一種黃標(biāo)車檢測方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智能交通領(lǐng)域，特別涉及一種黃標(biāo)車檢測方法和裝置。
【背景技術(shù)】
[0002]黃標(biāo)車是高污染排放車輛的別稱，是指未達到國I排放標(biāo)準(zhǔn)的汽油車，或未達到國III排放標(biāo)準(zhǔn)的柴油車，因其所貼的是黃色環(huán)保標(biāo)志，故稱為黃標(biāo)車。
[0003]由于黃標(biāo)車高污染、排放不達標(biāo)，因此環(huán)保部門或交通部門通常會對此類車輛采取特殊規(guī)定以進行約束，如限制其在某些路段/區(qū)域進行行駛等，相應(yīng)地，則需要從監(jiān)控圖像中及時地檢測出在這些路段/區(qū)域行駛的黃標(biāo)車。
[0004]但是，現(xiàn)有技術(shù)中，還沒有一種方式，能夠有效地檢測出圖像中的車輛是否為黃標(biāo)車。

【發(fā)明內(nèi)容】

[0005]有鑒于此，本發(fā)明提供了一種黃標(biāo)車檢測方法和裝置，能夠有效地識別出圖像中的車輛是否為黃標(biāo)車。
[0006]為了達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的:
[0007]—種黃標(biāo)車檢測方法，包括:
[0008]針對獲取到的每幅車輛正向抓拍圖像，分別進行以下處理:
[0009]從所述車輛正向抓拍圖像中確定出包含車窗貼標(biāo)的感興趣區(qū)域；
[0010]從所述感興趣區(qū)域中檢測出Μ個待分析子圖像，每個待分析子圖像中分別包括一個矩形車窗貼標(biāo)，Μ為正整數(shù)；
[0011]確定檢測出的各矩形車窗貼標(biāo)中是否存在黃色環(huán)保標(biāo)志，如果是，則將所述車輛正向抓拍圖像中的車輛確定為黃標(biāo)車。
[0012]一種黃標(biāo)車檢測裝置，包括:
[0013]第一處理模塊，用于針對獲取到的每幅車輛正向抓拍圖像，分別從所述車輛正向抓拍圖像中確定出包含車窗貼標(biāo)的感興趣區(qū)域，并通知給第二處理模塊；
[0014]所述第二處理模塊，用于從所述感興趣區(qū)域中檢測出Μ個待分析子圖像，每個待分析子圖像中分別包括一個矩形車窗貼標(biāo)，Μ為正整數(shù)；確定檢測出的各矩形車窗貼標(biāo)中是否存在黃色環(huán)保標(biāo)志，如果是，則將所述車輛正向抓拍圖像中的車輛確定為黃標(biāo)車。
[0015]考慮到黃標(biāo)車通常采用矩形的黃色環(huán)保標(biāo)志，因此本發(fā)明所述方案中，可首先從車輛正向抓拍圖像中檢測出矩形車窗貼標(biāo)，之后，可進一步分析檢測出的矩形車窗貼標(biāo)中是否存在黃色環(huán)保標(biāo)志，如果是，則可確定車輛正向抓拍圖像中的車輛為黃標(biāo)車；也就是說，采用本發(fā)明所述方案后，能夠有效地識別出圖像中的車輛是否為黃標(biāo)車，從而為交通部門等進行黃標(biāo)車監(jiān)管等提供了有效的監(jiān)督手段。
【附圖說明】
[0016]圖1為本發(fā)明黃標(biāo)車檢測方法實施例的流程圖。
[0017]圖2為現(xiàn)有環(huán)保標(biāo)志的示意圖。
[0018]圖3為現(xiàn)有交強險標(biāo)志的示意圖。
[0019]圖4為現(xiàn)有車輛年檢標(biāo)志的示意圖。
[0020]圖5為本發(fā)明黃標(biāo)車檢測方法較佳實施例的流程圖。
[0021]圖6為本發(fā)明黃標(biāo)車檢測裝置實施例的組成結(jié)構(gòu)示意圖。
【具體實施方式】
[0022]為了使本發(fā)明的技術(shù)方案更加清楚、明白，以下參照附圖并舉實施例，對本發(fā)明所述方案作進一步的詳細說明。
[0023]圖1為本發(fā)明黃標(biāo)車檢測方法實施例的流程圖。如圖1所示，針對獲取到的每幅車輛正向抓拍圖像(如交通卡口正向車輛圖像)，可分別按照以下步驟11?13所示方式進行處理。
[0024]步驟11:從車輛正向抓拍圖像中確定出包含車窗貼標(biāo)的感興趣區(qū)域。
[0025]上述感興趣區(qū)域通常是指車窗區(qū)域。
[0026]從車輛正向抓拍圖像中確定出感興趣區(qū)域的方式可為:
[0027]在車輛正向抓拍圖像中進行車牌檢測；
[0028]如果能夠檢測到車牌，則根據(jù)車牌的位置和大小，以及車窗與車牌的相對位置先驗知識，確定出車窗區(qū)域，并將車窗區(qū)域作為感興趣區(qū)域；
[0029]如果不能檢測到車牌，則對車輛正向抓拍圖像進行車窗檢測，定位到車窗區(qū)域，并將檢測到的車窗區(qū)域作為感興趣區(qū)域，不能檢測到車牌可能是由于車輛沒有懸掛車牌或車牌污損等。
[0030]可以看出，以上采用車牌位置和車窗檢測相結(jié)合的方式來確定感興趣區(qū)域，可以避免在不能檢測到車牌的情況下，不能進行算法操作的缺陷。
[0031]由于是車輛正向抓拍圖像，那么車窗區(qū)域其實就是指車輛的前擋風(fēng)玻璃區(qū)域，車窗貼標(biāo)通常粘貼在車輛的前擋風(fēng)玻璃區(qū)域的右上角。
[0032]步驟12:從感興趣區(qū)域中檢測出Μ個待分析子圖像，每個待分析子圖像中分別包括一個矩形車窗貼標(biāo)，Μ為正整數(shù)。
[0033]車窗貼標(biāo)主要包括以下三類:車輛年檢標(biāo)志、交強險標(biāo)志和環(huán)保標(biāo)志。其中，車輛年檢標(biāo)志和環(huán)保標(biāo)志的形狀通常為矩形，而交強險標(biāo)志的形狀通常為橢圓形。
[0034]如圖2?4所示，圖2為現(xiàn)有環(huán)保標(biāo)志的示意圖，圖3為現(xiàn)有交強險標(biāo)志的示意圖，圖4為現(xiàn)有車輛年檢標(biāo)志的示意圖。
[0035]本步驟中，可從感興趣區(qū)域中檢測出Μ個待分析子圖像，每個待分析子圖像中分別包括一個矩形車窗貼標(biāo)，Μ為正整數(shù)，具體取值根據(jù)實際情況而定，檢測出的矩形車窗貼標(biāo)可能包括車輛年檢標(biāo)志、環(huán)保標(biāo)志和其它誤檢結(jié)果等。
[0036]具體來說，可為感興趣區(qū)域設(shè)置一個預(yù)定大小的滑動窗口，當(dāng)該滑動窗口按照預(yù)定步長每滑動一次之后，可分別根據(jù)預(yù)先訓(xùn)練生成的檢測分類器確定出該滑動窗口內(nèi)是否包括一個矩形車窗貼標(biāo)，如果是，則可將該滑動窗口內(nèi)的圖像作為一個待分析子圖像。
[0037]所述預(yù)定大小和所述預(yù)定步長的具體取值均可根據(jù)實際需要而定。
[0038]較佳地，所述檢測分類器可為級聯(lián)(Cascade)分類器；相應(yīng)地，針對每個滑動窗口，可分別獲取該滑動窗口內(nèi)的圖像的局部二值模式(LBP,Local Binary Patterns)特征，并根據(jù)獲取到的LBP特征以及Cascade分類器，確定出該滑動窗口內(nèi)是否包括一個矩形車窗貼標(biāo)。
[0039]在實際應(yīng)用中，可預(yù)先獲取足夠數(shù)量的矩形車窗貼標(biāo)正樣本(包括一個矩形車窗貼標(biāo)的子圖像)，并分別獲取每個正樣本的LBP特征，根據(jù)獲取到的各LBP特征訓(xùn)練生成Cascade分類器，具體實現(xiàn)為現(xiàn)有技術(shù)。
[0040]在機器視覺中，LBP是一種局部二值模式特征，能夠很好的描述圖像的紋理特征，該特征計算方法簡單，且能夠有效地消除環(huán)境光照所產(chǎn)生的影響，而在交通卡口等應(yīng)用場景中，環(huán)境光照的變化是非常復(fù)雜的，采用LBP特征將使得本發(fā)明所述方案中的車窗貼標(biāo)檢測方式更具魯棒性。
[0041]需要說明的是，在進行矩形車窗貼標(biāo)檢測時，盡量保證高的檢出率，避免漏檢，即對誤檢率可適當(dāng)放松，以避免在該階段漏掉黃色環(huán)保標(biāo)志。
[0042]步驟13:確定檢測出的各矩形車窗貼標(biāo)中是否存在黃色環(huán)保標(biāo)志，如果是，則將車輛正向抓拍圖像中的車輛確定為黃標(biāo)車。
[0043]由于黃標(biāo)車均貼有黃色環(huán)保標(biāo)志，因此本步驟中，可針對步驟12中檢測出的各矩形車窗貼標(biāo)，確定其中是否存在黃色環(huán)保標(biāo)志，如果是，則可將車輛正向抓拍圖像中的車輛確定為黃標(biāo)車。
[0044]如前所述，步驟12中檢測出的矩形車窗貼標(biāo)可能為車輛年檢標(biāo)志，也可能為環(huán)保標(biāo)志，還可能是其它誤檢結(jié)果等。其中，環(huán)保標(biāo)志可能為黃色(黃標(biāo)車)或綠色(非黃標(biāo)車)等，車輛年檢標(biāo)志可能為藍色或黃色等，但黃色的車輛年檢標(biāo)志通常為黃底黑字，而黃色環(huán)保標(biāo)志通常為黃底白字，也就是說，黃色環(huán)保標(biāo)志通常具有以下特征:矩形、黃色、黃底白字。
[0045]為此，本步驟中，可針對步驟12中檢測出的每個矩形車窗貼標(biāo)，分別獲取該矩形車窗貼標(biāo)所在的待分析子圖像的預(yù)定特征，并根據(jù)獲取到的預(yù)定特征以及預(yù)先訓(xùn)練生成的識別分類器，確定出該矩形車窗貼標(biāo)是否為黃色環(huán)保標(biāo)志。所述預(yù)定特征可包括:顏色直方圖特征、局部灰度直方圖特征以及梯度特征。即采用多種特征相結(jié)合的方式來識別黃色環(huán)保標(biāo)志，從而可使得識別結(jié)果更為準(zhǔn)確，以下對各特征分別進行介紹。
[0046]1)顏色直方圖特征
[0047]顏色直方圖所描述的是不同色彩在整幅圖像中所占的比例，并不關(guān)心各種色彩在圖像中所處的空間位置；車窗貼標(biāo)由于分辨率限制等原因，并不能看到具體的紋理細節(jié)，但是可以通過顏色直方圖特征很好地進行描述。
[0048]在HSV顏色空間中，Η分量代表色度，S分量代表飽和度，V分量代表亮度，采用Η分量就能很好地分辨出目標(biāo)的顏色。如果把Η分量量化到0?360，那么黃色可能會存在的區(qū)間為[10，80]，其它顏色則會落在其它位置。這樣，通過采用Η分量的直方圖特征進行描述，即可很好地將黃色貼標(biāo)與其它藍色、綠色等貼標(biāo)區(qū)分開來。
[0049]2)局部灰度直方圖特征
[0050]局部灰度直方圖特征反映的是圖像中某種灰度出現(xiàn)的頻率，如前所述，黃色的車輛年檢標(biāo)志通常為黃底黑字，而黃色環(huán)保標(biāo)志通常為黃底白字，因此采用局部灰度直方圖特征進行描述，即可將這兩種車窗貼標(biāo)區(qū)分開來。
[0051]3)梯度特征
[0052]梯度特征在整體上描述了圖像的紋理特征，通過提取梯度特征，可以將貼標(biāo)的基本形態(tài)和內(nèi)部紋理等信息都提取出來?；谶@種特征，可以將環(huán)保標(biāo)志與其它誤檢結(jié)果進行區(qū)分，誤檢結(jié)果可能是由于車窗存在污損或粘貼了其它無關(guān)物品等造成的。
[0053]如何獲取顏色直方圖特征、局部灰度直方圖特征以及梯度特征均為現(xiàn)有技術(shù)。
[0054]針對步驟12中檢測出的每個矩形車窗貼標(biāo)，在獲取到該矩形車窗貼標(biāo)所在的待分析子圖像的顏色直方圖特征、局部灰度直方圖特征以及梯度特征