CN113139409A - 车辆识别方法、装置、设备及存储介质 - Google Patents
车辆识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113139409A CN113139409A CN202010066742.XA CN202010066742A CN113139409A CN 113139409 A CN113139409 A CN 113139409A CN 202010066742 A CN202010066742 A CN 202010066742A CN 113139409 A CN113139409 A CN 113139409A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- area
- color identification
- candidate
- sub
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例中公开了一种车辆识别方法、装置、设备及存储介质。所述方法包括:确定待识别车辆图像中的候选车色识别区域;依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。采用本申请的方案,可对候选车色识别区域中由于逆光环境或夜间环境所造成凸显失真的车色识别干扰部分进行剔除,尽可能只保留不受光照条件影响的车色识别有效部分,进而可以采用剩余的区域进行车色识别操作,实现在全天候使用环境下仍可对待识别车辆的车色进行准确识别。
Description
技术领域
本发明实施例涉及监控技术领域,尤其涉及一种车辆识别方法、装置、设备及存储介质。
背景技术
目前,在城市道路交通、高速路交费、治安卡口、停车场等各个领域及不同地区进行车辆识别时,不仅需要识别车辆的车牌,而且还需要识别车辆的车身颜色、车型和车标等。但是,在实际应用中,受到光照和天气的影响,同一车身颜色的车辆在强光阴影或反光、光线相对昏暗、夜间外界光照条件差等场景下的成像颜色效果不尽相同,导致无法准确识别出车辆的颜色。
发明内容
本发明实施例中提供了一种车辆识别方法、装置、设备及存储介质,以实现在有限计算资源下对全天候环境中的车辆进行车身颜色的准确识别。
第一方面,本发明实施例中提供了一种车辆识别方法,包括:
确定待识别车辆图像中的候选车色识别区域;
依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;
依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。
第二方面,本发明实施例中还提供了一种车辆识别装置,包括:
候选区域确定模块,用于确定待识别车辆图像中的候选车色识别区域;
目标区域确定模块,用于依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;
车辆车色识别模块,用于依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。
第三方面,本发明实施例中还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中提供任意所述的车辆识别方法。
第四方面,本发明实施例中还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本发明实施例中提供任意所述的车辆识别方法。
本发明实施例中提供了一种车辆识别方法,可采集包括待识别车辆的待识别车辆图像,并确定待识别车辆图像中的候选车色识别区域,然后依据候选车色识别区域的亮度信息对候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域,再依据目标车色识别区域的色度信息来确定待识别车辆的车色。采用本申请的方案,不需要对待识别车辆图像中的整个待识别车辆区域进行分析,仅需要确定其中包括的用于进行车色识别的一部分区域,这样一来不需要耗费大量的计算资源,就可进行后续的车色识别,从而实现在有限计算资源下进行车色识别。同时,本申请方案还可对候选车色识别区域中由于逆光环境或夜间环境所造成凸显失真的车色识别干扰部分进行剔除,尽可能只保留不受光照条件影响的车色识别有效部分,进而可以采用剩余的区域进行车色识别操作,实现在全天候使用环境下仍可对待识别车辆的车色进行准确识别。
上述发明内容仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例中提供的一种车辆识别方法的流程图;
图2是本发明实施例中提供的一种包括待识别车辆的图像示意图;
图3是本发明实施例中提供的另一种车辆识别方法的流程图;
图4是本发明实施例中提供的另一种包括待识别车辆的图像示意图;
图5是本发明实施例中提供的又一种包括待识别车辆的图像示意图;
图6是本发明实施例中提供的又一种车辆识别方法的流程图;
图7是本发明实施例中提供的一种不同亮度区间下子区域的占比示意图;
图8a是本发明实施例中提供的一种候选车色识别区域的区域示意图;
图8b是本发明实施例中提供的一种对候选车色识别区域中车色识别干扰部分进行剔除后的区域示意图;
图8c是本发明实施例中提供的另一种对候选车色识别区域中车色识别干扰部分进行剔除后的区域示意图;
图9是本发明实施例中提供的一种车辆识别装置的结构框图;
图10是本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
为了更好地理解本申请的技术方案,这里分析实际场景中的相关内容,以更好地发现其中车辆识别缺陷。一般情况下,可在一些固定位置,例如停车场的出入口等,部署道闸控制系统,由出入口抓拍设备检测识别车辆,来自动计算收费和控制抬杆。随着识别技术的日趋完善,道闸控制系统已不仅仅满足于车辆检测和车牌识别,车辆特征的识别也变得不可或缺,尤其是车身颜色、车型和车标的识别,也变得日益重要。但是,在实际应用中,受到光照和天气的影响,同一车身颜色的车辆在强光阴影或反光、光线相对昏暗、夜间外界光照条件差等场景下的成像颜色效果不相同,导致无法准确识别出车色,尤其是在算力资源有限的情况下准确识别车辆的车身颜色,更是难上加难。因此,结合上述对车辆识别的缺陷分析,下面通过以下实施例及各实施例的可选技术方案对本实施例的车辆识别方法、装置、设备及存储介质进行详细阐述。
图1是本发明实施例中提供的一种车辆识别方法的流程图。本发明实施例可适用于对采集画面中的车辆进行识别的情况,尤其是对采集画面下采集的车辆进行车辆颜色识别的情形。该方法可由车辆识别装置执行,该装置可采用软件和/或硬件的方式实现,并集成在具有网络通信功能的电子设备上。例如,该电子设备包括但不限于电子拍摄设备、电子摄像头设备等。如图1所示,本发明实施例中提供的车辆识别方法,包括以下步骤:
S110、确定待识别车辆图像中的候选车色识别区域。
在本实施例中,可在固定位置设置固定朝向的图像采集设备,通过图像采集设备可采集进入采集画面中的车辆的图像,这样就可将采集得到图像中包括的车辆作为待识别车辆。可选地,上述固定位置可为停车场入口或者出口的一侧位置,可为道路一侧的位置,也可为任何需要进行车辆识别的区域的入口或出口的一侧位置。可选地,上述图像采集设备可以为本实施例中的电子拍摄设备、电子摄像头设备等。
在本实施例中,图2是本发明实施例中提供的一种包括待识别车辆的图像示意图。参见图2,可从待识别车辆图像中确定候选车色识别区域,在候选车色识别区域中包括用于识别待识别车辆的车身颜色的特征信息,例如,位于待识别车辆前端的引擎盖部分的颜色通常是单一颜色,其车色比较统一,因此可将待识别车辆的引擎盖及其附近区域部分作为用于识别待识别车辆的车身颜色的特征信息所在区域,即作为候选车色识别区域的一部分。
在一个可选示例中,考虑到待识别车辆前端的引擎盖部分,通常位于待识别车辆的车牌上方,因此可从包括待识别车辆的待识别车辆图像中,确定待识别车辆的车牌在待识别车辆图像中的位置,进而可依据车牌的位置从待识别车辆图像中的车牌上方确定预设尺寸的区域,并将该预设尺寸的区域作为候选车色识别区域,这样候选车色识别区域中通常会包括待识别车辆的引擎盖部位。
S120、依据候选车色识别区域的亮度信息,对候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域。
在本实施例中,参见图2,通常待识别车辆的引擎盖部分以及引擎盖附近部分是非平整平面。在光线良好且无反光的环境下,引擎盖部分以及引擎盖附近部分的反光非常弱,在此环境下,一般不会影响待识别车辆的引擎盖部分以及引擎盖附近部分的车色成像。在上述情况下,可直接使用候选车色识别区域来确定待识别车辆的车色。
然而,在逆光环境下,待识别车辆的引擎盖部分以及引擎盖附近部分的反光存在散射情况,以及,在夜间环境下,待识别车辆的引擎盖部分以及引擎盖附近部分的反光还会造成亮度差异,因此影响待识别车辆的引擎盖部分以及引擎盖附近部分的车色成像,导致待识别车辆的部分车色图像产生失真。在上述情况下,如果直接使用候选车色识别区域来确定待识别车辆的车色,其中存在失真部分车色图像区域属于车色识别干扰部分,会影响车辆车色的识别。
基于上述分析,可先确定候选车色识别区域的亮度信息,即得到候选车色识别区域的各个像素的亮度信息,然后依据各个像素的亮度信息来对候选车色识别区域中车色识别干扰部分进行剔除,保留车色识别有效部分,即可得到目标车色识别区域,这样一来候选车色识别区域中包括的由于在逆光环境或者夜间环境下采集图像所造成的车色识别干扰部分,基本可被剔除,将在逆光环境或者夜间环境下采集图像过程中未产生影响的车色识别有效部分进行了保留。
S130、依据目标车色识别区域的色度信息,确定待识别车辆的车色。
在本实施例中,待识别车辆图像采用YUV方式进行颜色编码,Y分量数据可用于确认明亮度信息,U分量数据与V分量数据可用于确认色度信息。对于待识别车辆图像中的每一个像素,可采用Y分量数据确定其亮度,采用U分量数据与V分量数据确定其色度。可见,在确定目标车色区域后,可确定目标车色识别区域中各个像素的色度,然后依据目标车色识别区域的色度信息,确定目标车色识别区域的色度,即可得到待识别车辆的车色。
本发明实施例中提供了一种车辆识别方法,采用本申请的方案,不需要对待识别车辆图像中的整个待识别车辆区域进行分析,仅需要确定其中包括的用于进行车色识别的一部分区域,这样一来不需要耗费大量的计算资源,就可进行后续的车色识别,从而实现在有限计算资源下进行车色识别。同时,本申请方案还可对候选车色识别区域中由于逆光环境或夜间环境所造成凸显失真的车色识别干扰部分进行剔除,尽可能只保留不受光照条件影响的车色识别有效部分,进而可以采用剩余的区域进行车色识别操作,实现在全天候使用环境下仍可对待识别车辆的车色进行准确识别。
图3是本发明实施例中提供的另一种车辆识别方法的流程图,本发明实施例在上述实施例的基础上对前述实施例中S110的步骤进行进一步优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图3所示,本申请实施例中提供的车辆识别方法,包括以下步骤:
S310、确定待识别车辆图像中车牌位置,并依据待识别车辆图像中车牌位置,确定待识别车辆图像中的初始车色识别区域。
在本实施例中,可依据车牌定位算法从待识别车辆图像中,确定待识别车辆的车牌,并确定待识别车辆的车牌在待识别车辆图像中的位置。由于待识别车辆的引擎盖部分以及引擎盖附近部分是设置在车牌的正上方,因此在确定待识别车辆的车牌在待识别车辆图像中的位置后,可从待识别车辆图像中车牌正上方选定预设尺寸的区域,作为待识别车辆图像中的初始车色识别区域。
S320、确定待识别车辆图像中待识别车辆的车身倾斜度,并依据车身倾斜度对初始车色识别区域的位置进行调整,得到候选车色识别区域。
在本实施例中,初始车色识别区域中通常会包括用于表征车辆的车身颜色的特征信息,但是由于对待识别车辆的图像采集方向有所差异,即待识别车辆的车身相对于对待识别车辆的采集方向发生了倾斜,从而会导致初始车色识别区域中包括的用于识别车色的有用信息的占比有一定差异。例如,图4是本发明实施例中提供的另一种包括待识别车辆的图像示意图,由于图4示出的待识别车辆图像不是从待识别车辆的正向进行采集,而是从待识别车辆的侧向进行采集,因此在待识别车辆的车牌正上方选取预设尺寸区域时,选取的预设尺寸区域中不仅包括待识别车辆的引擎盖部分,而且还包括较多的非车体区域,即包括除待识别车辆外的周围环境部分。可见,当待识别车辆的车身倾斜时,确定的初始车色识别区域中包括了较多的非车体区域。
在本实施例中,当待识别车辆的车身未发生倾斜时,即在沿着待识别车辆的前端进行正向采集图像时(类似图2示出的正向采集),采集的待识别车辆图像中引擎盖部分及引擎盖附近部分,位于车牌的正上方,因此依据车牌位置确定的初始车色识别区域几乎不包括非车体区域。但是,当待识别车辆的车身发生倾斜时,即未沿着待识别车辆的前端进行正向采集图像时(类似图4示出的侧向采集),采集的待识别车辆图像中引擎盖部分及引擎盖附近部分,并不是位于车牌的正上方,而是相对于车牌发生一定偏移,因此依据车牌位置确定的初始车色识别区域会包括较多非车体区域。
由上述可知,当采集得到的待识别车辆图像中包括的待识别车辆的车身相对待识别车辆图像的采集方向发生倾斜时,会导致依据车牌位置确定的初始车色识别区域的位置,相对实际需求的尽可能只包括引擎盖部分以及引擎盖附近部分的区域的位置,也发生区域位置的偏移,进而造成得到初始车色识别区域中包括了较多的非车体区域。其中,车身倾斜度是待识别车辆的相对采集待识别车辆图像的图像采集设备的倾斜度。
在本实施例中,待识别车辆图像中待识别车辆的车身倾斜度,与待识别车辆图像中待识别车辆的引擎盖部分相对车牌位置的偏移成比例关系。为此,在确定依据车牌位置确定初始车色识别区域后,可确定待识别车辆图像中待识别车辆的车身倾斜度,以便依据车身倾斜度确定如何对初始车色识别区域的位置进行调整。例如,图5是本发明实施例中提供的又一种包括待识别车辆的图像示意图,在对图4中示出的初始车色识别区域的位置进行调整后,可以得到图5示出的候选车色识别区域,从而使在对初始车色识别区域进行位置调整后得到的候选车色识别区域中尽可能不包括非车体区域部分,减弱了车色识别区域中包括的车色干扰部分的占比。
在本实施例的一种可选方式中,确定待识别车辆图像中待识别车辆的车身倾斜度,可包括以下步骤A1-A2:
步骤A1、确定待识别车辆图像中车牌轮廓的最小外接矩形区域;其中,待识别车辆图像为矩形的图像,且最小外接矩形区域的横向边与待识别车辆图像的横向边平行。
在本实施方式中,参照国家标准,针对机动车的车牌外廓尺寸的定义:大型车的车牌和小型车的车牌尺寸均为440mm*140mm。由此可知,在待识别车辆摆正行驶过程中所抓拍的待识别车辆图像中车牌的长宽比为:但是在待识别车辆车身发生倾斜时,待识别车辆没有摆正行驶,而是侧向行驶,此时抓拍的待识别车辆图像中车牌发生了形变,其长宽比并不是3.14。为此,可确定待识别车辆图像中待识别车辆的车牌形变,来确定待识别车辆图像中待识别车辆的车身倾斜度。
在本实施方式中,待识别车辆图像为矩形的图像。在确定待识别车辆图像中待识别车辆的车牌形变时,可提取待识别车辆图像中的车牌轮廓,并确定车牌轮廓的最小外接矩形区域,且使最小外接矩形区域的横向边与待识别车辆图像的横向边平行。其中,最小外接矩形区域是指在针对待识别车辆的抓拍图像中以能包含车牌全部轮廓的最小矩形框区域。
步骤A2、依据最小外接矩形区域的尺寸和车牌的标准尺寸,确定车身倾斜度;其中,车身倾斜度是待识别车辆的相对采集待识别车辆图像的图像采集设备的倾斜度。
在本实施方式中,在对安装有车牌尺寸为440mm*140mm的车牌的车辆进行图像采集后,所得到的采集图像中车牌的尺寸为车牌的标准尺寸。在确定待识别车辆图像中车牌轮廓的最小外接矩形区域后,可确定最小外接矩形区域的尺寸和获取车牌的标准尺寸,进而依据最小外接矩形区域的尺寸和车牌的标准尺寸来推算车身倾斜度。
在本实施方式中,依据最小外接矩形区域的尺寸和车牌的标准尺寸,确定车身倾斜度,具体可为:将最小外接矩形区域的横向边尺寸与纵向边尺寸之间的比值,作为第一比值;将车牌的标准长度与标准宽度之间的比值,作为第二比值;第二比值用于表征由图像采集设备正向采集所述待识别车辆得到图像中的车牌长宽比;依据第一比值和第二比值,确定车身倾斜度。
在一个可选示例中,在确定待识别车辆图像中待识别车辆的车牌轮廓的最小外接矩形区域的尺寸后,可采用以下调整公式:对初始车色识别区域的位置进行调整,得到调整后的初始车色识别区域的位置,进而依据调整后的初始车色识别区域的位置得到候选车色识别区域。其中,±取决于待识别车辆的车牌的倾斜角度;α表示一个常数取值,其可依据用于采集待识别车辆图像的采集设备的工程参数而定,如安装高度,抓拍距离;K表示待识别车辆图像中待识别车辆的车牌轮廓的最小外接矩形区域的尺寸信息;K0表示在待识别车辆摆正行驶过程中所抓拍的待识别车辆图像中车牌的长宽比,例如具体可以为: 表示待识别车辆图像中待识别车辆的车身倾斜度。
S330、依据候选车色识别区域的亮度信息,对候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域。
S340、依据目标车色识别区域的色度信息,确定待识别车辆的车色。
本发明实施例中提供了一种车辆识别方法,采用本申请的方案,不需要对待识别车辆图像中的整个待识别车辆区域进行分析,仅需要确定其中包括的用于进行车色识别的一部分区域,这样一来不需要耗费大量的计算资源,就可进行后续的车色识别,从而实现在有限计算资源下进行车色识别;并且,在选取这一区域时,可以利用车身倾斜度来准确选取合适的车色识别区域,有效避免了因车身不正导致车色识别区域中包括较多的非车体区域部分的情况,提高了车色识别区域中有效部分的占比率,尽可能减少干扰部分在车色识别区域的占比,实现对车色识别区域的进一步优化。同时,本申请方案还可对候选车色识别区域中由于逆光环境或夜间环境所造成凸显失真的车色识别干扰部分进行剔除,尽可能只保留不受光照条件影响的车色识别有效部分,进而可以采用剩余的区域进行车色识别操作,实现在全天候使用环境下仍可对待识别车辆的车色进行准确识别。
图6是本发明实施例中提供的又一种车辆识别方法的流程图,本发明实施例在上述实施例的基础上对前述实施例中S120的步骤进行进一步优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图6所示,本申请实施例中提供的车辆识别方法,包括以下步骤:
S610、确定待识别车辆图像中的候选车色识别区域。
S620、对候选车色识别区域进行划分,得到至少两个子区域;不同子区域中包括的像素个数相同。
在本实施例中,可针对候选车色识别区域进行划分,每一个划分的子区域可包括一个或多个像素,当然为了保证划分的子区域统一,需要使得不同子区域中包括的像素个数是相同的。这样,就可得到至少两个子区域,为了后续计算不同亮度区间的区域占比的准确性,可以在对候选车色识别区域进行区域划分时细分到每一个像素,即将每一个像素作为一个子区域。可选的,子区域的区域形状为矩形,至少部分的子区域的像素个数相同。
S630、依据候选车色识别区域中各像素的亮度信息,确定至少两个子区域中各个子区域所属的亮度区间,得到不同亮度区间下子区域的占比。
在本实施例中,可确定候选车色识别区域中各像素的亮度信息,这样就可得到各个子区域包括的像素,进而依据子区域中的像素的亮度信息,计算该子区域的亮度信息。在此基础上,可将至少两个子区域中各个子区域的亮度信息与预先设置多个不同亮度区间的亮度信息进行匹配,确定子区域的亮度隶属于哪一个亮度区间,这样即可确定各个子区域所属的亮度区间。可选地,依据各像素的亮度信息,即子区域中各个像素的Y分量数据,计算得到像素的亮度平均值,作为该子区域的亮度信息。
在本实施例中,确定包括子区域的亮度区间,并根据每一个包括子区域的亮度区间下子区域的个数,确定每一个亮度区间下子区域在各个亮度区间下的子区域个数的总和的占比,即得到不同亮度区间下子区域的占比。例如,以车身颜色为白色的待识别车辆为例,图7是本发明实施例中提供的一种不同亮度区间下子区域的占比示意图,参见图7示出的子区域的占比情况可知,在亮度区间[35.6,42.9]下的子区域的占比,与在亮度区间[57.5,64.8]下的子区域的占比,基本一致,且占比是最多的。
S640、依据不同亮度区间下子区域的占比,对候选车色识别区域中包括车色识别干扰部分的子区域进行剔除,得到包括目标车色识别区域的子区域。
在本实施例中,考虑到在逆光环境下或者在夜间环境下,候选车色识别区域中可能存在比较多的地方存在发光,导致出现车色失真,为此需要依据不同亮度区间下子区域的占比,确定候选车色识别区域中哪些部分是由于反光造成车色失真的车色识别干扰部分,进而可将该车色识别干扰部分所在的子区域进行剔除,将保留的部分作为目标车色识别区域。
在本实施例中,可选地,如果待识别车辆图像不是在逆光环境或者夜间环境下采集的图像,候选车色识别区域中出现反光的可能性非常小,那么候选车色识别区域中各个子区域的亮度主要集中在一个亮度区间;如果待识别车辆图像是在逆光环境或者夜间环境下采集的图像,候选车色识别区域中出现反光的可能性非常大,那么候选车色识别区域中各个子区域的亮度会两极分布集中在两个亮度区间。基于上述特性,可依据不同亮度区间下子区域的占比,确定候选车色识别区域中各个子区域的分布情况,以此来从中选定包括车色识别干扰部分的子区域,以便剔除。
在本实施例的一种可选方式中,依据不同亮度区间下子区域的占比,对候选车色识别区域中包括车色识别干扰部分的子区域进行剔除,可包括步骤B1-B2:
步骤B1、依据不同亮度区间下子区域的占比,确定子区域占比最多的两个亮度区间,并作为第一亮度区间和第二亮度区间。
在本实施方式中,图8a是本发明实施例中提供的一种候选车色识别区域的区域示意图,参见图8a,依据不同亮度区间下子区域的占比,可将候选车色识别区域分割成多个车色识别部分,例如,可分割成第一车色识别部分、第二车色识别部分和第三车色识别部分,当然在实际分割时不一定分为三个部分,可以分割为更多的车色识别部分。依据不同亮度区间下子区域的占比,确定子区域占比最多的两个亮度区间。例如,结合图7示出的亮度分布,可知,第一车色识别部分和第二车色识别部分在候选车色识别区域中占比最多,这样,就可进一步确定子区域占比最多的两个亮度区间,为了便于区分,这里记为第一亮度区间和第二亮度区间。其中,包括第一车色识别部分的子区域属于第一亮度区间,包括第二车色识别部分的子区域属于第二亮度区间。
步骤B2、依据第一亮度区间与第二亮度区间之间的亮度差异信息,以及采集待识别车辆图像时光照信息,对候选车色识别区域中存在车色识别干扰部分的子区域进行剔除。
在本实施方式中,由于出现两个子区域占比最多的亮度区间,记为第一亮度区间和第二亮度区间,因此需要确定第一亮度区间与第二亮度区间之间的亮度差异。如果第一亮度区间与第二亮度区间之间的亮度差异大于预设亮度差异值,则确定可判定待识别车辆图像是在逆光环境或者夜间环境下采集,此时需要从第一亮度区间与第二亮度区间选取一个亮度区间,认为是由于反光造成的图像失真部分所属的亮度区间,这样就可将该选定的亮度区间下的子区域作为存在车色识别干扰部分的子区域。
在本实施方式中,在对第一亮度区间和第二亮度区间进行筛选时,需要确定采集待识别车辆图像时光照信息。若采集待识别车辆图像时光照信息属于日间高亮环境,则将第一亮度区间和第二亮度区间中低亮度区间下的子区域作为存在车色识别干扰部分的子区域。若采集待识别车辆图像时光照信息是属于夜间低亮环境,则将第一亮度区间和第二亮度区间中高亮度区间下的子区域作为存在车色识别干扰部分的子区域。
示例性地,图8b是本发明实施例中提供的一种对候选车色识别区域中车色识别干扰部分进行剔除后的区域示意图。如果待识别车辆图像是白天抓拍图像,高亮度区间在的子区域代表极有可能为反光区域,图像偏白,因此选择低亮度区间下的子区域作为目标车色识别区域,即将图7示出的亮度区间[57.5,64.8]下的子区域进行剔除,而将亮度区间[35.6,42.9]下的子区域保留作为目标车色识别区域。如果待识别车辆图像是黑天抓拍图像,低亮度区间在的子区域代表极有可能为黑暗环境本色而非车体颜色,因此从中选择高亮度区间下的子区域作为目标车色识别区域,即将图7示出的亮度区间[35.6,42.9]下的子区域进行剔除,而将亮度区间[57.5,64.8]下的子区域保留作为目标车色识别区域。
在本实施例中,图8c是本发明实施例中提供的另一种对候选车色识别区域中车色识别干扰部分进行剔除后的区域示意图。在图8b示出的对对候选车色识别区域中车色识别干扰部分进行剔除的基础上,子区域占比非常少的各个亮度区间下的子区域,这类子区域大概率为进气格栅、车灯等干扰区域,比如具体可为图7示出的亮度区间[21,28.3]下的子区域等。经过上述剔除过程,可将候选车色识别区域中存在车色识别干扰部分的子区域尽可能剔除,使得剩余车色识别区域中的车色更接近待识别车辆的本身车色,进而使得车色识别时使用的数据更为真实准确,后续在进行车色识别是更加准确。
S650、依据目标车色识别区域的色度信息,确定待识别车辆的车色。
本发明实施例中提供了一种车辆识别方法,采用本申请的方案,不需要对待识别车辆图像中的整个待识别车辆区域进行分析,仅需要确定其中包括的用于进行车色识别的一部分区域,这样一来在不需要耗费大量的计算资源,就可进行后续的车色识别,从而实现在有限计算资源下进行车色识别。同时,本申请方案还可对候选车色识别区域中由于逆光环境或夜间环境所造成凸显失真的车色识别干扰部分进行剔除,尽可能只保留不受光照条件影响的车色识别有效部分,进而可以采用剩余的区域进行车色识别操作,实现在全天候使用环境下仍可对待识别车辆的车色进行准确识别。
图9是本发明实施例中提供的一种车辆识别装置的结构框图。本发明实施例可适用于对采集画面中的车辆进行识别的情况,尤其是对采集画面下采集的车辆进行车辆颜色识别的情形。该装置可采用软件和/或硬件的方式实现,并集成在具有网络通信功能的电子设备上。例如,该电子设备包括但不限于电子拍摄设备、电子摄像头设备等。如图9所示,本发明实施例中提供的车辆识别装置,可包括:候选区域确定模块910、目标区域确定模块920和车辆车色识别模块930。其中:
候选区域确定模块910,用于确定待识别车辆图像中的候选车色识别区域;
目标区域确定模块920,用于依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;
车辆车色识别模块930,用于依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。
在上述实施例的基础上,可选地,候选区域确定模块910包括:
初始车色识别区域确定单元,用于依据所述待识别车辆图像中车牌位置,确定所述待识别车辆图像中的初始车色识别区域;
候选车色识别区域确定单元,用于确定所述待识别车辆图像中待识别车辆的车身倾斜度,并依据所述车身倾斜度对所述初始车色识别区域的位置进行调整,得到所述候选车色识别区域。
在上述实施例的基础上,可选地,候选车色识别区域确定单元包括:
车牌轮廓区域确定子单元,用于确定所述待识别车辆图像中车牌轮廓的最小外接矩形区域;其中,所述待识别车辆图像为矩形的图像,且所述最小外接矩形区域的横向边与所述待识别车辆图像的横向边平行;
车牌车身倾斜度确定子单元,用于依据所述最小外接矩形区域的尺寸和车牌的标准尺寸,确定所述车身倾斜度;所述车身倾斜度是所述待识别车辆的相对采集所述待识别车辆图像的图像采集设备的倾斜度。
在上述实施例的基础上,可选地,车牌车身倾斜度确定子单元包括:
将所述最小外接矩形区域的横向边尺寸与纵向边尺寸之间的比值,作为第一比值;
将车牌的标准长度与标准宽度之间的比值,作为第二比值;所述第二比值用于表征由图像采集设备正向采集所述待识别车辆得到图像中的车牌长宽比;
依据所述第一比值和所述第二比值,确定所述车身倾斜度。
在上述实施例的基础上,可选地,目标区域确定模块920包括:
候选区域划分单元,用于对所述候选车色识别区域进行划分,得到至少两个子区域;不同子区域中包括的像素个数相同;
区域占比确定单元,用于依据候选车色识别区域中各像素的亮度信息,确定所述至少两个子区域中各个子区域所属的亮度区间,得到不同亮度区间下子区域的占比;
目标区域确定单元,用于依据不同亮度区间下子区域的占比,对所述候选车色识别区域中包括车色识别干扰部分的子区域进行剔除,得到包括目标车色识别区域的子区域。
在上述实施例的基础上,可选地,目标区域确定单元包括:
依据所述不同亮度区间下子区域的占比,确定子区域占比最多的两个亮度区间,并作为第一亮度区间和第二亮度区间;
依据所述第一亮度区间与第二亮度区间之间的亮度差异信息,以及采集所述待识别车辆图像时光照信息,对所述候选车色识别区域中存在车色识别干扰部分的子区域进行剔除。
本发明实施例中所提供的车辆识别装置可执行上述本发明任意实施例中所提供的车辆识别方法,具备执行该车辆识别方法相应的功能和有益效果,详细过程参见前述实施例中车辆识别方法的相关操作。
图10是本发明实施例中提供的一种电子设备的结构示意图。如图10所示结构,本发明实施例中提供的电子设备包括:一个或多个处理器1010和存储装置1020;该电子设备中的处理器1010可以是一个或多个,图10中以一个处理器1010为例;存储装置1020用于存储一个或多个程序;所述一个或多个程序被所述一个或多个处理器1010执行,使得所述一个或多个处理器910实现如本发明实施例中任一项所述的车辆识别方法。
该电子设备还可以包括:输入装置1030和输出装置1040。
该电子设备中的处理器1010、存储装置1020、输入装置1030和输出装置1040可以通过总线或其他方式连接,图10中以通过总线连接为例。
该电子设备中的存储装置1020作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例中所提供的车辆识别方法对应的程序指令/模块。处理器1010通过运行存储在存储装置1020中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例中车辆识别方法。
存储装置1020可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储装置1020可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置1020可进一步包括相对于处理器1010远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置1030可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置1040可包括显示屏等显示设备。
并且,当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器1010执行时,程序进行如下操作:
确定待识别车辆图像中的候选车色识别区域;
依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;
依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。
当然,本领域技术人员可以理解,当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器1010执行时,程序还可以进行本发明任意实施例中所提供的车辆识别方法中的相关操作。
本发明实施例中提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时用于执行车辆识别方法,该方法包括:
确定待识别车辆图像中的候选车色识别区域;
依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;
依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。
可选的,该程序被处理器执行时还可以用于执行本发明任意实施例中所提供的车辆识别方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read Only Memory,ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于:电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、无线电频率(RadioFrequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车辆识别方法,其特征在于,包括:
确定待识别车辆图像中的候选车色识别区域;
依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;
依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。
2.根据权利要求1所述的方法,其特征在于,确定待识别车辆图像中的候选车色识别区域,包括:
依据所述待识别车辆图像中车牌位置,确定所述待识别车辆图像中的初始车色识别区域;
确定所述待识别车辆图像中待识别车辆的车身倾斜度,并依据所述车身倾斜度对所述初始车色识别区域的位置进行调整,得到所述候选车色识别区域。
3.根据权利要求2所述的方法,其特征在于,确定所述待识别车辆图像中待识别车辆的车身倾斜度,包括:
确定所述待识别车辆图像中车牌轮廓的最小外接矩形区域;其中,所述待识别车辆图像为矩形的图像,且所述最小外接矩形区域的横向边与所述待识别车辆图像的横向边平行;
依据所述最小外接矩形区域的尺寸和车牌的标准尺寸,确定所述车身倾斜度;所述车身倾斜度是所述待识别车辆的相对采集所述待识别车辆图像的图像采集设备的倾斜度。
4.根据权利要求3所述的方法,其特征在于,依据所述最小外接矩形区域的尺寸和车牌的标准尺寸,确定所述车身倾斜度,包括:
将所述最小外接矩形区域的横向边尺寸与纵向边尺寸之间的比值,作为第一比值;
将车牌的标准长度与标准宽度之间的比值,作为第二比值;所述第二比值用于表征由图像采集设备正向采集所述待识别车辆得到图像中的车牌长宽比;
依据所述第一比值和所述第二比值,确定所述车身倾斜度。
5.根据权利要求1所述的方法,其特征在于,依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域,包括:
对所述候选车色识别区域进行划分,得到至少两个子区域;不同子区域中包括的像素个数相同;
依据候选车色识别区域中各像素的亮度信息,确定所述至少两个子区域中各个子区域所属的亮度区间,得到不同亮度区间下子区域的占比;
依据不同亮度区间下子区域的占比,对所述候选车色识别区域中包括车色识别干扰部分的子区域进行剔除,得到包括目标车色识别区域的子区域。
6.根据权利要求5所述的方法,其特征在于,依据不同亮度区间下子区域的占比,对所述候选车色识别区域中包括车色识别干扰部分的子区域进行剔除,包括:
依据所述不同亮度区间下子区域的占比,确定子区域占比最多的两个亮度区间,并作为第一亮度区间和第二亮度区间;
依据所述第一亮度区间与第二亮度区间之间的亮度差异信息,以及采集所述待识别车辆图像时光照信息,对所述候选车色识别区域中存在车色识别干扰部分的子区域进行剔除。
7.一种车辆识别装置,其特征在于,包括:
候选区域确定模块,用于确定待识别车辆图像中的候选车色识别区域;
目标区域确定模块,用于依据所述候选车色识别区域的亮度信息,对所述候选车色识别区域中车色识别干扰部分进行剔除,得到目标车色识别区域;
车辆车色识别模块,用于依据所述目标车色识别区域的色度信息,确定所述待识别车辆的车色。
8.根据权利要求7所述的装置,其特征在于,目标区域确定模块包括:
候选区域划分单元,用于对所述候选车色识别区域进行划分,得到至少两个子区域;不同子区域中包括的像素个数相同;
区域占比确定单元,用于依据候选车色识别区域中各像素的亮度信息,确定所述至少两个子区域中各个子区域所属的亮度区间,得到不同亮度区间下子区域的占比;
目标区域确定单元,用于依据不同亮度区间下子区域的占比,对所述候选车色识别区域中包括车色识别干扰部分的子区域进行剔除,得到包括目标车色识别区域的子区域。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现权利要求1-6中任一所述的车辆识别方法。
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权利要求1-6中任一所述的车辆识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010066742.XA CN113139409B (zh) | 2020-01-20 | 2020-01-20 | 车辆识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010066742.XA CN113139409B (zh) | 2020-01-20 | 2020-01-20 | 车辆识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139409A true CN113139409A (zh) | 2021-07-20 |
CN113139409B CN113139409B (zh) | 2023-06-16 |
Family
ID=76809166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010066742.XA Active CN113139409B (zh) | 2020-01-20 | 2020-01-20 | 车辆识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139409B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128669A (ja) * | 2010-12-15 | 2012-07-05 | Sumitomo Electric Ind Ltd | 車色判定装置、コンピュータプログラム及び車色判定方法 |
JP2012190380A (ja) * | 2011-03-14 | 2012-10-04 | Fujitsu Ltd | 車両検出装置および車両検出方法並びに車両検出プログラム |
JP2013025583A (ja) * | 2011-07-21 | 2013-02-04 | Hitachi Ltd | 車両監視装置 |
CN103411565A (zh) * | 2013-08-29 | 2013-11-27 | 临沂大学 | 小型汽车车身倾斜度测量方法 |
CN105160691A (zh) * | 2015-08-29 | 2015-12-16 | 电子科技大学 | 基于颜色直方图的车身颜色识别方法 |
CN105608455A (zh) * | 2015-12-18 | 2016-05-25 | 浙江宇视科技有限公司 | 一种车牌倾斜校正方法及装置 |
JP2017124737A (ja) * | 2016-01-14 | 2017-07-20 | 日立オートモティブシステムズ株式会社 | 車両検出装置および配光制御装置 |
CN107480676A (zh) * | 2017-07-28 | 2017-12-15 | 浙江大华技术股份有限公司 | 一种车辆颜色识别方法、装置和电子设备 |
CN108256521A (zh) * | 2017-12-29 | 2018-07-06 | 济南中维世纪科技有限公司 | 用于车身颜色识别的有效区域定位方法 |
CN108563976A (zh) * | 2017-11-29 | 2018-09-21 | 浙江工业大学 | 一种基于车窗位置的多方向车辆颜色识别方法 |
EP3503017A1 (en) * | 2017-12-22 | 2019-06-26 | Vestel Elektronik Sanayi ve Ticaret A.S. | Method and display device |
JP2019109602A (ja) * | 2017-12-15 | 2019-07-04 | クラリオン株式会社 | 信号機認識装置 |
-
2020
- 2020-01-20 CN CN202010066742.XA patent/CN113139409B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128669A (ja) * | 2010-12-15 | 2012-07-05 | Sumitomo Electric Ind Ltd | 車色判定装置、コンピュータプログラム及び車色判定方法 |
JP2012190380A (ja) * | 2011-03-14 | 2012-10-04 | Fujitsu Ltd | 車両検出装置および車両検出方法並びに車両検出プログラム |
JP2013025583A (ja) * | 2011-07-21 | 2013-02-04 | Hitachi Ltd | 車両監視装置 |
CN103411565A (zh) * | 2013-08-29 | 2013-11-27 | 临沂大学 | 小型汽车车身倾斜度测量方法 |
CN105160691A (zh) * | 2015-08-29 | 2015-12-16 | 电子科技大学 | 基于颜色直方图的车身颜色识别方法 |
CN105608455A (zh) * | 2015-12-18 | 2016-05-25 | 浙江宇视科技有限公司 | 一种车牌倾斜校正方法及装置 |
JP2017124737A (ja) * | 2016-01-14 | 2017-07-20 | 日立オートモティブシステムズ株式会社 | 車両検出装置および配光制御装置 |
CN107480676A (zh) * | 2017-07-28 | 2017-12-15 | 浙江大华技术股份有限公司 | 一种车辆颜色识别方法、装置和电子设备 |
CN108563976A (zh) * | 2017-11-29 | 2018-09-21 | 浙江工业大学 | 一种基于车窗位置的多方向车辆颜色识别方法 |
JP2019109602A (ja) * | 2017-12-15 | 2019-07-04 | クラリオン株式会社 | 信号機認識装置 |
EP3503017A1 (en) * | 2017-12-22 | 2019-06-26 | Vestel Elektronik Sanayi ve Ticaret A.S. | Method and display device |
CN108256521A (zh) * | 2017-12-29 | 2018-07-06 | 济南中维世纪科技有限公司 | 用于车身颜色识别的有效区域定位方法 |
Non-Patent Citations (1)
Title |
---|
李小平 等: "车牌识别系统中若干问题的探讨", 《北京理工大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113139409B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9639764B2 (en) | Image recognition system for vehicle for traffic sign board recognition | |
CN107506760B (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及系统 | |
JP5892876B2 (ja) | 車載用環境認識装置 | |
KR101688695B1 (ko) | 차량번호 인식 장치 및 그 방법, 그리고 상기 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
CN111476169B (zh) | 一种基于视频帧的复杂场景路侧停车行为识别方法 | |
US20080013789A1 (en) | Apparatus and System for Recognizing Environment Surrounding Vehicle | |
JP7234538B2 (ja) | 画像処理装置、車軸数検出システム、料金設定装置、料金設定システム及びプログラム | |
CN108550258B (zh) | 车辆排队长度检测方法、装置、存储介质和电子设备 | |
WO2012066609A1 (ja) | 環境推定装置及び車両制御装置 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
CN111523368B (zh) | 信息处理装置、服务器以及交通管理系统 | |
CN104463170A (zh) | 一种卡口系统下基于多重检测的无牌车辆检测方法 | |
CN113139409B (zh) | 车辆识别方法、装置、设备及存储介质 | |
CN113994391B (zh) | 车辆通行提醒方法、装置及车载终端 | |
JP2007058282A (ja) | 画像認識処理装置 | |
CN113632450B (zh) | 摄影系统及图像处理装置 | |
JPH0954891A (ja) | 画像処理による車種判別方法と装置 | |
CN117746220B (zh) | 智能道闸真伪车牌的识别检测方法、装置、设备以及介质 | |
CN107274674B (zh) | 一种基于视频识别的停车区域管理方法、装置及系统 | |
JP2004185537A (ja) | 走行車両検知システム | |
CN113378735B (zh) | 一种道路标识线识别方法、装置、电子设备及存储介质 | |
CN114463988B (zh) | 图像获取方法、装置、电子设备及存储介质 | |
CN103909881A (zh) | 环境资讯侦测系统及环境资讯侦测方法 | |
US20240127604A1 (en) | Road surface information collecting device, road surface deterioration detecting system, and road surface information collecting method |
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 |