CN113191248B - 基于视频联动与智能物联网的车辆偏离路线检测系统 - Google Patents

基于视频联动与智能物联网的车辆偏离路线检测系统 Download PDF

Info

Publication number
CN113191248B
CN113191248B CN202110463366.2A CN202110463366A CN113191248B CN 113191248 B CN113191248 B CN 113191248B CN 202110463366 A CN202110463366 A CN 202110463366A CN 113191248 B CN113191248 B CN 113191248B
Authority
CN
China
Prior art keywords
vehicle
brightness
image
edge
lighting
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
CN202110463366.2A
Other languages
English (en)
Other versions
CN113191248A (zh
Inventor
徐乙馨
徐致远
沈昀
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.)
Guoneng Smart Technology Development Jiangsu Co ltd
Original Assignee
Guoneng Smart Technology Development Jiangsu 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 Guoneng Smart Technology Development Jiangsu Co ltd filed Critical Guoneng Smart Technology Development Jiangsu Co ltd
Priority to CN202110463366.2A priority Critical patent/CN113191248B/zh
Publication of CN113191248A publication Critical patent/CN113191248A/zh
Application granted granted Critical
Publication of CN113191248B publication Critical patent/CN113191248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • 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

本发明涉及人工智能技术领域，具体涉及一种基于视频联动与智能物联网的车辆偏离路线检测系统。该系统通过图像采集模块获得雾天路口图像中道路区域的车辆灯照图像。运输车辆判断模块在车辆灯照图像中通过色调和亮度判断运输车辆灯照图像。第一灯照边缘获取模块通过边缘检测处理运输车辆灯照图像获得运输车辆的第一灯照边缘。灯照范围分割模块将第一灯照边缘平滑缩放，获得灯照范围。行驶方向获取模块通过灯照范围的中心分割线的斜率变化、两侧建筑物亮度变化和灯照范围缺失变化判断运输车辆的行驶方向。车辆偏移检测模块利用行驶时间判断车辆信息，对路线偏移车辆及时做出提醒。本发明在雾天下能够准确识别偏移路线的车辆并进行提醒警示。

Description

基于视频联动与智能物联网的车辆偏离路线检测系统
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于视频联动与智能物联网的车辆偏离路线检测系统。
背景技术
在智慧工厂中，车辆路径偏移检测方法大部分利用整合平台将多个运行的车载系统的实时位置整合在同一地图上，通过车辆实时定位信息更新运输车辆的实际路线，并与设定运行路径进行比对以检测偏离运输路线。当定位装置出现异常，或者因为环境影响导致定位信号不准确时，则需要根据各个路口的视频监控设备对运输车辆进行监控，获取运输车辆的运动状态。
但是在恶劣天气，如雾天天气下，视频监控设备获得的路口图像难以获得车辆身份信息及车辆运动状态，无法判断出运输车辆的路径情况，导致运输车辆偏移路线做不到及时的提醒，降低了工作效率。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于视频联动与智能物联网的车辆偏离路线检测系统，所采用的技术方案具体如下：
本发明提出了一种基于视频联动与智能物联网的车辆偏离路线检测系统，所述系统包括：
图像采集模块，用于获得大雾天气下的连续多帧路口图像；获得所述路口图像中的道路区域；当所述道路区域出现亮度异常区域时，以所述亮度异常区域作为车辆灯照图像；
运输车辆判断模块，用于获得所述车辆灯照图像中车灯间距和车灯距地面距离；通过所述车辆灯照图像中的色调信息、亮度信息、所述车灯间距和所述车灯距地面距离判断运输车辆，获得运输车辆灯照图像；
第一灯照边缘获取模块，用于对所述运输车辆灯照图像的灰度图像进行边缘检测获得第一感兴趣区域；根据所述运输车辆灯照图像中所述第一感兴趣区域内的色调梯度信息和亮度梯度信息获得所述运输车辆灯照图像中的第一灯照边缘；
灯照范围分割模块，用于根据所述第一灯照边缘上像素点的亮度梯度方向进行平滑细化，获得第二灯照边缘；所述第二灯照边缘根据大雾等级和光传播透射率进行缩放，获得灯照范围；
行驶方向获取模块，用于获取连续多帧的所述灯照范围的中心分割线；通过所述中心分割线斜率变化、道路两侧建筑物的亮度变化和所述灯照范围缺失变化判断所述运输车辆的行驶方向；
车辆偏移检测模块，用于根据路口间距离和规定的行驶速度获得所述运输车辆在路口间的行驶时间；结合所述行驶时间和多个路口的图像采集设备获得当所述运输车辆的所述行驶方向异常时对所述运输车辆提醒警示。
进一步地，所述图像采集模块还包括亮度异常区域检测模块；
所述亮度异常区域检测模块用于当所述亮度异常区域大于预设亮度阈值且所述亮度异常区域面积大于预设亮度面积阈值时，认为所述亮度异常区域为所述车辆灯照图像。
进一步地，所述亮度异常区域检测模块还包括亮度面积阈值变换模块；
所述亮度面积阈值变换模块用于以所述图像采集设备的焦距与路口到所述图像采集设备距离的比作为变换比例；通过所述变换比例调整所述亮度面积阈值。
进一步地，所述图像采集模块还包括亮度通道信息获取模块；
所述亮度通道信息获取模块用于获取所述路口图像亮度通道的信息；在所述亮度通道内获得所述道路区域中的所述亮度异常区域。
进一步地，所述彩色图像边缘梯度计算公式为：
Figure BDA0003037645290000021
其中，
Figure BDA0003037645290000022
为所述彩色图像边缘梯度，γ为所述大雾等级对应的雾光影响因子，α和β为权重系数，
Figure BDA0003037645290000023
为所述色调梯度信息，
Figure BDA0003037645290000024
为所述亮度梯度信息。
进一步地，所述色调梯度信息为像素点的横向色调梯度和纵向色调梯度中的最大值。
进一步地，所述灯照范围分割模块还包括边缘细化模块；
所述边缘细化模块用于构建多个细化窗口，在所述细化窗口内对第一灯照边缘进行平滑处理，直至所述细化窗口内像素点的所述亮度梯度方向变化最小；当相邻所述细化窗口的所诉亮度梯度方向差值大于相邻所述细化窗口之间的最小所述亮度梯度方向时，将所述亮度梯度方向较大的所述细化窗口继续进行平滑；反之则将相邻所述细化窗口合并；所有所述细化窗口都合并结束后完成平滑细化。
进一步地，所述灯照范围分割模块还包括第二灯照边缘缩放模块；
所述第二灯照边缘缩放模块用于通过缩放模型对所述第二灯照边缘进行缩放，获得灯照范围；所述缩放模型为：
Figure BDA0003037645290000025
其中，w′为缩放后的所述灯照范围；σ为所述光传播透射率，γ为所述大雾等级对应的雾光影响因子，w为所述灯照边缘，
Figure BDA0003037645290000031
为调整参数。
进一步地，所述运输车辆判断模块通过判断模型获得判断指标；当所述判断指标在预设的指标范围内获得所述运输车辆灯照图像；所述判断模型为：
Figure BDA0003037645290000032
其中，Q为所述判断指标，H为所述色调信息，I为所述亮度信息，h为所述车灯距地面距离，d为所述车灯间距。
本发明具有如下有益效果：
1.本发明实施例中，在大雾天气中对运输车辆的灯照范围进行分割细化，获得真实的灯照范围。通过真实的灯照范围对车辆的行驶方向进行识别判断，避免了因为雾气对灯照区域的影响，有效的判断出运输车辆的行驶状态。
2.本发明实施例中，通过车辆的车灯色调信息、亮度信息、车灯间距和车灯距地面距离判断当前路口中的车辆类别，准确区分其他车辆和运输车辆，并通过多个路口的视频联动实现对路线偏移的运输车辆的警示。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于视频联动与智能物联网的车辆偏离路线检测系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于视频联动与智能物联网的车辆偏离路线检测系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于视频联动与智能物联网的车辆偏离路线检测系统框图，该系统包括:图像采集模块101，运输车辆判断模块102、第一灯照边缘获取模块103、灯照范围分割模块104、行驶方向获取模块105和车辆偏移检测模块106。
本发明实施例应用环境为：大雾天气下的大型智慧工厂，因为环境和建筑物影响导致运输车辆上的定位装置不能及时反应运输车辆的运动路线，因此需要通过各个路口设置的视频监控设备对车辆图像进行采集分析，获得运输车辆的具体运动信息。
图像采集模块101获得路口图像。在本发明实施例中，工厂路口的图像采集设备采用广角高清监控探头，获得的路口图像信息更丰富。图像采集模块101根据经验将路口图像中的道路区域划分出来。当道路区域出现亮度异常区域时，认为当前有车辆驶入，以亮度异常区域作为车辆灯照图像。
优选的，图像采集模块101还包括亮度异常区域检测模块。亮度异常区域检测模块用于当亮度异常区域大于预设亮度阈值且亮度异常区域面积大于预设亮度面积阈值时，认为亮度异常区域为车辆灯照图像。
亮度异常区域检测模块还包括亮度面积阈值变换模块。因为图像尺度问题和成像问题，图像中的异常区域面积与实际面积之间存在变换关系，因此亮度面积阈值变换模块以图像采集设备的焦距与路口到图像采集设备的距离的比作为变换比例。通过变换比例调整亮度面积阈值。用公式表示为：
Figure BDA0003037645290000041
其中，Sy为调整后的亮度面积阈值，fx为图像采集设备的焦距，L为路口到图像采集设备的距离，Sy0为初始设置的亮度面积阈值。
优选的，为了得到更丰富的图像特征，图像采集模块101还包括亮度通道信息获取模块。亮度通道信息获取模块用于获取路口图像的亮度通道的信息。在亮度通道内获得道路区域中的亮度异常区域。
在本发明实施例中，将路口图像转化至HSI颜色空间中。获得HSI颜色空间中各通道信息进行后续处理。具体转换算法如下：
Figure BDA0003037645290000042
Figure BDA0003037645290000051
Figure BDA0003037645290000052
Figure BDA0003037645290000053
其中，R为像素点在归一化后的R通道上的通道分量，G为像素点在归一化后的G通道上的通道分量，B为像素点在归一化后的B通道上的通道分量，H为像素点在HSI颜色空间内的色调分量，S为像素点在HSI颜色空间内的饱和度分量，I为像素点在HSI颜色空间内的亮度分量，θ′为像素点在HSI颜色空间内的角度。
因为车辆灯照图像中可能会包含运输车辆的灯照信息和其他车辆的灯照信息，且运输车辆与其他车辆的高度不同且车灯间距不同。因此运输车辆判断模块102通过车辆灯照图像中的色调信息、亮度信息、车灯间距和车灯距地面距离判断运输车辆。
优选的，运输车辆判断模块通过判断模型获得判断指标。当判断指标在预设的指标范围内获得运输车辆灯照图像。判断模型为：
Figure BDA0003037645290000054
其中，Q为判断指标，H为色调信息，I为亮度信息，h为车灯距地面距离，d为车灯间距。
需要说明的是，通过判断模型获得判断指标后，需要将判断指标归一化后在进行指标范围判断。在本发明实施例中，指标范围为[0.64,0.7]。判断出运输车辆灯照图像后，将其他车辆的灯照图像删除，在后续检测过程中只针对运输车辆灯照图像。
第一灯照边缘获取模块103用于对运输车辆灯照图像的灰度图像进行边缘检测获得第一感兴趣区域。
在本发明实施例中，采用Sobel算子进行边缘检测，且在计算边缘梯度时为了减少计算量满足：
Figure BDA0003037645290000055
其中，
Figure BDA0003037645290000056
为边缘梯度，Gx为横向梯度分量，Gy为纵向梯度分量。当边缘梯度大于200时认为该像素点为边缘点，进而获得第一感兴趣区域。
仅通过灰度梯度得不到准确的灯照范围边缘，只是因为颜色亮度不同出现了分割线。所以第一灯照边缘获取模块103将运输车辆灯照图像中对应的第一感兴趣区域中再进行边缘检测，获得第一灯照边缘。结合灰度图像和彩色图像的边缘检测提高了第一灯照边缘的精度。
优选的，第一灯照边缘获取模块103还包括彩色图像边缘梯度获取模块。彩色图像边缘梯度获取模块用于通过结合HSI颜色空间的色调梯度信息和亮度梯度信息获得彩色图像边缘梯度。以彩色图像边缘梯度获得第一灯照边缘。
优选的，彩色图像边缘梯度计算公式为：
Figure BDA0003037645290000061
其中，
Figure BDA0003037645290000062
为彩色图像边缘梯度，γ为大雾等级对应的雾光影响因子，α和β为权重系数，
Figure BDA0003037645290000063
为色调梯度信息，
Figure BDA0003037645290000064
为亮度梯度信息。
在本发明实施例中，雾光影响因子可根据雾天等级依次从列表中选取，列表为：[0.60,0.68,0.72,0.76,0.80,0.84,0.90]。
因为在图像中亮度变化是连续的，而色调变化在图像中的变化是呈区域状变化，因此色调梯度信息为像素点的横向色调梯度和纵向色调梯度之间中最大值。具体利用以下表达式表示色调梯度信息和亮度梯度信息：
Figure BDA0003037645290000065
Figure BDA0003037645290000066
其中，HX(x,y)为像素点横轴的色调梯度分量，HY(x,y)为像素点纵轴的色调梯度分量，
Figure BDA0003037645290000067
为色调梯度信息，Ix像素点横轴的亮度梯度分量，Iy为像素点纵轴的色调梯度分量，
Figure BDA0003037645290000068
为亮度梯度信息。
灯照范围分割模块104用于根据第一灯照边缘上像素点的亮度梯度方向进行平滑细化，获得第二灯照边缘。将第二灯照边缘根据大雾等级和光传播透射率进行缩放，获得灯照范围。
优选的，灯照范围分割模块104还包括边缘细化模块。因为大雾天气会导致运输车辆灯光在雾气的影响下发生漫反射等光学现象，所以第一灯照边缘是不平滑且具有凸起的边缘，需要将第一灯照边缘平滑处理后再进行后续分析。边缘细化模块用于构建多个细化窗口，在细化窗口内对第一灯照边缘进行平滑处理，直至细化窗口内像素点的亮度梯度方向变化最小，具体方法包括：
1)构建多个细化窗口，在细化窗口内搜索亮度梯度方向变化最大的点作为第一关键点，获得第一关键点曲率。在本发明实施例中，细化窗口的尺寸为9×9。
2)在细化窗口内对第一关键点曲率平滑处理，直至第一关键点与其他像素点的亮度梯度方向变化最小。
当相邻细化窗口的亮度梯度方向差值大于相邻细化窗口之间的最小亮度梯度方向时，将亮度梯度方向较大的细化窗口继续进行平滑；反之则将相邻细化窗口合并；所有细化窗口都合并结束后完成平滑细化。利用细化窗口对第一边缘进行平滑细化能够更好的捕捉边缘的轮廓细节，根据局部的边缘轮廓的亮度梯度方向信息进行逐一平滑合并，可以向内搜索最精确边缘，保留更多的灯照范围。
为了使后续行驶方向判断的更准确，还需要将第二灯照边缘再进行缩放处理。因此灯照范围分割模块104还包括第二灯照边缘缩放模块。第二灯照边缘缩放模块通过缩放模型对第二灯照边缘进行缩放，获得灯照范围。缩放模型为：
Figure BDA0003037645290000071
其中，w′为缩放后的灯照范围；σ为光传播透射率，γ为大雾等级对应的雾光影响因子，w为灯照边缘，
Figure BDA0003037645290000072
为调整参数。
在本发明实施例中，因为车灯颜色型号相同时，光强度是固定的，因此光传播透射率也为固定值，σ＝0.8；调整参数取值为0.1。
行驶方向获取模块105用于获取灯照范围的中心分割线。通过中心分割线斜率变化、两侧建筑物的亮度变化和灯照范围缺失变化判断运输车辆的行驶方向。具体包括：
1)当路口处运输车辆的中心分割线未发生明显的偏移和斜率变化时，认为当前车辆处于直行状态。
2)当中心分割线发生明显的斜率变化则证明运输车辆正在执行转弯动作，中心分割线斜率变化方向即为车辆转弯方向。在转弯过程中，运输车辆灯光会于照射在附近两侧的建筑物上，两侧的建筑物也会出现明显的亮度变化。两侧建筑物的亮度变化可在路口图像中将道路区域反向分割，留下两侧建筑物图像，通过在HSI颜色空间中的亮度通道信息判断两侧建筑物亮度变化。因为运输车辆转弯状态下灯照范围会与两侧建筑物侧面进行相交，因此在图像中，灯照范围会发生缺失，缺失的灯照范围在图像中较为明显，可以快速的判断运输车辆的转向。因此可综合中心分割线斜率变化、道路两侧建筑物的亮度变化和灯照范围缺失变化判断运输车辆转向。例如，当车辆中心分割线斜率发生变化且右侧灯照范围缺失，右侧建筑物出现相同颜色梯度的明亮区域时，判断当前运输车辆正在右转。
3)当道路过宽，灯照范围在转向过程中不能与建筑物相交，则只考虑中心分割线斜率变化和两侧建筑物亮度变化判断运输车辆转向。需要说明的是，所有车辆都是依照交通规定靠右行驶，所以根据不同道路宽度，运输车辆在左右两侧建筑物上呈现的明亮区域变化情况不同。可根据具体行驶方向确定建筑物两侧明亮区域的变化。例如，当运输车辆行驶道路为主干道时，左转情况下车灯可能不会照到左侧建筑物，此时可根据右侧建筑物的亮度变暗进行辅助判断，结合中心分割线的斜率变化和车辆转向灯的闪烁位置确定行驶方向。
因为大雾天气下，为了道路安全运输车辆行驶缓慢且基本保持匀速行驶，所以可以通过路口间距离和道路规定的行驶速度获得运输车辆在路口间的行驶时间。车辆偏移检测模块106将行驶时间和多个路口的图像采集设备获得的图像信息结合，并互相验证，当运输车辆的行驶方向异常时对运输车辆提醒警示。
在本发明实施例中，当运输车辆从工厂仓库出发时，通过仓库控制平台发出信号，路口的图像采集设备对运输车辆进行图像采集和行驶方向判断。当运输车辆发生路线偏移时，通过当前运输车辆的身份信息对司机进行提醒。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，所述系统包括：
图像采集模块，用于获得大雾天气下的连续多帧路口图像；获得所述路口图像中的道路区域；当所述道路区域出现亮度异常区域时，以所述亮度异常区域作为车辆灯照图像；
运输车辆判断模块，用于获得所述车辆灯照图像中车灯间距和车灯距地面距离；通过判断模型获得判断指标；当所述判断指标在预设的指标范围内获得所述运输车辆灯照图像；所述判断模型为：
Figure FDA0003543353950000011
其中，Q为判断指标，H为所述车辆灯照图像的色调信息，I为所述车辆灯照图像的亮度信息，h为所述车灯距地面距离，d为所述车灯间距；
第一灯照边缘获取模块，用于对所述运输车辆灯照图像的灰度图像进行边缘检测获得第一感兴趣区域；根据所述运输车辆灯照图像中所述第一感兴趣区域内的色调梯度信息和亮度梯度信息获得所述运输车辆灯照图像中的第一灯照边缘；
灯照范围分割模块，用于根据所述第一灯照边缘上像素点的亮度梯度方向进行平滑细化，获得第二灯照边缘；所述第二灯照边缘根据大雾等级和光传播透射率进行缩放，获得灯照范围；
行驶方向获取模块，用于获取连续多帧的所述灯照范围的中心分割线；通过所述中心分割线斜率变化、道路两侧建筑物的亮度变化和所述灯照范围缺失变化判断所述运输车辆的行驶方向；
车辆偏移检测模块，用于根据路口间距离和规定的行驶速度获得所述运输车辆在路口间的行驶时间；结合所述行驶时间和多个路口的图像采集设备获得当所述运输车辆的所述行驶方向异常时对所述运输车辆提醒警示。
2.根据权利要求1所述的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，所述图像采集模块还包括亮度异常区域检测模块；
所述亮度异常区域检测模块用于当所述亮度异常区域大于预设亮度阈值且所述亮度异常区域面积大于预设亮度面积阈值时，认为所述亮度异常区域为所述车辆灯照图像。
3.根据权利要求2所述的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，所述亮度异常区域检测模块还包括亮度面积阈值变换模块；
所述亮度面积阈值变换模块用于以所述图像采集设备的焦距与路口到所述图像采集设备距离的比作为变换比例；通过所述变换比例调整所述亮度面积阈值。
4.根据权利要求1所述的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，所述图像采集模块还包括亮度通道信息获取模块；
所述亮度通道信息获取模块用于获取所述路口图像亮度通道的信息；在所述亮度通道内获得所述道路区域中的所述亮度异常区域。
5.根据权利要求4所述的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，以彩色图像边缘梯度获得所述第一灯照边缘，所述彩色图像边缘梯度计算公式为：
Figure FDA0003543353950000021
其中，
Figure FDA0003543353950000022
为所述彩色图像边缘梯度，γ为所述大雾等级对应的雾光影响因子，α和β为权重系数，
Figure FDA0003543353950000023
为所述色调梯度信息，
Figure FDA0003543353950000024
为所述亮度梯度信息。
6.根据权利要求5所述的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，所述色调梯度信息为像素点的横向色调梯度和纵向色调梯度中的最大值。
7.根据权利要求1所述的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，所述灯照范围分割模块还包括边缘细化模块；
所述边缘细化模块用于构建多个细化窗口，在所述细化窗口内对第一灯照边缘进行平滑处理，直至所述细化窗口内像素点的所述亮度梯度方向变化最小；当相邻所述细化窗口的所诉亮度梯度方向差值大于相邻所述细化窗口之间的最小所述亮度梯度方向时，将所述亮度梯度方向较大的所述细化窗口继续进行平滑；反之则将相邻所述细化窗口合并；所有所述细化窗口都合并结束后完成平滑细化。
8.根据权利要求1所述的一种基于视频联动与智能物联网的车辆偏离路线检测系统，其特征在于，所述灯照范围分割模块还包括第二灯照边缘缩放模块；
所述第二灯照边缘缩放模块用于通过缩放模型对所述第二灯照边缘进行缩放，获得灯照范围；所述缩放模型为：
w′＝σγw+θ
其中，w′为缩放后的所述灯照范围；σ为所述光传播透射率，γ为所述大雾等级对应的雾光影响因子，w为所述灯照边缘，θ为调整参数。
CN202110463366.2A 2021-04-25 2021-04-25 基于视频联动与智能物联网的车辆偏离路线检测系统 Active CN113191248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110463366.2A CN113191248B (zh) 2021-04-25 2021-04-25 基于视频联动与智能物联网的车辆偏离路线检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110463366.2A CN113191248B (zh) 2021-04-25 2021-04-25 基于视频联动与智能物联网的车辆偏离路线检测系统

Publications (2)

Publication Number Publication Date
CN113191248A CN113191248A (zh) 2021-07-30
CN113191248B true CN113191248B (zh) 2022-04-26

Family

ID=76980224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110463366.2A Active CN113191248B (zh) 2021-04-25 2021-04-25 基于视频联动与智能物联网的车辆偏离路线检测系统

Country Status (1)

Country Link
CN (1) CN113191248B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115345261B (zh) * 2022-10-18 2023-02-03 永立数智(北京)科技有限公司 车辆轨迹真实性校验方法、装置及电子设备

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886755B (zh) * 2014-04-04 2018-01-30 北京易华录信息技术股份有限公司 具有闯红灯拍照功能的路口异常停车快速报警系统及方法
CN105718923B (zh) * 2016-03-07 2019-02-12 长安大学 一种基于逆投影图的夜间车辆检测与计数方法
CN105893970A (zh) * 2016-03-31 2016-08-24 杭州电子科技大学 基于亮度方差特征的夜间道路车辆检测方法
US10183619B1 (en) * 2016-05-17 2019-01-22 Avalon Biederman Vehicle child onboard visual alert device
CN106295528A (zh) * 2016-08-01 2017-01-04 长安大学 一种基于多部件空间位置关系gmm建模的车辆检测方法
CN108197523B (zh) * 2017-05-15 2021-09-14 武汉光庭科技有限公司 基于图像转换及轮廓邻域差异的夜间车辆检测方法及系统
CN107292260A (zh) * 2017-06-15 2017-10-24 武汉理工大学 基于车辆前照灯和雾灯关联配对的浓雾天车辆检测方法
US10867518B2 (en) * 2017-08-31 2020-12-15 Ubicquia Iq Llc Method and system for identifying location of a parked vehicle
CN108052921B (zh) * 2017-12-27 2020-12-04 海信集团有限公司 一种车道线检测方法、装置及终端
US11790773B2 (en) * 2019-02-25 2023-10-17 Quantifly Llc Vehicle parking data collection system and method
CN110568760B (zh) * 2019-10-08 2021-07-02 吉林大学 适用于换道及车道保持的参数化学习决策控制系统及方法
CN111783573B (zh) * 2020-06-17 2023-08-25 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、装置及设备

Also Published As

Publication number Publication date
CN113191248A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN108960183B (zh) 一种基于多传感器融合的弯道目标识别系统及方法
KR100317790B1 (ko) 도로영역 추출장치 및 그 방법
US7804980B2 (en) Environment recognition device
CN109849922B (zh) 一种用于智能车辆的基于视觉信息与gis信息融合的方法
CN108928292B (zh) 光照角度实时调整的汽车远近光灯自动切换及联网系统
CN103489324B (zh) 一种基于无人驾驶的实时动态红绿灯检测识别方法
US6459387B1 (en) Vehicle lighting apparatus
US7106886B2 (en) Road white line recognition apparatus and method
CN103080978B (zh) 对象识别装置
US9384401B2 (en) Method for fog detection
RU2571368C1 (ru) Устройство обнаружения трехмерных объектов, способ обнаружения трехмерных объектов
CN107590470B (zh) 一种车道线检测方法及装置
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
CN109190523A (zh) 一种基于视觉的车辆检测跟踪预警方法
CN105654073A (zh) 一种基于视觉检测的速度自动控制方法
CN110450706A (zh) 一种自适应远光灯控制系统及图像处理算法
CN113191248B (zh) 基于视频联动与智能物联网的车辆偏离路线检测系统
CN113553998B (zh) 基于深度学习算法下高速公路夜间车牌防炫目抓拍方法
CN108163014A (zh) 一种机车乘务员辅助瞭望预警方法及装置
CN115880674B (zh) 一种基于无人驾驶矿车的避障转向矫正方法
DE10160719B4 (de) Verfahren und Vorrichtung zur Erkennung und Wiedererkennung von sich bewegenden Objekten
CN105389993B (zh) 视觉交通信号的处理与识别方法
CN116778748A (zh) 基于深度学习的车辆转弯盲区智能预警方法
Sasaki et al. Development of ranging method for inter-vehicle distance using visible light communication and image processing
JPH10143646A (ja) 局地的位置把握装置及びその方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Vehicle Deviation Route Detection System Based on Video Linkage and Intelligent Internet of Things

Granted publication date: 20220426

Pledgee: Bank of China Limited Yixing branch

Pledgor: Guoneng smart technology development (Jiangsu) Co.,Ltd.

Registration number: Y2024980012078