CN104573680A - 图像检测方法、图像检测装置以及交通违法检测*** - Google Patents
图像检测方法、图像检测装置以及交通违法检测*** Download PDFInfo
- Publication number
- CN104573680A CN104573680A CN201510067366.5A CN201510067366A CN104573680A CN 104573680 A CN104573680 A CN 104573680A CN 201510067366 A CN201510067366 A CN 201510067366A CN 104573680 A CN104573680 A CN 104573680A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- detection
- facial
- detecting method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像检测方法,其包括:接收处理图像,检测以及获取处理图像中的车辆图像;对车辆图像中的人脸图像进行定位操作,以获取人脸图像的位置;根据人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像;以及对检测图像进行图像分析,以得出图像检测结果。发明还提供一种图像检测装置以及交通违法检测***。发明的图像检测方法、图像检测装置以及交通违法检测***可对车窗内的主要驾驶行为的特征进行精确检测,解决了现有的图像检测方法中不能对主要驾驶行为进行精确检测的技术问题。
Description
技术领域
本发明涉及图像检测领域,特别是涉及一种图像检测方法、图像检测装置以及交通违法检测***。
背景技术
据交通管理部门统计,不系安全带是造成交通事故死亡的主要原因,2012年公布的新交规中明确规定了对驾驶人及前排乘坐人不系安全带的交通违法行为进行扣分与罚款的处罚。
但目前对该类型违法行为的查处和取证手段上一直存在技术上的缺失,无论是现场执法还是人工图片分拣都存在覆盖范围小和工作量大的问题。同时在智能交通领域,现有的相关计算机图像检测技术主要有视频车辆检测技术、车辆号牌识别技术以及车型特征识别技术,但这些技术均未能够完全满足上述违法行为的检测,如未能对车窗内主要驾驶行为(特别是关系到人身安全)的特征进行识别和检测。
故,有必要提供一种图像检测方法、图像检测装置以及交通违法检测***,以解决现有技术所存在的问题。
发明内容
本发明实施例提供一种精确度高、且检测效率高的图像检测方法、图像检测装置以及交通违法检测***;以解决现有的图像检测方法、图像检测装置以及交通违法检测***的不能对主要驾驶行为进行精确检测的技术问题。
本发明实施例提供一种图像检测方法,其包括:
接收处理图像,检测以及获取所述处理图像中的车辆图像;
对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置;
根据所述人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像;以及
对所述检测图像进行图像分析,以得出图像检测结果。
在本发明所述的图像检测方法中,所述检测以及获取所述处理图像中的车辆图像的步骤包括:
获取车辆图像的正负样本,并使用所述车辆图像的正负样本对级联分类器进行训练;以及
使用训练后的所述级联分类器对所述处理图像中的车辆图像进行检测以及获取。
在本发明所述的图像检测方法中,所述接收处理图像,检测以及获取所述处理图像中的车辆图像的步骤之后,所述对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置的步骤之前,还包括步骤:
对所述车辆图像进行角度定位,并根据定位结果对所述车辆图像进行旋转矫正。
在本发明所述的图像检测方法中,所述对所述车辆图像进行角度定位,并根据定位结果对所述车辆图像进行旋转矫正的步骤包括:
对所述车辆图像进行边缘检测,获取多个所述车辆图像的边缘段;
根据多个所述车辆图像的边缘段的延伸方向,对所述车辆图像进行角度定位,生成定位结果;以及
根据所述定位结果对所述车辆图像进行旋转矫正,以使得所述车辆图像中的车辆处于水平方向。
在本发明所述的图像检测方法中,所述对所述车辆图像中的人脸图像进行定位操作,以所述人脸图像的位置的步骤包括:
对所述车辆图像进行边缘检测,获取多个所述车辆图像的边缘段;
根据多个所述车辆图像的边缘段对所述车辆图像进行区域分割,获取多个分割区域;以及
根据多个所述分割区域的颜色纹理特征以及所述人脸图像的颜色纹理特性,确定所述人脸图像的位置。
在本发明所述的图像检测方法中,所述根据所述人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像的步骤之后,所述对所述检测图像进行图像分析,以得出图像检测结果的步骤之前包括步骤:
对所述检测图像进行图像增强处理。
在本发明所述的图像检测方法中,所述对所述检测图像进行图像分析,以得出图像检测结果的步骤包括:
对所述检测图像进行边缘检测,获取多个所述检测图像的边缘段;以及
根据多个所述检测图像的边缘段,获取所述图像检测结果。
在本发明所述的图像检测方法中,所述对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置的步骤包括:
对所述车辆图像中的前挡风车窗进行定位操作,以获取车窗图像;以及
检测所述车窗图像中的所述人脸图像,以获取所述人脸图像的位置。
本发明还提供一种图像检测装置,其包括:
车辆图像检测模块,用于接收处理图像,检测以及获取所述处理图像中的车辆图像;
人脸图像定位模块,用于对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置;
检测图像获取模块,用于根据所述人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像;以及
图像检测模块,用于对所述检测图像进行图像分析,以得出图像检测结果。
本发明还提供一种交通违法检测***,其包括:
卡口摄像机,用于通过拍照获取处理图像;
图像存储数据库,用于存储图像检测数据;
图像检测服务器,用于使用图像检测算法数据和所述图像检测数据对所述处理图像进行图像检测处理;
违法审核终端,用于对判断疑似违法的所述图像检测处理结果,进行人工审核或第二级审核;以及
违法记录服务器,用于如所述图像检测处理结果为已违法,则对所述处理图像以及所述图像检测处理结果进行记录;
其中所述卡口摄像机与所述图像检测服务器连接,所述图像检测服务器分别与所述图像存储数据库以及所述违法审核终端连接,所述违法审核终端与所述违法记录服务器连接。
相较于现有技术的图像检测方法、图像检测装置以及交通违法检测***,本发明的图像检测方法、图像检测装置以及交通违法检测***通过对处理图像经过多种检测处理,从而获取相应的图像检测结果;检测精确度高且检测效率高;解决了现有的图像检测方法、图像检测装置以及交通违法检测***的不能对主要驾驶行为进行精确检测的技术问题。
附图说明
图1为本发明的图像检测方法的第一优选实施例的流程图;
图2为本发明的图像检测方法的第一优选实施例的步骤S101的流程图;
图3为本发明的图像检测方法的第一优选实施例的步骤S102的流程图;
图4为本发明的图像检测方法的第一优选实施例的步骤S103的使用示意图;
图5为本发明的图像检测方法的第一优选实施例的步骤S104的流程图;
图6为本发明的图像检测方法的第二优选实施例的流程图;
图7为本发明的图像检测方法的第二优选实施例的步骤S602的流程图;
图8为本发明的图像检测装置的优选实施例的结构示意图;
图9为本发明的交通违法检测***的优选实施例的结构示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
在以下的说明中,本发明的具体实施例将参考由一部或多部计算机所执行之作业的步骤及符号来说明,除非另有述明。因此,其将可了解到这些步骤及操作,其中有数次提到为由计算机执行,包括了由代表了以一结构化型式中的数据之电子信号的计算机处理单元所操纵。此操纵转换该数据或将其维持在该计算机之内存***中的位置处,其可重新配置或另外以本领域技术人员所熟知的方式来改变该计算机之运作。该数据所维持的数据结构为该内存之实***置,其具有由该数据格式所定义的特定特性。但是,本发明原理以上述文字来说明,其并不代表为一种限制,本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
如本申请所使用的术语“组件”、“模块”、“***”、“接口”、“进程”等等一般地旨在指计算机相关实体:硬件、硬件和软件的组合、软件或执行中的软件。例如,组件可以是但不限于是运行在处理器上的进程、处理器、对象、可执行应用、执行的线程、程序和/或计算机。通过图示,运行在控制器上的应用和该控制器二者都可以是组件。一个或多个组件可以有在于执行的进程和/或线程内,并且组件可以位于一个计算机上和/或分布在两个或更多计算机之间。
而且,要求保护的主题可以被实现为使用标准编程和/或工程技术产生软件、固件、硬件或其任意组合以控制计算机实现所公开的主题的方法、装置或制造品。本文所使用的术语“制造品”旨在包含可从任意计算机可读设备、载体或介质访问的计算机程序。当然,本领域技术人员将认识到可以对该配置进行许多修改,而不脱离要求保护的主题的范围或精神。
本文提供了实施例的各种操作。在一个实施例中,所述的一个或多个操作可以构成一个或多个计算机可读介质上存储的计算机可读指令,其在被电子设备执行时将使得计算设备执行所述操作。描述一些或所有操作的顺序不应当被解释为暗示这些操作必需是顺序相关的。本领域技术人员将理解具有本说明书的益处的可替代的排序。而且,应当理解,不是所有操作必需在本文所提供的每个实施例中存在。
而且,本文所使用的词语“优选的”意指用作实例、示例或例证。奉文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反,词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即,除非另外指定或从上下文中清楚,“X使用A或B”意指自然包括排列的任意一个。即,如果X使用A;X使用B;或X使用A和B二者,则“X使用A或B”在前述任一示例中得到满足。
而且,尽管已经相对于一个或多个实现方式示出并描述了本公开,但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型,并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件、资源等)执行的各种功能,用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示),即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外,尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开,但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或多个其他特征组合。而且,就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言,这样的术语旨在以与术语“包含”相似的方式包括。
本发明的图像检测方法可设置在交通监控服务器中,对交通监控服务器获取的监控图像进行图像检测,从而可以获取具有违法驾驶行为的监控图像。
请参照图1,图1为本发明的图像检测方法的第一优选实施例的流程图。本优选实施例的图像检测方法包括:
步骤S101,接收处理图像,检测以及获取处理图像中的车辆图像;
步骤S102,对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置;
步骤S103,根据所述人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像;
步骤S104,对检测图像进行图像分析,以得出图像检测结果。
下面详细说明本优选实施例的图像检测方法的各步骤的具体流程。
在步骤S101中,交通监控服务器接收监控摄像机拍摄的处理图像,然后对处理图像进行检测,获取处理图像中的车辆图像。具体获取过程请参照图2,图2为本发明的图像检测方法的第一优选实施例的步骤S101的流程图。该步骤S101包括:
步骤S1011,交通监控服务器获取车辆图像的正负样本,该车辆图像的正负样本包括不同图像源、不同场景、不同时间段以及不同类型车辆的样本;然后对上述部分车辆图像的正负样本进行哈尔特征提取,再使用Adaboost算法对提取的特征进行再提取,从而得到基于哈尔特征(Haar)的级联分类器。然后再使用其他的车辆图像的正负样本对获取的级联分类器进行训练,提高级联分类器检测的准确率。
步骤S1012,使用训练后的级联分类器对处理图像中的车辆图像进行检测以及获取,即对处理图像中的车辆进行识别定位后获取相应的车辆图像。随后转到步骤S102。
在步骤S102中,交通监控服务器对车辆图像中的人脸图像进行定位操作,以获取人脸图像的位置。具体获取过程请参照图3,图3为本发明的图像检测方法的第一优选实施例的步骤S102的流程图。该步骤S102包括:
步骤S1021,交通监控服务器对车辆图像进行边缘检测,从而获取车辆图像中的多个横向边缘段以及纵向边缘段,随后转到步骤S1022。
步骤S1022,交通监控服务器根据步骤S1021中获取的横向边缘段以及纵向边缘段对车辆图像进行区域分割,获取多个车辆图像的分割区域,随后转到步骤S1023。
步骤S1023,交通监控服务器检测每个分割区域中的颜色纹理特性,并根据每个分割区域的颜色纹理特性以及人脸图像的颜色纹理特性,确定人脸图像的位置。随后转到步骤S103。
在步骤S103中,交通监控服务器根据人脸位置对车窗图像中的设定位置进行定位操作,以获取检测图像。如根据人脸在车窗中的相对位置,判断安全带区域相对人脸的位置,从而对安全带区域中的安全带进行定位操作,以获取安全带的检测图像。如图4所示,人脸图像为图4中的实线区域,安全带区域为图4中的虚线区域,安全带区域为正方形,宽度约为人脸图像宽度的2.5倍。随后转到步骤S104。
在步骤S104中,交通监控服务器对检测图像进行图像分析,以得出图像检测结果。具体获取过程请参照图5,图5为本发明的图像检测方法的第一优选实施例的步骤S104的流程图。该步骤S104包括:
步骤S1041,交通监控服务器对检测图像进行边缘检测,获取多个检测图像的边缘段。随后转到步骤S1042。
步骤S1042,交通监控服务器结合多个检测图像的边缘段的方向、长度以及位置连通性等因素,判断该检测图像是否为安全带。如该检测图像为安全带,则判定该司乘人员未违法。如该检测图像不是安全带,则继续检测该司乘人员是否有完整的肩部线条,如能够检测到司乘人员的完整的肩部线条,则判定该司乘人员违法;如不能检测到司乘人员的完整的肩部线条,则不确定该司乘人员违法,避免误判的产生;如环境光线特别差,或者安全带颜色、座椅颜色和司乘人员衣物颜色很接近时,容易产生误判。
这样即完成了本优选实施例的图像检测方法的图像检测过程,本优选实施例的图像检测方法可根据图像检测结果准确判定处理图像是否存在违法驾驶行为。
本优选实施例的图像检测方法通过对处理图像经过多种检测处理,从而获取相应的图像检测结果;检测精确度高且检测效率高。
请参照图6,图6为本发明的图像检测方法的第二优选实施例的流程图。本优选实施例的图像检测方法包括:
步骤S601,接收处理图像,检测以及获取处理图像中的车辆图像;
步骤S602,对车辆图像进行角度定位,并根据定位结果对车辆图像进行旋转矫正;
步骤S603,对车辆图像中的人脸图像进行定位操作,以获取人脸图像的位置;
步骤S604,根据人脸位置对车窗图像中的设定位置进行定位操作,以获取检测图像;
步骤S605,对检测图像进行图像增强处理;
步骤S606,对检测图像进行图像分析,以得出图像检测结果。
下面详细说明本优选实施例的图像检测方法的各步骤的具体流程。
本优选实施例的步骤S601与第一优选实施例中的步骤S101的具体流程相同,具体请参见第一优选实施例中的步骤S101中的相关描述。
在步骤S602中,交通监控服务器对步骤S601获取的车辆图像进行角度定位,并根据定位结果对车辆图像进行旋转矫正。具体获取过程请参照图7,图7为本发明的图像检测方法的第二优选实施例的步骤S602的流程图。该步骤S602包括:
步骤S6021,交通监控服务器对车辆图像进行边缘检测,保留横向的边缘,并根据边缘段上点的连通性,对边缘进行分割处理,从而获取等多个车辆图像的边缘段;随后转到步骤S6022。
步骤S6022,交通监控服务器计算车辆图像的每个边缘段的延伸方向,并根据多个车辆图像的边缘端的的延伸方向,对车辆图像进行角度定位,生成定位结果;随后转到步骤S6023。
步骤S6023,交通监控服务器根据定位结果对车辆图像进行旋转矫正,以使得车辆图像中的车辆处于水平方向或接近水平方向。随后转到步骤S603。
本优选实施例的步骤S603与第一优选实施例中的步骤S102的具体流程相同,具体请参见第一优选实施例中的步骤S102中的相关描述。
本优选实施例的步骤S604与第一优选实施例中的步骤S103的具体流程相同,具体请参见第一优选实施例中的步骤S103中的相关描述。
在步骤S605中,交通监控服务器使用形态学的开闭重建运算对检测图像进行重建,在保留重要区域轮廓的同时去除细节和噪声;然后使用retinex算法对检测图像进行图像锐化处理以及颜色增强处理。随后转到步骤S606。
本优选实施例的步骤S606与第一优选实施例中的步骤S104的具体流程相同,具体请参见第一优选实施例中的步骤S104中的相关描述。
这样即完成了本优选实施例的图像检测方法的图像检测过程。
优选的,在步骤S603中,交通监控服务器还可通过车辆图像中的前挡风车窗获取人脸图像的位置,具体包括以下步骤:
首先交通监控服务器对车辆图像中的前挡风车窗进行定位操作,以获取车窗图像;随后交通监控服务器检测车窗图像中的所述人脸图像,以获取人脸图像的位置。这样可以减小人脸图像的位置的获取难度。
在第一优选实施例的基础上,本优选实施例的图像检测方法通过对车辆图像进行角度定位以及对检测图像进行图像增强处理,进一步提高了检测的精确度以及检测的效率。
本发明还提供一种图像检测装置,请参照图8,图8为本发明的图像检测装置的优选实施例的结构示意图。本优选实施例的图像检测装置80包括车辆图像检测模块81、人脸图像获取模块82、检测图像获取模块83以及图像检测模块84。车辆图像检测模块81用于接收处理图像,检测以及获取处理图像中的车辆图像;车窗图像获取模块82用于对车辆图像中的人脸图像进行定位操作,以获取人脸图像的位置;检测图像获取模块83用于对车窗图像中的设定位置进行定位操作,以获取检测图像;图像检测模块84用于对检测图像进行图像分析,以得出图像检测结果。
本优选实施例的图像检测装置80使用时,首先图像检测装置80的车辆图像检测模块81接收监控摄像机拍摄的处理图像,然后对处理图像进行检测,获取处理图像中的车辆图像。然后图像检测装置80的人脸图像定位模块50对车辆图像中的人脸图像进行定位操作,以获取人脸图像的位置。随后图像检测装置80的检测图像获取模块83对车窗图像中的设定位置进行定位操作,以获取检测图像。最后图像检测装置80的图像检测模块84对检测图像进行图像分析,以得出图像检测结果。
这样即完成了本优选实施例的图像检测装置80的图像检测过程,本优选实施例的图像检测装置80可根据图像检测结果准确判定处理图像是否存在违法驾驶行为。
本优选实施例的图像检测装置的具体使用过程与上述的图像检测方法的第一优选实施例中的描述相同或相似,具体请参见上述图像检测方法的第一优选实施例中的相关描述。
本优选实施例的图像检测装置通过对处理图像经过多种检测处理,从而获取相应的图像检测结果;检测精确度高且检测效率高。
本发明还提供一种交通违法检测***,请参照图9,图9为本发明的交通违法检测***的优选实施例的结构示意图。本优选实施例的交通违法检测***90包括卡口摄像机91、图像存储数据库92、图像检测服务器93、违法审核终端94以及违法记录服务器95。
卡口摄像机91用于通过拍照获取处理图像;图像存储数据库92用于存储图像检测数据;图像检测服务器93用于使用图像检测算法数据和图像检测数据对处理图像进行图像检测处理;违法审核终端94用于对判断疑似违法的图像检测处理结果,进行人工审核或第二级审核;违法记录服务器95用于如图像检测处理结果为已违法,则对处理图像以及图像检测处理结果进行记录。其中卡口摄像机91与图像检测服务器93连接,图像检测服务器93分别与图像存储数据库92以及违法审核终端94连接,违法审核终端94与违法记录服务器95连接。
本优选实施例的交通违法检测***90使用时,首先设置在监控处的卡口摄像机91通过拍照获取处理图像,随后图像检测服务器93从图像存储数据库92中读取图像检测数据,使用图像检测算法数据对处理图像进行图像检测处理。然后图像检测服务器93将判断疑似违法的图像检测处理结果发送至违法审核终端94,进行人工审核或第二级审核,如违法审核终端94最终判断图像检测处理结果为已违法,则违法记录服务器95对处理图像以及图像检测处理结果进行记录;如违法审核终端94最终判断图像检测处理结果为未违法,则直接返回相应的处理结果。
本优选实施例的交通违法检测***90的图像检测服务器进行图像检测处理的过程与上述的图像检测方法的第一优选实施例中的描述相同或相似,具体请参见上述图像检测方法的第一优选实施例中的相关描述。
本优选实施例的交通违法检测***通过对处理图像经过多种检测处理,从而获取相应的图像检测结果;检测精确度高且检测效率高。
本发明的图像检测方法、图像检测装置以及交通违法检测***通过对处理图像经过多种检测处理,从而获取相应的图像检测结果;检测精确度高且检测效率高;解决了现有的图像检测方法、图像检测装置以及交通违法检测***的不能对主要驾驶行为进行精确检测的技术问题。
本发明实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。上述的各装置或***,可以执行相应方法实施例中的方法。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (10)
1.一种图像检测方法,其特征在于,包括:
接收处理图像,检测以及获取所述处理图像中的车辆图像;
对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置;
根据所述人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像;以及
对所述检测图像进行图像分析,以得出图像检测结果。
2.根据权利要求1所述的图像检测方法,其特征在于,所述检测以及获取所述处理图像中的车辆图像的步骤包括:
获取车辆图像的正负样本,并使用所述车辆图像的正负样本对级联分类器进行训练;以及
使用训练后的所述级联分类器对所述处理图像中的车辆图像进行检测以及获取。
3.根据权利要求1所述的图像检测方法,其特征在于,所述接收处理图像,检测以及获取所述处理图像中的车辆图像的步骤之后,所述对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置的步骤之前,还包括步骤:
对所述车辆图像进行角度定位,并根据定位结果对所述车辆图像进行旋转矫正。
4.根据权利要求3所述的图像检测方法,其特征在于,所述对所述车辆图像进行角度定位,并根据定位结果对所述车辆图像进行旋转矫正的步骤包括:
对所述车辆图像进行边缘检测,获取多个所述车辆图像的边缘段;
根据多个所述车辆图像的边缘段的延伸方向,对所述车辆图像进行角度定位,生成定位结果;以及
根据所述定位结果对所述车辆图像进行旋转矫正,以使得所述车辆图像中的车辆处于水平方向。
5.根据权利要求1所述的图像检测方法,其特征在于,所述对所述车辆图像中的人脸图像进行定位操作,以所述人脸图像的位置的步骤包括:
对所述车辆图像进行边缘检测,获取多个所述车辆图像的边缘段;
根据多个所述车辆图像的边缘段对所述车辆图像进行区域分割,获取多个分割区域;以及
根据多个所述分割区域的颜色纹理特征以及所述人脸图像的颜色纹理特性,确定所述人脸图像的位置。
6.根据权利要求1所述的图像检测方法,其特征在于,所述根据所述人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像的步骤之后,所述对所述检测图像进行图像分析,以得出图像检测结果的步骤之前包括步骤:
对所述检测图像进行图像增强处理。
7.根据权利要求1所述的图像检测方法,其特征在于,所述对所述检测图像进行图像分析,以得出图像检测结果的步骤包括:
对所述检测图像进行边缘检测,获取多个所述检测图像的边缘段;以及
根据多个所述检测图像的边缘段,获取所述图像检测结果。
8.根据权利要求1所述的图像检测方法,其特征在于,所述对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置的步骤包括:
对所述车辆图像中的前挡风车窗进行定位操作,以获取车窗图像;以及
检测所述车窗图像中的所述人脸图像,以获取所述人脸图像的位置。
9.一种图像检测装置,其特征在于,包括:
车辆图像检测模块,用于接收处理图像,检测以及获取所述处理图像中的车辆图像;
人脸图像定位模块,用于对所述车辆图像中的人脸图像进行定位操作,以获取所述人脸图像的位置;
检测图像获取模块,用于根据所述人脸位置对所述车窗图像中的设定位置进行定位操作,以获取检测图像;以及
图像检测模块,用于对所述检测图像进行图像分析,以得出图像检测结果。
10.一种交通违法检测***,其特征在于,包括:
卡口摄像机,用于通过拍照获取处理图像;
图像存储数据库,用于存储图像检测数据;
图像检测服务器,用于使用图像检测算法数据和所述图像检测数据对所述处理图像进行图像检测处理;
违法审核终端,用于对判断疑似违法的所述图像检测处理结果,进行人工审核或第二级审核;以及
违法记录服务器,用于如所述图像检测处理结果为已违法,则对所述处理图像以及所述图像检测处理结果进行记录;
其中所述卡口摄像机与所述图像检测服务器连接,所述图像检测服务器分别与所述图像存储数据库以及所述违法审核终端连接,所述违法审核终端与所述违法记录服务器连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510067366.5A CN104573680B (zh) | 2015-02-10 | 2015-02-10 | 图像检测方法、图像检测装置以及交通违法检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510067366.5A CN104573680B (zh) | 2015-02-10 | 2015-02-10 | 图像检测方法、图像检测装置以及交通违法检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573680A true CN104573680A (zh) | 2015-04-29 |
CN104573680B CN104573680B (zh) | 2018-09-11 |
Family
ID=53089702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510067366.5A Active CN104573680B (zh) | 2015-02-10 | 2015-02-10 | 图像检测方法、图像检测装置以及交通违法检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573680B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933424A (zh) * | 2015-07-09 | 2015-09-23 | 深圳市为科科技有限公司 | 车辆及行人监测方法及装置 |
CN106469309A (zh) * | 2015-08-14 | 2017-03-01 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
CN106504540A (zh) * | 2016-12-12 | 2017-03-15 | 浙江宇视科技有限公司 | 一种车辆信息的分析方法和装置 |
CN107292222A (zh) * | 2016-04-01 | 2017-10-24 | 杭州海康威视数字技术股份有限公司 | 一种车辆违章检测方法及装置 |
CN107766802A (zh) * | 2017-09-29 | 2018-03-06 | 广州大学 | 一种机动车前排驾乘人员未扣安全带的自适应检测方法 |
WO2018058957A1 (zh) * | 2016-09-30 | 2018-04-05 | 广州大正新材料科技有限公司 | 一种车路协同智能交通控制*** |
CN108268857A (zh) * | 2018-02-05 | 2018-07-10 | 杨明 | 查处违章的巡查移动车 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021179A (zh) * | 2012-12-28 | 2013-04-03 | 佛山市华电智能通信科技有限公司 | 基于实时监控视频中的安全带检测方法 |
CN103150556A (zh) * | 2013-02-20 | 2013-06-12 | 西安理工大学 | 用于道路交通监控的安全带自动检测方法 |
CN103522982A (zh) * | 2013-10-25 | 2014-01-22 | 公安部第三研究所 | 基于图像分析的车辆安全带检测方法及装置 |
CN104050450A (zh) * | 2014-06-16 | 2014-09-17 | 西安通瑞新材料开发有限公司 | 一种基于视频的车牌识别方法 |
-
2015
- 2015-02-10 CN CN201510067366.5A patent/CN104573680B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021179A (zh) * | 2012-12-28 | 2013-04-03 | 佛山市华电智能通信科技有限公司 | 基于实时监控视频中的安全带检测方法 |
CN103150556A (zh) * | 2013-02-20 | 2013-06-12 | 西安理工大学 | 用于道路交通监控的安全带自动检测方法 |
CN103522982A (zh) * | 2013-10-25 | 2014-01-22 | 公安部第三研究所 | 基于图像分析的车辆安全带检测方法及装置 |
CN104050450A (zh) * | 2014-06-16 | 2014-09-17 | 西安通瑞新材料开发有限公司 | 一种基于视频的车牌识别方法 |
Non-Patent Citations (3)
Title |
---|
石时需等: "基于高速公路交通图像的安全带自动识别算法", 《计算机与现代化》 * |
葛如海等: "基于灰度积分投影的安全带佩戴识别方法", 《汽车工程》 * |
韩正: "湖州公安高清卡口监控***的设计与实现", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933424A (zh) * | 2015-07-09 | 2015-09-23 | 深圳市为科科技有限公司 | 车辆及行人监测方法及装置 |
CN106469309A (zh) * | 2015-08-14 | 2017-03-01 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
CN106469309B (zh) * | 2015-08-14 | 2019-11-12 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
US11003931B2 (en) | 2015-08-14 | 2021-05-11 | Hangzhou Hikvision Digital Technology Co., Ltd. | Vehicle monitoring method and apparatus, processor, and image acquisition device |
CN107292222A (zh) * | 2016-04-01 | 2017-10-24 | 杭州海康威视数字技术股份有限公司 | 一种车辆违章检测方法及装置 |
CN107292222B (zh) * | 2016-04-01 | 2020-02-28 | 杭州海康威视数字技术股份有限公司 | 一种车辆违章检测方法及装置 |
WO2018058957A1 (zh) * | 2016-09-30 | 2018-04-05 | 广州大正新材料科技有限公司 | 一种车路协同智能交通控制*** |
CN106504540A (zh) * | 2016-12-12 | 2017-03-15 | 浙江宇视科技有限公司 | 一种车辆信息的分析方法和装置 |
CN106504540B (zh) * | 2016-12-12 | 2020-10-20 | 浙江宇视科技有限公司 | 一种车辆信息的分析方法和装置 |
CN107766802A (zh) * | 2017-09-29 | 2018-03-06 | 广州大学 | 一种机动车前排驾乘人员未扣安全带的自适应检测方法 |
CN108268857A (zh) * | 2018-02-05 | 2018-07-10 | 杨明 | 查处违章的巡查移动车 |
CN108268857B (zh) * | 2018-02-05 | 2019-03-22 | 六安同辉智能科技有限公司 | 查处违章的巡查移动车 |
Also Published As
Publication number | Publication date |
---|---|
CN104573680B (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573680A (zh) | 图像检测方法、图像检测装置以及交通违法检测*** | |
US9042647B2 (en) | Adaptive character segmentation method and system for automated license plate recognition | |
US9082038B2 (en) | Dram c adjustment of automatic license plate recognition processing based on vehicle class information | |
US9014432B2 (en) | License plate character segmentation using likelihood maximization | |
US20130279758A1 (en) | Method and system for robust tilt adjustment and cropping of license plate images | |
US9195908B2 (en) | Snow classifier context window reduction using class t-scores and mean differences | |
JP2019534526A5 (zh) | ||
US9760800B2 (en) | Method and system to detect objects using block based histogram of oriented gradients | |
US20190156499A1 (en) | Detection of humans in images using depth information | |
CN108694399B (zh) | 车牌识别方法、装置及*** | |
CN111476234B (zh) | 一种遮挡车牌字符识别方法、装置、存储介质和智能设备 | |
CN104361359A (zh) | 基于图像检测的车辆识别方法 | |
CN111832492B (zh) | 静态交通异常的判别方法、装置、计算机设备及存储介质 | |
US20160148076A1 (en) | Method and system for automating an image rejection process | |
CN105303153A (zh) | 一种车辆车牌识别方法及装置 | |
EP3493157B1 (en) | Method and system for visual change detection using multi-scale analysis | |
CN111079621B (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
Salma et al. | Development of ANPR framework for Pakistani vehicle number plates using object detection and OCR | |
CN114387591A (zh) | 车牌识别方法、***、设备及存储介质 | |
CN114494161A (zh) | 基于图像对比的受电弓异物检测方法、设备及存储介质 | |
CN110298302B (zh) | 一种人体目标检测方法及相关设备 | |
CN103065133A (zh) | 雾天行人检测方法及装置 | |
CN112348011B (zh) | 一种车辆定损方法、装置及存储介质 | |
CN111709951B (zh) | 目标检测网络训练方法及***及网络及装置及介质 | |
CN106778765B (zh) | 一种车牌识别的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Image detection method, image detection device and traffic violation detection system Effective date of registration: 20200609 Granted publication date: 20180911 Pledgee: Shenzhen high tech investment and financing Company limited by guarantee Pledgor: SHENZHEN HIT TRAFFIC ELECTRONIC TECHNOLOGY Co.,Ltd. Registration number: Y2020990000581 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |