專利名稱：一種基于圖像分析的車輛遮陽板檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像分析技術(shù)領(lǐng)域，尤其涉及智能交通中的圖像分析，具體涉及一種基于圖像分析的車輛遮陽板檢測方法及裝置。
背景技術(shù)：
遮陽板，就是在汽車前風(fēng)擋、后風(fēng)擋那塊，為了避免陽光刺眼設(shè)計(jì)的，能來回搬動(dòng)，從而調(diào)整太陽光對眼睛的照射度，避免了交通事故的發(fā)生，遮陽板也使得太陽光很難直射入車內(nèi)，有較好的降溫作用，同時(shí)還可以保護(hù)儀表盤、真皮座等。當(dāng)前一些不發(fā)分子利用遮陽板的遮擋性，在夜間作案，因遮陽板遮掩了其面容特征，從而逃避了法律的制裁。為了提前對此種情形進(jìn)行預(yù)警，及時(shí)地反饋車輛的可疑性，有效地為公安提供參考信息，有必要及時(shí)地對涉疑車輛的行為進(jìn)行跟蹤和分析。但是，由于受夜間光線不足、道路復(fù)雜、車內(nèi)環(huán)境復(fù)雜等客觀因素的影響，對夜間車內(nèi)遮陽板的檢測，存在如下問題1、容易丟失車輛信息，遮陽板檢測區(qū)域不能被定位而丟失；2、容易把車內(nèi)的雜物當(dāng)成遮陽板引起檢測失??；3、難以滿足實(shí)時(shí)性要求。這些因素影響了遮陽板檢測率和檢測精度。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的是解決夜間遮陽板檢測存在的難點(diǎn)，充分保證遮陽板的檢測率或檢測精度，提出一種基于圖像分析的車輛遮陽板檢測方法及裝置，使得在爆閃燈的有效補(bǔ)光下，結(jié)合車牌位置精確定位出車窗位置，從而高效的排除了非遮陽板區(qū)域的干擾，最終使得車窗內(nèi)的遮陽板被檢測到，可廣泛用于公安預(yù)警系統(tǒng)中。為了達(dá)到上述發(fā)明目的，本發(fā)明實(shí)施例提出的一種基于圖像分析的車輛遮陽板檢測方法是通過以下技術(shù)方案實(shí)現(xiàn)的—種基于圖像分析的車輛遮陽板檢測方法，所述方法包括采用線段檢測，對車窗區(qū)域進(jìn)行定位；利用不同的尺寸窗口在車窗區(qū)域進(jìn)行滑動(dòng)，并利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域；對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位。優(yōu)選地，所述采用線段檢測，對車窗區(qū)域進(jìn)行精確定位具體包括車窗的邊沿以線條形式凸現(xiàn)，并根據(jù)車窗的矩形狀，找出組合線條，進(jìn)行車窗區(qū)域的粗定位；利用sobel水平邊緣，找出近似車窗的上、下邊沿進(jìn)行特征判別，并結(jié)合車窗內(nèi)紋理、能量密度比進(jìn)行精確定位。優(yōu)選地，所述利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域具體包括預(yù)先設(shè)定一個(gè)灰度方差閾值，顏色均衡度低于所述閾值的作為遮陽板的候選區(qū)域。
進(jìn)一步優(yōu)選地，所述對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位具體包括采用自適應(yīng)閾值對目標(biāo)進(jìn)行二值化，并分別做水平、垂直投影，根據(jù)投影特征檢測波峰波谷，過濾掉峰谷過多或跨越過大的區(qū)域；利用soble垂直特性，過濾掉垂直密度強(qiáng)的區(qū)域；對候選遮陽板區(qū)域進(jìn)行逐行掃描，對漸變或不變的進(jìn)行描述，如果存在連續(xù)多行并相似的區(qū)域，則判定為遮陽板，否則進(jìn)行過濾。為了實(shí)現(xiàn)前述發(fā)明目的，本發(fā)明實(shí)施例還提出了一種基于圖像分析的車輛遮陽板檢測裝置，所述裝置是通過以下技術(shù)方案實(shí)現(xiàn)的一種基于圖像分析的車輛遮陽板檢測裝置，所述裝置包括
車窗定位模塊，用來采用線段檢測，對車窗區(qū)域進(jìn)行精確定位；目標(biāo)區(qū)域提取模塊，用來利用不同的尺寸窗口在車窗區(qū)域進(jìn)行滑動(dòng)，并利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域；目標(biāo)定位模塊，用來對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位。優(yōu)選地，所述車窗定位模塊具體包括粗定位子模塊，用來根據(jù)車窗的邊沿以線條形式凸現(xiàn)，并根據(jù)車窗的矩形狀，找出組合線條，進(jìn)行車窗區(qū)域的粗定位；精確定位子模塊，用來利用sobel水平邊緣，找出近似車窗的上、下邊沿進(jìn)行特征判別，并結(jié)合車窗內(nèi)紋理、能量密度比進(jìn)行精確定位。進(jìn)一步優(yōu)選地,所述目標(biāo)定位模塊具體包括二值化子模塊，用來采用自適應(yīng)閾值對目標(biāo)進(jìn)行二值化；投影子模塊，用來分別對二值化的圖像進(jìn)行水平、垂直投影；過濾子模塊，用來根據(jù)投影特征檢測波峰波谷，過濾掉峰谷過多或跨越過大的區(qū)域和利用soble垂直特性，過濾掉垂直密度強(qiáng)的區(qū)域；判定子模塊，用來對候選遮陽板區(qū)域進(jìn)行逐行掃描，對漸變或不變的進(jìn)行描述，如果存在連續(xù)多行并相似的區(qū)域，則判定為遮陽板，否則進(jìn)行過濾。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例基于圖像分析的車輛遮陽板檢測方法和裝置結(jié)合了成熟的車牌定位技術(shù)，并采取了線條車窗分割方法，利用遮陽板自身特性對遮陽板進(jìn)行很好的檢測。應(yīng)用于在智能交通領(lǐng)域時(shí)，本發(fā)明實(shí)施例可快速地在夜間檢測出車輛是否存在遮陽板，并第一時(shí)間將相關(guān)信息反饋給公安系統(tǒng)，提示被檢測車輛存在一定的可疑，從而有利于后續(xù)進(jìn)行有效及時(shí)的分析，避免了犯罪分子利用遮擋性進(jìn)行逃逸。


通過下面結(jié)合附圖對其示例性實(shí)施例進(jìn)行的描述，本發(fā)明上述特征和優(yōu)點(diǎn)將會(huì)變得更加清楚和容易理解。圖I為本發(fā)明實(shí)施例I 一種基于圖像分析的車輛遮陽板檢測方法流程圖；圖2為本發(fā)明實(shí)施例2車窗定位流程圖；圖3為本發(fā)明實(shí)施例3遮陽板定位流程圖；圖4為本發(fā)明實(shí)施例4 一種基于圖像分析的車輛遮陽板檢測裝置組成示意圖；圖5為本發(fā)明實(shí)施例5另一種基于圖像分析的車輛遮陽板檢測裝置組成示意圖6為本發(fā)明實(shí)施例6另一種基于圖像分析的車輛遮陽板檢測裝置組成示意圖。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)說明如圖3所示，為本發(fā)明實(shí)施例I 一種基于圖像分析的車輛遮陽板檢測方法，所述方法包括S101.采用線段檢測，對車窗區(qū)域進(jìn)行定位；S102.利用不同的尺寸窗口在車窗區(qū)域進(jìn)行滑動(dòng)，并利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域；S103.對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位。優(yōu)選地，如圖2所示，本發(fā)明實(shí)施例2中，所述采用線段檢測，對車窗區(qū)域進(jìn)行精確定位具體包括S201.車窗的邊沿以線條形式凸現(xiàn)，并根據(jù)車窗的矩形狀，找出組合線條，進(jìn)行車窗區(qū)域的粗定位；S202.利用sobel水平邊緣，找出近似車窗的上、下邊沿進(jìn)行特征判別，并結(jié)合車窗內(nèi)紋理、能量密度比進(jìn)行精確定位。優(yōu)選地，所述方法還包括利用車牌定位方法，進(jìn)行車牌定位，車窗位置根據(jù)定位的車牌位置獲得。為了提高算法的精確定位和效率性，本算法先對車牌定位，根據(jù)車牌位置能夠有效地縮小檢測區(qū)域。優(yōu)選地，所述利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域具體包括預(yù)先設(shè)定一個(gè)灰度方差閾值，顏色均衡度低于所述閾值的作為遮陽板的候選區(qū)域。進(jìn)一步優(yōu)選地，如圖3所示，本發(fā)明實(shí)施例3中，所述對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位具體包括S301.采用自適應(yīng)閾值對目標(biāo)進(jìn)行二值化，并分別做水平、垂直投影，根據(jù)投影特征檢測波峰波谷，過濾掉峰谷過多或跨越過大的區(qū)域；S302.利用soble垂直特性，過濾掉垂直密度強(qiáng)的區(qū)域；S303.對候選遮陽板區(qū)域進(jìn)行逐行掃描，對漸變或不變的進(jìn)行描述，如果存在連續(xù)多行并相似的區(qū)域，則判定為遮陽板，否則進(jìn)行過濾。為了實(shí)現(xiàn)前述發(fā)明目的，如圖4所示，本發(fā)明實(shí)施例還提出了一種基于圖像分析的車輛遮陽板檢測裝置，所述裝置是通過以下技術(shù)方案實(shí)現(xiàn)的一種基于圖像分析的車輛遮陽板檢測裝置，所述裝置包括車窗定位模塊，用來采用線段檢測，對車窗區(qū)域進(jìn)行精確定位；目標(biāo)區(qū)域提取模塊，用來利用不同的尺寸窗口在車窗區(qū)域進(jìn)行滑動(dòng)，并利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域；目標(biāo)定位模塊，用來對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位。優(yōu)選地,如圖5所示,本發(fā)明實(shí)施例5中,所述車窗定位模塊具體包括粗定位子模塊，用來根據(jù)車窗的邊沿以線條形式凸現(xiàn)，并根據(jù)車窗的矩形狀，找出組合線條，進(jìn)行車窗區(qū)域的粗定位；精確定位子模塊，用來利用sobel水平邊緣，找出近似車窗的上、下邊沿進(jìn)行特征判別，并結(jié)合車窗內(nèi)紋理、能量密度比進(jìn)行精確定位。進(jìn)一步優(yōu)選地,如圖6所示,本發(fā)明實(shí)施例6中,所述目標(biāo)定位模塊具體包括二值化子模塊，用來采用自適應(yīng)閾值對目標(biāo)進(jìn)行二值化；投影子模塊，用來分別對二值化的圖像進(jìn)行水平、垂直投影；過濾子模塊，用來根據(jù)投影特征檢測波峰波谷，過濾掉峰谷過多或跨越過大的區(qū)域和利用soble垂直特性，過濾掉垂直密度強(qiáng)的區(qū)域；判定子模塊，用來對候選遮陽板區(qū)域進(jìn)行逐行掃描，對漸變或不變的進(jìn)行描述，如 果存在連續(xù)多行并相似的區(qū)域，則判定為遮陽板，否則進(jìn)行過濾。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例基于圖像分析的車輛遮陽板檢測方法和裝置，在爆閃燈的有效補(bǔ)光下，結(jié)合車牌位置精確定位出車窗位置，這樣高效的排除了非遮陽板區(qū)域的干擾，最終使得車窗內(nèi)的遮陽板被檢測到，結(jié)合了成熟的車牌定位技術(shù)，并采取了線條車窗分割方法，利用遮陽板自身特性對遮陽板進(jìn)行很好的檢測。應(yīng)用于在智能交通領(lǐng)域時(shí)，本發(fā)明實(shí)施例可快速地在夜間檢測出車輛是否存在遮陽板，并第一時(shí)間將相關(guān)信息反饋給公安系統(tǒng)，提示被檢測車輛存在一定的可疑，從而有利于后續(xù)進(jìn)行有效及時(shí)的分析，避免了犯罪分子利用遮擋性進(jìn)行逃逸。本發(fā)明所屬領(lǐng)域的一般技術(shù)人員可以理解，本發(fā)明以上實(shí)施例僅為本發(fā)明的優(yōu)選實(shí)施例之一，為篇幅限制，這里不能逐一列舉所有實(shí)施方式，任何可以體現(xiàn)本發(fā)明權(quán)利要求技術(shù)方案的實(shí)施，都在本發(fā)明的保護(hù)范圍內(nèi)。需要注意的是，以上內(nèi)容是結(jié)合具體的實(shí)施方式對本發(fā)明所作的進(jìn)一步詳細(xì)說明，不能認(rèn)定本發(fā)明的具體實(shí)施方式
僅限于此，在本發(fā)明的上述指導(dǎo)下，本領(lǐng)域技術(shù)人員可以在上述實(shí)施例的基礎(chǔ)上進(jìn)行各種改進(jìn)和變形，而這些改進(jìn)或者變形落在本發(fā)明的保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種基于圖像分析的車輛遮陽板檢測方法，其特征在于，所述方法包括 采用線段檢測，對車窗區(qū)域進(jìn)行定位； 利用不同的尺寸窗口在車窗區(qū)域進(jìn)行滑動(dòng)，并利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域； 對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位。
2.如權(quán)利要求I所述的基于圖像分析的車輛遮陽板檢測方法，其特征在于，所述采用線段檢測，對車窗區(qū)域進(jìn)行精確定位具體包括 車窗的邊沿以線條形式凸現(xiàn)，并根據(jù)車窗的矩形狀，找出組合線條，進(jìn)行車窗區(qū)域的粗定位; 利用sobel水平邊緣，找出近似車窗的上、下邊沿進(jìn)行特征判別，并結(jié)合車窗內(nèi)紋理、能量密度比進(jìn)行精確定位。
3.如權(quán)利要求I所述的基于圖像分析的車輛遮陽板檢測方法，其特征在于，所述利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域具體包括 預(yù)先設(shè)定一個(gè)灰度方差閾值，顏色均衡度低于所述閾值的作為遮陽板的候選區(qū)域。
4.如權(quán)利要求I所述的基于圖像分析的車輛遮陽板檢測方法，其特征在于，所述對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位具體包括 采用自適應(yīng)閾值對目標(biāo)進(jìn)行二值化，并分別做水平、垂直投影，根據(jù)投影特征檢測波峰波谷，過濾掉峰谷過多或跨越過大的區(qū)域； 利用soble垂直特性，過濾掉垂直密度強(qiáng)的區(qū)域； 對候選遮陽板區(qū)域進(jìn)行逐行掃描，對漸變或不變的進(jìn)行描述，如果存在連續(xù)多行并相似的區(qū)域，則判定為遮陽板，否則進(jìn)行過濾。
5.如權(quán)利要求I至4任意一項(xiàng)所述的基于圖像分析的車輛遮陽板檢測方法，其特征在于，所述方法還包括 首先利用車牌定位方法，進(jìn)行車牌定位，根據(jù)定位的車牌位置定位車窗位置。
6.一種基于圖像分析的車輛遮陽板檢測裝置，其特征在于，所述裝置包括 車窗定位模塊，用來采用線段檢測，對車窗區(qū)域進(jìn)行精確定位； 目標(biāo)區(qū)域提取模塊，用來利用不同的尺寸窗口在車窗區(qū)域進(jìn)行滑動(dòng)，并利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域； 目標(biāo)定位模塊，用來對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位。
7.如權(quán)利要求6所述的基于圖像分析的車輛遮陽板檢測裝置，其特征在于，所述車窗定位模塊具體包括 粗定位子模塊，用來根據(jù)車窗的邊沿以線條形式凸現(xiàn)，并根據(jù)車窗的矩形狀，找出組合線條，進(jìn)行車窗區(qū)域的粗定位； 精確定位子模塊，用來利用sobel水平邊緣，找出近似車窗的上、下邊沿進(jìn)行特征判別，并結(jié)合車窗內(nèi)紋理、能量密度比進(jìn)行精確定位。
8.如權(quán)利要求6所述的基于圖像分析的車輛遮陽板檢測裝置，其特征在于，所述目標(biāo)定位模塊具體包括 二值化子模塊，用來采用自適應(yīng)閾值對目標(biāo)進(jìn)行二值化； 投影子模塊，用來分別對二值化的圖像進(jìn)行水平、垂直投影；過濾子模塊，用來根據(jù)投影特征檢測波峰波谷，過濾掉峰谷過多或跨越過大的區(qū)域和利用soble垂直特性，過濾掉垂直密度強(qiáng)的區(qū)域； 判定子模塊，用來對候選遮陽板區(qū)域進(jìn)行逐行掃描，對漸變或不變的進(jìn)行描述，如果存在連續(xù)多行并相似的區(qū)域，則判定為遮陽板，否則進(jìn)行過濾。
全文摘要
本發(fā)明公開了一種基于圖像分析的車輛遮陽板檢測方法，用于智能交通中的圖像分析領(lǐng)域，所述方法包括采用線段檢測，對車窗區(qū)域進(jìn)行定位；利用不同的尺寸窗口在車窗區(qū)域進(jìn)行滑動(dòng)，并利用遮陽板顏色的均衡性，提取候選的遮陽板區(qū)域；對候選的遮陽板區(qū)域進(jìn)行遮陽板的定位。本發(fā)明還提供了一種基于圖像分析的車輛遮陽板檢測裝置，使得在爆閃燈的補(bǔ)光下，精確定位出車窗位置，從而高效的排除了非遮陽板區(qū)域的干擾，最終使得車窗內(nèi)的遮陽板被檢測到，可廣泛用于公安預(yù)警系統(tǒng)中。
文檔編號G08G1/017GK102622889SQ201210089548
公開日2012年8月1日 申請日期2012年3月30日 優(yōu)先權(quán)日2012年3月30日
發(fā)明者劉國偉, 張如高, 楊凱鵬, 虞正華 申請人:深圳市博康智能信息技術(shù)有限公司