CN114298987A - 一种反光条检测方法及装置 - Google Patents

Abstract

本申请提供了一种反光条检测方法及装置。本申请实施例结合车辆的红外图像中反光条的反光特性以及车辆的可见光图像中反光条的属性综合判断车辆是否安装或粘贴符合要求的反光条，这实现了符合要求的反光条的检测；进一步地，在本实施例中，通过结合车辆的红外图像以及车辆的可见光图像中反光条综合检测反光条，能够有效解决单纯依靠可见光图像识别反光条导致的问题，也能避免污损、遮挡、恶劣天气情况下反光条识别准确率较差的问题。

Description

一种反光条检测方法及装置

技术领域

本申请涉及图像处理技术，特别涉及一种反光条检测方法及装置。

背景技术

反光条，一种很常见的安全设备，粘贴在货车以及挂车等车身尾部以及侧面外表面，可以在夜间反射周围的光线，从而对路人和司机起到一定的警示作用。

为保证道路安全行为，常需要检测车辆是否按规定粘贴或安装反光条。但是，在目前一些应用场景比如恶劣天气、夜晚可见光图像成像差等场景，常会出现反光条检测不准确。

发明内容

本申请提供了一种反光条检测方法及装置，以提高反光条的检测准确性。

本申请实施例提供了一种反光条检测方法，该方法应用于图像采集设备，包括：

获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像；

识别所述可见光图像中所述目标车辆的车型，以及在所述车型为目标车型时所述目标车辆在所述可见光图像中的位置信息；所述目标车型为被指定需要安装或粘贴反光条的车型；

依据所述位置信息对所述可见光图像进行裁剪得到可见光车身区域图像，以及依据所述位置信息对所述红外图像进行裁剪得到红外车身区域图像；

根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图；以及，根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图；

依据可见光Mask图和红外Mask图检测所述目标车辆是否安装或粘贴符合要求的反光条。

本申请实施例提供一种反光条检测装置，该装置应用于图像采集设备，包括：

获得单元，用于获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像；

识别单元，用于识别所述可见光图像中所述目标车辆的车型，以及在所述车型为目标车型时所述目标车辆在所述可见光图像中的位置信息；所述目标车型为被指定需要安装或粘贴反光条的车型；

处理单元，用于依据所述位置信息对所述可见光图像进行裁剪得到可见光车身区域图像，以及依据所述位置信息对所述红外图像进行裁剪得到红外车身区域图像；以及，根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图；以及，根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图；

检测单元，用于依据可见光Mask图和红外Mask图检测所述目标车辆是否安装或粘贴符合要求的反光条

本申请实施例还提供了一种电子设备。该电子设备包括：处理器和机器可读存储介质；

所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；

所述处理器用于执行机器可执行指令，以实现上述公开的方法的步骤。

由以上技术方案可以看出，本实施例结合车辆的红外图像中反光条的反光特性以及车辆的可见光图像中反光条的属性综合判断车辆是否安装或粘贴符合要求的反光条，这实现了符合要求的反光条的检测；

进一步地，在本实施例中，通过结合车辆的红外图像以及车辆的可见光图像中反光条综合检测反光条，能够有效解决单纯依靠可见光图像识别反光条导致的问题，也能避免污损、遮挡、恶劣天气情况下反光条识别准确率较差的问题；

再进一步地，本实施例不仅检测目标车辆是否安装或粘贴反光条，同时也判断反光条的真假，能够打击车辆不按规定粘贴反光标识的违法行为。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本申请实施例提供的方法流程图；

图2为本申请实施例提供的可见光掩模Mask图实现流程图；

图3为本申请实施例提供的自适应确定灰度阈值的方法流程图；

图4为本申请实施例提供的红外Mask图实现流程图；

图5为本申请实施例提供的装置结构图；

图6为本申请实施例提供的电子设备结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。

参见图1，图1为本申请实施例提供的方法流程图。该流程可应用于图像采集设备比如抓拍相机等。可选地，在本实施例中，假如图1所示流程应用于交通卡口，则上述图像采集设备在具体实现时可为设置于交通龙门架上的抓拍相机。

如图1所示，该流程可包括以下步骤：

步骤101，获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像。

在一个例子中，假若反光条按规定应安装或者粘贴在车辆的尾部。为保证最终获得的可见光图像和红外图像中都存在反光条，则可选地，图像采集设备在检测到车辆的尾部与已部署在地面的触发线之间的距离小于或等于指定距离时，在同一时刻抓拍针对车辆的可见光图像和红外图像。此时该尾部与已部署在地面的触发线之间的距离小于或等于指定距离的车辆可称为目标车辆。即最终实现了如步骤101中的获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像

这里，触发线的设置，主要是保证最终抓拍的可见光图像和红外图像都存在有反光条。至于上述指定距离，其可根据实际需要设置，本实施例并不具体限定。

需要说明的是，为保证抓拍的目标车辆的可见光图像和红外图像清楚且不失真，本实施例中，上述图像采集设备在抓拍针对目标车辆的可见光图像和红外图像时还可以根据当前环境打开爆闪灯或者补光灯。

还需要说明的是，为保证最终的反光条检测结果精确，在执行下述步骤之前，还可事先对获得的可见光图像和红外图像进行配准，以保证同一对象在可见光图像和红外图像中的位置一致。至于如何配准，其可参考现有的配准方式，这里不一一限定。

步骤102，识别可见光图像中目标车辆的车型，以及在车型为目标车型时目标车辆在可见光图像中的位置信息。

在本实施例中，一般只有诸如挂车、货车、特种车辆等需要安装或粘贴反光条，而其他车辆比如轿车、客车等不需要安装或粘贴反光条。在此前提下，本实施例中的目标车型可为被指定需要安装或粘贴反光条的车型比如挂车、货车、特种车辆等。

可选地，在本实施例中，识别可见光图像中目标车辆的车型，以及在车型为目标车型时目标车辆在可见光图像中的位置信息可通过借助已训练的基于ssd算法的车辆定位及识别模型。具体地，可将上述可见光图像输入至已训练出的基于ssd算法的车辆定位及识别模型，得到输出结果。在一个例子中，该输出结果可为位置信息(具体是因为可见光图像中目标车辆的车型为目标车型时输出的目标车辆在可见光图像中的位置信息)。在另一个例子中，假若可见光图像中目标车辆的车型不为目标车型，则输出结果可直接为目标车辆的车型。

至于上述车辆定位及识别模型的训练，其训练方式简单概括为：搜集抓拍的车辆图片(背向抓拍)，标注车辆的位置信息以及车型信息，具体为绘制包含车身的最小矩形，保存矩形框的坐标信息即车辆的位置信息，车型信息包含轿车、客车、挂车、货车等车型，挂车、货车、特种车辆为目标车型(需粘贴反光条)。之后，利用标注的车型及车辆位置的图片制作数据集，基于数据集训练基于ssd算法的车辆定位及识别模型。最终训练出了上述基于ssd算法的车辆定位及识别模型。之后，即可基于该基于ssd算法的车辆定位及识别模型，识别可见光图像中目标车辆的车型，以及在车型为目标车型时进一步识别目标车辆在可见光图像中的位置信息。

步骤103，依据上述位置信息对可见光图像进行裁剪得到可见光车身区域图像，以及依据上述位置信息对红外图像进行裁剪得到红外车身区域图像。

最终，通过步骤103保证可见光车身区域图像、红外车身区域图像一般仅包含目标车辆的车身，消除其他不必要的区域。

步骤104，根据指定反光条属性对可见光车身区域图像进行二值化处理得到可见光掩模Mask图；以及，根据红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，依据灰度阈值对红外车身区域图像进行二值化处理得到红外Mask图。

对于反光条，其一般都有对应的要求，比如要求红白相间、限定的尺寸等，基于此，本实施例中可将这些要求设置为上述指定反光条属性。基于此，如步骤104描述，在本实施例中，结合反光条的指定反光条属性，对可见光车身区域图像进行二值化处理，以去除反光条在可见光车身区域图像中的背景，最终得到仅指示反光条区域的可见光掩模Mask图。至于如何根据指定反光条属性对可见光车身区域图像进行二值化处理得到可见光掩模Mask图，图2举例描述了其中一个具体实现，这里暂不赘述。

另外，基于反光条本身的特性，红外车身区域图像中反光条区域的亮度一般会高于车身其他区域。基于此，可选地，在本实施例中，可先根据红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，之后再依据灰度阈值对红外车身区域图像进行二值化处理，以得到指示反光条区域的红外Mask图。至于如何根据红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，以及如何依据灰度阈值对红外车身区域图像进行二值化处理，下文分别通过实施例进行了举例描述，这里不再具体限定。

步骤105，依据可见光Mask图和红外Mask图检测目标车辆是否安装或粘贴符合要求的反光条。

可选地，在本实施例中，可设定可见光Mask图和红外Mask图按照逻辑规则进行逻辑运算，根据逻辑结果来判断是否目标车辆是否安装或粘贴反光条，以及在安装或粘贴反光条时反光条的真伪。这里，目标车辆是否安装或粘贴反光条，以及在安装或粘贴反光条时反光条的真伪，统称如步骤105描述的目标车辆是否安装或粘贴符合要求的反光条。

可选地，作为一个实施例，上述逻辑规则可为进行逻辑与运算。比如，将可见光Mask图和红外Mask图进行逻辑与运算，得到逻辑结果；当逻辑结果为0时，确定目标车辆未安装或粘贴符合要求的反光条，否则，确定目标车辆安装或粘贴符合要求的反光条。

最终通过上述步骤101至步骤105实现了如何检测目标车辆是否安装或粘贴符合要求的反光条。

至此，完成图1所示流程。

通过图1所示流程可以看出，本实施例结合车辆的红外图像中反光条的反光特性以及车辆的可见光图像中反光条的属性综合判断车辆是否安装或粘贴符合要求的反光条，这实现了符合要求的反光条的检测；

进一步地，在本实施例中，通过结合车辆的红外图像以及车辆的可见光图像中反光条综合检测反光条，能够有效解决单纯依靠可见光图像识别反光条导致的问题，也能避免污损、遮挡、恶劣天气情况下反光条识别准确率较差的问题；

再进一步地，本实施例不仅检测目标车辆是否安装或粘贴反光条，同时也判断反光条的真假，能够打击车辆不按规定粘贴反光标识的违法行为。

下面对步骤104中如何根据指定反光条属性对可见光车身区域图像进行二值化处理得到可见光掩模Mask图进行描述：

参见图2，图2为本申请实施例提供的可见光掩模Mask图实现流程图。如图2所示，该流程可包括以下步骤：

步骤201，将可见光车身区域图像输入已训练的反光条检测模型，得到反光条位置信息。

简单而言，在本实施例中，反光条检测模型可通过以下方式训练，比如：首先人工标注样本图像中反光条位置，具体为绘制包含反光条的最小矩形，反光条矩形框的坐标位置即为反光条位置，之后利用标注的反光条位置的样本图像制作训练数据集，利用训练数据集训练基于ssd算法的反光条检测模型。最终训练出了反光条检测模型。

基于此，应用于本步骤201，则将可见光车身区域图像输入至上述反光条检测模型，则会得到反光条检测模型输出的反光条位置信息。需要说明的是，假若目标车辆没有安装或粘贴反光条，这里的反光条位置信息有可能是默认位置比如反光条默认被安装或粘贴的位置，或者也可能是因为误差而错误认为目标车辆安装或粘贴反光条时误认的反光条的位置信息等，本实施例并不具体限定。

步骤202，获得与可见光车身区域图像相同尺寸的初始图像，初始图像内所有像素点的灰度值初始化为0。

通过该步骤202，则可建立与原图即可见光车身区域一样大小的mask图像即上述初始图像，并将初始图像中所有像素初始化为0，最终初始图像全图成了一张全黑色图。

步骤203，对初始图像中与反光条位置信息对应的目标区域进行填充，得到第一参考图像；被填充后的目标区域中像素点的灰度值为255。

通过步骤203，可将上述mask图即初始图像中的r1区域即目标区域内的所有像素值设置为255,也就是整个r1区域即目标区域变成了白色。

步骤204，依据第一参考图像、指定反光条属性，对可见光车身区域图像进行二值化处理得到可见光Mask图。

如上描述的指定反光条属性，则可选地，在本实施例中，本步骤204可借助第一参考图像、指定反光条属性，对可见光车身区域图像进行二值化处理得到可见光Mask图，比如：先利用第一参考图像与可见光车身区域图像进行掩模处理得到第二参考图像；依据指定反光条属性对第二参考图像进行二值化处理，以使第二参考图像中满足指定反光条属性的像素点的灰度值为第一值比如255，不满足指定反光条属性的像素点的灰度值为第二值比如0，最终得到第三参考图像；之后，对第三参考图像进行连通域检测，并从第三参考图像中筛选出不符合指定条件的连通域，得到可见光Mask图。这里，指定条件只是为去除一些干扰反光条的连通域比如后车车灯导致的反光等。需要说明的是，这里只是举例描述如何借助第一参考图像、指定反光条属性，对可见光车身区域图像进行二值化处理得到可见光Mask图，并非用于限定。

至此，完成图2所示流程。

通过图2所示流程实现了如何根据指定反光条属性对可见光车身区域图像进行二值化处理得到可见光掩模Mask图。

下面对步骤104中如何根据红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值进行描述：

参见图3，图3为本申请实施例提供的自适应确定灰度阈值的方法流程图。如图3所示，该流程可包括以下步骤：

步骤301，比较红外车身区域图像中被要求部署反光条的车尾区域的亮度平均值与预设亮度阈值，如果亮度平均值大于或等于预设亮度阈值，则执行步骤302，如果亮度平均值小于预设亮度阈值，则执行步骤303。

反光条被要求部署在车尾区域，则车身尾部区域的亮度一般高于其他区域。基于此，则通过比较红外车身区域图像中被要求部署反光条的车尾区域的亮度平均值与预设亮度阈值，将目标车辆分为较亮和较暗两种情况。其中，当亮度平均值大于或等于预设亮度阈值，则表示较亮，当亮度平均值小于预设亮度阈值，则表示较暗。

步骤302，获得红外车身区域图像对应的灰度直方图，利用设定滑动窗口在灰度直方图中滑动以自适应选择满足指定条件的灰度阈值。

在获得灰度直方图后，按照设定滑动窗口比如3个像素大小等在灰度直方图中滑动，在滑动过程中一旦发现有灰度值发生跳变，则确定该灰度值为上述灰度阈值。

步骤303，获得已被截断的红外车身区域图像的灰度直方图，其中，被截断的灰度直方图的最大灰度值小于255，利用大津算法在已获得的灰度直方图中自适应选择灰度阈值。

本步骤303是在车辆处于较暗环境即上述亮度平均值小于预设亮度阈值的前提下执行的，基于此，为减少工作量，可截断红外车身区域图像中的一部分，该截断的一部分的灰度值比较低，而剩下的另一部分(记为已被截断的上述红外车身区域图像)中，最大灰度值也小于255。

之后，如步骤303描述，利用大津算法在已获得的灰度直方图中自适应选择灰度阈值。这里，大津算法是用来自动对基于聚类的图像进行二值化或者说用来将一个灰度图像退化为二值图像的算法，具体可参见现有的大津算法，这里不再赘述。

最终，基于上述步骤302至步骤303，实现了不管红外车身区域图像中被要求部署反光条的车尾区域的亮度平均值是大于或等于预设亮度阈值，还是小于预设亮度阈值，都能自适应确定对应的灰度阈值。

至此，完成了图3所示流程。

需要说明的是，图3只是举例描述如何根据红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，并非用于限定。

下面对步骤104中如何依据灰度阈值对红外车身区域图像进行二值化处理得到红外Mask图进行描述：

参见图4，图4为本申请实施例提供的红外Mask图实现流程图。如图4所示，该流程可包括：

步骤401，根据灰度阈值对红外车身区域图像进行二值化处理，得到第四参考图像。

比如，在本实施例中，可将红外车身区域图像中灰度小于灰度阈值的像素点的灰度值重置为0，而将灰度大于或等于灰度阈值的像素点的灰度值重置为255，最终实现了对红外车身区域图像进行二值化处理。

步骤402，对第四参考图像进行连通域检测，并从第四参考图像中筛选掉不符合指定条件的连通域，得到红外Mask图。

这里，指定条件只是为去除一些干扰反光条的连通域比如后车车灯导致的反光等。

最终，通过步骤401至步骤402实现了依据灰度阈值对红外车身区域图像进行二值化处理得到红外Mask图。需要说明的是，图4只是一种举例，并非用于限定。

以上对本申请实施例提供的方法进行了描述，下面对本申请实施例提供的装置进行描述：

参见图5，图5为本申请实施例提供的装置结构图。该装置应用于图像采集设备，包括：

获得单元，用于获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像；

识别单元，用于识别所述可见光图像中所述目标车辆的车型，以及在所述车型为目标车型时所述目标车辆在所述可见光图像中的位置信息；所述目标车型为被指定需要安装或粘贴反光条的车型；

处理单元，用于依据所述位置信息对所述可见光图像进行裁剪得到可见光车身区域图像，以及依据所述位置信息对所述红外图像进行裁剪得到红外车身区域图像；以及，根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图；以及，根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图；

检测单元，用于依据可见光Mask图和红外Mask图检测所述目标车辆是否安装或粘贴符合要求的反光条

可选地，获得单元获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像包括：

在检测到所述目标车辆的尾部与已部署在地面的触发线之间的距离小于或等于指定距离时，同时抓拍针对所述目标车辆的可见光图像和红外图像。

可选地，处理单元根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图包括：将所述可见光车身区域图像输入已训练的反光条检测模型，得到反光条位置信息；获得与所述可见光车身区域图像相同尺寸的初始图像，所述初始图像内所有像素点的灰度值初始化为0；对所述初始图像中与反光条位置信息对应的目标区域进行填充，得到第一参考图像；被填充后的目标区域中像素点的灰度值为255；依据所述第一参考图像、指定反光条属性，对所述可见光车身区域图像进行二值化处理得到可见光Mask图。

可选地，所述处理单元依据所述第一参考图像、指定反光条属性，对所述可见光车身区域图像进行二值化处理得到可见光Mask图包括：利用所述第一参考图像与所述可见光车身区域图像进行掩模处理得到第二参考图像；依据所述指定反光条属性对所述第二参考图像进行二值化处理，以使所述第二参考图像中满足所述指定反光条属性的像素点的灰度值为第一值，不满足所述指定反光条属性的像素点的灰度值为第二值，得到第三参考图像；对所述第三参考图像进行连通域检测，并从所述第三参考图像中筛选出不符合指定条件的连通域，得到可见光Mask图。

可选地，所述处理单元根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值包括：当所述红外车身区域图像中被要求部署反光条的车尾区域的亮度平均值大于或等于预设亮度阈值时，获得所述红外车身区域图像对应的灰度直方图，利用设定滑动窗口在所述灰度直方图中滑动以自适应选择满足指定条件的灰度阈值；当所述红外车身区域图像中所述车尾区域的亮度平均值小于预设亮度阈值时，获得已被截断的所述红外车身区域图像的灰度直方图，其中，被截断的灰度直方图的最大灰度值小于255，利用大津算法在已获得的灰度直方图中自适应选择灰度阈值。

可选地，所述处理单元依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图包括：根据所述灰度阈值对所述红外车身区域图像进行二值化处理，得到第四参考图像；对所述第四参考图像进行连通域检测，并从所述第四参考图像中筛选出不符合指定条件的连通域，得到红外Mask图。

可选地，所述检测单元依据可见光Mask图和红外Mask图检测所述目标车辆是否安装或粘贴符合要求的反光条包括：将可见光Mask图和红外Mask图进行逻辑与运算，得到逻辑结果；当所述逻辑结果为0时，确定所述目标车辆未安装或粘贴符合要求的反光条，否则，确定所述目标车辆安装或粘贴符合要求的反光条。

至此，完成图5所示装置的结构描述。

本申请实施例还提供了图5所示装置的硬件结构。参见图6，图6为本申请实施例提供的电子设备结构图。如图6所示，该硬件结构可包括：处理器和机器可读存储介质，机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现本申请上述示例公开的方法。

基于与上述方法同样的申请构思，本申请实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，能够实现本申请上述示例公开的方法。

示例性的，上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

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，本申请实施例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、CD-ROM、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。应理解可以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、嵌入式处理机或其它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它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。

而且，这些计算机程序指令也可以存储在能引导计算机或其它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者多个流程和/或方框图一个方框或者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它可编程数据处理设备上，使得在计算机或者其它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，从而在计算机或其它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。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种反光条检测方法，其特征在于，该方法应用于图像采集设备，包括：

获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像；

识别所述可见光图像中所述目标车辆的车型，以及在所述车型为目标车型时所述目标车辆在所述可见光图像中的位置信息；所述目标车型为被指定需要安装或粘贴反光条的车型；

依据所述位置信息对所述可见光图像进行裁剪得到可见光车身区域图像，以及依据所述位置信息对所述红外图像进行裁剪得到红外车身区域图像；

根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图；以及，根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图；

依据可见光Mask图和红外Mask图检测所述目标车辆是否安装或粘贴符合要求的反光条。

2.根据权利要求1所述的方法，其特征在于，所述获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像包括：

在检测到所述目标车辆的尾部与已部署在地面的触发线之间的距离小于或等于指定距离时，同时抓拍针对所述目标车辆的可见光图像和红外图像。

3.根据权利要求1所述的方法，其特征在于，所述根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图包括：

将所述可见光车身区域图像输入已训练的反光条检测模型，得到反光条位置信息；

获得与所述可见光车身区域图像相同尺寸的初始图像，所述初始图像内所有像素点的灰度值初始化为0；

对所述初始图像中与反光条位置信息对应的目标区域进行填充，得到第一参考图像；被填充后的目标区域中像素点的灰度值为255；

依据所述第一参考图像、指定反光条属性，对所述可见光车身区域图像进行二值化处理得到可见光Mask图。

4.根据权利要求3所述的方法，其特征在于，所述依据所述第一参考图像、指定反光条属性，对所述可见光车身区域图像进行二值化处理得到可见光Mask图包括：

利用所述第一参考图像与所述可见光车身区域图像进行掩模处理得到第二参考图像；

依据所述指定反光条属性对所述第二参考图像进行二值化处理，以使所述第二参考图像中满足所述指定反光条属性的像素点的灰度值为第一值，不满足所述指定反光条属性的像素点的灰度值为第二值，得到第三参考图像；

对所述第三参考图像进行连通域检测，并从所述第三参考图像中筛选出不符合指定条件的连通域，得到可见光Mask图。

5.根据权利要求1所述的方法，其特征在于，所述根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值包括：

当所述红外车身区域图像中被要求部署反光条的车尾区域的亮度平均值大于或等于预设亮度阈值时，获得所述红外车身区域图像对应的灰度直方图，利用设定滑动窗口在所述灰度直方图中滑动以自适应选择满足指定条件的灰度阈值；

当所述红外车身区域图像中所述车尾区域的亮度平均值小于预设亮度阈值时，获得已被截断的所述红外车身区域图像的灰度直方图，其中，被截断的灰度直方图的最大灰度值小于255，利用大津算法在已获得的灰度直方图中自适应选择灰度阈值。

6.根据权利要求1所述的方法，其特征在于，所述依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图包括：

根据所述灰度阈值对所述红外车身区域图像进行二值化处理，得到第四参考图像；

对所述第四参考图像进行连通域检测，并从所述第四参考图像中筛选出不符合指定条件的连通域，得到红外Mask图。

7.根据权利要求1所述的方法，其特征在于，所述依据可见光Mask图和红外Mask图检测所述目标车辆是否安装或粘贴符合要求的反光条包括：

将可见光Mask图和红外Mask图进行逻辑与运算，得到逻辑结果；

当所述逻辑结果为0时，确定所述目标车辆未安装或粘贴符合要求的反光条，否则，确定所述目标车辆安装或粘贴符合要求的反光条。

8.一种反光条检测装置，其特征在于，该装置应用于图像采集设备，包括：

获得单元，用于获得同一时刻采集的针对同一目标车辆的可见光图像和红外图像；

识别单元，用于识别所述可见光图像中所述目标车辆的车型，以及在所述车型为目标车型时所述目标车辆在所述可见光图像中的位置信息；所述目标车型为被指定需要安装或粘贴反光条的车型；

处理单元，用于依据所述位置信息对所述可见光图像进行裁剪得到可见光车身区域图像，以及依据所述位置信息对所述红外图像进行裁剪得到红外车身区域图像；以及，根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图；以及，根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值，依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图；

检测单元，用于依据可见光Mask图和红外Mask图检测所述目标车辆是否安装或粘贴符合要求的反光条。

9.根据权利要求8所述的装置，其特征在于，所述处理单元根据指定反光条属性对所述可见光车身区域图像进行二值化处理得到可见光掩模Mask图包括：将所述可见光车身区域图像输入已训练的反光条检测模型，得到反光条位置信息；获得与所述可见光车身区域图像相同尺寸的初始图像，所述初始图像内所有像素点的灰度值初始化为0；对所述初始图像中与反光条位置信息对应的目标区域进行填充，得到第一参考图像；被填充后的目标区域中像素点的灰度值为255；依据所述第一参考图像、指定反光条属性，对所述可见光车身区域图像进行二值化处理得到可见光Mask图；其中，依据所述第一参考图像、指定反光条属性，对所述可见光车身区域图像进行二值化处理得到可见光Mask图至少包括：利用所述第一参考图像与所述可见光车身区域图像进行掩模处理得到第二参考图像；依据所述指定反光条属性对所述第二参考图像进行二值化处理，以使所述第二参考图像中满足所述指定反光条属性的像素点的灰度值为第一值，不满足所述指定反光条属性的像素点的灰度值为第二值，得到第三参考图像；对所述第三参考图像进行连通域检测，并从所述第三参考图像中筛选出不符合指定条件的连通域，得到可见光Mask图。

10.根据权利要求8所述的装置，其特征在于，所述处理单元根据所述红外车身区域图像中反光条区域的亮度自适应确定用于进行二值化处理的灰度阈值包括：当所述红外车身区域图像中被要求部署反光条的车尾区域的亮度平均值大于或等于预设亮度阈值时，获得所述红外车身区域图像对应的灰度直方图，利用设定滑动窗口在所述灰度直方图中滑动以自适应选择满足指定条件的灰度阈值；当所述红外车身区域图像中所述车尾区域的亮度平均值小于预设亮度阈值时，获得已被截断的所述红外车身区域图像的灰度直方图，其中，被截断的灰度直方图的最大灰度值小于255，利用大津算法在已获得的灰度直方图中自适应选择灰度阈值；

所述处理单元依据所述灰度阈值对所述红外车身区域图像进行二值化处理得到红外Mask图包括：根据所述灰度阈值对所述红外车身区域图像进行二值化处理，得到第四参考图像；对所述第四参考图像进行连通域检测，并从所述第四参考图像中筛选出不符合指定条件的连通域，得到红外Mask图。

Images