CN112071079B - 一种基于5g传输的机器视觉车辆远光灯检测预警系统 - Google Patents

一种基于5g传输的机器视觉车辆远光灯检测预警系统 Download PDF

Info

Publication number
CN112071079B
CN112071079B CN202010926336.6A CN202010926336A CN112071079B CN 112071079 B CN112071079 B CN 112071079B CN 202010926336 A CN202010926336 A CN 202010926336A CN 112071079 B CN112071079 B CN 112071079B
Authority
CN
China
Prior art keywords
high beam
vehicle
license plate
image
early warning
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
Application number
CN202010926336.6A
Other languages
English (en)
Other versions
CN112071079A (zh
Inventor
蒋敏兰
陈昊然
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 Normal University CJNU
Original Assignee
Zhejiang Normal University CJNU
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 Normal University CJNU filed Critical Zhejiang Normal University CJNU
Priority to CN202010926336.6A priority Critical patent/CN112071079B/zh
Publication of CN112071079A publication Critical patent/CN112071079A/zh
Application granted granted Critical
Publication of CN112071079B publication Critical patent/CN112071079B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Abstract

本发明提供一种基于5G传输的机器视觉车辆远光灯检测预警系统，包括感光传感器检测系统：感光传感器检测系统包含两块传感器，一块用于根据对环境光源检测是否处于夜间环境，另一块用于夜间检测车辆灯光强度，检测是否使用远光灯；数字视频处理系统：对视频进行数据采集，对过往车辆视频定位抓拍，在提取的照片中进行特征分析，分析出车牌信息；夜间远光灯判别系统：在夜间通过感光传感器进行光源分析，并结合数字视频处理系统采集的照片进行特征提取判别是否开启远光灯；远光灯预警提示系统：将远光灯车辆车牌信息记录并在道路LED显示板上进行提示，让驾驶员关闭远光灯安全驾驶。能够解决电子抓拍设备无法对滥用远光灯车辆违法车辆进行处理的问题。

Description

一种基于5G传输的机器视觉车辆远光灯检测预警系统
技术领域
本发明涉及网络通信、机器视觉和交通安全技术领域，具体涉及一种基于5G传输的机器视觉车辆远光灯检测预警系统。
背景技术
目前，随着交通道路的发展，汽车占有量逐年上升，汽车安全行驶的问题也成为了社会的焦点。在城市道路夜间行驶，未正确使用远光灯是交通事故产生原因之一。《道路交通安全法》第四十八条规定,通过有交通信号控制的交叉路口,转弯时不能使用远光灯，在照明较好的城区不宜使用远光灯。众所周知，对于车辆超速、变道、穿红灯等车辆违法已经可以实施电子抓拍，但在滥用远光灯车辆违法行为电子抓拍设备还未能广泛普及，在以往的电子抓拍设备中，要进行设备传输线与交换机相连实施数据传送，在交通道路上给设备布线存在一定难度。
发明内容
为了克服现有技术的不足，本发明提供一种基于5G传输的机器视觉车辆远光灯检测预警系统，能够解决电子抓拍设备无法对滥用远光灯车辆违法车辆进行处理的问题。
为解决上述现有的技术问题，本发明采用如下方案：
一种基于5G传输的机器视觉车辆远光灯检测预警系统，组成部分包括：
感光传感器检测系统：所述感光传感器检测系统包含两块传感器，一块用于根据对环境光源检测是否处于夜间环境，另一块用于夜间检测车辆灯光强度，检测是否使用远光灯；
数字视频处理系统：对视频进行数据采集，对过往车辆视频定位进行抓拍，在提取的照片中进行特征分析，分析出车牌信息；
夜间远光灯判别系统：在夜间通过感光传感器进行光源分析，并结合所述数字视频处理系统采集的照片进行特征提取判别是否开启远光灯；
远光灯预警提示系统：如判别车辆已使用远光灯，将记录车辆车牌信息并在道路LED显示板上进行提示，让驾驶员关闭远光灯安全驾驶。
进一步地，所述机器视觉车辆远光灯检测预警系统的步骤包括：
步骤1：通过所述感光传感器检测系统识别环境感光传感器检测环境光源，确保设备检测环境能够在夜间进行，减少不必要的环境灯光干扰；如检测出日间环境，所述数字视频处理系统只对车辆进行抓拍，进行车牌识别后通过5G模块传输至主控模块进行车流量的记录；如检测出夜间环境，识别车辆车灯感光传感器将会开始工作；
步骤2：通过所述感光传感器检测系统识别车辆车灯感光传感器检测车辆车灯光源，检测超过阈值判断是否开启远光灯，如未检测出远光灯，所述数字视频处理系统只对车辆进行抓拍，进行车牌识别后通过5G模块传输至主控模块进行车流量的记录，如检测出远光灯，所述数字视频处理系统将对抓拍照片进行车辆图像分析；
步骤3：所述数字视频处理系统对车辆图像分析，检测图像中车辆是否开启远光灯，如未检测出远光灯，所述数字视频处理系统只对车辆进行抓拍，进行车牌识别后通过5G模块传输至主控模块进行车流量的记录，如检测出远光灯，所述数字视频处理系统将对抓拍照片进行车牌识别，通过5G模块传输至主控模块记录使用远光灯车牌信息，主控模块再将使用远光灯车牌信息通过5G模块传输至所述远光灯预警提示系统。
步骤4：所述远光灯预警提示系统接受到使用远光灯车辆车牌信息，将会在距离检测远光灯设备旁边的路边LED显示器上显示提醒，交警部门也会对违规使用远光灯的车辆进行处罚。
进一步地，所述路边LED显示器一般安装在所述检测远光灯设备旁边200-500米之间，所述显示器上的显示内容为“某某车牌请关闭远光灯”字样。
进一步地，所述数字视频处理系统采集的远光灯图像检测步骤包括：
步骤1：对视频中过往车辆进行抓拍，当车辆到达指定区域后，视频会对车辆进行照片提取；
步骤2：对车辆源图像进行阈值分隔得到灰度图I，再对灰度图I进行反色处理，再接着利用填充算法得到最终的反射弱光图，基于大气散射原理，图I通过该原理计算得出对应的反射光图RI，使用LOG滤波器处理道路车辆图像得到反射弱光图RS；
步骤3：采用直方图双峰法在图I中实行阈值分割，得到对应阈值T，对于小于T的像素x＝0，对于大于T的像素值则转入步骤3；
步骤4：假设k(x,y)代表大于T的像素值坐标，在I、RI、RS三图中各自找到对应k坐标点，提取出对应特征值XI、XRI、XRS,设X＝(XI、XRI、XRS)T；
步骤5：设X＝(RI，RS，I)是待分类样本，其中每一维度是x的特征属性；
步骤6：待分类样本集合为两类车灯样本G1、反光G2，标记label，车灯样本标记为1，反射光样本标记为0；
步骤7：给定一个测试样本X(RI,RS,I)，判断其属于哪一类通过计算后验概率实现，使得计算得到的后验概率最大的类即为该测试样本所属的类；贝叶斯定理如下，
Figure GDA0003590302300000031
P(x|Gi)＝P(RI|Gi)P(RS|Gi)P(I|Gi)
步骤8：其中，P(RI|Gi)为Gi类中向量RI等于当前测试样本的值的数目除以训练样本集里类的数目；
通过上诉计算，取最大项P(X|Gi)P(Gi)作为所属的类别，如果i＝1时最大，则属于G1，否则属于G2；
步骤9：将步骤3提取出的X采取上面步骤所说的分类法实施分类；
若(X∈G1)，则像素k判断成车灯像素，置图中的像素值x＝255；
若(X∈G2)，则像素k判断成反射光像素，置x＝0；
步骤10:对得到的二值结果图进行连通域的提取，并使用矩形框标出，并标记到源图像中，得到车灯的检测结果。
进一步地，所述数字视频处理系统对车牌信息进行识别步骤包括
步骤1：对视频中过往车辆进行抓拍，当车辆到达指定区域后，视频会对车辆进行照片提取；
步骤2：采用视觉显著性算法从车辆图像中提取候选车牌区域；
步骤3：采用基于投影的车牌字符检测方法，将图片灰度化，提取图片的特征值然后根据特征值进行水平分割，把图片中的字符分割出来；
步骤4：采用向量机分类器对车牌字符进行识别，对车牌字符进行识别后，将识别到的信息进行输出。
进一步地，所述步骤2中候选车牌图形提取方式包括提取车辆图像I的亮度特征、颜色特征和方向特征，其计算公式为：
Figure GDA0003590302300000041
颜色特征提取：分别从r、g、b通道采用亮度I进行归一化后，从这些颜色通道中产生R、G、B、Y四个颜色；
方向特征提取：对方向是0°、90°的车牌图像采用Gabor滤波器对亮度特征进行滤波，得到方向特征O(θ)，θ∈{0°，90°}；
显著图的每个位置采用一个向量表示，通过向量的空间分布表示图像中局部区域的醒目程度，用以指引注意位置的选择，在前一步中，已经获得了颜色、亮度和方向的单一特征，然后，由各类特征分别构造高斯金字塔，并且根据公式在中心－边缘操作之后获得特征的显著图，其计算方式如,
Figure GDA0003590302300000042
其中c，s表示高斯金字塔不同层图，小尺度图包含更多中心局部信息，用C表示；大尺度图包含更多背景信息，表示周围图像，用S表示,通过高斯金字塔的跨尺度处理，特征被结合成3类特征显著图，I表示灰度，C表示颜色，O表示方向,特征显著图经过归一化后，作为视觉显著性图的输入三类特征显著图线性组合形成视觉显著图，由S表示。
进一步地，所述提取车牌蓝色和黄色的颜色特征计算公式为：
Figure GDA0003590302300000051
进一步地，所述车辆视觉显著图为：S＝0.65*C+0.2*O+0.15*I。
进一步地，所述车辆视觉显著图中有多个显著度相同的显著点位置时，将采用格式塔(Gestalt)原理中的“相近性法则”(Proximity)调转到离上一次注意焦点最近的显著点位置，视觉显著性图中向量最大值的位置就是最显著的中心位置，即为车牌的位置，或与车牌特征非常相似的车上招牌的位置，或其他有显著特征的位置，为注意机制的焦点，将候选车牌区域在车辆图形中定位并提取出来。
相比现有技术，本发明的有益效果在于：
远光灯机器视觉识别与感光传感器相结合的识别方法及系统,能够在50-80米的距离内，识别出汽车的远光灯开启状态,同时识别出车牌并对车辆实施警告，并且利用5G传输高速率、低时延、广覆盖的特点，可以大幅度提高信息的传输，解决布线困难的问题。
附图说明
图1为系统工作流程图；
图2为远光灯图像检测流程图；
图3为车辆车牌识别流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
如图1～3所示，一种基于5G传输的机器视觉车辆远光灯检测预警系统，组成部分包括：
感光传感器检测系统：所述感光传感器检测系统包含两块传感器，一块用于根据对环境光源检测是否处于夜间环境，另一块用于夜间检测车辆灯光强度，检测是否使用远光灯；
数字视频处理系统：对视频进行数据采集，对过往车辆视频定位进行抓拍，在提取的照片中进行特征分析，分析出车牌信息；
夜间远光灯判别系统：在夜间通过感光传感器进行光源分析，并结合所述数字视频处理系统采集的照片进行特征提取判别是否开启远光灯；
远光灯预警提示系统：如判别车辆已使用远光灯，将记录车辆车牌信息并在道路LED显示板上进行提示，让驾驶员关闭远光灯安全驾驶。
进一步地改进为，所述机器视觉车辆远光灯检测预警系统的步骤包括：
步骤1：识别环境感光传感器检测环境光源，确保设备检测环境能够在夜间进行，减少不必要的环境灯光干扰；如检测出日间环境，数字视频处理系统只对车辆进行抓拍，进行车牌识别后通过5G模块传输至主控模块进行车流量的记录。如检测出夜间环境，识别车辆车灯感光传感器将会开始工作；
步骤2：识别车辆车灯感光传感器检测车辆车灯光源，检测超过阈值判断是否开启远光灯，如未检测出远光灯，数字视频处理系统只对车辆进行抓拍，进行车牌识别后通过5G模块传输至主控模块进行车流量的记录，如检测出远光灯，数字视频处理系统将对抓拍照片进行车辆图像分析；
步骤3：数字视频处理系统对车辆图像分析，检测图像中车辆是否开启远光灯，如未检测出远光灯，数字视频处理系统只对车辆进行抓拍，进行车牌识别后通过5G模块传输至主控模块进行车流量的记录；如检测出远光灯，数字视频处理系统将对抓拍照片进行车牌识别，通过5G模块传输至主控模块记录使用远光灯车牌信息，主控模块再将使用远光灯车牌信息通过5G模块传输至远光灯预警提示系统；
步骤4：所述远光灯预警提示系统接受到使用远光灯车辆车牌信息，将会在距离检测远光灯设备旁边的路边LED显示器上显示提醒，交警部门也会对违规使用远光灯的车辆进行处罚。
所述路边LED显示器一般安装在所述检测远光灯设备旁边200-500米之间，所述显示器上的显示内容为“某某车牌请关闭远光灯”字样。
再进一步地改进为，所述数字视频处理系统采集的远光灯图像检测步骤包括：
步骤1：对视频中过往车辆进行抓拍，当车辆到达指定区域后，视频会对车辆进行照片提取；
步骤2：对车辆源图像进行阈值分隔得到灰度图像I，再对灰度图像I进行反色处理，再接着利用填充算法得到最终的反射弱光图，基于大气散射原理，图像I通过该原理计算得出对应的反射光图RI，使用LOG滤波器处理道路车辆图像得到反射弱光图RS；
步骤3：采用直方图双峰法在图I中实行阈值分割，得到对应阈值T，对于小于T的像素x＝0，对于大于T的像素值则转入步骤3；
步骤4：假设k(x,y)代表大于T的像素值坐标，在I、RI、RS三图中各自找到对应k坐标点，提取出对应特征值XI、XRI、XRS,设X＝(XI、XRI、XRS)T；
步骤5：设X＝(RI，RS，I)是待分类样本，其中每一维度是x的特征属性；
步骤6：本文待分类样本集合为两类车灯样本G1、反光G2，标记label，车灯样本标记为1，反射光样本标记为0；
步骤7：给定一个测试样本X(RI,RS,I)，判断其属于哪一类通过计算后验概率实现，使得计算得到的后验概率最大的类即为该测试样本所属的类。贝叶斯定理如下，
Figure GDA0003590302300000083
P(x|Gi)＝P(RI|Gi)P(RS|Gi)P(I|Gi)
步骤8：其中，P(RI|Gi)为Gi类中向量RI等于当前测试样本的值的数目除以训练样本集里类的数目；
通过上诉计算，取最大项P(X|Gi)P(Gi)作为所属的类别，如果i＝1时最大，则属于G1，否则属于G2；
步骤9：将步骤3提取出的X采取上面步骤所说的分类法实施分类；
若(X∈G1)，则像素k判断成车灯像素，置图中的像素值x＝255；
若(X∈G2)，则像素k判断成反射光像素，置x＝0；
步骤10:对得到的二值结果图进行连通域的提取，并使用矩形框标出，并标记到源图像中，得到车灯的检测结果。
更进一步的改进为，所述数字视频处理系统对车牌信息进行识别步骤包括：
步骤1：对视频中过往车辆进行抓拍，当车辆到达指定区域后，视频会对车辆进行照片提取；
步骤2：采用视觉显著性算法从车辆图像中提取候选车牌区域；
提取车辆图像的亮度特征、颜色特征和方向特征，其计算公式为：
Figure GDA0003590302300000081
颜色特征提取：分别从r、g、b通道采用亮度I进行归一化后，从这些颜色通道中产生R、G、B、Y四个颜色。由于中国车牌大部分是蓝白，黄黑，文中也只研究这类车牌，所以只选择蓝色和黄色作为颜色特征，其计算方式如下,
Figure GDA0003590302300000082
方向特征提取：在通常情况下，车牌信息最清楚的方向是0°，90°，所以车牌图像只在0°和90°方向采用Gabor滤波器对亮度特征进行滤波，得到方向特征O(θ)，θ∈{0°，90°}。
显著图的每个位置采用一个向量表示，通过向量的空间分布表示图像中局部区域的醒目程度，用以指引注意位置的选择。在前一步中，已经获得了颜色、亮度和方向的单一特征。然后，由各类特征分别构造高斯金字塔，并且根据公式在中心－边缘操作之后获得特征的显著图。
Figure GDA0003590302300000091
其中c，s表示高斯金字塔不同层图，小尺度图包含更多中心局部信息，用C表示；大尺度图包含更多背景信息，表示周围图像，用S表示。例如，BY(c，s)表示显著图是通过色彩通道的c层图和s层图的中心－边缘差异获得的。N(*)表示归一化运算，在形成特征图时，一些表现很强的显著目标可能被其他特征的噪声或非显著信息掩盖，所以，需要采用归一化算子N(*)，用以提升那些对醒目位置有较高影响的特征，抑制那些包含大量可比峰值响应的特征，即邻域中相似的特征相互抑制。通过高斯金字塔的跨尺度处理，特征被结合成3类特征显著图，I表示灰度，C表示颜色，O表示方向。特征显著图经过归一化后，作为视觉显著性图的输入三类特征显著图线性组合形成视觉显著图，由S表示。由于三类特征的强度在车牌区域的显著性图中的贡献是不同的，所以三类特征显著图线性组合的系数应当不相同。由于车牌的颜色和周围颜色的不连续性，颜色特征是最重要的。方向特征是第二重要的，因为几乎所有的车牌0°和90°方向全然不同。亮度特征贡献最小。实验表明，最好的效果是当颜色、方向、亮度系数分别为0.65，0.2，0.15时。所以车辆视觉显著图可以表示为：
S＝0.65*C+0.2*O+0.15*I
车辆视觉显著图是对车辆中突出特征的数据反映，注意焦点在视觉显著图的引导下定位到显著位置，并在图像中跳转。通过赢者取全的策略，使得注意焦点自动跳转到最显著特征所表示的位置。如果车辆视觉显著图中有多个显著度相同的显著点位置时，将采用格式塔(Gestalt)原理中的“相近性法则”(Proximity)调转到离上一次注意焦点最近的显著点位置。视觉显著性图中向量最大值的位置就是最显著的中心位置，即为车牌的位置，或与车牌特征非常相似的车上招牌的位置，或其他有显著特征的位置，为注意机制的焦点。通过上述算法步骤，就可将候选车牌区域在车辆图形中定位并提取出来
步骤3：采用基于投影的车牌字符检测方法，将图片灰度化，提取图片的特征值然后根据特征值进行水平分割，把图片中的字符分割出来。
步骤4：采用向量机分类器对车牌字符进行识别。我国的车牌格式是：汉字+字母+数字，根据我国车牌的特点，可以设计4类分类器来对车牌字符进行识别。汉字分类器负责识别汉字；数字分类器负责识别“0”到“9”，共10个数字。字母分类器负责识别24个字母，“O”和“I”除外，为的是不和数字“0”、“1”产生混淆。数字加字母分类器负责识别“0”到“9”，加上24个字母，共34个字符。对车牌字符进行识别后，将识别到的信息进行输出。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (8)

1.一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：组成部分包括
感光传感器检测系统：所述感光传感器检测系统包含两块传感器，一块用于根据对环境光源检测是否处于夜间环境，另一块用于夜间检测车辆灯光强度，检测是否使用远光灯；
数字视频处理系统：对视频进行数据采集，对过往车辆视频定位进行抓拍，在提取的照片中进行特征分析，分析出车牌信息；所述数字视频处理系统采集的远光灯图像检测步骤包括：
步骤1：对视频中过往车辆进行抓拍，当车辆到达指定区域后，视频会对车辆进行照片提取；
步骤2：对车辆源图像进行阈值分隔得到灰度图I，再对灰度图I进行反色处理，再接着利用填充算法得到最终的反射弱光图，基于大气散射原理，图I通过该原理计算得出对应的反射光图RI，使用LOG滤波器处理道路车辆图像得到反射弱光图RS；
步骤3：采用直方图双峰法在图I中实行阈值分割，得到对应阈值T，对于小于T的像素x＝0，对于大于T的像素值则转入步骤3；
步骤4：假设k(x,y)代表大于T的像素值坐标，在I、RI、RS三图中各自找到对应k坐标点，提取出对应特征值XI、XRI、XRS,设X＝(XI、XRI、XRS)T；
步骤5：设X＝(RI，RS，I)是待分类样本，其中每一维度是x的特征属性；
步骤6：待分类样本集合为两类车灯样本G1、反光G2，标记label，车灯样本标记为1，反射光样本标记为0；
步骤7：给定一个测试样本X(RI,RS,I)，判断其属于哪一类通过计算后验概率实现，使得计算得到的后验概率最大的类即为该测试样本所属的类；贝叶斯定理如下，
Figure FDA0003624034380000011
P(x|Gi)＝P(RI|Gi)P(RS|Gi)P(I|Gi)
步骤8：其中，P(RI|Gi)为Gi类中向量RI等于当前测试样本的值的数目除以训练样本集里类的数目；
通过上诉计算，取最大项P(X|Gi)P(Gi)作为所属的类别，如果i＝1时最大，则属于G1，否则属于G2；
步骤9：将步骤3提取出的X采取上面步骤所说的分类法实施分类；
若(X∈G1)，则像素k判断成车灯像素，置图中的像素值x＝255；
若(X∈G2)，则像素k判断成反射光像素，置x＝0；
步骤10:对得到的二值结果图进行连通域的提取，并使用矩形框标出，并标记到源图像中，得到车灯的检测结果；
夜间远光灯判别系统：在夜间通过感光传感器进行光源分析，并结合所述数字视频处理系统采集的照片进行特征提取判别是否开启远光灯；
远光灯预警提示系统：如判别车辆已使用远光灯，将记录车辆车牌信息并在道路LED显示板上进行提示，让驾驶员关闭远光灯安全驾驶。
2.根据权利要求1所述的一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：所述机器视觉车辆远光灯检测预警系统的步骤包括
步骤1：通过所述感光传感器检测系统识别环境感光传感器检测环境光源，确保设备检测环境能够在夜间进行，减少不必要的环境灯光干扰；
步骤2：通过所述感光传感器检测系统识别车辆车灯感光传感器检测车辆车灯光源，检测超过阈值判断是否开启远光灯，如未检测出远光灯，所述数字视频处理系统只对车辆进行抓拍，进行车牌识别后通过5G模块传输至主控模块进行车流量的记录，如检测出远光灯，所述数字视频处理系统将对抓拍照片进行车辆图像分析；
步骤3：所述数字视频处理系统对车辆图像分析，检测图像中车辆是否开启远光灯，并将结果通过5G模块传输至主控模块进行车流量的记录或传输至所述远光灯预警提示系统；
步骤4：所述远光灯预警提示系统接受到使用远光灯车辆车牌信息，将会在距离检测远光灯设备旁边的路边LED显示器上显示提醒，交警部门也会对违规使用远光灯的车辆进行处罚。
3.根据权利要求2所述的一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：所述路边LED显示器一般安装在所述检测远光灯设备旁边200-500米之间，所述显示器上的显示内容为“某某车牌请关闭远光灯”字样。
4.根据权利要求1所述的一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：所述数字视频处理系统对车牌信息进行识别步骤包括
步骤1：对视频中过往车辆进行抓拍，当车辆到达指定区域后，视频会对车辆进行照片提取；
步骤2：采用视觉显著性算法从车辆图像中提取候选车牌区域；
步骤3：采用基于投影的车牌字符检测方法，将图片灰度化，提取图片的特征值然后根据特征值进行水平分割，把图片中的字符分割出来；
步骤4：采用向量机分类器对车牌字符进行识别，对车牌字符进行识别后，将识别到的信息进行输出。
5.根据权利要求4所述的一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：所述步骤2中候选车牌图形提取方式包括提取车辆图像I的亮度特征、颜色特征和方向特征，其计算公式为：
Figure FDA0003624034380000031
颜色特征提取：分别从r、g、b通道采用亮度I进行归一化后，从这些颜色通道中产生R、G、B、Y四个颜色；
方向特征提取：对方向是0°、90°的车牌图像采用Gabor滤波器对亮度特征进行滤波，得到方向特征O(θ)，θ∈{0°，90°}；
显著图的每个位置采用一个向量表示，通过向量的空间分布表示图像中局部区域的醒目程度，用以指引注意位置的选择，在前一步中，已经获得了颜色、亮度和方向的单一特征，然后，由各类特征分别构造高斯金字塔，并且根据公式在中心－边缘操作之后获得特征的显著图，其计算方式如,
Figure FDA0003624034380000041
其中c，s表示高斯金字塔不同层图，小尺度图包含更多中心局部信息，用C表示；大尺度图包含更多背景信息，表示周围图像，用S表示,通过高斯金字塔的跨尺度处理，特征被结合成3类特征显著图，I表示灰度，C表示颜色，O表示方向,特征显著图经过归一化后，作为视觉显著性图的输入三类特征显著图线性组合形成视觉显著图，由S表示。
6.根据权利要求5所述的一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：所述提取车牌蓝色和黄色的颜色特征计算公式为：
Figure FDA0003624034380000042
7.根据权利要求5所述的一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：所述车辆视觉显著图为：S＝0.65*C+0.2*O+0.15*I。
8.根据权利要求7所述的一种基于5G传输的机器视觉车辆远光灯检测预警系统，其特征在于：所述车辆视觉显著图中有多个显著度相同的显著点位置时，将采用格式塔(Gestalt)原理中的“相近性法则”(Proximity)调转到离上一次注意焦点最近的显著点位置，视觉显著性图中向量最大值的位置就是最显著的中心位置，即为车牌的位置，或与车牌特征非常相似的车上招牌的位置，或其他有显著特征的位置，为注意机制的焦点，将候选车牌区域在车辆图形中定位并提取出来。
CN202010926336.6A 2020-09-07 2020-09-07 一种基于5g传输的机器视觉车辆远光灯检测预警系统 Active CN112071079B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010926336.6A CN112071079B (zh) 2020-09-07 2020-09-07 一种基于5g传输的机器视觉车辆远光灯检测预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010926336.6A CN112071079B (zh) 2020-09-07 2020-09-07 一种基于5g传输的机器视觉车辆远光灯检测预警系统

Publications (2)

Publication Number Publication Date
CN112071079A CN112071079A (zh) 2020-12-11
CN112071079B true CN112071079B (zh) 2022-06-07

Family

ID=73662756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010926336.6A Active CN112071079B (zh) 2020-09-07 2020-09-07 一种基于5g传输的机器视觉车辆远光灯检测预警系统

Country Status (1)

Country Link
CN (1) CN112071079B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116946006B (zh) * 2023-09-21 2024-01-09 华域视觉科技(上海)有限公司 一种矩阵式车灯的控制方法和车辆

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164685A (zh) * 2011-12-09 2013-06-19 株式会社理光 车灯检测方法和车灯检测设备
CN103914701A (zh) * 2014-03-20 2014-07-09 燕山大学 一种基于图像的夜间车辆检测方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000100233A (ja) * 1998-09-25 2000-04-07 Ichikoh Ind Ltd 前照灯
DE102009025545A1 (de) * 2009-06-15 2010-12-16 Hella Kgaa Hueck & Co. Verfahren und Vorrichtung zum Erkennen von Bremslichtsystemen
CN201607321U (zh) * 2009-11-20 2010-10-13 天津圣纳科技有限公司 智能双灯同检在线检测分析系统
CN102298845B (zh) * 2011-08-29 2014-04-16 安徽超远信息技术有限公司 一种远光灯视频检测方法及系统
CN107563265B (zh) * 2016-06-30 2021-08-17 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
CN108171990A (zh) * 2018-02-02 2018-06-15 李彦霖 一种新能源智能道路车辆管理系统
CN108229447B (zh) * 2018-02-11 2021-06-11 陕西联森电子科技有限公司 一种基于视频流的远光灯检测方法
CN108919256B (zh) * 2018-07-24 2021-03-26 河北德冠隆电子科技有限公司 四维实景交通仿真车辆超速全程跟踪检测报警系统及方法
CN110823533B (zh) * 2019-09-10 2021-07-09 金华东贤科技有限公司 一种不规范灯光检测系统及其检测方法
CN110733408A (zh) * 2019-10-17 2020-01-31 杭州奥腾电子股份有限公司 一种基于视觉的智能远光灯算法
CN210777141U (zh) * 2019-12-30 2020-06-16 苏州博宇鑫交通科技有限公司 违规远光灯抓拍系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164685A (zh) * 2011-12-09 2013-06-19 株式会社理光 车灯检测方法和车灯检测设备
CN103914701A (zh) * 2014-03-20 2014-07-09 燕山大学 一种基于图像的夜间车辆检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于车灯特征的夜间车辆检测方法;李慧;《电子测量技》;20200731;89-95 *

Also Published As

Publication number Publication date
CN112071079A (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
CN101937508B (zh) 一种基于高清图像的车牌定位与识别方法
CN110619279B (zh) 一种基于跟踪的路面交通标志实例分割方法
CN103824081B (zh) 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法
CN107016362B (zh) 基于车辆前挡风玻璃粘贴标志的车辆重识别方法和系统
Yousef et al. SIFT based automatic number plate recognition
CN104392205A (zh) 一种非正常车牌的识别方法和系统
CN104766042A (zh) 交通标志板识别方法及装置
Le et al. Real time traffic sign detection using color and shape-based features
CN103226696B (zh) 车牌的识别系统及方法
CN110879950A (zh) 多级目标分类及交通标志检测方法和装置、设备、介质
CN102819728A (zh) 一种基于分类模板匹配的交通标志检测方法
CN108090459B (zh) 一种适用于车载视觉系统的交通标志检测识别方法
Swathi et al. Automatic traffic sign detection and recognition: A review
CN110991221B (zh) 一种基于深度学习的动态交通闯红灯识别方法
CN103500341A (zh) 一种用于道路标识牌的识别装置
CN107133563A (zh) 一种基于公安领域的视频分析系统及方法
CN103544480A (zh) 车辆颜色识别方法
CN108446668A (zh) 基于无人驾驶平台的交通信号灯检测识别方法及系统
Zhong et al. Learning to tell brake lights with convolutional features
CN111832388B (zh) 一种车辆行驶中交通标志检测与识别方法及系统
Sallah et al. Road sign detection and recognition system for real-time embedded applications
CN112071079B (zh) 一种基于5g传输的机器视觉车辆远光灯检测预警系统
CN105512662A (zh) 一种无牌车辆检测方法及装置
Chowdhury et al. An adaptive technique for computer vision based vehicles license plate detection system
CN106803064B (zh) 一种交通灯快速识别方法

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