一種檢測(cè)電子眼的方法和設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種檢測(cè)電子眼的方法和設(shè)備。
【背景技術(shù)】
[0002]電子眼(又稱電子警察)，是“智能交通違章監(jiān)攝管理系統(tǒng)”的俗稱，主要是利用成像及計(jì)算機(jī)等多種技術(shù)對(duì)交通違章行為進(jìn)行全天候監(jiān)控的設(shè)備。
[0003]目前，汽車導(dǎo)航系統(tǒng)的一種重要功能就是電子眼語音報(bào)警，最初，電子眼數(shù)據(jù)是由人工搜索記錄方式得到的。電子眼數(shù)據(jù)遍布全國(guó)，人工搜索需要耗費(fèi)大量人力成本，效率較低。

【發(fā)明內(nèi)容】

[0004]本發(fā)明實(shí)施例公開了一種檢測(cè)電子眼的方法和設(shè)備，能夠有效提高電子眼檢測(cè)的效率。
[0005]本發(fā)明實(shí)施例第一方面公開了一種檢測(cè)電子眼的方法，包括:
[0006]在全景圖上以預(yù)設(shè)大小的窗口進(jìn)行滑窗，以得到對(duì)應(yīng)的窗口圖像；
[0007]確定所述窗口圖像的卷積神經(jīng)網(wǎng)絡(luò)CNN分類器概率；
[0008]確定所述窗口圖像中CNN分類器概率大于第一閾值的第一目標(biāo)窗口圖像的方向梯度直方圖HOG特征，并確定所述HOG特征的支持向量機(jī)SVM分類器概率；
[0009]對(duì)所述第一目標(biāo)窗口圖像中SVM分類器概率大于第二閾值的第二目標(biāo)窗口圖像進(jìn)行聚類，以得到電子眼區(qū)域集合，所述電子眼區(qū)域集合包括一個(gè)或多個(gè)電子眼區(qū)域。
[0010]本發(fā)明實(shí)施例第二方面公開了一種檢測(cè)電子眼的設(shè)備，包括:
[0011]滑窗模塊，用于在全景圖上以預(yù)設(shè)大小的窗口進(jìn)行滑窗，以得到對(duì)應(yīng)的窗口圖像；
[0012]第一確定模塊，用于確定所述窗口圖像的卷積神經(jīng)網(wǎng)絡(luò)CNN分類器概率；
[0013]第二確定模塊，用于確定所述窗口圖像中CNN分類器概率大于第一閾值的第一目標(biāo)窗口圖像的方向梯度直方圖HOG特征，并確定所述HOG特征的支持向量機(jī)SVM分類器概率;
[0014]處理模塊，用于對(duì)所述第一目標(biāo)窗口圖像中SVM分類器概率大于第二閾值的第二目標(biāo)窗口圖像進(jìn)行聚類，以得到電子眼區(qū)域集合，所述電子眼區(qū)域集合包括一個(gè)或多個(gè)電子眼區(qū)域。
[0015]實(shí)施本發(fā)明實(shí)施例，具有如下有益效果:
[0016]通過在全景圖上以預(yù)設(shè)大小的窗口進(jìn)行滑窗，確定得到的窗口圖像的CNN分類器概率，并確定CNN分類器概率大于第一閾值的窗口圖像的HOG特征的SVM分類器概率，進(jìn)而，對(duì)SVM分類器概率大于第二閾值的窗口圖像進(jìn)行聚類，以得到電子眼區(qū)域集合，從而，實(shí)現(xiàn)了電子眼的自動(dòng)檢測(cè)，提高了電子眼檢測(cè)的效率。
【附圖說明】
[0017]為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0018]圖1為本發(fā)明實(shí)施例提供的一種檢測(cè)電子眼的方法的流程示意圖；
[0019]圖2為本發(fā)明實(shí)施例提供的另一種檢測(cè)電子眼的方法的流程示意圖；
[0020]圖3為本發(fā)明實(shí)施例提供的另一種檢測(cè)電子眼的方法的流程示意圖；
[0021]圖4為本發(fā)明實(shí)施例提供的一種檢測(cè)電子眼的設(shè)備的結(jié)構(gòu)示意圖；
[0022]圖5為本發(fā)明實(shí)施例提供的另一種檢測(cè)電子眼的設(shè)備的結(jié)構(gòu)示意圖；
[0023]圖6為本發(fā)明實(shí)施例提供的另一種檢測(cè)電子眼的設(shè)備的結(jié)構(gòu)示意圖；
[0024]圖7為本發(fā)明實(shí)施例提供的另一種檢測(cè)電子眼的設(shè)備的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0025]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0026]本發(fā)明實(shí)施例提供了一種檢測(cè)電子眼的方法和設(shè)備，可以提高電子眼檢測(cè)的效率。以下分別進(jìn)行詳細(xì)說明。
[0027]請(qǐng)參閱圖1，圖1為本發(fā)明實(shí)施例公開的一種檢測(cè)電子眼的方法的流程示意圖。如圖1所示，該檢測(cè)電子眼的方法可以包括以下步驟:
[0028]S101、在全景圖上以預(yù)設(shè)大小的窗口進(jìn)行滑窗，以得到對(duì)應(yīng)的窗口圖像。
[0029]本發(fā)明實(shí)施例中，全景圖是指通過一個(gè)相機(jī)(或攝像頭)從多個(gè)不同的角度，或者，通過多個(gè)不同朝向的相機(jī)(或攝像頭)拍攝的圖像的360°拼接圖，通過捕捉整個(gè)場(chǎng)景的圖像信息，使用軟件進(jìn)行圖片拼合，把二維的平面圖模擬成真實(shí)的三維空間。
[0030]舉例來說，可以通過在某街道上的街景車頂部或拍攝桿頂端部署一圈4?6個(gè)攝像頭，并將該4?6個(gè)攝像頭從不同方向拍攝的照片進(jìn)行360°拼接，即可得到一個(gè)全景圖。
[0031]本發(fā)明實(shí)施例中，為了對(duì)全景圖中的電子眼進(jìn)行檢測(cè)，可以以一個(gè)預(yù)設(shè)大小的窗口在全景圖上進(jìn)行滑窗，得到對(duì)應(yīng)的多個(gè)窗口圖像。
[0032]舉例來說，假設(shè)全景圖原始大小為64*64，窗口大小為8*8，全景圖左上角頂點(diǎn)坐標(biāo)為(0，O)，全景圖平面內(nèi)水平向右為X軸正方向，豎直向下為y軸正方向)，窗口的在全景圖中的起始位置可以為左上角頂點(diǎn)坐標(biāo)為(0，O)，右下角頂點(diǎn)坐標(biāo)為(7，7)，滑窗過程中，可以以步長(zhǎng)為4沿X軸正方向滑動(dòng)，或以步長(zhǎng)為4沿y軸正方向滑動(dòng)，或每次X軸方向和y軸方向均滑動(dòng)4，以得到對(duì)應(yīng)的窗口圖像。
[0033]在一種可選的實(shí)施方式中，在全景圖上以預(yù)設(shè)大小的窗口滑窗，以得到對(duì)應(yīng)的窗口圖像，可以包括以下步驟:
[0034]11)、根據(jù)預(yù)設(shè)的最大電子眼尺寸和最小電子眼尺寸，確定多個(gè)用于對(duì)全景圖進(jìn)行縮放的縮放比例；
[0035]12)、分別在各縮放比例對(duì)應(yīng)的縮放圖像上以預(yù)設(shè)大小的窗口進(jìn)行滑窗，以得到對(duì)應(yīng)的窗口圖像；該各縮放比例對(duì)應(yīng)的縮放圖像為根據(jù)各縮放比例對(duì)全景圖進(jìn)行縮放得到的。
[0036]在該實(shí)施方式中，為了避免在全景圖上滑窗得到的窗口圖像無法覆蓋完整的最大尺寸的電子眼，同時(shí)，避免最小尺寸的電子眼在窗口圖像中所占比例過小，可以預(yù)先根據(jù)最大電子眼尺寸和最小電子眼尺寸(可以通過對(duì)電子眼進(jìn)行采樣統(tǒng)計(jì)獲得電子眼的最大尺寸和最小尺寸)，確定對(duì)全景圖進(jìn)行縮放的縮放比例，并分別在各縮放比例對(duì)應(yīng)的縮放圖像上以預(yù)設(shè)大小的窗口進(jìn)行滑窗，以得到對(duì)應(yīng)的窗口圖像；其中，縮小幅度最大的縮放圖像中，最大尺寸的電子眼的大小不大于窗口大小，放大幅度最大的縮放圖像中，最小尺寸的電子眼的大小不大于窗口大小。
[0037]舉例來說，假設(shè)原始大小的全景圖中，最大尺寸的電子眼大小為32*32，最小尺寸的電子眼大小為4*4，窗口大小為16*16，則對(duì)應(yīng)的縮放比例的范圍可以為[1/2，4]，如縮放比例可以為1/2 (即縮小為原始大小的1/2)、2(即放大為原始大小的2倍)、3(即放大為原始大小的3倍)、4(即放大為原始大小的4倍)等。
[0038]在另一種可選的實(shí)施方式中，在全景圖上以預(yù)設(shè)大小的窗口滑窗，以得到對(duì)應(yīng)的窗口圖像，可以包括以下步驟:
[0039]21)、根據(jù)預(yù)設(shè)最大電子眼尺寸和最小電子眼尺寸，確定多個(gè)用于對(duì)窗口進(jìn)行縮放的縮放比例；
[0040]22)、分別在全景圖上以各縮放比例對(duì)應(yīng)的縮放窗口進(jìn)行滑窗，以得到對(duì)應(yīng)的窗口圖像；該各縮放比例對(duì)應(yīng)的縮放窗口為根據(jù)該各縮放比例對(duì)預(yù)設(shè)大小的窗口進(jìn)行縮放得到的；其中，縮小幅度最大的窗口的尺寸不小于原始大小的全景圖中的最小尺寸的電子眼，放大幅度最大的窗口尺寸不小于原始大小的全景圖中的最大尺寸的電子眼。
[0041]舉例來說，假設(shè)原始大小的全景圖中，最大尺寸的電子眼大小為32*32，最小尺寸的電子眼大小為4*4，原始窗口大小為16*16，則對(duì)應(yīng)的縮放比例的范圍可以為[1/4，2]，如縮放比例可以為1/4(即縮小為原始大小的1/4)、1/2(即縮小為原始大小的1/2)、2(即放大為原始大小的2倍)等。
[0042]在該實(shí)施方式中，為了避免在全景圖上滑窗得到的窗口圖像無法覆蓋完整的電子目艮，同時(shí)，避免電子眼在窗口圖像中所占比例過小，可以預(yù)先根據(jù)最大電子眼尺寸和最小電子眼尺寸(可以通過對(duì)電子眼進(jìn)行采樣統(tǒng)計(jì)獲得電子眼的最大尺寸和最小尺寸)，確定對(duì)窗口進(jìn)行縮放的縮放比例，并分別全景圖上以各縮放比例對(duì)應(yīng)的縮放窗口進(jìn)行滑窗，以得到對(duì)應(yīng)的窗口圖像。
[0043]S102、確定窗口圖像的CNN分類器概率。
[0044]本發(fā)明實(shí)施例中，得到窗口圖像之后，可以通過預(yù)設(shè)的CNN (Convolut1nalNeural Network，卷積神經(jīng)網(wǎng)絡(luò))分類器確定各窗口圖像的CNN分類器概率，并將CNN分類器概率大于第一閾值的窗口圖像(第一目標(biāo)窗口圖像)確定為電子眼疑似區(qū)域。
[0045]本發(fā)明實(shí)施例中，可以預(yù)先根據(jù)電子眼正負(fù)樣本訓(xùn)練電子眼CNN分類器，即將預(yù)設(shè)數(shù)量(如10000個(gè))包括電子眼的預(yù)設(shè)尺寸(假設(shè)為32*32)的圖像(即正樣本)和預(yù)設(shè)數(shù)量的不包括電子眼的預(yù)設(shè)尺寸的圖像(即負(fù)樣本)輸入到CNN進(jìn)行訓(xùn)練，以得到CNN分類器，進(jìn)而，可以通過該CNN分類器確定各窗口圖像的CNN分類器概率。
[0046]S103、確定窗口圖像中CNN分類器概率大于第一閾值的第一目標(biāo)窗口圖像的HOG特征，并確定該HOG特征的SVM分類器概率。
[0047]本發(fā)明實(shí)施例中，確定各窗口圖像的CNN分類器概率之后，可以將其中CNN分類器概率大于第一閾值的窗口圖像(第一目標(biāo)窗口圖像)確定為電子眼疑似區(qū)域(即該第一目標(biāo)窗口圖像對(duì)應(yīng)的區(qū)域中可能存在電子眼)，進(jìn)而，可以提取第一目標(biāo)窗口圖像的HOG (Histogram of Oriented Gradient，方向梯度直方圖)特征，并