CN111582100B - 一种目标对象的检测方法及设备 - Google Patents
一种目标对象的检测方法及设备 Download PDFInfo
- Publication number
- CN111582100B CN111582100B CN202010349362.7A CN202010349362A CN111582100B CN 111582100 B CN111582100 B CN 111582100B CN 202010349362 A CN202010349362 A CN 202010349362A CN 111582100 B CN111582100 B CN 111582100B
- Authority
- CN
- China
- Prior art keywords
- detection mode
- reference image
- target object
- image
- current detection
- 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 187
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005260 corrosion Methods 0.000 description 6
- 230000007797 corrosion Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- 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
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种目标对象的检测方法及设备,通过确定目标对象当前的检测模式,在获取到包含目标对象的参考图像时,根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整;其中,动态范围参数为:根据参考图像包含的全部像素的亮度中的最大值与最小值确定;峰值信噪比为:根据位于第一区域内图像中像素所能达到的最大值与第一区域的噪声确定;根据调整后的检测模式,对目标对象进行检测,如此,在考虑参考图像的动态范围参数的基础上,也考虑了参考图像中目标对象所在的第一区域的峰值信噪比,避免了因检测模式来回多次切换而导致目标对象的检测率降低的问题,提高车牌的检测效率和准确率。
Description
技术领域
本发明涉及图像处理技术领域,尤指一种目标对象的检测方法及设备。
背景技术
相关技术中,对于车牌的检测方法,有两种检测模式,分别为线性检测模式和宽动态检测模式,并且,在具体的车牌检测过程中,可能会出现线性检测模式和宽动态检测模式来回多次切换的问题,如此,导致设备的工作量增加,还可能因线性检测模式和宽动态检测模式来回切换导致对车牌的检测率降低。
基于此,如何避免因检测模式的来回多次切换而导致的车牌的检测率降低,是本领域技术人员亟待解决的技术问题。
发明内容
本发明实施例提供一种目标对象的调整方法及设备,用以避免因检测模式的来回多次切换而导致的车牌的检测率降低。
第一方面,本发明实施例提供一种目标对象的检测方法,包括:
确定所述目标对象当前的检测模式;
在获取到包含所述目标对象的参考图像时,根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整;其中,所述动态范围参数为:根据所述参考图像包含的全部像素的亮度中的最大值与最小值确定;所述峰值信噪比为:根据位于所述第一区域内的图像中像素所能达到的最大值与所述第一区域的噪声确定;
根据调整后的所述检测模式,对所述目标对象进行检测。
可选地,在本发明实施例中,所述动态范围参数为:所述参考图像包含的全部像素的亮度中的所述最大值与所述最小值的比值;
所述峰值信噪比为:位于所述第一区域内图像中像素所能达到的最大值与所述第一区域的像素亮度的均方差的比值。
可选地,在本发明实施例中,根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整,具体包括:
判断所述参考图像的所述动态范围参数是否满足第一预设规则;
若否,保持当前的所述检测模式;
若是,判断所述参考图像中所述目标对象所在的所述第一区域的所述峰值信噪比是否小于第一预设值;
若是,对当前的所述检测模式进行调整;
若否,保持当前的所述检测模式。
可选地,在本发明实施例中,所述第一预设规则包括:
若当前的所述检测模式为线性检测模式时,所述参考图像的所述动态范围参数是大于第二预设值;
或,若当前的所述检测模式为宽动态检测模式时,所述参考图像的所述动态范围参数是小于第三预设值;
其中,所述第三预设值小于所述第二预设值。
可选地,在本发明实施例中,在当前的所述检测模式为线性检测模式时,在根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的所述第一区域的峰值信噪比,对当前的所述检测模式进行调整之前,还包括:
确定所述参考图像的亮度满足第二预设规则。
可选地,在本发明实施例中,所述第二预设规则包括:
在确定出所述第一区域对应的第一图像,且确定出所述第一图像的第一平均亮度、以及所述参考图像的第二平均亮度时,所述第一平均亮度和所述第二平均亮度的比值小于第四预设值。
可选地,在本发明实施例中,所述目标对象为车辆上的车牌时,确定所述第一区域对应的第一图像,具体包括:
将获取到的所述参考图像转化为灰度图像;
对所述灰度图像进行去干扰处理后,提取出用于表示所述车辆轮廓的第二图像;
根据预设的行扫描算法,确定所述第二图像中所述车牌的位置;
根据确定出的所述车牌的位置,从所述第二图像中提取出所述第一图像。
第二方面,本发明实施例还提供了一种目标对象的检测设备,包括:
确定模块,用于确定所述目标对象当前的检测模式;
调整模块,用于在获取到包含所述目标对象的参考图像时,根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的所述第一区域的峰值信噪比,对当前的所述检测模式进行调整;其中,所述动态范围参数为:根据所述参考图像包含的全部像素的亮度中的最大值与最小值确定;所述峰值信噪比为:根据位于所述第一区域内的图像中像素所能达到的最大值与所述第一区域的噪声确定;
检测模块,用于根据调整后的检测模式,对所述目标对象进行检测。
第三方面,本发明实施例提供了,一种目标对象的检测设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令,按照获得的程序执行:
确定所述目标对象当前的检测模式;
在获取到包含所述目标对象的参考图像时,根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整;其中,所述动态范围参数为:根据所述参考图像包含的全部像素的亮度中的最大值与最小值确定;所述峰值信噪比为:根据位于所述第一区域内图像中像素所能达到的最大值与所述第一区域的噪声确定;
根据调整后的所述检测模式,对所述目标对象进行检测。
可选地,在本发明实施例中,所述处理器具体用于:
判断所述参考图像的所述动态范围参数是否满足第一预设规则;
若否,保持当前的所述检测模式;
若是,判断所述参考图像中所述目标对象所在的所述第一区域的所述峰值信噪比是否小于第一预设值;
若是,对当前的所述检测模式进行调整;
若否,保持当前的所述检测模式。
本发明有益效果如下:
本发明实施例提供的一种目标对象的检测方法及设备,通过确定目标对象当前的检测模式,在获取到包含目标对象的参考图像时,根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整;其中,动态范围参数为:根据参考图像包含的全部像素的亮度中的最大值与最小值确定;峰值信噪比为:根据位于第一区域内的图像中像素所能达到的最大值与第一区域的噪声确定;根据调整后的检测模式,对目标对象进行检测,如此,在考虑参考图像的动态范围参数的基础上,也考虑了参考图像中目标对象所在的第一区域的峰值信噪比,能更清楚的检测到目标对象,且避免了因检测模式来回多次切换而导致目标对象的检测率降低的问题,使得在应用至检测车牌的场景中时,不仅可以降低车牌检测的计算量,还可以提高车牌的检测效率和准确率。
附图说明
图1为本发明实施例中提供的一种目标对象的检测方法的流程图;
图2为本发明实施例中提供的实施例一的流程图;
图3为本发明实施例中提供的实施例二的流程图;
图4为本发明实施例中提供的一种目标对象的检测设备的结构示意图;
图5为本发明实施例中提供的另一种目标对象的检测设备的结构示意图。
具体实施方式
下面将结合附图,对本发明实施例提供的一种目标对象的检测方法及设备的具体实施方式进行详细地说明。需要说明的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种目标对象的检测方法,如图1所示,可以包括:
S101、确定目标对象当前的检测模式;
其中,当应用场景为检测车牌时,目标对象可以为车牌。
说明一点,可以根据实际需求,对应用场景和目标对象进行设置,在此并不做限定,以满足不同场景的需求,提高设计的灵活性。
S102、在获取到包含目标对象的参考图像时,根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整;其中,动态范围参数为:根据参考图像包含的全部像素的亮度中的最大值与最小值确定;峰值信噪比为:根据位于第一区域内的图像中像素所能达到的最大值与第一区域的噪声确定;
其中,在获取参考图像时,可以通过拍照设备进行拍照,以获取包含目标对象的参考图像。可选地,拍照设备可以为摄像机等。
S103、根据调整后的检测模式,对目标对象进行检测。
如此,在考虑参考图像的动态范围参数的基础上,也考虑了参考图像中目标对象所在的第一区域的峰值信噪比,能更清楚的检测到目标对象,且避免了因检测模式来回多次切换而导致目标对象的检测率降低的问题,使得在应用至检测车牌的场景中时,不仅可以降低车牌检测的计算量,还可以提高车牌的检测效率和准确率。
在具体实施时,在本发明实施例中,动态范围参数为:参考图像包含的全部像素的亮度中的最大值与最小值的比值。
其中,动态范围参数的确定方法,可以包括以下过程:
过程一:将参考图像的RGB颜色空间转化为Lab颜色空间。
其中,获取到的参考图像可以是彩色图像,且彩色图像是由RGB颜色空间构成的。
并且,可以将转换后的图像称之为特定图像,在该特定图像中,每个像素可以用三个分量来表示,三个分量可以分别标记为L、a和b,L代表像素的亮度通道,a代表从绿色到红色的通道,b代表从蓝色到黄色的通道。
过程二:确定特定图像中每一个像素的亮度。
过程三:确定特定图像中全部像素亮度中的最大值和最小值。
其中,特定图像中全部像素亮度中的最大值可以用Lmax表示,特定图像中全部像素亮度中的最小值可以用Lmin表示。
过程四:将Lmax和Lmin的比值确定为动态范围参数。
说明一点,通过上述方法可以确定出动态范围参数,但并不限于上述方法,还可以采用本领域技术人员所熟知的任何一种能够确定出动态范围参数的方法,在此并不做限定。
如此,通过上述简单的方法可以准确的确定出动态范围参数,实用性较强,并且有利于后续基于动态范围参数判断是否调整检测模式,提高对目标对象的检测率。
在具体实施时,在本发明实施例中,峰值信噪比为:位于第一区域内图像中像素所能达到的最大值与第一区域的像素亮度的均方差的比值。
其中,在获取到包含目标对象的参考图像之后,可以从参考图像中选择出第一图像,第一图像可以理解为:目标对象所在第一区域对应的图像。
并且,为了确定出峰值信噪比,可以根据预设的标准图像和第一图像来确定,其中,标准图像可以理解为:目标对象对应的图像;例如,目标对象为车牌时,标准图像即为车牌图像,同理第一图像也可以认为是车牌图像。
同时,标准图像需要满足以下条件中的至少一个条件:
具有较高的清晰度;
具有较小的噪点;
色彩还原性高;
边缘轮廓清晰;
颜色接近真实颜色。
说明一点,对于标准图像的确定方式,可以采用本领域技术人员所熟知的任何一种能够获取到标准图像的方法,只要获取到标准图像能够满足上述条件即可,在此并不做限定。
具体地,可以根据以下公式,计算参考图像中目标对象所在的第一区域的峰值信噪比PSNR:
其中,MSE表示第一图像的均方差,i表示图像中第i行像素,j表示图像中第j列像素,Pij表示第一图像中第i行第j列像素的灰度值;Tij表示标准图像中第i行第j列像素的灰度值;M*N表示第一图像包含的像素总数;m表示图像中像素所能达到的最大值。
说明一点,第一图像包含的像素总数和标准图像包含的像素总数相等,也即上述M*N也表示标准图像包含的像素总数。
如此,通过上述简单的方法可以准确的确定出峰值信噪比,实用性较强,并且有利于后续基于峰值信噪比判断是否调整检测模式,提高对目标对象的检测率。
在具体实施时,在本发明实施例中,根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整,具体包括:
判断参考图像的动态范围参数是否满足第一预设规则;
若否,保持当前的检测模式;
若是,判断参考图像中目标对象所在的第一区域的峰值信噪比是否小于第一预设值;
若是,对当前的检测模式进行调整;
若否,保持当前的检测模式。
具体地,上述过程可以理解为:
参考图像的动态范围参数不满足第一预设规则时,保持当前的检测模式,也就是说,无需切换当前的检测模式;
或者,参考图像的动态范围参数满足第一预设规则时,继续判断参考图像中目标对象所在的第一区域的峰值信噪比是否小于第一预设值;若参考图像中目标对象所在的第一区域的峰值信噪比小于第一预设值,对当前的模式进行切换;参考图像中目标对象所在的第一区域的峰值信噪比不小于第一预设值,保持当前的检测模式,无需切换当前的检测模式。
说明一点,对于第一预设值的设置,可以根据实际情况进行设置,在此并不做限定,提高设计的灵活性。
如此,在参考图像的动态范围参数的基础上,还考虑了参考图像中目标对象所在的第一区域的峰值信噪比,提高了对目标对象的检测率。
具体地,在本发明实施例中,第一预设规则包括:
若当前的检测模式为线性检测模式时,参考图像的动态范围参数是大于第二预设值;
或,若当前的检测模式为宽动态检测模式时,参考图像的动态范围参数是小于第三预设值;
其中,第三预设值小于第二预设值。
说明一点,对于第二预设值和第三预设值的设置,可以根据实际情况进行设置,只要是满足第三预设值小于第二预设值即可,具体设置为何值,在此并不做限定,从而提高设计的灵活性。
如此,由于当前的检测模式可以是线性检测模式,也可能是宽动态检测模式,因此,可以根据不同的检测模式,分别判断参考图像的动态范围参数的大小,同时使得判断结果也更符合实际情况。
在具体实施时,在本发明实施例中,在当前的检测模式为线性检测模式时,在根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整之前,还包括:
确定参考图像的亮度满足第二预设规则。
如此,可以首先判断参考图像的亮度是否满足第二预设规则,然后该判断结果再根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,调整当前的检测模式,从而有效减少检测模式的切换次数,降低计算量,提高检测效率。
具体地,在本发明实施例中,第二预设规则包括:
在确定出第一区域对应的第一图像,且确定出第一图像的第一平均亮度、以及参考图像的第二平均亮度时,第一平均亮度和第二平均亮度的比值小于第四预设值。
其中,当第一图像的第一平均亮度和参考图像的第二平均亮度的比值小于第四预设值时,表示第一图像的亮度和参考图像的亮度相差较大;当第一图像的第一平均亮度和参考图像的第二平均亮度的比值大于第四预设值时,表示第一图像的亮度和参考图像的亮度相差较小。
如此,根据计算第一图像的第一平均亮度和参考图像的第二平均亮度的比值,判断是否要对当前的检测模式进行切换,也即根据第二预设规则,有利于后续判断是否需要对当前的检测模式进行切换。
具体地,在本发明实施例中,目标对象为车辆上的车牌时,确定第一区域对应的第一图像,具体包括:
将获取到的参考图像转化为灰度图像;
对灰度图像进行去干扰处理后,提取出用于表示车辆轮廓的第二图像;
根据预设的行扫描算法,确定第二图像中车牌的位置;
根据确定出的车牌的位置,从第二图像中提取出第一图像。
可选地,在本发明实施例中,干扰可以包括噪点,当然还可以包括其他的干扰,在此并不做具体限定。
其中,对灰度图像进行去除干扰处理,可以包括以下过程:
过程一;提取灰度图像的边缘处理;
由于Sobel算子具有对噪声的不敏感的优点,也可以能够较好地平滑图像,因此,可以采用Sobel算子来提取灰度图像的横向边缘和纵向边缘。
具体地,Sobel算子可以使用两个3*3的矩阵算子(当然,还以为其他的矩阵算子,根据实际需要选择矩阵算子,在此并不做限定)和灰度图像作卷积,分别得到横向G(x)和纵向G(y)的梯度值,如果横向梯度值大于第五预设值,那么认为该点为灰度图像的横向边缘点;如果纵向梯度值大于第五预设值,那么认为该点为灰度图像的纵向边缘点。
说明一点,第五预设值的大小可以根据实际情况设定,在并不做限定,提高设计的灵活性。
过程二:根据提取出的灰度图像的边缘,对灰度图像进行去除噪点处理。
具体地,可以对灰度图像进行腐蚀处理,其中,腐蚀处理可以使灰度图像中目标对象所在区域的面积“变小”,也就是说,经腐蚀处理后,灰度图像的边界收缩,因此,可以用来去除灰度图像边界(也即前面提取出的灰度图像的边缘)的噪点。
在进行腐蚀处理时,可以选取例如但不限于[1;1;1]的垂直结构元素,对灰度图像进行腐蚀处理,此时,灰度图像噪点都可以得到有效去除。
接着,选取例如但不限于[25,25]的矩形结构元素,对灰度图像继续进行闭运算处理;其中,闭运算处理可以理解为:先进行膨胀处理再进行腐蚀处理,且膨胀处理可以使得灰度图像中目标对象所在区域的面积“变大”,还可以使得目标对象所在区域与该区域所接触的背景点合并到目标对象中,进而使得目标对象的边界向外部扩张,从而有利于提取出用于表示车辆轮廓的第二图像。
其中,对于腐蚀处理的过程,可以参见现有技术,在此不再详述。
因此,通过上述方法,可以有效的去除灰度图像中的干扰,以确定出第一区域,从而可以得到用于表示目标对象的第二图像。
此外,在根据预设的行扫描算法,定位到第二图像中车牌的位置时,主要是利用了第二图像的连续性;其中,第二图像的连续性,可以理解为:即使第二图像的水平方向的灰度跳变比较频繁,但是水平方向的跳变次数是固定的,并且是控制在某个范围内。
对第二图像进行行扫描可以理解为:在垂直方向上,从下至上进行逐行对第二图像进行扫描;并且,在水平方向上,从左到右扫描每一行的每个像素点。
在定位车牌位置时,可以根据行扫描过程中确定出的每行像素对应的跳变次数来实现,其中,每一次的跳变可以理解为:行方向上任意相邻的两个像素的灰度差值大于第六预设值。
例如,在第二图像中,确定第i行第j列像素和第i行第j+1列像素的灰度差值,判断该灰度差值是否大于第六预设值,若是,表示第i行第j列像素和第i行第j+1列像素进行一次跳变;若否,表示没有跳变。
其中,第六预设值的大小,可以根据实际情况设定,在并不做限定,以提高设计的灵活性。
具体的,在第二图像为车牌区域时,由于车牌包括7个字符,例如,“京”“P”“5”“U”“6”“9”“6”;每个字符由至少一个像素组成,对该车牌区域进行行扫描时,由于考虑到车牌的两个边框损坏,所以有可能每个字符的跳变次数是多余两次的。
因此,可选地,在定位车牌位置时,可以通过以下方式:
根据预设的灰度跳变阈值、以及确定出的每行像素对应的跳变次数,确定车牌所在的像素行。
具体地,若第i行像素对应的跳变次数小于灰度跳变阈值,说明第i行像素不属于车牌所在的像素行;若第i行像素对应的跳变次数大于或等于灰度跳变阈值,说明第i行像素属于车牌所在的像素行。
因此,通过该种方式,即可确定出车牌所在的像素行,进而确定出车牌所在的位置。
其中,灰度跳变阈值的数值,可以设置在18-24之间,但不限于此,可以根据实际情况进行设置,在此并不做限定,以满足不同场景的需求。
如此,根据上述方法能够准确的确定出第二图像中车牌的位置,以准确快速地提取出第一图像,为后续计算峰值信噪比提供较准确的数据。
下面以具体实施例对本发明实施例提供的目标对象的检测方法进行说明。
实施例一:以目标对象为车牌,第一图像为车牌图像,并且摄像机当前的检测模式为线性检测模式为例进行说明,如图2所示。
S201、利用摄像机获取N帧参考图像;
S202、从各参考图像中提取对应的车牌图像;
S203、计算N帧车牌图像的第一平均亮度,以及N帧参考图像的第二平均亮度,计算第一平均亮度与第二平均亮度的比值;
S204、判断第一平均亮度与第二平均亮度的比值是否小于第四预设值;若是,执行步骤S205;若否,执行步骤S209;
S205、确定任意其中一帧的参考图像的动态范围参数和任意其中一帧的车牌图像的峰值信噪比;
S206、判断参考图像的动态范围参数是否大于第二预设值;若是,执行步骤S207;若否,执行步骤S209;
S207、判断车牌图像的峰值信噪比是否小于第一预设值;若是,执行步骤S208;若否,执行步骤S209;
S208、将线性检测模式切换为宽动态检测模式;执行S210;
S209、保持当前线性检测模式的状态;
S210、根据确定出的检测模式,对车牌进行检测。
实施例二:以目标对象为车牌,第一图像为车牌图像,并且摄像机当前的检测模式为宽动态检测模式为例进行说明,如图3所示。
S301、确定任意其中一帧的参考图像的动态范围参数和峰值车牌信噪比;
S302、判断动态范围参数是否小于第三预设值;若是,执行步骤S303;若否,执行步骤S305;
S303、判断车牌图像的峰值信噪比是否小于第一预设值;若是,执行步骤S304;若否,执行步骤S305;
S304、将宽动态检测模式切换为线性检测模式;执行步骤S306;
S305、保持当前宽动态检测模式的状态;
S306、根据确定出的检测模式,对车牌进行检测。
基于同一发明构思,本发明实施例提供一种目标对象的检测设备,由于该设备与前述一种目标对象的检测方法的工作原理相似,因此,该目标对象的检测设备的具体实施方式可参见上述检测方法的实施例,重复之处不再赘述。
基于同一发明构思,本发明实施例提供一种目标对象的检测设备,结构如图4所示,包括:
确定模块401,用于确定目标对象当前的检测模式;
调整模块402,用于在获取到包含目标对象的参考图像时,根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整;其中,动态范围参数为:根据参考图像包含的全部像素的亮度中的最大值与最小值确定;峰值信噪比为:根据位于第一区域内的图像中像素所能达到的最大值与第一区域的噪声确定;
检测模块403,用于根据调整后的检测模式,对目标对象进行检测。
基于同一发明构思,本发明实施例提供一种目标对象的检测设备,结构如图5所示,包括:
存储器501,用于存储程序指令;
处理器502,用于调用存储器501中存储的程序指令,按照获得的程序执行:
确定目标对象当前的检测模式;
在获取到包含目标对象的参考图像时,根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整;其中,动态范围参数为:根据参考图像包含的全部像素的亮度中的最大值与最小值确定;峰值信噪比为:根据位于第一区域内图像中像素所能达到的最大值与第一区域的噪声确定;
根据调整后的检测模式,对目标对象进行检测。
可选地,在本发明实施例中,动态范围参数为:参考图像包含的全部像素的亮度中的最大值与最小值的比值;
峰值信噪比为:位于第一区域内图像中像素所能达到的最大值与第一区域的像素亮度的均方差的比值。
可选地,在本发明实施例中,处理器502具体用于:判断参考图像的动态范围参数是否满足第一预设规则;
若否,保持当前的检测模式;
若是,判断参考图像中目标对象所在的第一区域的峰值信噪比是否小于第一预设值;
若是,对当前的检测模式进行调整;
若否,保持当前的检测模式。
可选地,在本发明实施例中,第一预设规则包括:
若当前的检测模式为线性检测模式时,参考图像的动态范围参数是大于第二预设值;
或,若当前的检测模式为宽动态检测模式时,参考图像的动态范围参数是小于第三预设值;
其中,第三预设值小于第二预设值。
可选地,在本发明实施例中,处理器502还用于:
在当前的检测模式为线性检测模式时,在根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整之前,确定参考图像的亮度满足第二预设规则。
可选地,在本发明实施例中,第二预设规则包括:
在确定出第一区域对应的第一图像,且确定出第一图像的第一平均亮度、以及参考图像的第二平均亮度时,第一平均亮度和第二平均亮度的比值小于第四预设值。
可选地,在本发明实施例中,处理器502具体用于:
将获取到的参考图像转化为灰度图像;
对灰度图像进行去干扰处理后,提取出用于表示车辆轮廓的第二图像;
根据预设的行扫描算法,确定第二图像中车牌的位置;
根据确定出的车牌的位置,从第二图像中提取出第一图像。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
本发明实施例提供的一种目标对象的检测方法及设备,通过确定目标对象当前的检测模式,在获取到包含目标对象的参考图像时,根据参考图像的动态范围参数、以及参考图像中目标对象所在的第一区域的峰值信噪比,对当前的检测模式进行调整;其中,动态范围参数为:根据参考图像包含的全部像素的亮度中的最大值与最小值确定;峰值信噪比为:根据位于第一区域内的图像中像素所能达到的最大值与第一区域的噪声确定;根据调整后的检测模式,对目标对象进行检测,如此,在考虑参考图像的动态范围参数的基础上,也考虑了参考图像中目标对象所在的第一区域的峰值信噪比,能更清楚的检测到目标对象,且避免了因检测模式来回多次切换而导致目标对象的检测率降低的问题,使得在应用至检测车牌的场景中时,不仅可以降低车牌检测的计算量,还可以提高车牌的检测效率和准确率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种目标对象的检测方法,其特征在于,包括:
确定所述目标对象当前的检测模式;当前的所述检测模式为线性检测模式或宽动态检测模式;
在获取到包含所述目标对象的参考图像时,根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整;其中,所述动态范围参数为:根据所述参考图像包含的全部像素的亮度中的最大值与最小值确定;所述峰值信噪比为:根据位于所述第一区域内图像中像素所能达到的最大值与所述第一区域的噪声确定;
根据调整后的所述检测模式,对所述目标对象进行检测;
根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整,具体包括:
判断所述参考图像的所述动态范围参数是否满足第一预设规则;
若否,保持当前的所述检测模式;
若是,判断所述参考图像中所述目标对象所在的所述第一区域的所述峰值信噪比是否小于第一预设值;
若是,对当前的所述检测模式进行调整;
若否,保持当前的所述检测模式;
其中,所述第一预设规则包括:若当前的所述检测模式为所述线性检测模式时,所述参考图像的所述动态范围参数是大于第二预设值;或,若当前的所述检测模式为所述宽动态检测模式时,所述参考图像的所述动态范围参数是小于第三预设值;所述第三预设值小于所述第二预设值。
2.如权利要求1所述的方法,其特征在于,所述动态范围参数为:所述参考图像包含的全部像素的亮度中的所述最大值与所述最小值的比值;
所述峰值信噪比为:位于所述第一区域内图像中像素所能达到的最大值与所述第一区域的像素亮度的均方差的比值。
3.如权利要求1所述的方法,其特征在于,在当前的所述检测模式为所述线性检测模式时,在根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的所述第一区域的峰值信噪比,对当前的所述检测模式进行调整之前,还包括:
确定所述参考图像的亮度满足第二预设规则。
4.如权利要求3所述的方法,其特征在于,所述第二预设规则包括:
在确定出所述第一区域对应的第一图像,且确定出所述第一图像的第一平均亮度、以及所述参考图像的第二平均亮度时,所述第一平均亮度和所述第二平均亮度的比值小于第四预设值。
5.如权利要求4所述的方法,其特征在于,所述目标对象为车辆上的车牌时,确定所述第一区域对应的第一图像,具体包括:
将获取到的所述参考图像转化为灰度图像;
对所述灰度图像进行去干扰处理后,提取出用于表示所述车辆轮廓的第二图像;
根据预设的行扫描算法,确定所述第二图像中所述车牌的位置;
根据确定出的所述车牌的位置,从所述第二图像中提取出所述第一图像。
6.一种目标对象的检测设备,其特征在于,包括:
确定模块,用于确定所述目标对象当前的检测模式;当前的所述检测模式为线性检测模式或宽动态检测模式;
调整模块,用于在获取到包含所述目标对象的参考图像时,根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整;其中,所述动态范围参数为:根据所述参考图像包含的全部像素的亮度中的最大值与最小值确定;所述峰值信噪比为:根据位于所述第一区域内的图像中像素所能达到的最大值与所述第一区域的噪声确定;
检测模块,用于根据调整后的检测模式,对所述目标对象进行检测;
所述调整模块具体用于:
判断所述参考图像的所述动态范围参数是否满足第一预设规则;
若否,保持当前的所述检测模式;
若是,判断所述参考图像中所述目标对象所在的所述第一区域的所述峰值信噪比是否小于第一预设值;
若是,对当前的所述检测模式进行调整;
若否,保持当前的所述检测模式;
其中,所述第一预设规则包括:若当前的所述检测模式为所述线性检测模式时,所述参考图像的所述动态范围参数是大于第二预设值;或,若当前的所述检测模式为所述宽动态检测模式时,所述参考图像的所述动态范围参数是小于第三预设值;所述第三预设值小于所述第二预设值。
7.一种目标对象的检测设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令,按照获得的程序执行:
确定所述目标对象当前的检测模式;当前的所述检测模式为线性检测模式或宽动态检测模式;
在获取到包含所述目标对象的参考图像时,根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整;其中,所述动态范围参数为:根据所述参考图像包含的全部像素的亮度中的最大值与最小值确定;所述峰值信噪比为:根据位于所述第一区域内图像中像素所能达到的最大值与所述第一区域的噪声确定;
根据调整后的所述检测模式,对所述目标对象进行检测;
根据所述参考图像的动态范围参数、以及所述参考图像中所述目标对象所在的第一区域的峰值信噪比,对当前的所述检测模式进行调整,具体包括:
判断所述参考图像的所述动态范围参数是否满足第一预设规则;
若否,保持当前的所述检测模式;
若是,判断所述参考图像中所述目标对象所在的所述第一区域的所述峰值信噪比是否小于第一预设值;
若是,对当前的所述检测模式进行调整;
若否,保持当前的所述检测模式;
其中,所述第一预设规则包括:若当前的所述检测模式为所述线性检测模式时,所述参考图像的所述动态范围参数是大于第二预设值;或,若当前的所述检测模式为所述宽动态检测模式时,所述参考图像的所述动态范围参数是小于第三预设值;所述第三预设值小于所述第二预设值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010349362.7A CN111582100B (zh) | 2020-04-28 | 2020-04-28 | 一种目标对象的检测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010349362.7A CN111582100B (zh) | 2020-04-28 | 2020-04-28 | 一种目标对象的检测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582100A CN111582100A (zh) | 2020-08-25 |
CN111582100B true CN111582100B (zh) | 2023-04-28 |
Family
ID=72122546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010349362.7A Active CN111582100B (zh) | 2020-04-28 | 2020-04-28 | 一种目标对象的检测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582100B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160093B (zh) * | 2021-05-24 | 2022-07-01 | 杭州国芯科技股份有限公司 | 一种图像的自适应宽动态模式调节方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247479A (zh) * | 2008-03-26 | 2008-08-20 | 北京中星微电子有限公司 | 一种基于图像中目标区域的自动曝光方法 |
JP2012028988A (ja) * | 2010-07-22 | 2012-02-09 | Toshiba Corp | 画像処理装置 |
CN103513244A (zh) * | 2013-10-17 | 2014-01-15 | 电子科技大学 | 一种基于动态规划的多帧相参积累目标检测前跟踪方法 |
CN103729854A (zh) * | 2014-01-16 | 2014-04-16 | 重庆邮电大学 | 一种基于张量模型的红外弱小目标检测方法 |
CN107507154A (zh) * | 2017-09-22 | 2017-12-22 | 徐敬媛 | 基于车牌识别的机械电控系统及方法 |
CN108140127A (zh) * | 2016-05-30 | 2018-06-08 | 埃尔比特系统C4I有限公司 | 包括参考图像获取模块和用户模块的对象真实性检测系统及其方法 |
CN110765853A (zh) * | 2019-09-10 | 2020-02-07 | 中国科学院上海技术物理研究所 | 一种多谱段相机的图像处理方法 |
-
2020
- 2020-04-28 CN CN202010349362.7A patent/CN111582100B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247479A (zh) * | 2008-03-26 | 2008-08-20 | 北京中星微电子有限公司 | 一种基于图像中目标区域的自动曝光方法 |
JP2012028988A (ja) * | 2010-07-22 | 2012-02-09 | Toshiba Corp | 画像処理装置 |
CN103513244A (zh) * | 2013-10-17 | 2014-01-15 | 电子科技大学 | 一种基于动态规划的多帧相参积累目标检测前跟踪方法 |
CN103729854A (zh) * | 2014-01-16 | 2014-04-16 | 重庆邮电大学 | 一种基于张量模型的红外弱小目标检测方法 |
CN108140127A (zh) * | 2016-05-30 | 2018-06-08 | 埃尔比特系统C4I有限公司 | 包括参考图像获取模块和用户模块的对象真实性检测系统及其方法 |
CN107507154A (zh) * | 2017-09-22 | 2017-12-22 | 徐敬媛 | 基于车牌识别的机械电控系统及方法 |
CN110765853A (zh) * | 2019-09-10 | 2020-02-07 | 中国科学院上海技术物理研究所 | 一种多谱段相机的图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111582100A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3461626B2 (ja) | 特定画像領域抽出方法及び特定画像領域抽出装置 | |
CN110650334B (zh) | 坏点检测、校正方法及装置、存储介质、终端 | |
WO2018040756A1 (zh) | 一种车身颜色识别的方法及装置 | |
US20120219214A1 (en) | Mapping colors of an image | |
KR101224164B1 (ko) | 번호판영역 검출을 위한 전처리 방법 및 장치 | |
EP3200442B1 (en) | Method and apparatus for image processing | |
CN106327488B (zh) | 一种自适应的前景检测方法及其检测装置 | |
US9292732B2 (en) | Image processing apparatus, image processing method and computer program product | |
CN102306307B (zh) | 一种彩色显微图像序列中固点噪声的定位方法 | |
US9959599B2 (en) | System for enhanced images | |
CN112819721B (zh) | 一种图像彩色噪声降噪的方法和系统 | |
US8482630B2 (en) | Apparatus and method for adjusting automatic white balance by detecting effective area | |
CN103729828A (zh) | 视频去雨方法 | |
CN111582100B (zh) | 一种目标对象的检测方法及设备 | |
JP2000048211A (ja) | 移動物体追跡装置 | |
CN102088539A (zh) | 一种预拍照画质评价方法和系统 | |
CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN110418081B (zh) | 高动态范围图像全分辨率重建方法、装置及电子设备 | |
EP3143549B1 (en) | Segmentation based image transform | |
KR101516963B1 (ko) | 유효 영역을 이용한 자동 화이트 밸런스 조정 장치 및 방법 | |
KR101089902B1 (ko) | 디지털 이미지의 에지 영역 판단 장치 및 방법 | |
US20100007753A1 (en) | Image compression method, device, electronic camera, and program | |
CN110580706A (zh) | 一种视频背景模型的提取方法及装置 | |
KR20030067199A (ko) | 국부최대값을 이용한 에지발견 및 윤곽선 추출 방법 | |
CN111382736B (zh) | 车牌图像的获取方法和装置 |
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 |