專利名稱：智能壓黃線分析識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及分析識別方法，尤其涉及智能壓黃線分析識別方法。
背景技術(shù)：
圖像分析和識別方法在多個領(lǐng)域當中都有應(yīng)用，例如在交通領(lǐng)域當中，通過圖像分析和識別方法判斷車輛是否違章；例如，判斷車輛是否壓黃線，現(xiàn)有的壓黃線監(jiān)控系統(tǒng)的監(jiān)控能力和監(jiān)控有效性還基本停留在人工操作監(jiān)控，在發(fā)現(xiàn)有壓黃線行駛車輛時，執(zhí)法人員手動控制云臺攝像機進行拉近、拍攝車輛的車牌號碼及交通標志等，完成后需手動恢復攝像機預置位。這種方法，操作過程復雜繁瑣，人工成本高；隨著道路管理的需要，壓黃線監(jiān)控點越來越多，監(jiān)控執(zhí)法人員工作負荷越來越大，工作的準確度依賴于人員自身的責任心、 工作狀態(tài)、身體精力狀態(tài)等認為因素，也不可想象能有如此多的人力與之相配套。

發(fā)明內(nèi)容
為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明提供了一種智能壓黃線分析識別方法。本發(fā)明提供了一種智能壓黃線分析識別方法，其特征在于，包括如下步驟
A.獲取目標區(qū)域的原始圖像；
B.判斷目標圖像與基準圖像是否重疊，如重疊、那么執(zhí)行C步驟，如未重疊、那么執(zhí)行A 步驟；
C.對目標區(qū)域進行拍照，得到圖片；
D.分析圖片中的特定目標，得出分析結(jié)果；
E.保存分析結(jié)果。作為本發(fā)明的進一步改進，所述目標圖像為機動車輛，所述基準圖像為路面上的黃線，所述特定目標為牌照，所述分析結(jié)果為車牌號碼。作為本發(fā)明的進一步改進，在步驟B中，判斷目標圖像是否為機動車輛，判斷方法為通過背景差分和時間差分相結(jié)合的一種幀差分方法實現(xiàn)，所述幀差分方法為在一定時間間隔的幀象素差分獲得場景變化，如果目標區(qū)域的差分系數(shù)大于設(shè)定的閥值，那么判斷為機動車輛。作為本發(fā)明的進一步改進，在步驟B中，判斷基準圖像是否為黃線，判斷方法為首先對原始圖像預處理，將原始圖像灰度化并進行濾波，然后對濾波后的圖像進行邊緣檢測， 得到二值化邊緣圖像；然后對二值化邊緣圖像進行噪點消除；最后通過橫向掃描，確定黃線結(jié)構(gòu)。作為本發(fā)明的進一步改進，在步驟B中，將獲得的黃線與背景黃線進行比較，求出黃線殘缺長度、并記下所在位置；若某一殘缺部分長度超過預設(shè)閥值，則對原始圖像中相應(yīng)區(qū)域進行HSV分析，判斷殘缺部分是否為陰影影響；經(jīng)陰影干擾排除后，確定為有機動車輛壓黃線，即目標圖像與基準圖像是重疊。作為本發(fā)明的進一步改進，在步驟D中包括如下步驟Dl.牌照定位，定位圖片中的牌照位置；
D2.車牌字符分割，把牌照中的字符分割出來；
D3.車牌字符識別，把分割好的字符進行識別，最終組成車牌號碼。作為本發(fā)明的進一步改進，該智能壓黃線分析識別方法還包括步驟F，在步驟F中將車牌號碼傳輸至監(jiān)控中心。 作為本發(fā)明的進一步改進，在步驟F中，將圖片傳輸至監(jiān)控中心。本發(fā)明的有益效果是本發(fā)明能夠?qū)C動車輛壓黃線進行準確抓拍、避免誤拍，并且無需人工控制，整個抓拍過程可以自動完成，減少工作人員的工作量，提高工作效率。


圖I是本發(fā)明的方法流程圖。圖2是本發(fā)明一實施例的方法流程圖。
具體實施例方式如圖I所示，本發(fā)明公開了一種智能壓黃線分析識別方法，包括如下步驟在步驟 SI中，獲取目標區(qū)域的原始圖像。在步驟S2中，判斷目標圖像與基準圖像是否重疊，如重疊、那么執(zhí)行S3步驟，如未重疊、那么執(zhí)行SI步驟。在步驟S3中，對目標區(qū)域進行拍照，得到圖片。在步驟S4中，分析圖片中的特定目標，得出分析結(jié)果。在步驟S5中，保存分析結(jié)果。在步驟S2中，重疊包括完全重疊和部分重疊。所述目標圖像為機動車輛，所述基準圖像為路面上的黃線，所述特定目標為牌照， 所述分析結(jié)果為車牌號碼。本發(fā)明的智能壓黃線分析識別方法對特定地點路面黃線區(qū)域監(jiān)控，進行視頻圖像實時動態(tài)分析，當物體進入監(jiān)控區(qū)域時，通過系統(tǒng)中檢測控制單元的視頻移動偵測技術(shù)進行判斷，視頻移動偵測技術(shù)是通過對攝像機拍攝的圖像序列進行自動分析，實現(xiàn)對動態(tài)場景中運動物體的定位、識別和跟蹤，并在此基礎(chǔ)上分析和判斷運動物體的行為，來監(jiān)控和確定現(xiàn)場發(fā)生的情況。為了能夠準確判斷是否為機動車輛壓黃線，那么就要判斷目標圖像是否為機動車輛，所以在步驟S2中，判斷目標圖像是否為機動車輛，判斷方法為通過背景差分和時間差分相結(jié)合的一種巾貞差分方法實現(xiàn),所述巾貞差分方法為在一定時間間隔的巾貞象素差分獲得場景變化，如果目標區(qū)域的差分系數(shù)大于設(shè)定的閥值，那么判斷為機動車輛。具體實現(xiàn)過程如下計算機里的MPEG視頻流由3類編碼幀組成，它們分別是關(guān)鍵幀(I幀)、預測幀(P幀) 和內(nèi)插雙向幀(B幀)。I幀按JPEG標準編碼，獨立于其他編碼幀，它是MPEG視頻流中唯一可存的幀，每12幀出現(xiàn)一次。截取連續(xù)I幀，經(jīng)過解碼運算，以幀為單位連續(xù)存放在內(nèi)存緩沖區(qū)中，再利用函數(shù)在緩沖區(qū)中將連續(xù)的兩幀轉(zhuǎn)化為位圖形式，存放在另外的內(nèi)存空間以作比較之用。為了能夠準確判斷是否為機動車輛壓黃線，那么就要判斷基準圖像是否為黃線， 所以在步驟S2中，判斷基準圖像是否為黃線，判斷方法為首先對原始圖像預處理，將原始圖像灰度化并進行濾波，然后對濾波后的圖像進行邊緣檢測，得到二值化邊緣圖像；由于黃線具有很強的方向性，故邊緣算至沿黃線方向，采用9*9模板，然后對二值化邊緣圖像進行噪點消除；最后通過橫向掃描，確定黃線結(jié)構(gòu)。由于黃線區(qū)域必然存在雙邊緣，在二值化邊緣圖上即表現(xiàn)為圖像的某行存在“100···01”線結(jié)構(gòu)。黃線中較大的不連續(xù)區(qū)域即為機動車輛壓黃線或車輛陰影干擾造成，為了判斷是否為機動車輛壓黃線，所以在步驟S2中，將獲得的黃線與背景黃線進行比較，求出黃線殘缺長度、并記下所在位置；若某一殘缺部分長度超過預設(shè)閥值，則對原始圖像中相應(yīng)區(qū)域進行HSV分析，判斷殘缺部分是否為陰影影響；經(jīng)陰影干擾排除后，確定為有機動車輛壓黃線，即目標圖像與基準圖像是重疊。本發(fā)明所述的HSV，其中H表示色彩，S表示純度，V表示明度。確定有機動車輛壓黃線違章就進行抓拍，從而降低了抓拍圖像垃圾率。在經(jīng)過SI至S3步驟以后，還要分析圖片中的牌照，顯示出車牌號碼，如圖2所示， 在步驟S4中包括如下三個步驟在步驟Wl中，牌照定位，定位圖片中的牌照位置；首先對采集到的視頻圖像進行大范圍相關(guān)搜索，找到符合牌照特征的若干區(qū)域作為候選區(qū)，然后對這些候選區(qū)做進一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分割出來。在步驟W2中，車牌字符分割，把牌照中的字符分割出來；完成牌照定位后，由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。在步驟W3中，車牌字符識別，把分割好的字符進行識別，最終組成車牌號碼；首先將分割后的字符二值化，并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為分析結(jié)果。該智能壓黃線分析識別方法還包括最后一個步驟，在最后一個步驟中將車牌號碼傳輸至監(jiān)控中心，并將圖片傳輸至監(jiān)控中心，提供交管部門作為執(zhí)法依據(jù)。該最后一個步驟是在執(zhí)行完步驟S4以后進行執(zhí)行的步驟。本發(fā)明的方法在服務(wù)器端運行，而服務(wù)器本身配置是比較高的，因此，在應(yīng)用時能實現(xiàn)更快、更準的抓拍識別。本發(fā)明能夠?qū)C動車輛壓黃線進行準確抓拍、避免誤拍，并且無需人工控制，整個抓拍過程可以自動完成，減少工作人員的工作量，提高工作效率。以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，都應(yīng)當視為屬于本發(fā)明的保護范圍。
權(quán)利要求
1.一種智能壓黃線分析識別方法，其特征在于，包括如下步驟A.獲取目標區(qū)域的原始圖像；B.判斷目標圖像與基準圖像是否重疊，如重疊、那么執(zhí)行C步驟，如未重疊、那么執(zhí)行 A步驟；C.對目標區(qū)域進行拍照，得到圖片；D.分析圖片中的特定目標，得出分析結(jié)果；E.保存分析結(jié)果。
2.根據(jù)權(quán)利要求I所述的智能壓黃線分析識別方法，其特征在于所述目標圖像為機動車輛，所述基準圖像為路面上的黃線，所述特定目標為牌照，所述分析結(jié)果為車牌號碼。
3.根據(jù)權(quán)利要求2所述的智能壓黃線分析識別方法，其特征在于在步驟B中，判斷目標圖像是否為機動車輛，判斷方法為通過背景差分和時間差分相結(jié)合的一種幀差分方法實現(xiàn)，所述幀差分方法為在一定時間間隔的幀象素差分獲得場景變化，如果目標區(qū)域的差分系數(shù)大于設(shè)定的閥值，那么判斷為機動車輛。
4.根據(jù)權(quán)利要求3所述的智能壓黃線分析識別方法，其特征在于在步驟B中，判斷基準圖像是否為黃線，判斷方法為首先對原始圖像預處理，將原始圖像灰度化并進行濾波，然后對濾波后的圖像進行邊緣檢測，得到二值化邊緣圖像；然后對二值化邊緣圖像進行噪點消除；最后通過橫向掃描，確定黃線結(jié)構(gòu)。
5.根據(jù)權(quán)利要求4所述的智能壓黃線分析識別方法，其特征在于在步驟B中，將獲得的黃線與背景黃線進行比較，求出黃線殘缺長度、并記下所在位置；若某一殘缺部分長度超過預設(shè)閥值，則對原始圖像中相應(yīng)區(qū)域進行HSV分析，判斷殘缺部分是否為陰影影響；經(jīng)陰影干擾排除后，確定為有機動車輛壓黃線，即目標圖像與基準圖像是重疊。
6.根據(jù)權(quán)利要求2至5任一項所述的智能壓黃線分析識別方法，其特征在于，在步驟D 中包括如下步驟Dl.牌照定位，定位圖片中的牌照位置；D2.車牌字符分割，把牌照中的字符分割出來；D3.車牌字符識別，把分割好的字符進行識別，最終組成車牌號碼。
7.根據(jù)權(quán)利要求6所述的智能壓黃線分析識別方法，其特征在于，該智能壓黃線分析識別方法還包括步驟F，在步驟F中將車牌號碼傳輸至監(jiān)控中心。
8.根據(jù)權(quán)利要求7所述的智能壓黃線分析識別方法，其特征在于，在步驟F中，將圖片傳輸至監(jiān)控中心。
全文摘要
本發(fā)明提供了一種智能壓黃線分析識別方法，包括如下步驟A.獲取目標區(qū)域的原始圖像；B.判斷目標圖像與基準圖像是否重疊，如重疊、那么執(zhí)行C步驟，如未重疊、那么執(zhí)行A步驟；C.對目標區(qū)域進行拍照，得到圖片；D.分析圖片中的特定目標，得出分析結(jié)果；E.保存分析結(jié)果。本發(fā)明的有益效果是本發(fā)明能夠?qū)C動車輛壓黃線進行準確抓拍、避免誤拍，并且無需人工控制，整個抓拍過程可以自動完成，減少工作人員的工作量，提高工作效率。
文檔編號G06K9/46GK102610103SQ20121006494
公開日2012年7月25日 申請日期2012年1月13日 優(yōu)先權(quán)日2012年1月13日
發(fā)明者吳剛, 孫成智, 張龍生 申請人:深圳市黃河數(shù)字技術(shù)有限公司