CN112001883A - 一种车辆目标图像的优选方法、装置和计算机设备 - Google Patents

一种车辆目标图像的优选方法、装置和计算机设备 Download PDF

Info

Publication number
CN112001883A
CN112001883A CN202010673678.1A CN202010673678A CN112001883A CN 112001883 A CN112001883 A CN 112001883A CN 202010673678 A CN202010673678 A CN 202010673678A CN 112001883 A CN112001883 A CN 112001883A
Authority
CN
China
Prior art keywords
frame
boundary
score value
target
determining
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
Application number
CN202010673678.1A
Other languages
English (en)
Other versions
CN112001883B (zh
Inventor
张佳骕
唐邦杰
潘华东
殷俊
张兴明
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010673678.1A priority Critical patent/CN112001883B/zh
Publication of CN112001883A publication Critical patent/CN112001883A/zh
Application granted granted Critical
Publication of CN112001883B publication Critical patent/CN112001883B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/30168—Image quality inspection
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种车辆目标图像的优选方法、装置和计算机设备，其中，该车辆目标图像的优选方法包括：相比于相关技术，本申请实施例提供的一种车辆目标图像的优选方法，通过获取帧图像中目标车辆的目标框，根据目标框在帧图像中的位置，确定边界距离，边界距离为目标框的边界与帧图像对应边界之间的距离；根据边界距离、预设边界阈值确定边界距离对帧图像的边界评分值，边界评分值与边界距离成正比关系；根据边界评分值确定帧图像的质量值，根据质量值更新目标车辆的优选图像，解决了相关技术中通过目标图像的模糊度来选择质量优选的车辆目标图像，存在所选出的优选目标车辆图像不够精确的问题，提高了所选出的优选目标车辆图像的准确度。

Description

一种车辆目标图像的优选方法、装置和计算机设备
技术领域
本申请涉及视频分析技术领域，特别是涉及一种车辆目标图像的优选方法、装置和计算机设备。
背景技术
近年来，随着视频监控系统的大量普及，视频分析技术在公共安全保障中发挥越来越关键的作用。视频分析可称为智能视频(Intelligent Video Surveillance，简称为IVS)，也可称为内容分析(Content Analyse，简称为CA)，视频分析技术就是使用计算机图像视觉分析技术，通过将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的目标。
相关技术中，一种是应用于人脸的优选而无法应用于车辆的优选，车辆的变化相较于人脸变化更大，使用现有应用于人脸的优选策略进行车辆优选，存在困难；另一种是对车辆目标检索、车辆目标识别或者车辆目标属性分析时，为提高检索、识别、属性分析的准确率，通常是从属于同一车辆目标的一系列目标图像中选择质量最优的车辆目标图像进行后续视频结构化分析，而质量的评估通常是从目标车辆图像的模糊度来考虑，但是通过这种方式所选出的优选目标车辆图像存在误差，例如，只有半个车身的目标图像虽然模糊度低，但因损失了其他车辆信息仍然不能认为是质量好的目标图像，因此这种通过目标图像的模糊度来选择质量优选的车辆目标图像，存在所选出的优选目标车辆图像不够精确的问题。
目前针对相关技术中通过目标图像的模糊度来选择质量优选的车辆目标图像，存在所选出的优选目标车辆图像不够精确的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种车辆目标图像的优选方法、装置和计算机设备，以至少解决相关技术中通过目标图像的模糊度来选择质量优选的车辆目标图像，存在所选出的优选目标车辆图像不够精确的问题。
第一方面，本申请实施例提供了一种车辆目标图像的优选方法，获取帧图像中目标车辆的目标框，根据所述目标框在所述帧图像中的位置，确定边界距离，所述边界距离为所述目标框的边界与所述帧图像对应边界之间的距离；
根据所述边界距离、预设边界阈值确定所述边界距离对所述帧图像的边界评分值，所述边界评分值与所述边界距离成正比关系；
根据所述边界评分值确定所述帧图像的质量值，根据所述质量值更新所述目标车辆的优选图像。
在其中一些实施例中，所述根据所述边界评分值确定所述帧图像的质量值包括：
获取所述目标框中的车牌框；
根据所述车牌框和所述目标框的位置，确定所述目标车辆的偏转角，并根据所述偏转角，确定所述偏转角对所述帧图像的方向评分值；其中，所述偏转角与所述方向评分值成反比关系，所述方向评分值、所述边界评分值分别与预设的权重值一一对应；
将所述方向评分值和所述边界评分值加权求和以确定所述帧图像的质量值。
在其中一些实施例中，所述确定所述目标车辆的偏转角包括：
根据所述车牌框和所述目标框的位置，确定所述车牌框的中心点坐标和所述目标框的中心点坐标；
确定所述车牌框的中心点坐标与所述目标框的中心点坐标之间的中心点距离，根据所述中心点距离确定所述偏转角。
在其中一些实施例中，所述确定所述目标车辆的偏转角包括：
获取所述目标框的尺寸，以及获取所述帧图像的尺寸；
根据所述目标框尺寸与所述帧图像尺寸的比值，确定所述尺寸评分值；其中，所述方向评分值、所述边界评分值、所述尺寸评分值分别与预设的权重值一一对应；
将所述方向评分值、所述边界评分值和所述尺寸评分值加权求和以确定所述帧图像的质量值。
在其中一些实施例中，所述确定所述目标车辆的偏转角包括：
获取所述帧图像中对所述目标车辆遮挡的遮挡框，并确定所述遮挡框对所述目标框的遮挡区域；
根据所述遮挡区域与所述目标框尺寸的比值，确定所述遮挡区域对所述帧图像的遮挡评分值；其中，所述方向评分值、所述边界评分值、所述尺寸评分值、所述遮挡评分值分别与预设的权重值一一对应；
将所述方向评分值、所述边界评分值、所述尺寸评分值和所述遮挡评分值加权求和以确定所述帧图像的质量值。
第二方面，本申请实施例提供了一种车辆目标图像的优选装置，所述装置包括：目标框获取模块、第一计算模块和第二计算模块；
所述获取模块，用于获取帧图像中目标车辆的目标框，并根据所述目标框在所述帧图像中的位置，确定边界距离，所述边界距离为所述目标框的边界与所述帧图像对应边界之间的距离；
所述第一计算模块，用于根据所述边界距离、预设边界阈值确定所述边界距离对所述帧图像的边界评分值，所述边界评分值与所述边界距离成正比关系；
所述第二计算模块，用于根据所述边界评分值确定所述帧图像的质量值，根据所述质量值更新所述目标车辆的最优图像。
在其中一些实施例中，所述第二计算模块还用于获取所述目标框中的车牌框，所述车牌框是根据所述目标框中所述目标车辆的车牌生成的；根据所述车牌框和所述目标框的位置，确定所述目标车辆的偏转角，并根据所述偏转角，确定所述偏转角对所述帧图像的方向评分值；其中，所述偏转角与所述方向评分值成反比关系，所述方向评分值、所述边界评分值分别与预设的权重值一一对应；将所述方向评分值和所述边界评分值加权求和以确定所述帧图像的质量值。
在其中一些实施例中，所述第二计算模块还用于根据所述车牌框和所述目标框的位置，确定所述车牌框的中心点坐标和所述目标框的中心点坐标；确定所述车牌框的中心点坐标与所述目标框的中心点坐标之间的中心点距离，根据所述中心点距离确定所述偏转角。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的车辆目标图像的优选方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的车辆目标图像的优选方法。
相比于相关技术，本申请实施例提供的一种车辆目标图像的优选方法、装置和计算机设备，通过获取帧图像中目标车辆的目标框，根据目标框在帧图像中的位置，确定边界距离，边界距离为目标框的边界与帧图像对应边界之间的距离；根据边界距离、预设边界阈值确定边界距离对帧图像的边界评分值，边界评分值与边界距离成正比关系；根据边界评分值确定帧图像的质量值，根据质量值更新目标车辆的优选图像，解决了相关技术中通过目标图像的模糊度来选择质量优选的车辆目标图像，存在所选出的优选目标车辆图像不够精确的问题，提高了所选出的优选目标车辆图像的准确度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的车辆目标图像的优选方法的流程图；
图2是根据本申请实施例的根据边界评分值确定帧图像质量值的方法的流程图一；
图3是根据本申请实施例的确定目标车辆偏转角的方法的流程图；
图4是根据本申请实施例的根据边界评分值确定帧图像质量值的方法的流程图二；
图5是根据本申请实施例的根据边界评分值确定帧图像质量值的方法的流程图三；
图6是根据本申请实施例的车辆目标图像的优选装置的结构框图；
图7为根据本申请实施例的计算机设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请提供的车辆目标图像的优选方法，应用于车辆图像的分析中，比如在车辆的监控视频中，对单个车辆目标从出现到消失的每一帧中该目标的图像进行分析，从而获取到该目标整个生命周期中质量最高的一张优选图像。优选图像对于后续目标属性(如车辆颜色，车标车型等)识别和车辆以图搜图至关重要，高质量的优选图像，可有效提高目标车辆属性识别的准确率以及以图搜图的成功率。
本实施例提供了一种车辆目标图像的优选方法，图1是根据本申请实施例的车辆目标图像的优选方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取帧图像中目标车辆的目标框，根据目标框在帧图像中的位置，确定边界距离，边界距离为目标框的边界与帧图像对应边界之间的距离。
需要说明的是，帧图像是目标车辆的待处理图像，待处理图像可以来自视频或者抓拍流，将解析视频得到的视频帧或抓拍流中包含的抓拍大图作为待处理图像。作为待处理图像的视频帧可以是连续的或部分连续的，例如每间隔若干帧取一帧视频帧作为待处理图像。其中，视频可以是任何合适的、需要进行结构化分析的视频，可以是摄像头等图像采集装置采集其视场范围内的原始视频，也可以是对原始视频进行预处理之后获得的视频。抓拍流中包含抓拍大图和抓拍小图，抓拍小图是从抓拍大图中进行目标检测得到目标框、再根据目标框抠出的包含目标的图像。待处理图像可以是多帧，比如，目标车辆整个生名周期中的每一帧均是待处理图像，其中，目标车辆整个生命周期是指在监控视频中目标车辆从出现到消失，待处理图像也可以是一帧，比如目标车辆整个生命周期只有一帧。
目标框的边界和帧图像的边界均包括上、下、左、右边界，其中，目标框的边界对应帧图像的上、下、左、右边界的距离分别为dis_ly，dis_ry，dis_lx，dis_rx。
步骤S102，根据边界距离、预设边界阈值确定边界距离对帧图像的边界评分值，边界评分值与边界距离成正比关系。
其中，预设边界阈值为max_dis_edge，是判定目标车辆是否贴边的距离；根据边界距离、预设边界阈值确定边界距离对帧图像的边界评分值，可选的方式如下：
Figure BDA0002583274500000061
上述公式1中，min_dis为边界距离中dis_ly、dis_ry、dis_lx、dis_rx的最小值，当min_dis小于max_dis_edge时则判定该目标车辆已经贴边，需对其贴边值进行减小，当min_dis大于或者等于max_dis_edge时，说明目标框距离帧图像边界有一定距离，此时贴边值是最大，可以取1。需要说明的是，本申请实施例中所提到的边界评分值并不是指帧图像中目标车辆距离帧图像边界距离的大小，而是指代边界距离对帧图像质量的贡献值，STICK_SCALE是系数，可根据实际使用环境进行调整。
步骤S103，根据边界评分值确定帧图像的质量值，根据质量值更新目标车辆的优选图像。
需要说明的是，在本实施例中，帧图像的质量值便是边界评分值，帧图像的质量值可记为obj_score；进一步，使用目标车辆检测跟踪算法获取多帧图像中目标车辆的目标框并对前后帧中相同目标车辆进行关联，可通过相同目标车辆赋予相同ID，进而确定目标车辆的关联帧图像质量值。如果当前帧图像是该目标车辆出现的第1帧，则设置该帧图像为最优目标车辆图像，且设置该目标车辆历史最高质量值obj_score_max为obj_score；如果当前帧不是该车辆目标出现的第1帧，而当前帧图像obj_score>obj_score_max时，则更新最优目标车辆图像为该帧图像，并设置obj_score_max＝obj_score，否则，不进行更新。
通过步骤S101至步骤S103，根据目标车辆的目标框距离帧图像的边界距离，来推算目标车辆是否贴边以及贴边的程度，随着目标框距离帧图像的边界距离减小，则目标车辆贴边程度增高，进而边界评分值减小，说明目标框的目标车辆完整度降低，从而质量值降低，质量值的大小反映出目标车辆在帧图像中完整度，实现根据质量值大小选出目标车辆的优选图像，解决了相关技术中通过目标图像的模糊度来选择质量优选的车辆目标图像，存在所选出的优选目标车辆图像不够精确的问题，提高了所选出的优选目标车辆图像的准确度。
在其中一些实施例中，图2是根据本申请实施例的根据边界评分值确定帧图像质量值的方法的流程图一，如图2所示，该流程包括如下步骤：
步骤S201，获取目标框中的车牌框；车牌是目标车辆中包含信息较多的部分，根据车牌在目标框中的位置，可以对车辆的偏转角大小进行评估。
步骤S202，根据车牌框和目标框的位置，确定目标车辆的偏转角，并根据偏转角，确定偏转角对帧图像的方向评分值；其中，偏转角与方向评分值成反比关系，方向评分值、边界评分值分别与预设的权重值一一对应；需要说明的是，目标车辆的偏转角越小，说明当前帧图像中所包含的目标车辆的信息越多，也就是当前帧图像越接近优选图像，也即代表当前帧图像的方向评分值对该帧图像的质量贡献大。需要说明的是，本申请实施例中所提到的方向评分值并不是指帧图像中目标车辆的方向大小，而是指代帧图像中目标车辆偏转角的大小对帧图像质量的贡献值。
步骤S203，将方向评分值和边界评分值加权求和以确定帧图像的质量值；也即当前帧图像的质量值是方向评分值和边界评分值的加权和，且方向评分值和边界评分值所对应的权重值可以根据具体场景目标车辆的优选策略进行调整。
通过步骤S201至步骤S203，在考虑帧图像中目标车辆贴边情况下，通过帧图像中目标车辆的车牌位置确定帧图像中目标车辆的偏转角，从而将帧图像中目标车辆的偏转角加入到帧图像质量的考核中，提高所选出的优选目标车辆图像的准确度。
在其中一些实施例中，图3是根据本申请实施例的确定目标车辆偏转角的方法的流程图，如图3所示，该流程包括如下步骤：
步骤S301，根据车牌框和目标框的位置，确定车牌框的中心点坐标和目标框的中心点坐标。目标框记为obj_rect，车牌框记为plate_rect，车牌框的宽高分别为plate_w和plate_h，可选的，车牌框的中心点坐标可为车牌框中心点y坐标为plate_y，目标框的中心点坐标可为目标框中心点y坐标为obj_y。
步骤S302，确定车牌框的中心点坐标与目标框的中心点坐标之间的中心点距离，根据中心点距离确定偏转角。
当车牌能正常检测出且目标车辆为非贴边状态时(stick_score为1时)，车牌框中心点y坐标plate_y越贴近目标框中心点y坐标为obj_y，则说明车辆的偏转角越小，则对帧图像的质量贡献值，即是方向评分值posture_score应当更高，可选的，方向评分值的计算如下：
Figure BDA0002583274500000081
上述公式2中，posture_score为方向评分值，obj_y为目标框中心点y坐标，rect_w为目标框的宽；在当前帧图像中未检测出目标车辆时，方向评分值posture_score为0，在目标车辆贴边时，方向评分值posture_score为0.2。
通过步骤S301至步骤S302，在当前帧图像中检测到目标车辆的车牌情况下，根据车牌框的中心点坐标与目标框的中心点坐标之间的中心点距离，确定偏转角，在车牌框中心点坐标越贴近目标框中心点坐标，说明车辆的偏转角越小，则对帧图像的质量贡献值，即是方向评分值posture_score应当更高，因此对目标车辆偏转角评估方法简单，易于实现、计算。
在其中一些实施例中，图4是根据本申请实施例的根据边界评分值确定帧图像质量值的方法的流程图二，如图4所示，该流程包括如下步骤：
步骤S401，获取目标框的尺寸，以及获取帧图像的尺寸；目标车辆的目标框越大则目标框中包含的像素越多，包含的信息也就越多，其中，目标框obj_rect，其宽、高分别为rect_w、rect_h，帧图像的宽、高分别为img_w、img_h。
步骤S402，根据目标框尺寸与帧图像尺寸的比值，确定尺寸评分值；其中，方向评分值、边界评分值、尺寸评分值分别与预设的权重值一一对应；需要说明的是，本申请实施例中所提到的尺寸评分值是指帧图像中目标车辆的目标框尺寸，对帧图像质量的贡献值，可选的，尺寸评分值的计算方式可为：
size_score＝SIZE_SCALE×(rect_w×rect_h)/(img_w×img_h) 公式3
上述公式3中，size_score为尺寸评分值，rect_w、rect_h分别为目标框的宽、高，img_w、img_h分别为帧图像的宽、高，SIZE_SCALE是系数，可根据实际使用环境进行调整。
步骤S403，将方向评分值、边界评分值和尺寸评分值加权求和以确定帧图像的质量值；其中，方向评分值、边界评分值和尺寸评分值所对应的权重值可以根据具体场景目标车辆的优选策略进行调整。
通过步骤S401至步骤S403，在考虑帧图像中目标车辆贴边情形、偏转角大小的情况下，根据目标框尺寸与帧图像尺寸的比值，确定尺寸评分值，从而将将帧图像中目标框尺寸加入到帧图像质量的考核中，提高所选出的优选目标车辆图像的准确度。
在其中一些实施例中，图5是根据本申请实施例的根据边界评分值确定帧图像质量值的方法的流程图三，如图5所示，该流程包括如下步骤：
步骤S501，获取帧图像中对目标车辆遮挡的遮挡框，并确定遮挡框对目标框的遮挡区域；在当前帧图像中当车辆目标被其他目标遮挡时，则存在目标框中目标车辆不完整的情形，本实施例中的遮挡框可以理解为当前帧图像中所有目标的目标框recti(i＝1…n)，n为当前帧图像所有目标数，在已知当前帧图像所有目标的目标框recti(i＝1…n)以及目标车辆的目标框下，先确定cover_areai，然后取cover_areai的并集得到遮挡区域cover_area。
步骤S502，根据遮挡区域与目标框尺寸的比值，确定遮挡区域对帧图像的遮挡评分值；其中，方向评分值、边界评分值、尺寸评分值、遮挡评分值分别与预设的权重值一一对应；需要说明的是，本申请实施例中所提到的遮挡评分值是指帧图像中目标车辆的遮挡区域，对帧图像质量的贡献值，可选的，遮挡评分值的计算方式可为：
cover_score＝1.0-cover_area/(rect_w×rect_h) 公式4
上述公式4中，cover_score为遮挡评分值，cover_area为遮挡区域，rect_w、rect_h分别为帧图像中目标车辆的目标框宽、高。
步骤S503，将方向评分值、边界评分值、尺寸评分值和遮挡评分值加权求和以确定帧图像的质量值；其中，方向评分值、边界评分值和尺寸评分值所对应的权重值可以根据具体场景目标车辆的优选策略进行调整；帧图像的质量值计算公式可为：
obj_score＝ratio1×size_score+ratio2×stick_score+raio3×cover_score+raio4×posture_score
公式5
上述公式5中，size_score为尺寸评分值，stick_score为边界评分值，cover_score为遮挡评分值，posture_score为方向评分值，ratio1、ratio2、ratio3和ratio4依次为尺寸评分值、边界评分值、遮挡评分值、方向评分值的权重值。
通过步骤S501至步骤S503，在考虑帧图像中目标车辆贴边情形、偏转角大小以及目标框尺寸大小的情况下，根据遮挡区域与目标框尺寸的比值，确定尺遮挡评分值，从而将将帧图像中目标车辆的遮挡区域加入到帧图像质量的考核中，进而从多个角度评估当前帧图像的质量，提高所选出的优选目标车辆图像的准确度。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种车辆目标图像的优选装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本申请实施例的车辆目标图像的优选装置的结构框图，如图6所示，该装置包括：目标框获取模块61、第一计算模块62和第二计算模块63；
目标框获取模块61，用于获取帧图像中目标车辆的目标框，并根据目标框在帧图像中的位置，确定边界距离，边界距离为目标框的边界与帧图像对应边界之间的距离；第一计算模块62，用于根据边界距离、预设边界阈值确定边界距离对帧图像的边界评分值，边界评分值与边界距离成正比关系；第二计算模块63，用于根据边界评分值确定帧图像的质量值，根据质量值更新目标车辆的最优图像。
通过车辆目标图像的优选装置，目标框获取模块61确定边界距离，第一计算模块62根据目标车辆的目标框距离帧图像的边界距离，来推算目标车辆是否贴边以及贴边的程度，随着目标框距离帧图像的边界距离减小，则目标车辆贴边程度增高，进而边界评分值减小，说明目标框的目标车辆完整度降低，从而质量值降低，质量值的大小反映出目标车辆在帧图像中完整度，第二计算模块63实现根据质量值大小选出目标车辆的优选图像，解决了相关技术中通过目标图像的模糊度来选择质量优选的车辆目标图像，存在所选出的优选目标车辆图像不够精确的问题，提高了所选出的优选目标车辆图像的准确度。
在其中一些实施例中，第二计算模块63还用于获取目标框中的车牌框，车牌框是根据目标框中目标车辆的车牌生成的；根据车牌框和目标框的位置，确定目标车辆的偏转角，并根据偏转角，确定偏转角对帧图像的方向评分值；其中，偏转角与方向评分值成反比关系，方向评分值、边界评分值分别与预设的权重值一一对应；将方向评分值和边界评分值加权求和以确定帧图像的质量值。
在其中一些实施例中，第二计算模块63还用于根据车牌框和目标框的位置，确定车牌框的中心点坐标和目标框的中心点坐标；确定车牌框的中心点坐标与目标框的中心点坐标之间的中心点距离，根据中心点距离确定偏转角。
在其中一些实施例中，第二计算模块63还用于实现上述各实施例提供的车辆目标图像的优选方法中的步骤，在这里不再赘述。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外，结合图1描述的本申请实施例车辆目标图像的优选方法可以由计算机设备来实现。计算机设备可以包括处理器以及存储有计算机程序指令的存储器。
具体地，上述处理器可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器可在数据处理装置的内部或外部。在特定实施例中，存储器是非易失性(Non-Volatile)存储器。在特定实施例中，存储器包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(Random AccessMemory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器所执行的可能的计算机程序指令。
处理器通过读取并执行存储器中存储的计算机程序指令，以实现上述实施例中的任意一种车辆目标图像的优选方法。
在其中一些实施例中，计算机设备还可包括通信接口和总线，图7为根据本申请实施例的计算机设备的硬件结构示意图，如图7所示，处理器71、存储器72、通信接口73通过总线70连接并完成相互间的通信。
通信接口73用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口73还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线70包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线70包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线70可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线70可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
另外，结合上述实施例中的车辆目标图像的优选方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种车辆目标图像的优选方法。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆目标图像的优选方法，其特征在于，所述方法包括：
获取帧图像中目标车辆的目标框，根据所述目标框在所述帧图像中的位置，确定边界距离，所述边界距离为所述目标框的边界与所述帧图像对应边界之间的距离；
根据所述边界距离、预设边界阈值确定所述边界距离对所述帧图像的边界评分值，所述边界评分值与所述边界距离成正比关系；
根据所述边界评分值确定所述帧图像的质量值，根据所述质量值更新所述目标车辆的优选图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述边界评分值确定所述帧图像的质量值包括：
获取所述目标框中的车牌框；
根据所述车牌框和所述目标框的位置，确定所述目标车辆的偏转角，并根据所述偏转角，确定所述偏转角对所述帧图像的方向评分值；其中，所述偏转角与所述方向评分值成反比关系，所述方向评分值、所述边界评分值分别与预设的权重值一一对应；
将所述方向评分值和所述边界评分值加权求和以确定所述帧图像的质量值。
3.根据权利要求2所述的方法，其特征在于，所述确定所述目标车辆的偏转角包括：
根据所述车牌框和所述目标框的位置，确定所述车牌框的中心点坐标和所述目标框的中心点坐标；
确定所述车牌框的中心点坐标与所述目标框的中心点坐标之间的中心点距离，根据所述中心点距离确定所述偏转角。
4.根据权利要求2所述的方法，其特征在于，所述根据所述边界评分值确定所述帧图像的质量值包括：
获取所述目标框的尺寸，以及获取所述帧图像的尺寸；
根据所述目标框尺寸与所述帧图像尺寸的比值，确定所述尺寸评分值；其中，所述方向评分值、所述边界评分值、所述尺寸评分值分别与预设的权重值一一对应；
将所述方向评分值、所述边界评分值和所述尺寸评分值加权求和以确定所述帧图像的质量值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述边界评分值确定所述帧图像的质量值包括：
获取所述帧图像中对所述目标车辆遮挡的遮挡框，并确定所述遮挡框对所述目标框的遮挡区域；
根据所述遮挡区域与所述目标框尺寸的比值，确定所述遮挡区域对所述帧图像的遮挡评分值；其中，所述方向评分值、所述边界评分值、所述尺寸评分值、所述遮挡评分值分别与预设的权重值一一对应；
将所述方向评分值、所述边界评分值、所述尺寸评分值和所述遮挡评分值加权求和以确定所述帧图像的质量值。
6.一种车辆目标图像的优选装置，其特征在于，所述装置包括：目标框获取模块、第一计算模块和第二计算模块；
所述获取模块，用于获取帧图像中目标车辆的目标框，并根据所述目标框在所述帧图像中的位置，确定边界距离，所述边界距离为所述目标框的边界与所述帧图像对应边界之间的距离；
所述第一计算模块，用于根据所述边界距离、预设边界阈值确定所述边界距离对所述帧图像的边界评分值，所述边界评分值与所述边界距离成正比关系；
所述第二计算模块，用于根据所述边界评分值确定所述帧图像的质量值，根据所述质量值更新所述目标车辆的最优图像。
7.根据权利要求6所述的装置，其特征在于，所述第二计算模块还用于获取所述目标框中的车牌框，所述车牌框是根据所述目标框中所述目标车辆的车牌生成的；根据所述车牌框和所述目标框的位置，确定所述目标车辆的偏转角，并根据所述偏转角，确定所述偏转角对所述帧图像的方向评分值；其中，所述偏转角与所述方向评分值成反比关系，所述方向评分值、所述边界评分值分别与预设的权重值一一对应；将所述方向评分值和所述边界评分值加权求和以确定所述帧图像的质量值。
8.根据权利要求7所述的装置，其特征在于，所述第二计算模块还用于根据所述车牌框和所述目标框的位置，确定所述车牌框的中心点坐标和所述目标框的中心点坐标；确定所述车牌框的中心点坐标与所述目标框的中心点坐标之间的中心点距离，根据所述中心点距离确定所述偏转角。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上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至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
CN202010673678.1A 2020-07-14 2020-07-14 一种车辆目标图像的优选方法、装置和计算机设备 Active CN112001883B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010673678.1A CN112001883B (zh) 2020-07-14 2020-07-14 一种车辆目标图像的优选方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010673678.1A CN112001883B (zh) 2020-07-14 2020-07-14 一种车辆目标图像的优选方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN112001883A true CN112001883A (zh) 2020-11-27
CN112001883B CN112001883B (zh) 2023-05-09

Family

ID=73467647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010673678.1A Active CN112001883B (zh) 2020-07-14 2020-07-14 一种车辆目标图像的优选方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN112001883B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487649A (zh) * 2021-05-20 2021-10-08 浙江大华技术股份有限公司 一种车辆检测方法、装置以及计算机存储介质
CN113537283A (zh) * 2021-05-31 2021-10-22 浙江大华技术股份有限公司 目标跟踪方法及相关装置
CN113810610A (zh) * 2021-09-16 2021-12-17 杭州海康威视数字技术股份有限公司 一种对象抓拍方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150124093A1 (en) * 2013-11-04 2015-05-07 Xerox Corporation Method for object size calibration to aid vehicle detection for video-based on-street parking technology
EP3118814A1 (en) * 2015-07-15 2017-01-18 Thomson Licensing Method and apparatus for object tracking in image sequences
CN110084258A (zh) * 2018-02-12 2019-08-02 成都视观天下科技有限公司 基于视频人脸识别的人脸优选方法、设备及存储介质
CN110765913A (zh) * 2019-10-15 2020-02-07 浙江大华技术股份有限公司 基于多评价指标的人体目标优选方法、装置及存储介质
CN111199165A (zh) * 2018-10-31 2020-05-26 浙江宇视科技有限公司 图像处理方法及装置
CN111259815A (zh) * 2020-01-17 2020-06-09 厦门中控智慧信息技术有限公司 一种人脸图像质量评估方法、系统、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150124093A1 (en) * 2013-11-04 2015-05-07 Xerox Corporation Method for object size calibration to aid vehicle detection for video-based on-street parking technology
EP3118814A1 (en) * 2015-07-15 2017-01-18 Thomson Licensing Method and apparatus for object tracking in image sequences
CN110084258A (zh) * 2018-02-12 2019-08-02 成都视观天下科技有限公司 基于视频人脸识别的人脸优选方法、设备及存储介质
CN111199165A (zh) * 2018-10-31 2020-05-26 浙江宇视科技有限公司 图像处理方法及装置
CN110765913A (zh) * 2019-10-15 2020-02-07 浙江大华技术股份有限公司 基于多评价指标的人体目标优选方法、装置及存储介质
CN111259815A (zh) * 2020-01-17 2020-06-09 厦门中控智慧信息技术有限公司 一种人脸图像质量评估方法、系统、设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487649A (zh) * 2021-05-20 2021-10-08 浙江大华技术股份有限公司 一种车辆检测方法、装置以及计算机存储介质
CN113487649B (zh) * 2021-05-20 2022-12-06 浙江大华技术股份有限公司 一种车辆检测方法、装置以及计算机存储介质
CN113537283A (zh) * 2021-05-31 2021-10-22 浙江大华技术股份有限公司 目标跟踪方法及相关装置
CN113810610A (zh) * 2021-09-16 2021-12-17 杭州海康威视数字技术股份有限公司 一种对象抓拍方法及装置

Also Published As

Publication number Publication date
CN112001883B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN112001883B (zh) 一种车辆目标图像的优选方法、装置和计算机设备
US9619708B2 (en) Method of detecting a main subject in an image
CN109510946B (zh) Hdr场景检测方法及系统
CN110428442B (zh) 目标确定方法、目标确定系统和监控安防系统
WO2019076187A1 (zh) 视频遮蔽区域选取方法、装置、电子设备及系统
US20090208102A1 (en) Image processing device and storage medium storing image processing program
JP2022540101A (ja) ポジショニング方法及び装置、電子機器、コンピュータ読み取り可能な記憶媒体
CN108369739B (zh) 物体检测装置和物体检测方法
JP2011165170A (ja) 対象物検出装置及びプログラム
CN108229281B (zh) 神经网络的生成方法和人脸检测方法、装置及电子设备
CN113256683B (zh) 目标跟踪方法及相关设备
CN115063381A (zh) 画面区域变化检测方法、装置、电子设备和存储介质
CN112995525B (zh) 自行走设备的摄像曝光方法和装置
CA3131590C (en) Golf ball set-top detection method, system and storage medium
CN111382606A (zh) 摔倒检测方法、摔倒检测装置和电子设备
CN112560615A (zh) 观看屏幕判断方法、系统及电子设备
CN116091781B (zh) 一种用于图像识别的数据处理方法及装置
US10210414B2 (en) Object detection system and computer program product
CN112101134A (zh) 物体的检测方法及装置、电子设备和存储介质
JPWO2018179119A1 (ja) 映像解析装置、映像解析方法およびプログラム
CN111885371A (zh) 图像遮挡检测方法、装置、电子设备和计算机可读介质
EP3891701A1 (en) Method and apparatus for determining temporal behaviour of an object
CN110782425A (zh) 图像处理方法、图像处理装置和电子设备
CN116137079A (zh) 一种图像处理方法、装置及设备方法
CN111754713B (zh) 视频监控方法、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
GR01 Patent grant
GR01 Patent grant