JP2019053719A - 車両検出装置及び方法 - Google Patents
車両検出装置及び方法 Download PDFInfo
- Publication number
- JP2019053719A JP2019053719A JP2018117652A JP2018117652A JP2019053719A JP 2019053719 A JP2019053719 A JP 2019053719A JP 2018117652 A JP2018117652 A JP 2018117652A JP 2018117652 A JP2018117652 A JP 2018117652A JP 2019053719 A JP2019053719 A JP 2019053719A
- Authority
- JP
- Japan
- Prior art keywords
- image
- detection
- width
- sliding window
- scenario
- 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.)
- Pending
Links
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
【課題】本発明は、車両検出装置及び方法を提供する。【解決手段】車両検出方法は、検出対象を含むが画像複雑シナリオか正常シナリオに属することを確定し、及び、前記画像が複雑シナリオか正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行うことを含む。【選択図】図1
Description
本発明は、インテリジェント交通(Intelligent Traffic)監視技術分野に関し、特に、車両検出装置及び方法に関する。
今のところ、交通監視分野では、デジタルカメラが幅広く用いられている。人工知能(AI、Artificial Intelligence)技術の進歩に伴い、交通監視カメラから取得されたビデオフレーム画像がインテリジェント交通システム(ITS、Intelligence Transportation System)に導入され、そして、AIアルゴリズムにより道路の交通状況を自動的に分析することができる。
インテリジェント交通のビデオ監視は、多くの応用、例えば、交通状況分析、交通流量測定、事故自動検出などを有する。これらの応用では、対象(object/目標とも言う)の検出は、非常に重要である。対象を検出することにより、関心対象を検出することができる。例えば、交差点での車両検出では、ビデオに現れた車両に対してリアルタイム対象検出を行うことで、リアルタイム交通状況を分析することができる。
対象検出方法は、画像特徴、例えば、HOG(Histogram of Oriented Gradient)又はHaar特徴を抽出することができ、また、分類アルゴリズムにより、抽出された特徴に対して分類を行うことができる。これらの分類アルゴリズムは、例えば、SVM(Support Vector Machines)又はAdaBoostなどを含む。また、スライディングウィンドウ(sliding-window)に基づく探索も、対象の位置を定めるために用いられている。
しかし、発明者は、次のようなことを発見した。即ち、従来の対象検出法の計算量が依然として非常に大きく、そのため、対象検出の速度が遅く、インテリジェント交通監視分野でのリアルタイム検出のニーズを満たすことができない。よって、如何に対象検出の計算量を低減するかは、依然として、解決すべき技術的難題である。
本発明の実施例は、対象検出の計算量を低減し、対象検出の速度を上げることができる車両検出装置及び方法を提供する。
本実施例の第一側面によれば、車両検出装置が提供され、それは、
検出対象を含む画像が複雑シナリオ又は正常シナリオに属することを確定するためのシナリオ確定ユニット;及び
前記画像が複雑シナリオ又は正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行うための対象検出ユニットを含む。
検出対象を含む画像が複雑シナリオ又は正常シナリオに属することを確定するためのシナリオ確定ユニット;及び
前記画像が複雑シナリオ又は正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行うための対象検出ユニットを含む。
本実施例の第二側面によれば、車両検出方法が提供され、それは、
検出対象を含む画像が複雑シナリオ又は正常シナリオに属することを確定し;
前記画像が複雑シナリオ又は正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行うことを含む。
検出対象を含む画像が複雑シナリオ又は正常シナリオに属することを確定し;
前記画像が複雑シナリオ又は正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行うことを含む。
本実施例の第三側面によれば、電子機器が提供され、前記電子機器は、第一側面に記載の車両検出装置を含む。
本発明の実施例の有益な効果は、次の通りであり、即ち、画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行い、画像が正常シナリオに属する場合、前記画像の一部の領域に対して、スライディングウィンドウに基づく対象検出を行うことで、検出漏れを防止し、対象検出の正確性を保証することができるのみならず、対象検出の計算量を大幅に削減することもでき、これにより、交通監視分野でのリアルタイム検出のニーズを満足することができる。
以下、添付した図面を参照しながら、本発明を実施するための好適な形態を詳細に説明する。なお、このような実施形態は、例示に過ぎず、本発明を限定するものでない。
本発明の実施例は、車両検出方法を提供する。図1は、本発明の実施例における車両検出方法を示す図である。図1に示すように、前記車両検出方法は、次のようなステップを含む。
ステップ101:検出対象を含む画像が複雑シナリオか正常シナリオに属することを確定し;
ステップ102:前記画像が複雑シナリオか正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行う。
ステップ102:前記画像が複雑シナリオか正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行う。
本実施例では、カメラにより複数フレームの画像を含むビデオ情報を得ることができる。該カメラは、交通画像監視のためのカメラであっても良く、監視領域に対して絶えずに撮影することができる。なお、本発明は、これに限定されず、他の画像監視シナリオであっても良い。
本実施例では、前記画像中の画素のRGB値、グレースケール値、連結成分(CC、Connected Component)、前景(foreground)のうちの1つ又は複数の指標に基づいて、前記画像が、混雑(congestion)、チラツキ(flickering)、暗がり(darkness)のうちの1つ又は複数のシナリオを含む複雑シナリオに属するかを確定することができる。例えば、上述の指標のうちの1つ又は複数が所定閾値を超えた場合、前記画像が複雑シナリオに属すると確定し、そうでない場合、正常シナリオに属すると確定することができる。
図2は、本発明の実施例における画像の一例を示す図であり、図3は、図2の画像に対して2値化処理を行った後の一例を示す図である。図2及び図3に示すように、例えば、図3の前景画素の計数(統計/カウント)に基づいて、図2に示すケースが混雑シナリオであり、即ち、複雑シナリオに属すると確定することができる。
図4は、本発明の実施例における画像の他の例を示す図であり、図5は、図4の画像に対して2値化処理を行った後の一例を示す図である。図4及び図5に示すように、例えば、図5の前景連結成分の形態特徴に基づいて、図4に示すケースが暗がりシナリオであり、即ち、複雑シナリオに属すると確定することができる。
なお、図2乃至図5は、如何に複雑シナリオ及び正常シナリオを確定するかを例示したが、本発明は、これに限定されず、例えば、さらに直接図2又は図4のRGB値に基づいて複雑シナリオに属するかを確定することもできる。また、上述の指標及び/又はシナリオは、これに限定されず、実際のニーズに応じて具体的な指標及び/又はシナリオを確定することもできる。
これにより、画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行うことで、検出漏れを防止し、対象検出の正確性を保証することができる。画像が正常シナリオに属する場合、前記画像の一部の領域のみに対して、スライディングウィンドウに基づく対象検出を行うことで、対象検出の計算量を大幅に削減し、交通監視分野でのリアルタイム検出のニーズを満たすことができる。
本実施例では、前記画像が正常シナリオに属する場合、前記画像に対して前景検出を行うことで前景領域を取得し、そして、前記前景領域に対して、スライディングウィンドウに基づく対象検出を行うことができる。
図6は、本発明の実施例における車両検出方法を示す他の図である。図6に示すように、前記車両検出方法は、次のようなステップを含む。
ステップ601:検出対象を含む画像を入力し、シナリオ検出を行い;
ステップ602:前記画像が複雑シナリオに属するかを確定し、複雑シナリオに属する場合、ステップ603を実行し、複雑シナリオに属しない(即ち、正常シナリオに属する)場合、ステップ604を実行し;
ステップ603:前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行い:
ステップ604:前記画像に対して前景検出を行い、前景領域を取得し;
ステップ605:前記前景領域に対して、スライディングウィンドウに基づく対象検出を行い;
ステップ606:検出した複数の候補対象に対してポスト処理(後処理)を行い、検出した対象情報を出力する。
ステップ602:前記画像が複雑シナリオに属するかを確定し、複雑シナリオに属する場合、ステップ603を実行し、複雑シナリオに属しない(即ち、正常シナリオに属する)場合、ステップ604を実行し;
ステップ603:前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行い:
ステップ604:前記画像に対して前景検出を行い、前景領域を取得し;
ステップ605:前記前景領域に対して、スライディングウィンドウに基づく対象検出を行い;
ステップ606:検出した複数の候補対象に対してポスト処理(後処理)を行い、検出した対象情報を出力する。
本実施例では、正常シナリオ下での画像に対して前景検出を行い、前景領域を取得し、そして、該前景領域のみに対して対象検出を行うことができる。一般的に言えば、前景検出の計算量が対象検出の計算量よりも遥かに小さく、また、正常シナリオ下での画像が一般的に多く、且つ前景領域が画像の一部の領域のみであるため、対象検出の計算量を大幅に削減することができる。
前景検出の具体的な方法は、例えば、フレーム差分法(Frame differencing)、メディアンフィルタリング法(Mean filter)、背景混合モデル化法(Background Mixture Model)などを用いても良い。なお、本発明は、これに限られず、従来技術中の任意の関連方法を使用してもよい。
図7は、本発明の実施例において正常シナリオと確定された画像の一例を示す図であり、図8は、図7の画像に対して前景検出を行った後の一例を示す図である。図8に示すように、前記画像に対して前景検出を行った後に、前景領域801を得ることができる。
以上、図6をもとに本発明の実施例について例示的に説明したが、本発明は、これに限定されない。例えば、各ステップ間の実行順序を適切に調整しても良く、また、幾つかのステップを増減しても良い。言い換えると、当業者は、図6の記載に限られず、上述の内容に基づいて適切に変更などを行うことができる。
以下、本発明の実施例におけるスライディングウィンドウについて説明する。なお、対象検出の具体的な内容について、関連技術を参照することができる。スライディングウィンドウのサイズを調整することで、対象検出の計算量をさらに削減することができる。
本実施例では、前記検出対象の、前記画像を撮影したカメラに対しての幾何学的な視角(visual angle)の違いに基づいて、前記スライディングウィンドウのサイズを変えることができる。例えば、前記画像に予め設定された関心領域(ROI、Region of Interest)中の道路の幅と、前記検出対象の幅との比が不変である(変わらない)という前提条件で、前記スライディングウィンドウの幅の大小を限定することができる。
図9は、本発明の実施例において幾何学的な角度の違いにより検出対象のサイズが異なる一例を示す図である。図9に示すように、カメラの透視(perspective)効果が原因で、カメラに近い車両の幅(以下、widthnear carで表す)が、カメラに遠い車両の幅(以下、widthfar carで表す)よりも大きく、また、カメラに近いROI領域中の道路の幅(以下、widthnear laneで表す)が、カメラに遠いROI領域中の道路の幅(以下、widthfar laneで表す)よりも大きい。
しかし、実際には、道路の幅は、ほぼ等しく、且つ、カメラまでの距離とは関係なく、車両の実際の幅(以下、widthreal carで表す)及び車道の実際の幅(以下、widthreal laneで表す)は、ほぼ不変である。
カメラに近い時の拡大率がmnearであり、カメラに遠い時の拡大率がmfarであるとすると、次のような公式を得ることができる。
よって、車両の幅と道路の幅の関係は、次の公式のように表すことができる。
ここで、widthcamera car及びwidthcamera laneは、カメラを離れたところにおける車両の幅及び道路の幅(即ち、カメラの透視(perspective)効果によるもの)を示し、rは、車両の実際の幅と、車道の実際の幅との比を表す。この比rは、経験値に基づいて、一定の範囲内にあるように確定されても良く、即ち、次のような制限条件r∈[rmin,rmax]を有しても良く、ここで、rmin及びrmaxは、経験値に基づいて予め確定することができる。
ステップ603又はステップ605では、前記対象検出を行う時に、前記画像に対して1行ずつ又は1行おきに検出を行い、且つ前記スライディングウィンドウの、異なる行における幅が異なるように調整することができる。例えば、前記スライディングウィンドウの幅と、前記画像の列座標(縦座標)の値との間は、線形関係又は近似した線形関係を有する。
例えば、前記スライディングウィンドウの幅は、次のような条件、即ち、
Swindow∈[rmin・widthy lane,rmax・widthy lane]
widthy lane=ky+b
を満足することができる。
Swindow∈[rmin・widthy lane,rmax・widthy lane]
widthy lane=ky+b
を満足することができる。
ここで、Swindowは、前記スライディングウィンドウの幅であり、rmin及びrmaxは、それぞれ、前記道路の幅と、前記検出対象の幅との比の最小値及び最大値であり、yは、前記画像の列座標であり、k及びbは、所定値である。
ステップ603では、下記の表1に記載の方法で、スライディングウィンドウに基づく対象検出を行うことができる。ここで、heightは、前記画像の高さを表す。
これにより、画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行うことで、検出漏れを防止し、対象検出の正確性を保証することができる。
ステップ605では、下記の表2に記載の方法で、スライディングウィンドウに基づく対象検出を行うことができる。ここで、ymin i、ymax i*は、前記前景領域の列座標の最小値及び最大値を示し、xmin i、xmax i*は、前記前景領域の行座標(横座標)の最小値及び最大値を示す。
これにより、画像が正常シナリオに属する場合、前記画像の前景領域のみに対して、スライディングウィンドウに基づく対象検出を行うことで、対象検出の計算量を大幅に低減し、交通監視分野でのリアルタイム検出のニーズを満たすことができる。
なお、表1及び表2を以て本発明の実施例において如何にスライディングウィンドウのサイズを調整するかを説明したが、本発明は、これに限定されない。スライディングウィンドウの調整の内容は、実際のシナリオに応じて具体的に確定することができ、本発明は、それについて限定しない。
ステップ606では、さらに、検出された複数の候補対象に対してポスト処理、例えば、無効(invalid)候補対象の除去、重複した候補対象の合併などを行っても良く、これにより、比較的正確な対象の位置及び/又はサイズなどの情報を得ることができる。
上述の実施例によれば、画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行い、画像が正常シナリオに属する場合、前記画像の一部の領域に対して、スライディングウィンドウに基づく対象検出を行い、これにより、検出漏れを防止し、対象検出の正確性を保証することができるだけでなく、対象検出の計算量を大幅に低減することもできる。よって、交通監視分野でのリアルタイム検出のニーズを満足することができる。
本発明の実施例は、車両検出装置を提供し、該車両検出装置は、電子機器、或いは、該電子機器のある部品又は幾つかの部品若しくはアセンブリに構成することができる。本実施例は、実施例1の車両検出方法に対応し、同じ内容の記載は、省略される。
図10は、本発明の実施例における車両検出装置を示す図である。図10に示すように、車両検出装置1000は、次のようなものを含む。
シナリオ確定ユニット1001:検出対象を含む画像が複雑シナリオか正常シナリオに属することを確定し;
対象検出ユニット1002:前記画像が複雑シナリオか正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行う。
対象検出ユニット1002:前記画像が複雑シナリオか正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行う。
一実施方式では、前記対象検出ユニット1002は、前記画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行う。
他の実施方式では、図10に示すように、車両検出装置1000は、さらに次のようなものを含んでも良い。
前景検出ユニット1003:前記画像が正常シナリオに属する場合、前記画像に対して前景検出を行い、前景領域を取得する。
また、前記対象検出ユニット1002は、さらに、前記前景領域に対してスライディングウィンドウに基づく対象検出を行うために用いられる。
本実施例では、前記シナリオ確定ユニット1001は、前記画像中の画素のRGB値、グレースケール値、連結成分、前景のうちの1つ又は複数に基づいて、前記画像が、混雑、チラツキ、暗がりのうちの1つ又は複数のシナリオを含む複雑シナリオに属するかを確定することができる。
図10に示すように、車両検出装置1000は、さらに、次のようなものを含んでも良い。
スライディングウィンドウ調整ユニット1004:前記検出対象の、前記画像を撮影したカメラに対しての幾何学的な視角の違いに基づいて、前記スライディングウィンドウのサイズを変更する。
例えば、前記スライディングウィンドウ調整ユニット1004は、前記画像に予め設定された関心領域中の道路の幅と、前記検出対象の幅との比が不変であるという前提条件で、前記スライディングウィンドウの幅の大小を限定することができる。
本実施例では、前記対象検出ユニット1002は、前記対象検出を行う時に、前記画像に対して1行ずつ又は1行おきに検出を行うことができ、また、前記スライディングウィンドウ調整ユニット1004は、異なる行における前記スライディングウィンドウの幅が異なるように調整することができる。ここで、前記スライディングウィンドウの幅と、前記画像の列座標の値との間は、線形関係又は近似した線形関係を有しても良い。
例えば、前記スライディングウィンドウの幅は、次のような条件、即ち、
Swindow∈[rmin・widthy lane,rmax・widthy lane]
widthy lane=ky+b
を満足することができる。
Swindow∈[rmin・widthy lane,rmax・widthy lane]
widthy lane=ky+b
を満足することができる。
ここで、Swindowは、前記スライディングウィンドウの幅であり、rmin及びrmaxは、それぞれ、前記道路の幅と、前記検出対象の幅との比の最小値及び最大値を示し、yは、前記画像の列座標であり、k及びbは、所定値である。
以上、本実施例に関連する各部品又はユニット(モジュール)について説明したが、本発明は、これに限定されない。また、車両検出装置の他の部品又はユニット(モジュール)、例えば、カメラ、画像処理モジュールなどは、関連技術を参照することができる。
上述の実施例によれば、画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行い、画像が正常シナリオに属する場合、前記画像の一部の領域に対して、スライディングウィンドウに基づく対象検出を行う。これにより、検出漏れを防止し、対象検出の正確性を保証することができ、また、対象検出の計算量を大幅に削減することができる。よって、交通監視分野でのリアルタイム検出のニーズを満足することができる。
本発明の実施例は、さらに、電子機器を提供し、それは、実施例2に記載の車両検出装置を含み、その内容は、ここに合併される。該電子機器は、例えば、コンピュータ、サーバー、ワークステーション、デスクトップコンピュータ、スマートフォンなどであっても良いが、本発明は、これに限定されない。
図11は、本発明の実施例における電子機器を示す図である。図11に示すように、電子機器1100は、処理器(例えば、中央処理装置CPU)1110及び記憶器1120を含んでも良く、記憶器1120は、中央処理器1110に接続される。ここで、該記憶器1120は、各種データを記憶することができ、また情報処理用のプログラム1121をさらに記憶することができ、且つ処理器1110の制御下で該プログラム1121を実行することができる。
一実施方式では、車両検出装置1000の機能は、処理器1110に統合することができる。ここで、処理器1110は、実施例1に記載の車両検出方法を実現するように構成されても良い。
他の実施方式では、車両検出装置1000は、処理器1110と独立して配置されても良く、例えば、車両検出装置1000を、処理器1110に接続されるチップとして構成し、処理器1110の制御により、車両検出装置1000の機能を実現しても良い。
例えば、処理器1110は、次のような制御を行うように構成されても良く、即ち、検出対象を含む画像が複雑シナリオか正常シナリオに属することを確定し、及び、前記画像が複雑シナリオか正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行う。
一実施方式では、処理器1110は、さらに次のような制御を行うように構成されても良く、即ち、前記画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行う。
一実施方式では、処理器1110は、さらに次のような制御を行うように構成されても良く、即ち、前記画像が正常シナリオに属する場合、前記画像に対して前景検出を行い、前景領域を取得し、そして、前記前景領域に対してスライディングウィンドウに基づく対象検出を行う。
一実施方式では、前記画像中の画素のRGB値、グレースケール値、連結成分、前景のうちの1つ又は複数に基づいて、前記画像が、混雑、チラツキ、暗がりのうちの1つ又は複数のシナリオを含む複雑シナリオに属するかを確定することができる。
一実施方式では、処理器1110は、さらに次のような制御を行うように構成されても良く、即ち、前記検出対象の、前記画像を撮影したカメラに対しての幾何学的な視角の違いに基づいて、前記スライディングウィンドウのサイズを変更する。
一実施方式では、前記画像に予め設定された関心領域中の道路の幅と、前記検出対象の幅との比が不変であるという前提条件で、前記スライディングウィンドウの幅の大小を限定することができる。
一実施方式では、処理器1110は、さらに次のような制御を行うように構成されても良く、即ち、前記対象検出を行う時に、前記画像に対して1行ずつ又は1行おきに検出を行い、且つ前記スライディングウィンドウの異なる行における幅が異なるように調整する。
一実施方式では、前記スライディングウィンドウの幅と、前記画像の列座標の値との間は、線形関係又は近似した線形関係を有する。
一実施方式では、前記スライディングウィンドウの幅は、次のような条件、即ち、
Swindow∈[rmin・widthy lane,rmax・widthy lane]
widthy lane=ky+b
を満足することができる。
Swindow∈[rmin・widthy lane,rmax・widthy lane]
widthy lane=ky+b
を満足することができる。
ここで、Swindowは、前記スライディングウィンドウの幅であり、rmin及びrmaxは、それぞれ、前記道路の幅と、前記検出対象の幅との比の最小値及び最大値であり、yは、前記画像の列座標であり、k及びbは、所定値である。
また、図11に示すように、電子機器1100は、さらに入出力(I/O)ユニット1130及び表示器1140などを含んでも良い。ここで、これらの部品の機能は、従来技術と同様であるため、ここでは、その詳細な説明を割愛する。なお、電子機器1100は、必ずしも図11に示す全ての部品を含む必要がない。また、電子機器1100は、さらに図11にないものを含んでも良く、これについては、従来技術を参照することができる。
本発明の実施例は、さらに、コンピュータ可読プログラムを提供し、ここで、電子機器中で前記プログラムを実行する時に、前記プログラムは、コンピュータに、前記電子機器中で実施例1に記載の車両検出方法を実行させる。
本発明の実施例は、さらにコンピュータ可読プログラムを記憶した記憶媒体を提供し、ここで、前記コンピュータ可読プログラムは、コンピュータに、電子機器中で実施例1に記載の車両検出方法を実行させる。
また、本発明の実施例による装置、方法などは、ソフトウェアにより実現されても良く、ハードェアにより実現されてもよく、ハードェア及びソフトウェアの組み合わせにより実現されても良い。また、本発明は、このようなコンピュータ可読プログラムにも関し、即ち、前記プログラムは、ロジック部品により実行される時に、前記ロジック部品に、上述の装置又は構成要素を実現させることができ、又は、前記ロジック部品に、上述の方法又はそのステップを実現させることができる。さらに、本発明は、上述のプログラムを記憶するための記憶媒体、例えば、ハードディスク、磁気ディスク、光ディスク、DVD、フレッシュメモリなどにも関する。
以上、本発明の好ましい実施形態を説明したが、本発明はこの実施形態に限定されず、本発明の趣旨を離脱しない限り、本発明に対するあらゆる変更は本発明の技術的範囲に属する。
Claims (10)
- 車両検出装置であって、
検出対象を含む画像が複雑シナリオ又は正常シナリオに属することを確定するためのシナリオ確定ユニット;及び
前記画像が複雑シナリオ又は正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行うための対象検出ユニットを含む、装置。 - 請求項1に記載の車両検出装置であって、
前記対象検出ユニットは、前記画像が複雑シナリオに属する場合、前記画像の全部の領域に対して、スライディングウィンドウに基づく対象検出を行う、装置。 - 請求項1に記載の車両検出装置であって、
前記画像が正常シナリオに属する場合、前記画像に対して前景検出を行い、前景領域を得るための前景検出ユニットをさらに含み、
前記対象検出ユニットは、前記前景領域に対して、スライディングウィンドウに基づく対象検出を行う、装置。 - 請求項1に記載の車両検出装置であって、
前記シナリオ確定ユニットは、前記画像中の画素のRGB値、グレースケール値、連結成分、及び前景のうちの1つ又は複数に基づいて、前記画像が、混雑、チラツキ、及び暗がりのうちの1つ又は複数のシナリオを含む複雑シナリオに属するかを確定する、装置。 - 請求項1に記載の車両検出装置であって、
前記検出対象の、前記画像を撮影したカメラに対しての幾何学的な視角の違いに基づいて、前記スライディングウィンドウのサイズを変更するためのスライディングウィンドウ調整ユニットをさらに含む、装置。 - 請求項5に記載の車両検出装置であって、
前記スライディングウィンドウ調整ユニットは、前記画像に予め設定された関心領域中の道路の幅と、前記検出対象の幅との比が不変である前提条件で、前記スライディングウィンドウの幅を限定する、装置。 - 請求項5に記載の車両検出装置であって、
前記対象検出ユニットは、前記対象検出を行う時に、前記画像に対して1行ずつ又は1行おきに検出を行い、また、前記スライディングウィンドウ調整ユニットは、前記スライディングウィンドウの、異なる行における幅が異なるように調整する、装置。 - 請求項7に記載の車両検出装置であって、
前記スライディングウィンドウの幅と、前記画像の列座標の値との間は、線形関係又は近似した線形関係を有する、装置。 - 請求項8に記載の車両検出装置であって、
前記スライディングウィンドウの幅は、
Swindow∈[rmin・widthy lane,rmax・widthy lane]
widthy lane=ky+b
という条件を満足し、
ここで、Swindowは、前記スライディングウィンドウの幅であり、rmin及びrmaxは、それぞれ、前記道路の幅と、前記検出対象の幅との比の最小値及び最大値であり、yは、前記画像の列座標であり、k及びbは、所定値である、装置。 - 車両検出方法であって、
検出対象を含む画像が複雑シナリオ又は正常シナリオに属することを確定し;及び
前記画像が複雑シナリオか正常シナリオに属することに基づいて、前記画像の全部の領域又は一部の領域に対して、スライディングウィンドウに基づく対象検出を行うことを含む、方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710833413.1 | 2017-09-15 | ||
CN201710833413.1A CN109509345A (zh) | 2017-09-15 | 2017-09-15 | 车辆检测装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019053719A true JP2019053719A (ja) | 2019-04-04 |
Family
ID=65744886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018117652A Pending JP2019053719A (ja) | 2017-09-15 | 2018-06-21 | 車両検出装置及び方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2019053719A (ja) |
CN (1) | CN109509345A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7435258B2 (ja) | 2019-07-29 | 2024-02-21 | 富士通株式会社 | 車両速度の検出方法及び装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349087B (zh) * | 2019-08-07 | 2021-10-15 | 北京博研智通科技有限公司 | 一种基于路口信息全息感知的可视化数据输入方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385690B (zh) * | 2010-09-01 | 2014-01-15 | 汉王科技股份有限公司 | 基于视频图像的目标跟踪方法及系统 |
CN102043953A (zh) * | 2011-01-27 | 2011-05-04 | 北京邮电大学 | 一种实时鲁棒的针对特定场景的行人检测方法 |
CN102982539B (zh) * | 2012-11-09 | 2015-05-27 | 电子科技大学 | 一种基于图像复杂性的特征自适应图像共分割方法 |
CN103605953B (zh) * | 2013-10-31 | 2018-06-19 | 电子科技大学 | 基于滑窗搜索的车辆兴趣目标检测方法 |
US9607228B2 (en) * | 2014-02-14 | 2017-03-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | Parts based object tracking method and apparatus |
CN104657727B (zh) * | 2015-03-18 | 2018-01-02 | 厦门麦克玛视电子信息技术有限公司 | 一种车道线的检测方法 |
CN105469088B (zh) * | 2015-11-17 | 2018-10-19 | 西北工业大学 | 一种适用于目标识别的物体预测区域优化方法 |
US10810462B2 (en) * | 2015-12-01 | 2020-10-20 | Intel Corporation | Object detection with adaptive channel features |
CN105447880A (zh) * | 2015-12-15 | 2016-03-30 | 北京文安科技发展有限公司 | 一种票房人数核验方法、装置及系统 |
CN105654067A (zh) * | 2016-02-02 | 2016-06-08 | 北京格灵深瞳信息技术有限公司 | 一种车辆检测方法及装置 |
CN106096531B (zh) * | 2016-05-31 | 2019-06-14 | 安徽省云力信息技术有限公司 | 一种基于深度学习的交通图像多类型车辆检测方法 |
CN106128121B (zh) * | 2016-07-05 | 2018-08-17 | 中国石油大学(华东) | 基于局部特征分析的车辆排队长度快速检测算法 |
CN107145820B (zh) * | 2017-03-16 | 2020-11-17 | 杭州岱石科技有限公司 | 基于hog特征和fast算法的双眼定位方法 |
-
2017
- 2017-09-15 CN CN201710833413.1A patent/CN109509345A/zh active Pending
-
2018
- 2018-06-21 JP JP2018117652A patent/JP2019053719A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7435258B2 (ja) | 2019-07-29 | 2024-02-21 | 富士通株式会社 | 車両速度の検出方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109509345A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7639878B2 (en) | Shadow detection in images | |
CN110334635B (zh) | 主体追踪方法、装置、电子设备和计算机可读存储介质 | |
US9158985B2 (en) | Method and apparatus for processing image of scene of interest | |
WO2019134504A1 (zh) | 图像背景虚化方法、装置、存储介质及电子设备 | |
US10062284B2 (en) | Parking space detection apparatus and method, electronic apparatus | |
US10506174B2 (en) | Information processing apparatus and method for identifying objects and instructing a capturing apparatus, and storage medium for performing the processes | |
US10963676B2 (en) | Image processing method and apparatus | |
WO2019114036A1 (zh) | 人脸检测方法及装置、计算机装置和计算机可读存储介质 | |
US9477892B2 (en) | Efficient method of offline training a special-type parked vehicle detector for video-based on-street parking occupancy detection systems | |
US20160140399A1 (en) | Object detection apparatus and method therefor, and image recognition apparatus and method therefor | |
US20130120125A1 (en) | Method and system for lane departure warning | |
US20160205291A1 (en) | System and Method for Minimizing Motion Artifacts During the Fusion of an Image Bracket Based On Preview Frame Analysis | |
US10748294B2 (en) | Method, system, and computer-readable recording medium for image object tracking | |
US20180268556A1 (en) | Method for detecting moving objects in a video having non-stationary background | |
JP2009048629A (ja) | 検出方法 | |
WO2017120796A1 (zh) | 路面病害的检测方法及其装置、电子设备 | |
Hu et al. | A novel approach for crowd video monitoring of subway platforms | |
CN111047908A (zh) | 跨线车辆的检测装置、方法及视频监控设备 | |
US20170103536A1 (en) | Counting apparatus and method for moving objects | |
US20160148071A1 (en) | Systems and methods for object detection | |
JP7392488B2 (ja) | 遺留物誤検出の認識方法、装置及び画像処理装置 | |
JP2019053719A (ja) | 車両検出装置及び方法 | |
CN113762220B (zh) | 目标识别方法、电子设备、计算机可读存储介质 | |
WO2019085929A1 (zh) | 图像处理方法及其装置、安全驾驶方法 | |
CN113902740A (zh) | 图像模糊程度评价模型的构建方法 |