区域亮度均值M2与特征形状面积S2与上一帧计算得出的车辆灯光区域亮度均值M1与特征形状面积S1之差是否超出阈值K1、K2决定的，其计算公式如下：
Figure 100002_DEST_PATH_IMAGE004
，
当R1≥K1且R2≥K2，判定车辆灯光由远光灯切换到近光灯；
当-R1≥K1且-R2≥K2时，判定车辆灯光由近光灯切换到远光灯；
当R2为0时或者小于阈值K3时，判定车辆车灯已关闭。
与现有技术相比，本发明技术方案的有益效果在于：开发成本低，操作简单，计算量小；能够适应多种车灯类型远光灯持续开启状态判别；在维持高检测率的同时，还拥有较高的处理速度。
附图说明
为了更清楚地说明本发明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发明的一些实施例。
图1为本发明实施例中获取车辆车灯区域的处理结果示意图。
图2为本发明实施例中车辆灯光区域亮度均值变化图。
图3为本发明实施例车辆车灯从远光灯切换到近光灯时刻前后两帧的车辆车灯轮廓。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种远光灯持续开启的检测方法，其根据车辆灯光区域亮度均值与特征形状面积变化规律，判别车辆远光灯持续开启状态，包括以下具体步骤：
步骤S10:获取车辆车灯区域；
具体的，如图1所示，所述获取车辆车灯区域具体包括以下步骤：
步骤S101:监测区域；步骤S102：阀值处理；步骤S103：轮廓筛选；步骤S104：车灯提取。
具体的，夜间车辆的一个显著特点就是车灯区域亮度特别高，远光灯检测单元检测到监测区域有车辆开启远光灯，立即对该时刻视频帧远光灯检测单元监测区域进行阈值处理，分割出高亮白色区域；
该过程采用了彩色图像分割法，将BGR颜色空间转换为HSV颜色空间，通过限制HSV三个分量的范围（0<H<180，0<S<30，221<V<255），将车灯白色区域从背景图中分割出来；接着对白色区域进行去噪，执行开运算（先腐蚀运算，再膨胀运算），将原本细微的白色连通区域分开；
然后进行轮廓筛选，从上到下，对所有白色区域进行遍历，去除小面积与长条形（地面反射造成）区域，保留左右对称的白色区域；最后，从所有白色对称区域中，找出面积最大的白色对称区域，即为目标车辆车灯区域，处理结果如图1所示。
步骤S20：计算车灯区域亮度均值与特征形状面积；
图像均值反映了图像的亮度，均值越大说明图像亮度越大，反之越小。求取车灯区域的平均灰度值，直接的方法就是遍历整个车灯区域的像素点，累加求取所有像素点的灰度值总和，而平均灰度值即为灰度值总和与像素点个数之商，其计算公式如下：
Figure DEST_PATH_IMAGE005
，
其中，n为图像的像素点总个数；
对于同一辆车而言，从视觉角度上看，远光灯相比于近光灯亮度更大，相应的车灯照射角度也更广（以垂直于地面为0度角），车灯轮廓面积也比近光灯轮廓面积大。求取车辆车灯特征形状面积，可通过所述步骤S10中的方法对车辆车灯区域内的车灯轮廓进行提取，用车灯轮廓内的像素点个数S来衡量车辆车灯特征形状面积大小。
步骤S30：统计分析车辆灯光区域亮度均值与特征形状面积变化规律；具体包括：
步骤S301：目标跟踪；当车辆被检测到开启远光灯时，需要对该车辆进行实时跟踪，并按照步骤S20中的方法，实时计算车辆灯光亮度均值与特征形状面积，直至车辆驶出摄像头监测区域或者连续检测N秒之后，才停止对车灯区域的跟踪。
步骤S302：判定车辆灯光是否发生变化；车辆从远光灯切换到近光灯时，不仅车辆车灯亮度会急剧下降，而且车灯区域面积也会急剧缩小。
图2为车辆在前150视频帧内，车辆灯光区域亮度均值变化图；图3为车辆车灯从远光灯切换到近光灯时刻，前后两帧的车辆车灯轮廓。
车辆灯光是否发生变化，是通过分析当前视频帧计算得出的车辆灯光区域亮度均值M2与特征形状面积S2与上一帧计算得出的车辆灯光区域亮度均值M1与特征形状面积S1之差是否超出阈值K1、K2决定的，其计算公式如下：
，
当R1≥K1且R2≥K2，可认为车辆灯光由远光灯切换到近光灯；当-R1≥K1且-R2≥K2时，可认为车辆灯光由近光灯切换到远光灯；当R2为0时或者小于某个足够小的阈值K3时，可认为车辆车灯已关闭。
步骤S303：计算远光灯持续开启时间；远光灯持续开启时间的计算，是将远光灯检测单元检测到的目标车辆开启远光灯时刻对应的视频帧作为第一帧。根据步骤S302中的方法，若在连续n帧视频中，|S1-S2|与|M1-M2|的差值均未超出阈值，则可以确定目标车辆在n/fps(视频帧率)秒内持续开启了远光灯。
本发明技术方案的有益效果在于：开发成本低，操作简单，计算量小；能够适应多种车灯类型远光灯持续开启状态判别；在维持高检测率的同时，还拥有较高的处理速度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种远光灯持续开启的检测方法，其特征在于，包括以下具体步骤：
步骤S10:获取车辆车灯区域；
步骤S20：计算车灯区域亮度均值与特征形状面积；
步骤S30：统计分析车辆灯光区域亮度均值与特征形状面积变化规律。
2.根据权利要求1所述的远光灯持续开启的检测方法，其特征在于，所述获取车辆车灯区域包括以下具体步骤：步骤S101:监测区域；步骤S102：阀值处理；步骤S103：轮廓筛选；步骤S104：车灯提取。
3.根据权利要求1或2所述的远光灯持续开启的检测方法，其特征在于，所述步骤S20中，还包括求取车灯区域平均灰度值的步骤。
4.根据权利要求3所述的远光灯持续开启的检测方法，其特征在于，所述求取车灯区域平均灰度值的步骤包括：遍历整个车灯区域的像素点，累加求取所有像素点的灰度值总和，平均灰度值即为灰度值总和与像素点个数之商，其计算公式如下：
Figure DEST_PATH_IMAGE002
，
其中，n为图像的像素点总个数。
5.根据权利要求4所述的远光灯持续开启的检测方法，其特征在于，所述统计分析车辆灯光区域亮度均值与特征形状面积变化规律的具体步骤包括如下：步骤S301：目标跟踪；步骤S302：判定车辆灯光是否发生变化；步骤S303：计算远光灯持续开启时间。
6.根据权利要求4所述的远光灯持续开启的检测方法，其特征在于，在所述步骤S301中，所述目标跟踪包括以下具体步骤：当车辆被检测到开启远光灯时，对该车辆进行实时跟踪，实时计算车辆灯光亮度均值与特征形状面积，直至车辆驶出摄像头监测区域或者连续检测N秒之后，停止对车灯区域的跟踪。
7.根据权利要求6所述的远光灯持续开启的检测方法，其特征在于，所述判定车辆灯光是否发生变化是通过分析当前视频帧计算得出的车辆灯光区域亮度均值M2与特征形状面积S2与上一帧计算得出的车辆灯光区域亮度均值M1与特征形状面积S1之差是否超出阈值K1、K2决定的，其计算公式如下：
Figure DEST_PATH_IMAGE004
，
当R1≥K1且R2≥K2，判定车辆灯光由远光灯切换到近光灯；
当-R1≥K1且-R2≥K2时，判定车辆灯光由近光灯切换到远光灯；
当R2为0时或者小于阈值K3时，判定车辆车灯已关闭。
CN201910938099.2A 2019-09-30 2019-09-30 一种远光灯持续开启的检测方法 Pending CN110646173A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910938099.2A CN110646173A (zh) 2019-09-30 2019-09-30 一种远光灯持续开启的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910938099.2A CN110646173A (zh) 2019-09-30 2019-09-30 一种远光灯持续开启的检测方法

Publications (1)

Publication Number Publication Date
CN110646173A true CN110646173A (zh) 2020-01-03

Family

ID=68993280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910938099.2A Pending CN110646173A (zh) 2019-09-30 2019-09-30 一种远光灯持续开启的检测方法

Country Status (1)

Country Link
CN (1) CN110646173A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111649918A (zh) * 2020-06-17 2020-09-11 郑州高识智能科技有限公司 用于实时监测开启远光灯并持续跟踪车辆的方法
CN111931715A (zh) * 2020-09-22 2020-11-13 深圳佑驾创新科技有限公司 识别车灯状态的方法、装置、计算机设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102963294A (zh) * 2012-11-02 2013-03-13 西安理工大学 一种夜间行驶车辆远光灯开启状态的判别方法
CN103295399A (zh) * 2013-05-14 2013-09-11 西安理工大学 基于形态特征的夜间行驶车辆远光灯开启状态的判别方法
CN107169422A (zh) * 2017-04-21 2017-09-15 浙江安谐智能科技有限公司 基于前照灯光线方向的远光灯开闭状态的判别方法
CN107563265A (zh) * 2016-06-30 2018-01-09 杭州海康威视数字技术股份有限公司 一种远光灯检测方法及装置
CN108230690A (zh) * 2018-02-09 2018-06-29 浙江安谐智能科技有限公司 一种基于卷积神经网络的远光灯持续开启状态的判别方法
CN108417043A (zh) * 2018-02-09 2018-08-17 浙江安谐智能科技有限公司 一种远光灯持续开起的检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102963294A (zh) * 2012-11-02 2013-03-13 西安理工大学 一种夜间行驶车辆远光灯开启状态的判别方法
CN103295399A (zh) * 2013-05-14 2013-09-11 西安理工大学 基于形态特征的夜间行驶车辆远光灯开启状态的判别方法
CN107563265A (zh) * 2016-06-30 2018-01-09 杭州海康威视数字技术股份有限公司 一种远光灯检测方法及装置
CN107169422A (zh) * 2017-04-21 2017-09-15 浙江安谐智能科技有限公司 基于前照灯光线方向的远光灯开闭状态的判别方法
CN108230690A (zh) * 2018-02-09 2018-06-29 浙江安谐智能科技有限公司 一种基于卷积神经网络的远光灯持续开启状态的判别方法
CN108417043A (zh) * 2018-02-09 2018-08-17 浙江安谐智能科技有限公司 一种远光灯持续开起的检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111649918A (zh) * 2020-06-17 2020-09-11 郑州高识智能科技有限公司 用于实时监测开启远光灯并持续跟踪车辆的方法
CN111931715A (zh) * 2020-09-22 2020-11-13 深圳佑驾创新科技有限公司 识别车灯状态的方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN102963294B (zh) 一种夜间行驶车辆远光灯开启状态的判别方法
CN106934808B (zh) 一种视觉感知下汽车前灯尾灯识别跟踪方法
US20170144585A1 (en) Vehicle exterior environment recognition apparatus
O'Malley et al. Vehicle detection at night based on tail-light detection
US20170144587A1 (en) Vehicle exterior environment recognition apparatus
CN107808392B (zh) 开放场景的安检车辆自动跟踪定位方法及系统
Alcantarilla et al. Automatic LightBeam Controller for driver assistance
US11108970B2 (en) Flicker mitigation via image signal processing
CN108357418B (zh) 一种基于尾灯识别的前车驾驶意图分析方法
CN103871079A (zh) 基于机器学习和光流的车辆跟踪方法
CN101872546A (zh) 一种基于视频的过境车辆快速检测方法
US10922827B2 (en) Distance estimation of vehicle headlights
CN105303160A (zh) 一种夜间车辆检测和跟踪的方法
US20150085118A1 (en) Method and camera assembly for detecting raindrops on a windscreen of a vehicle
CN110450706A (zh) 一种自适应远光灯控制系统及图像处理算法
CN110646173A (zh) 一种远光灯持续开启的检测方法
JP2020064583A (ja) 車両検出方法、動的光強度に基づく夜間の車両検出方法及びそのシステム
CN104952256A (zh) 一种基于视频信息的交叉口处车辆的检测方法
Lin et al. Adaptive IPM-based lane filtering for night forward vehicle detection
CN106915295A (zh) 车辆大灯状态的控制方法及装置
CN103914701A (zh) 一种基于图像的夜间车辆检测方法
JP5353531B2 (ja) 車両灯火認識装置及びプログラム
CN104008518B (zh) 对象检测设备
JP4537794B2 (ja) 画像処理装置及び画像処理プログラム
JP2015207211A (ja) 車両検出装置、およびシステム、ならびにプログラム

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200103