一種面向交通卡口監(jiān)控的車內(nèi)人臉檢測方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)視覺W及智能交通識別領(lǐng)域,更具體地設(shè)及一種面向交通卡口 監(jiān)控的車內(nèi)人臉檢測技術(shù)。
【背景技術(shù)】
[0002] 雖然隨著道路上監(jiān)控?cái)z像頭的增加與覆蓋范圍的完善,交警可W對路上的行車進(jìn) 行更有效的監(jiān)管。其中車牌的檢測與識別、超速主駕駛、闖紅燈等都可W由計(jì)算機(jī)自動完成 識別,但在對駕乘人員身份的認(rèn)證的方面,現(xiàn)階段仍W人工識別為主,效率低下并且耗費(fèi)人 力。主要原因是沒有一種技術(shù)能從卡口圖像中很好的檢測到人臉,從而提取人臉圖像做識 別。
[0003] 目前,化ar特征加上AdaBoost分類器的方法是常用的人臉檢測方法,并且利用 opencv開源庫可W很簡單的實(shí)現(xiàn),但是對于車內(nèi)的人臉檢測效果不佳。因?yàn)?,車?nèi)人臉存在 光照多樣性、遮擋W及姿勢多樣性等檢測難點(diǎn)。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明目的是針對現(xiàn)有交通卡口監(jiān)控的車內(nèi)人臉檢測技術(shù)的不足和缺陷,提供了 一種面向交通卡口監(jiān)控的車內(nèi)人臉檢測技術(shù)。
[0005] 本發(fā)明提供一種面向交通卡口監(jiān)控的車內(nèi)人臉檢測方法,包括W下步驟:
[0006] 步驟1,讀取交通卡口監(jiān)控圖像,檢測并定位車輛的車牌區(qū)域;
[0007] 步驟2,根據(jù)步驟1所得車輛的車牌區(qū)域,利用車牌的位置和大小確定車內(nèi)駕駛區(qū) 域;
[000引步驟3,在步驟2提取的車內(nèi)駕駛區(qū)域里進(jìn)行人臉檢測。
[0009] 而且,所述步驟1包括W下子步驟,
[0010] 步驟1.1,讀取交通卡口監(jiān)控圖像進(jìn)行預(yù)處理,包括進(jìn)行灰度化和固定比例縮放;
[0011] 步驟1. 2,對縮放后的圖像進(jìn)行邊緣檢測;
[0012] 步驟1. 3,對邊緣檢測圖進(jìn)行二值化處理,并進(jìn)行形態(tài)學(xué)操作;
[001引步驟1. 4,提取連通區(qū)輪廓,根據(jù)所提取出來的矩形框的長寬比W及面積進(jìn)行篩選 定位車牌,得到矩形的車牌區(qū)域。
[0014] 而且,所述步驟2包括W下子步驟,
[0015] 步驟2. 1,先W車牌位置與大小粗定位主駕駛區(qū)域:
[0016] 步驟2. 2,將車牌區(qū)域映射到HSV色彩空間,根據(jù)HSV色彩空間中像素顏色對應(yīng)的 H、S、V各值的區(qū)間得出像素是否為藍(lán)色、黃色或者不為W上兩種顏色,當(dāng)根據(jù)區(qū)域占比最多 的顏色為藍(lán)色或黃色,且占總像素?cái)?shù)比重超過預(yù)設(shè)的限定值時(shí),相應(yīng)確定為車牌底色;
[0017] 步驟2. 3,當(dāng)車牌底色為黃色時(shí)認(rèn)為車型是大型車,當(dāng)車牌底色為藍(lán)色時(shí)認(rèn)為車型 是小型車,根據(jù)車型對粗定位的主駕駛區(qū)域進(jìn)行微調(diào);
[0018] 步驟2. 4,將微調(diào)后的主駕駛區(qū)域沿區(qū)域左邊緣水平翻轉(zhuǎn)得到副主駕駛區(qū)域,兩區(qū) 域合并得到車內(nèi)駕駛區(qū)域。
[0019] 而且,所述步驟3中是利用卷積神經(jīng)網(wǎng)絡(luò)在車內(nèi)駕駛區(qū)域內(nèi)進(jìn)行多尺度人臉檢 測。
[0020] 一種面向交通卡口監(jiān)控的車內(nèi)人臉檢測系統(tǒng),包括W下模塊:
[0021] 車牌區(qū)域定位模塊,用于讀取交通卡口監(jiān)控圖像,檢測并定位車輛的車牌區(qū)域;
[0022] 車內(nèi)駕駛區(qū)域定位模塊,用于根據(jù)車輛的車牌區(qū)域,利用車牌的位置和大小確定 車內(nèi)駕駛區(qū)域;
[0023] 人臉檢測模塊,在車內(nèi)駕駛區(qū)域里進(jìn)行人臉檢測。
[0024] 而且,所述車牌區(qū)域定位模塊包括W下子模塊,
[0025] 預(yù)處理子模塊,用于先讀取交通卡口監(jiān)控圖像進(jìn)行預(yù)處理,包括進(jìn)行灰度化和固 定比例縮放;邊緣檢測子模塊,對縮放后的圖像進(jìn)行邊緣檢測;
[0026] 二值化子模塊,用于對邊緣檢測圖進(jìn)行二值化處理,并進(jìn)行形態(tài)學(xué)操作;
[0027] 車牌定位子模塊,用于提取連通區(qū)輪廓,根據(jù)所提取出來的矩形框的長寬比W及 面積進(jìn)行篩選定位車牌,得到矩形的車牌區(qū)域。
[002引而且,所述車內(nèi)駕駛區(qū)域定位模塊包括W下子模塊,
[0029] 粗定位子模塊,用于先W車牌位置與大小粗定位主駕駛區(qū)域:
[0030] 車牌底色識別子模塊,用于將車牌區(qū)域映射到HSV色彩空間,根據(jù)HSV色彩空間中 像素顏色對應(yīng)的H、S、V各值的區(qū)間得出像素是否為藍(lán)色、黃色或者不為W上兩種顏色,當(dāng) 根據(jù)區(qū)域占比最多的顏色為藍(lán)色或黃色,且占總像素?cái)?shù)比重超過預(yù)設(shè)的限定值時(shí),相應(yīng)確 定為車牌底色;
[0031] 定位調(diào)整子模塊,用于當(dāng)車牌底色為黃色時(shí)認(rèn)為車型是大型車,當(dāng)車牌底色為藍(lán) 色時(shí)認(rèn)為車型是小型車,根據(jù)車型對粗定位的主駕駛區(qū)域進(jìn)行微調(diào);
[0032] 車內(nèi)駕駛區(qū)域合成子模塊,用于將微調(diào)后的主駕駛區(qū)域沿區(qū)域左邊緣水平翻轉(zhuǎn)得 到副主駕駛區(qū)域,兩區(qū)域合并得到車內(nèi)駕駛區(qū)域。
[0033] 而且,所述人臉檢測模塊中是利用卷積神經(jīng)網(wǎng)絡(luò)在車內(nèi)駕駛區(qū)域內(nèi)進(jìn)行多尺度人 臉檢測。
[0034] 本發(fā)明面向交通卡口監(jiān)控提供了車內(nèi)人臉檢測技術(shù)方案,首次提出,通過車牌的 定位定位到車內(nèi)駕駛區(qū)域,再在該個(gè)車內(nèi)駕駛區(qū)域里檢測人臉,設(shè)計(jì)巧妙,實(shí)施簡便。該方 法有效的提高了人臉檢測的精度。
【附圖說明】
[0035] 圖1為本發(fā)明實(shí)施例的交通卡口監(jiān)控圖像車內(nèi)人臉檢測方法流程圖。
[0036] 圖2為本發(fā)明實(shí)施例的車牌定位步驟流程圖。
[0037] 圖3為本發(fā)明實(shí)施例邊緣檢測后的效果示例圖。
[003引圖4為本發(fā)明實(shí)施例形態(tài)學(xué)處理后的效果示例圖。
[0039] 圖5為本發(fā)明實(shí)施例對小型車確定的車內(nèi)主駕駛區(qū)域示意圖。
[0040] 圖6為本發(fā)明實(shí)施例對大型車確定的車內(nèi)主駕駛區(qū)域示意圖。
【具體實(shí)施方式】
[0041] 下面結(jié)合附圖和實(shí)施例對本發(fā)明的實(shí)施方式做進(jìn)一步說明:
[0042] 具體實(shí)施時(shí),本發(fā)明技術(shù)方案可由本領(lǐng)域技術(shù)人員采用計(jì)算機(jī)軟件技術(shù)實(shí)現(xiàn)自動 運(yùn)行流程。如圖1所示,本發(fā)明一種面向交通卡口監(jiān)控的車內(nèi)人臉檢測技術(shù)主要包括W下 步驟:
[0043] 步驟1,讀取交通卡口監(jiān)控圖像,檢測并定位車輛的車牌區(qū)域,其流程如圖2所示。
[0044] 按照交通部規(guī)范,交通卡口監(jiān)控圖像為1600X1200像素,本發(fā)明技術(shù)方案也按此 設(shè)計(jì)。具體實(shí)施時(shí),若有其他大小的圖像,可W先一致處理為1600X1200像素。
[0045]1-1,讀取交通卡口監(jiān)控圖像,即檢測圖像數(shù)據(jù),對其進(jìn)行預(yù)處理,包括做濾波等圖 像增強(qiáng)常用的預(yù)處理,并灰度化。由于車輛前面的牌照按標(biāo)準(zhǔn)為440mmX140mm,實(shí)施例進(jìn)一 步提出進(jìn)行固定比例縮放,包括在后續(xù)操作前對圖像長度縮小4. 4,寬度縮小1. 4,使車牌 的字符變得更緊密更容易在后續(xù)的處理中形成連通域。
[0046] 1-2,使用Roberts算子對縮放后的圖像進(jìn)行邊緣檢測,產(chǎn)生的邊緣圖如圖3所示。
[0047] Roberts算子是一種最簡單的邊緣檢測算子,它利用局部差分來尋找邊緣,采用對 角線方向相鄰兩象素之差近似梯度幅值檢測邊緣。相比于其他算子,Robed算子能W更快 的速度取得不錯(cuò)的邊緣檢測效果。
[0048] 1-3,二值化邊緣檢測圖像并進(jìn)行形態(tài)學(xué)操作,結(jié)果如圖4所示。
[0049] 選取合適的闊值,對邊緣檢測圖進(jìn)行二值化處理。利用數(shù)學(xué)形態(tài)學(xué)開、閉運(yùn)算的不 同模版多次組合,對二值化圖像進(jìn)行處理使得車牌區(qū)域連通。
[0化0] 實(shí)施例借助像素積分圖,自適應(yīng)算出闊值對邊緣檢測圖進(jìn)行二值化處理。具體實(shí) 施時(shí),可W首先計(jì)算出邊緣檢測圖的像素積分圖,然后W每個(gè)像素為中屯、取預(yù)設(shè)尺寸(經(jīng) 驗(yàn)值,例如60X60)的區(qū)域,若該區(qū)域超出圖像邊界,則W圖像邊界做為區(qū)域邊界。借助積 分圖快速計(jì)算出區(qū)域像素和,如果該點(diǎn)像素小于區(qū)域均值的一半或小于經(jīng)驗(yàn)設(shè)定的闊值, 就將其像素值更新為0,否則為255。
[0051] 利用數(shù)學(xué)形態(tài)學(xué)開運(yùn)算消除小物體,用閉運(yùn)算填充物體內(nèi)細(xì)小空洞,最終使得車 牌區(qū)域連通。
[0052] 1-4,提取連通區(qū)輪廓,根據(jù)所提取出來的矩形框的長寬比W及面積進(jìn)行篩選定位 車牌,結(jié)果即如圖4所示最下方矩形區(qū)域。
[0053] 步驟2,根據(jù)車輛的先驗(yàn)信息,利用車牌的位置和大小,可W利用預(yù)先進(jìn)行的實(shí)驗(yàn) 所得經(jīng)驗(yàn)確定主駕駛區(qū)域。
[0054] 2-1,先W車牌位置與大小粗定位主駕駛區(qū)域:
[0化5]主駕駛區(qū)域左上角橫坐標(biāo)=車牌左上角橫坐標(biāo)+0. 5X車牌寬度;
[0化6]主駕駛區(qū)域左上角縱坐標(biāo)=車牌左上角縱坐標(biāo)-3. 9X車牌寬度;
[0化7] 主駕駛區(qū)域右下角橫坐標(biāo)=車牌左上角橫坐標(biāo)+2. 3X車牌寬度,且需使主駕 駛區(qū)域?qū)挾仍?00像素W下;
[0化引 主駕駛區(qū)域右下角縱坐標(biāo)=車牌左上角縱坐標(biāo)-1. 5X車牌寬度,且需使主駕 駛區(qū)域
[0059] 高度在300像素W上。
[0060] 2-2,將車牌區(qū)域映射到HSV色彩空間,本發(fā)明僅考慮藍(lán)色與黃色車牌,即可根據(jù) 表1,HSV色彩空間中像素顏色對應(yīng)的H(色調(diào))、S(飽和度)、V(亮度)各值的區(qū)間得出像 素是否為藍(lán)色、黃色或者不為w上兩種顏色。根據(jù)區(qū)域占比最多的顏色來獲取車牌底色,即 當(dāng)根據(jù)區(qū)域占比最多的顏色為藍(lán)色或黃色時(shí),確定為車牌底色。同時(shí)為防止誤判,進(jìn)一步判 斷其占總像素?cái)?shù)比重需超過限定值(本領(lǐng)域技術(shù)人員可自行確定取值),超過則進(jìn)入2-3, 否則判為非車牌,流程結(jié)束并判別為沒有檢測到人臉。
[0061] 表1HSV色彩空間中像素顏色對應(yīng)的H、S、V各值的區(qū)間
[0062]
[0063] 車牌的底色有藍(lán)色、黃色、白色、黑色,其中藍(lán)色的是小車車牌(包括小噸位的貨 車),黃色的是大車或農(nóng)用車用的車牌及教練車車牌,及新產(chǎn)品未定型的試驗(yàn)車,摩托車也 是黃牌的,白色是特種車車牌(如軍車警車車牌及賽車車牌),黑色是外商及外商的企業(yè)由 國外自帶車的車牌。
[0064] 2-3,本發(fā)明僅考慮藍(lán)色與黃色車牌,并且對于黃色車牌均認(rèn)為是大車。根據(jù)車型 對粗定位所得主駕駛區(qū)域進(jìn)行微調(diào),結(jié)果如圖5和圖6所示,W表示車牌橫向長度,h表示車 牌縱向長度。0. 5w表示車牌橫向長度的一半,即0. 5與W的乘積,其他2. 3w、l. 5w等類似。 &&表示邏輯關(guān)系并且。
[0065] 具體如下;
[0066] 對于大型車;主駕駛區(qū)域左上角縱坐標(biāo)向上移動250像素,主駕駛區(qū)域右下角 縱坐標(biāo)向右移動1. 5個(gè)車牌寬度的距離,且需使主駕駛區(qū)域?qū)挾仍?50像素W下,高度限 制在700像素W下(且一般在300像素W上)。圖6中主駕駛區(qū)域上方到車牌的高度差為 3. 9w+250 像素。
[0067] 對于小型車:將主駕駛區(qū)域?qū)挾认拗圃?00像素W下,高度限制在700像素W下 (且一般在300像素W上)。圖6中主駕駛區(qū)域上方到車牌的高度差為3. 9w像素。
[0068] 2-4,將微調(diào)后的主駕駛區(qū)域沿區(qū)域左邊緣水平翻轉(zhuǎn)得到副主駕駛區(qū)域,兩區(qū)域合 并即可得到從車輛頭部確定的車