CN103268471B - 一种车辆非法占道检测方法及装置 - Google Patents

Abstract

本发明适用于智能交通技术领域，提供了一种车辆非法占道检测方法及装置，包括：提取视频帧中包含车道的图像；判断图像中车道是否为预设颜色车道；当车道为预设颜色车道时，在所述视频帧中检测车牌；当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。在本发明实施例中，当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。以使有关部门可根据标记的车牌，处置占用公交车道或其它专用车道的社会车辆，从而提高了公交车辆或其它车辆的运行效率以及安全性。

Description

一种车辆非法占道检测方法及装置

技术领域

本发明属于智能交通技术领域，尤其涉及一种车辆非法占道检测方法及装置。

背景技术

随着公共交通***的日益完善，政府建立了公交车道，公交车道作为公交车的专用车道，确保了公交车辆能畅通行驶，有效改善了公交线路拥堵，提高了城市的客运效率，为民众提供一个便利、快捷的出行环境。

然而，由于现有技术无法检测闯入或占用公交车道的社会车辆，当部分社会车辆不遵循交通规则闯入或占用公交车道时，会降低公交车辆运行的效率，威胁公交车辆交通的安全，因此对于社会车辆闯入或占用公交车道带来的安全隐患不容忽视。

发明内容

本发明实施例的目的在于提供一种车辆非法占道检测方法，旨在解决现有技术无法检测占用公交车道或其它专用车道的社会车辆，导致公交车辆或其它车辆的运行效率以及安全性低的问题。

本发明实施例是这样实现的，一种车辆非法占道检测方法，包括：

提取视频帧中包含车道的图像；

判断所述图像中车道是否为预设颜色车道；

当所述车道为预设颜色车道时，在所述视频帧中检测车牌；

当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；

当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；

当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。

本发明实施例的另一目的在于提供一种车辆非法占道检测装置，包括：

提取单元，用于提取视频帧中包含车道的图像；

第一判断单元，用于判断所述图像中车道是否为预设颜色车道；

第一检测单元，用于当所述车道为预设颜色车道时，在所述视频帧中检测车牌；

第二判断单元，用于当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；

第二检测单元，用于当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；

标记单元，用于当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。

在本发明实施例中，当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。以使有关部门可根据标记的车牌，处置占用公交车道或其它专用车道的社会车辆，从而解决了无法检测占用公交车道或其它专用车道的社会车辆，导致公交车辆或其它车辆的运行效率以及安全性低的问题，提高了公交车辆或其它车辆的运行效率以及安全性。

附图说明

图1是本发明实施例提供的车辆非法占道检测方法的实现流程图；

图2是本发明实施例提供的车辆非法占道检测方法步骤S102具体实现流程图；

图3是本发明实施例提供的判定直线为黄色车道的较佳样例图；

图4是本发明实施例提供的车辆非法占道检测方法步骤S103具体实现流程图；

图5是本发明实施例提供的有效区域划分为多个区域的较佳样例图；

图6是本发明实施例提供的判断社会车辆是否闯入、占用公交车道或其它专用车道的较佳样例图，其中图6A表示社会车辆闯入公交车道或其它专用车道，图6B表示社会车辆占用公交车道或其它专用车道；

图7是本发明实施例提供的在实际应用中较佳的实施流程图；

图8是本发明实施例提供的车辆非法占道检测装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。以使有关部门可根据标记的车牌，处置占用公交车道或其它专用车道的社会车辆，从而解决了无法检测占用公交车道或其它专用车道的社会车辆，导致公交车辆或其它车辆的运行效率以及安全性低的问题，提高了公交车辆或其它车辆的运行效率以及安全性。

图1示出了本发明实施例提供的一种车辆非法占道检测方法的实现流程，详述如下：

在步骤S101中，提取视频帧中包含车道的图像；

在本实施例中，通过安装在路边或者车辆后视镜的视频采集装置，对图像进行采集，以实时获取包含车道的图像。

在本实施例中，提取图像中包含车道的图像，具体可对图像进行过滤，过滤后得到包含车道的有效区域，再将有效区域缩小到一定大小，得到待检测图像，将待检测图像转化为灰度图，并进行高斯平滑和采用预设检测算子进行边缘检测，得到包含车道的图像。预设检测因子包括但不限于梯度算子，Roberts梯度算子，Prewitt算子，Sobel算子，方向算子，Laplacian算子，马尔算子，Canny边缘检测算子。

优选地，在本实施例中采用Canny边缘检测算子。

在步骤S102中，判断所述图像中车道是否为预设颜色车道；

在本实施例中，预设颜色车道可以为用户自设，也可以为***默认。

在本实施例中，预设颜色车道为黄色车道，蓝色车道、黑色车道、白色车道中的一种或多种。优选地，由于国内的公交车道采用黄色，因此预设颜色车道可为黄色车道。

作为本发明的优选实施例，图2示出了步骤S102的具体实施流程，详述如下：

在步骤S201中，获取所述图像的中心点，根据通过所述中心点的直线划分所述图像生成图像左区域和图像右区域。

在本实施例中，将包含车道的图像均分为两部分，具体地，可通过图像的像素坐标，根据像素坐标得出中心点，根据通过中心点的直线将图像均分为左右两部分。

在步骤S202中，获取图像左区域以及图像右区域中权重最大的直线。

在本实施例中，通过预设算法获取图像左区域和图像右区域中权重最大的直线，预设算法包括但不限于霍夫直线变换，从而求得权重最大的直线。

在本实施例中，权重最大的直线表示在霍夫空间中直线相交最多的那个点。

在本实施例中，对图像左区域上像素不为0的点作霍夫直线变换，图像中的一个点对应霍夫空间中的一条直线，图像中的一条直线对应霍夫空间中的一个点。由于图像左区域中的每一条直线对应霍夫空间中的一个点，因此图像左区域中权重最大的直线对应霍夫空间中直线相交最多的那个点。同理地，由于图像右区域中的每一条直线对应霍夫空间中的一个点，因此图像右区域中权重最大的直线对应霍夫空间中直线相交最多的那个点。

在步骤S203中，在所述直线的水平方向向左、向右延伸预设宽度，生成四边形车道。

在本实施例中，四边形车道为视频帧中包含权重最大的直线的区域，预设宽度可以为用户自设，也可以为***默认。可以在直线的水平方向向左、向右延伸相同的预设宽度，也可以在直线的水平方向向左、向右延伸不同的预设宽度。例如，可在直线的水平方向向左延伸50个像素的预设宽度，在直线的水平方向向右延伸50个像素的预设宽度，也可在直线的水平方向向左延伸50个像素的预设宽度，在直线的水平方向向右延伸80个像素的预设宽度。

在本实施例中，通过综合考虑各种车道上车道的宽度，并对宽度进行统计生成平均宽度，平均宽度作为预设宽度。

为便于说明，以实际应用为例，当直线的水平方向向左、向右延伸相同的预设宽度，且预设宽度采用50个像素点的距离时。直线的水平方向向左、向右延伸预设宽度，生成平行四边形车道，从而符合了在车道上的车道具有一定宽度的实际情况，并为后续统计增加了像素点有效的统计样本，提高了判断该平行边形车道为预设颜色车道的准确率。

在步骤S204中，获取在四边形车道中像素点的数量以及归类为预设颜色的像素点的个数。

在本实施例中，获取视频帧中像素点的数量的实施过程为现有技术，具体过程，在此不做赘述。

在本实施例中，归类为预设颜色的像素点的个数，具体可通过获取四边形车道中像素点的颜色参数(Red GreenBlue，RGB)值，通过RGB的颜色对照表，可获得预设颜色的颜色参数范围，当像素点的颜色参数属于预设颜色的颜色参数范围时，表示该像素点归类为预设颜色的像素点。在本地数据库中，将归类为预设颜色的像素点的初始值设置为0，通过记录归类为预设颜色的像素点的个数，对预设颜色的像素点进行统计。每获得一个属于预设颜色的像素点，归类为预设颜色的像素点的个数即加1，由此统计出在四边形车道中属于预设颜色的像素点的个数。

在步骤S205中，根据所述归类为预设颜色的像素点的个数以及四边形车道中像素点的数量生成四边形车道为预设颜色车道的概率。

在本实施例中，根据所述分类为预设颜色的像素点的个数除以四边形车道中像素点的数量，生成四边形车道为预设颜色车道的概率，

在步骤S206中，当所述概率达到预设阀值时，所述四边形车道为预设颜色车道。

在本实施例中，预设阀值可以为用户自设，也可以为***默认。优选地，预设阀值采用1％。

在本实施例中，为便于说明，以预设颜色车道为黄色车道为例，对检测出来的直线，左右各水平延伸一定像素，生成四边形车道，获取四边形车道内的像素点，利用预设的支持向量机(Support Vectors Machine，SVM)，判断四边形车道内的像素点的RGB值是否符合黄色车道像素点RGB值分布，当四边形车道中符合黄色公交车道RGB分布的像素点达到一定比例时，判定该直线为黄色车道。

为便于说明，图3示出了判定直线为黄色车道的较佳样例图。

在步骤S103中，当所述车道为预设颜色车道时，在所述视频帧中检测车牌。

在本实施例中，车牌检测的方式包括但不限于基于adaboost的车牌检测、基于BP神经网络的车牌检测。

在本实施例中，在所述视频帧中选出来的待检测区域，用不同尺度大小的扫描窗，对该检测区域进行全区域扫描，并用导入的Adaboost分类器，计算扫描窗相应的Haar特征，进行分类处理，检测出车牌。

作为本发明的优选实施例，图4示出了步骤S103的实施流程，详述如下：

在步骤S401中，获取所述视频帧中的有效区域。

在本实施例中，获取视频帧中的有效区域，可对视频帧进行预处理，具体地，剔除视频帧左右两边边缘区域，上下部分区域，保留了视频帧中约1/2的高度区域，从而完成了视频帧中的有效区域的获取，并避免了由于车牌距离视频采集设备的镜头较远时，视频帧分辨率较低，边缘区域比较模糊，导致在边缘区域中检测出的车牌可靠程度低的情况。

在步骤S402中，将所述有效区域划分为多个区域。

在本实施例中，按照有效的区域的高度从上到下等分为多个区域，优选地，分为三个区域，分别是上部区域、中间区域、下部区域。

为便于说明，图5示了将有效区域划分为多个区域的较佳样例图。

在步骤S403中，按预设顺序依序在所述区域内对车牌进行检测。

在本实施例中，由于在实际的车道中，车道内只能行驶一辆车，同时车辆具有一定的长度的情况，因此若车牌被检测出在中间区域，上部区域和下部区域不会有车牌，若车牌被检测出在下部区域，第一区域内可能有车牌，中间区域不会有车牌，若车牌被检测出在上部区域，下部区域内可能有车牌，中间区域不会有车牌。

在本实施例中，按预设顺序对区域进行车牌检测，预设顺序包括但不限于先在中间区域内进行车牌检测，当在中间区域内检测不到车牌时，在上部区域或下部区域内进行车牌检测。

在本实施例中，车牌检测的方式包括但不限于基于adaboost的车牌检测、基于BP神经网络的车牌检测。

在本实施例中，通过按预设顺序，对指定的中间区域内进行车牌检测，减少了检测的区域，节省了检测的时间，提高了车牌检测的效率。

作为本发明的一个优选实施例，在视频帧划分为多个区域之前，还包括，获取视频采集装置中视频帧的分辨率，将所述分辨率压缩至预设分辨率。从而避免了由于视频帧的分辨率不同，导致划分的多个区域的大小也不同，影响了后续车牌检测的有效性和准确性。

作为本发明的一个优选实施例，当检测到所述车牌时，获取在视频帧中包含车牌的区域，合并所述区域生成车牌区域；

在本实施例中，在视频帧中合并检测到车牌的区域以生成的车牌区域，具体地，采用预设的多个不同尺度的扫描窗，在视频帧中扫描包含车牌的区域，根据包含车牌的区域的坐标算出每两个包含车牌的区域中的重叠面积，当重叠面积占两个包含车牌的区域的总面积的比例达到预设比例时，将该两个包含车牌的区域进行合并，从而生成车牌区域。避免了仅通过一个扫描窗扫描包含车牌的区域，导致出现没有扫描完整车牌的情况，从而提高了后续获取到的车牌的位置信息的可靠性。

在本实施例中，获取所述车牌区域中车牌的位置信息，位置信息包括位置坐标。将合并之后的车牌区域中车牌的位置信息以全局数组的形式进行保存。

作为本发明的优选实施例，判断所述车牌是否为有效车牌，当所述车牌为有效车牌时进行保留，否则剔除。

在本实施例中，判断所述车牌是否为有效车牌，可判断车牌区域的边缘密度是否符合大于预设阈值，具体地，根据车牌的位置信息定位到车牌，对车牌进行灰度化处理，再对灰度化之后的车牌进行锐化处理，然后进行直方图均衡增强，再利用预设检测因子提取视频帧垂直边缘信息，预设检测因子包括但不限于梯度算子，Roberts梯度算子，Prewitt算子，Sobel算子，方向算子，Laplacian算子，马尔算子，Canny边缘检测算子等。再根据边缘密度函数生成车牌的边缘密度。此处阈值可根据测试视频设置预设阈值，若边缘密度大于该预设阈值，则判定车牌为有效车牌。从而避免了误识别车身作为车牌的情况，提高了后续根据车牌的位置信息，判断车牌是否处于所述黄色车道内的准确率。

作为本发明的另一实施例，判断所述车牌是否为有效车牌，可通过获取RGB均值之差的最大值，判断最大值是否在预设阈值区间内，具体地，根据车牌的位置信息定位到车牌，计算车牌像素点的RGB均值，然后计算三均值两两差值的绝对值，最后选取三个差值绝对值中的最大值。根据确定的阈值区间，进行阈值判断。其中，阈值区间可根据地面区域的统计样本数据得到，当最大值处于阈值区间内时表示其特征接近地面区域，因此不在此阈值区间内的车牌，判定为有效车牌。当最大值处于该阈值区间内的车牌，判定为无效车牌。从而避免了误识别车牌附近的地面的情况，提高了后续根据车牌的位置信息，判断车牌是否处于所述黄色车道内的准确率。

作为本发明的一个优选实施例，判断所述车牌的有效性，可通过获取车牌区域的边缘密度及RGB均值之差的最大值，对边缘密度以及RGB均值之差的最大值进行阈值判断。当边缘密度大于预设的边缘密度阈值，且RGB均值之差的最大值不属于预设的阈值区间时，则判定车牌为有效车牌，从而避免了误识别车身以及车牌附近的地面作为车牌的情况，提高了后续根据车牌的位置信息，判断车牌是否处于所述颜色车道内的准确率。

在步骤S104中，当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色。

在本实施例中，限定颜色为颜色分类中除预设颜色以外的颜色。优选地，限定颜色包括蓝色、黑色、白色中的一种或多种。当预设颜色为黄色时，限定颜色为颜色分类中除黄色以外的颜色。

在本实施例中，对车牌进行颜色判别，具体地，将车牌的视频帧中的RGB值映射到HSV(Hue,Saturation,Value)空间中，并获取视频帧在HSV空间中的色调值的平均值，由于不同颜色的色调值不同，因此可将色调的平均值作为特征值，预设的SVM分类器根据该特征值进行颜色分类，以挑选出限定颜色的车牌。

在步骤S105中，当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；

在本实施例中，检测所述车牌是否处于所述预设颜色车道内，包括：

获取所述车牌的中心坐标；

当车牌中心点处于视频帧左半边且所述车牌左上角坐标在左侧车道的右边时，表示检测到所述车牌处于所述预设颜色车道内；或

当车牌中心点处于视频帧右半边且所述车牌右上角坐标在右侧车道的左边时，表示检测到所述车牌处于所述预设颜色车道内。

在本实施例中，根据车牌的位置信息中的位置坐标，生成车牌的中心坐标，根据中心坐标在视频帧中确定车牌中心点，判断车牌中心点是处于视频帧左半边，还是视频帧右半边，当车牌中心点处于视频帧左半边时，判断车牌左上角坐标是否在左侧车道的右边，若是，则表示车牌在颜色车道内，当车牌中心点处于视频帧右半边时，判断车牌右上角是否在右侧车道的左边，若是，则表示车牌在颜色车道内。

在本实施例中，为便于说明，以颜色车道为黄色车道，限定颜色包括蓝色为例，当视频帧中出现车牌时，对车牌进行颜色判别，当车牌的颜色为蓝色时，表示挂有该车牌的车辆为社会车辆，根据车牌的位置信息，检测车牌是否在黄色车道内，以判断该社会车辆是否闯入、占用公交车道。

为便于说明，图6示出了判断社会车辆是否闯入、占用公交车道或其它专用车道的较佳样例图，其中图6A表示社会车辆闯入公交车道或其它专用车道，图6B表示社会车辆占用公交车道或其它专用车道。

在步骤S106中，当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。

在本实施例中，当车牌在黄色车道内时，表示该车牌为违章车牌，在视频帧中标记车牌，标记车牌的方式包括但不限于将车牌的边缘像素设定为预设颜色、采用预设的标记图形标记车牌等。

作为本发明的一个优选实施例，在所述视频帧中标记所述车牌之后，还包括：

对所述车牌进行车牌识别，以获取所述车牌号码。

车牌识别可采用现有技术的任一种识别方法，如采用支持向量机识别，或神经网络进行识别，以获取车牌号码。从而可获得闯入或占用公交车道的车辆的车牌号码，以使交警部门可根据车牌号码处置闯入或占用公交车道的车辆。

图7示出了本发明在实际应用中较佳的实施流程，详述如下：

在步骤S701中，导入SVM和AdaBoost分类器；

在步骤S702中，读入视频帧图像；

在步骤S703中，提取图像有效区域并缩小，RGB图转灰度图，借助高斯平滑及Canny算子提取图像边缘；

在步骤S704中，将边缘图像均分为左右两部分，利用霍夫直线变换找出左右两部分权重最大的直线；

在步骤S705中，左右直线各延伸一定像素,利用SVM判断带宽内的像素点符合黄色公交车道像素点RGB值分布的概率；

在步骤S706中，判断概率是否大于预设的阀值，是否执行707，否则执行702；

在步骤S707中，截取视频帧图像中能出现有效车牌的部分区域，灰度化处理；

在步骤S708中，对灰度图像进行积分图以及积分平方图运算；

在步骤S709中，将选择出来的区域按图像高度均分为三个区域，设置中间的区域为待检测区域；

在步骤S710中，将待检测的中间区域送入训练好的AdaBoost级联分类器进行处理；

在步骤S711中，判断是否检测出车牌,是则执行712，否则执行720；

在步骤S712中，合并算法合并检测出来的所有的车牌；

在步骤S713中，对合并之后的车牌进行Sobel检测生成边缘密度，并获取车牌区域RGB三均值两两差值绝对值的最大值；

在步骤S714中，对边缘密度以及RGB均值之差的最大值进行阈值判断,是则执行716，否则执行715

在步骤S715中，不进行处理；

在步骤S716中，将车牌送入SVM进行颜色分类；

在步骤S717中，判断车牌是否为蓝色，是则执行718，否则执行715；

在步骤S718中，是否在车道线之内，是则执行719，否则执行715；

在步骤S719中，在车牌周围进行标记，并执行S722；

在步骤S720中，设置上下两个区域为待检测区域，分别送入Adaboost分类器中进行处理；

在步骤S721中，检测出车牌，执行712，否则执行722；

在步骤S722中，判断视频帧是最后一帧图像，是则执行723，否则执行702。

在步骤S723中，停止。

图8示出了本发明实施例提供的一种车辆非法占道检测装置的结构框图，该装置可以运行于视频采集装置以及各种终端，包括但不限于摄像机、移动电话、口袋计算机(Pocket Personal Computer，PPC)、掌上电脑、计算机、笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)等。为了便于说明，仅示出了与本实施例相关的部分。

参照图8，该车辆非法占道检测装置，包括：

提取单元81，用于提取视频帧中包含车道的图像；

第一判断单元82，用于判断所述图像中车道是否为预设颜色车道；

第一检测单元83，用于当所述车道为预设颜色车道时，在所述视频帧中检测车牌；

第二判断单元84，用于当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；

第二检测单元85，用于当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；

标记单元86，用于当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。

进一步地，在该装置中，所述第一判断单元，包括：

第一获取子单元，用于获取所述图像的中心点，根据通过所述中心点的直线划分所述图像生成图像左区域和图像右区域；

第二获取子单元，用于获取所述图像左区域以及所述图像右区域中权重最大的直线；

第一生成子单元，用于在权重最大的直线的水平方向向左、向右延伸预设宽度，生成四边形车道；

第三获取子单元，用于获取在四边形车道中像素点的数量以及归类为预设颜色的像素点的个数；

第二生成子单元，用于根据所述归类为预设颜色的像素点的个数以及四边形车道中像素点的数量，生成四边形车道为预设颜色车道的概率；

判断子单元，用于当所述概率达到预设阀值时，判断所述四边形车道为所述预设颜色车道。

进一步地，在该装置中，所述第一检测单元，包括：

第四获取子单元，用于获取所述视频帧中的有效区域；

划分子单元，用于将所述有效区域划分为多个区域；

检测子单元，用于按预设顺序依序在所述区域内对车牌进行检测。

进一步地，在该装置中，还包括：

剔除单元，用于判断所述车牌是否为有效车牌，当所述车牌为有效车牌时进行保留，否则剔除。

进一步地，在该装置中，所述第二检测单元，包括：

第五获取子单元，用于获取所述车牌的中心坐标；

第二检测子单元，用于当车牌中心点处于视频帧左半边且所述车牌左上角坐标在左侧车道的右边时，表示检测到所述车牌处于所述预设颜色车道内；或

当车牌中心点处于视频帧右半边且所述车牌右上角坐标在右侧车道的左边时，表示检测到所述车牌处于所述预设颜色车道内。

在本发明实施例中，当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌。以使有关部门可根据标记的车牌，处置占用公交车道或其它专用车道的社会车辆，从而解决了无法检测占用公交车道或其它专用车道的社会车辆，导致公交车辆或其它车辆的运行效率以及安全性低的问题，提高了公交车辆或其它车辆的运行效率以及安全性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种车辆非法占道检测方法，其特征在于，包括：

提取视频帧中包含车道的图像；

判断所述图像中车道是否为预设颜色车道；

当所述车道为预设颜色车道时，在所述视频帧中检测车牌；

当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；

当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；

当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌；

其中，所述判断所述图像中车道是否为预设颜色车道，包括：

获取所述图像的中心点，根据通过所述中心点的直线划分所述图像生成图像左区域和图像右区域；

获取所述图像左区域以及所述图像右区域中权重最大的直线；

在权重最大的直线的水平方向向左、向右延伸预设宽度，生成四边形车道；

获取在四边形车道中像素点的数量以及归类为预设颜色的像素点的个数；

根据所述归类为预设颜色的像素点的个数以及四边形车道中像素点的数量，生成四边形车道为预设颜色车道的概率；

当所述概率达到预设阀值时，判断所述四边形车道为所述预设颜色车道；

其中，通过预设算法获取图像左区域和图像右区域中权重最大的直线，预设算法包括霍夫直线变换；

其中，权重最大的直线表示在霍夫空间中直线相交最多的那个点。

2.如权利要求1所述的方法，其特征在于，所述当所述车道为预设颜色车道时，在所述视频帧中检测车牌，包括：

获取所述视频帧中的有效区域；

将所述有效区域划分为多个区域；

按预设顺序依序在所述区域内对车牌进行检测。

3.如权利要求1或2所述的方法，其特征在于，还包括：

判断所述车牌是否为有效车牌，当所述车牌为有效车牌时进行保留，否则剔除。

4.如权利要求1所述的方法，其特征在于，所述检测所述车牌是否处于所述预设颜色车道内，包括：

获取所述车牌的中心坐标；

当车牌中心点处于视频帧左半边且所述车牌左上角坐标在左侧车道的右边时，表示检测到所述车牌处于所述预设颜色车道内；或

当车牌中心点处于视频帧右半边且所述车牌右上角坐标在右侧车道的左边时，表示检测到所述车牌处于所述预设颜色车道内。

5.一种车辆非法占道检测装置，其特征在于，包括：

提取单元，用于提取视频帧中包含车道的图像；

第一判断单元，用于判断所述图像中车道是否为预设颜色车道；

第一检测单元，用于当所述车道为预设颜色车道时，在所述视频帧中检测车牌；

第二判断单元，用于当检测到车牌时，对所述车牌进行颜色判别，判断所述车牌的颜色是否为限定颜色；

第二检测单元，用于当所述车牌的颜色为限定颜色时，检测所述车牌是否处于所述预设颜色车道内；

标记单元，用于当所述车牌处于所述预设颜色车道内时，在所述视频帧中标记所述车牌；

其中，所述第一判断单元，包括：

第一获取子单元，用于获取所述图像的中心点，根据通过所述中心点的直线划分所述图像生成图像左区域和图像右区域；

第二获取子单元，用于获取所述图像左区域以及所述图像右区域中权重最大的直线；

第一生成子单元，用于在权重最大的直线的水平方向向左、向右延伸预设宽度，生成四边形车道；

第三获取子单元，用于获取在四边形车道中像素点的数量以及归类为预设颜色的像素点的个数；

第二生成子单元，用于根据所述归类为预设颜色的像素点的个数以及四边形车道中像素点的数量，生成四边形车道为预设颜色车道的概率；

判断子单元，用于当所述概率达到预设阀值时，判断所述四边形车道为所述预设颜色车道；

其中，通过预设算法获取图像左区域和图像右区域中权重最大的直线，预设算法包括霍夫直线变换；

其中，权重最大的直线表示在霍夫空间中直线相交最多的那个点。

6.如权利要求5所述的装置，其特征在于，所述第一检测单元，包括：

第四获取子单元，用于获取所述视频帧中的有效区域；

划分子单元，用于将所述有效区域划分为多个区域；

检测子单元，用于按预设顺序依序在所述区域内对车牌进行检测。

7.如权利要求5或6所述的装置，其特征在于，还包括：

剔除单元，用于判断所述车牌是否为有效车牌，当所述车牌为有效车牌时进行保留，否则剔除。

8.如权利要求5所述的装置，其特征在于，所述第二检测单元，包括：

第五获取子单元，用于获取所述车牌的中心坐标；

第二检测子单元，用于当车牌中心点处于视频帧左半边且所述车牌左上角坐标在左侧车道的右边时，表示检测到所述车牌处于所述预设颜色车道内；或

当车牌中心点处于视频帧右半边且所述车牌右上角坐标在右侧车道的左边时，表示检测到所述车牌处于所述预设颜色车道内。