CN104732223A - 横越实线并道的不规范车辆检测方法 - Google Patents
横越实线并道的不规范车辆检测方法 Download PDFInfo
- Publication number
- CN104732223A CN104732223A CN201510162055.7A CN201510162055A CN104732223A CN 104732223 A CN104732223 A CN 104732223A CN 201510162055 A CN201510162055 A CN 201510162055A CN 104732223 A CN104732223 A CN 104732223A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- pixel
- haze
- vehicle
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种横越实线并道的不规范车辆检测方法,其包括:利用高清全景摄像头拍摄交通路口以获得间隔预设时间的两幅路口图像;利用去雾霾处理器去除每一幅路口图像中的雾霾成分以获得两幅清晰化路口图像;利用不规范车辆识别器分别对所述两幅清晰化路口图像进行图像处理;利用嵌入式处理器基于图像处理结果确定所述交通路口是否存在横越实线并道的不规范车辆。通过本发明,能够克服雾霾天气的影响,有效检测出位于交通路口的车辆横越实线并道的不规范行为。
Description
技术领域
本发明涉及电子检测领域,尤其涉及一种横越实线并道的不规范车辆检测方法。
背景技术
在当前的交通路口的车辆等待截止线之前,为了防止各个交通通道的车辆来回切换通道而造成交通秩序混乱甚至重大事故,道路交通管理部门一般会设置一个实线区域,所述实线区域是一个矩形区域,由***的四条直线组成,在矩形区域内部根据交通通道的数量以垂直所述车辆等待截止线的方向划分多个子矩形区域,每一个子矩形区域对应一个交通通道,交通通道可能包括左转弯通道、右转弯通道、直行通道和调头通道等。
在车辆进入交通路口的矩形区域前,可以通过打闪光灯在多个交通通道内灵活切换,但是一旦进行所述矩形区域,如果再进行交通通道的切换,将被视作为被禁止的违章行为,可能被处于一定的处罚。然而,现有技术中缺乏针对在交通路口跨实线并道违章行为的有效电子识别手段,而主要使用较为原始的人工肉眼识别模式,这种人工模式除了识别效率不高、实时性差的缺点外,还占用了大量原本稀缺的交通管理人力,其人工成本较高,同时一些简单的电子检测方式容易受到雾霾天气的影响,降低了不规范车辆识别的精度。
因此,需要一种横越实线并道的不规范车辆检测的技术方案,能够在被监测的交通路口,采用电子检测手段自动识别具有车辆横跨实线行为的违章车辆以及相应的车牌信息,同时能够克服各种雾霾天气对检测图像的不利干扰,提高检测机制的实时性和可靠性。
发明内容
为了解决上述问题,根据本发明的一个方面,本发明提供了一种横越实线并道的不规范车辆检测方法,其包括:利用高清全景摄像头拍摄交通路口以获得间隔预设时间的两幅路口图像;利用去雾霾处理器去除每一幅路口图像中的雾霾成分以获得两幅清晰化路口图像;利用不规范车辆识别器分别对所述两幅清晰化路口图像进行图像处理;利用嵌入式处理器基于图像处理结果确定所述交通路口是否存在横越实线并道的不规范车辆。
优选地,本发明的检测方法利用横越实线并道的不规范车辆检测平台实施,因此根据本发明的另一个方面,本发明还提供了一种横越实线并道的不规范车辆检测平台,所述检测平台包括嵌入式处理器、高清全景摄像头、去雾霾处理器和不规范车辆识别器。其中所述高清全景摄像头拍摄交通路口以获得间隔预设时间的两幅路口图像;所述去雾霾处理器与所述高清全景摄像头连接以去除每一幅路口图像中的雾霾成分以获得两幅清晰化路口图像;所述不规范车辆识别器与所述去雾霾处理器连接以分别对所述两幅清晰化路口图像进行图像处理;所述嵌入式处理器与所述不规范车辆识别器连接,基于所述图像处理结果确定所述交通路口是否存在横越实线并道的不规范车辆。
优选地,所述检测平台还包括:
供电电源,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;
静态存储器,用于预存了交通路口的实线图像特征,还用于接收并存储预设时间、实线上限灰度阈值和实线下限灰度阈值,所述实线上限灰度阈值和所述实线下限灰度阈值用于将图像中的实线和背景分离;
GPRS收发器,与当地交管控制平台建立双向GPRS通信链路,用于接收所述当地交管控制平台无线发送的控制指令,还用于接收所述嵌入式处理器转发的违章车牌号码,并将违章车牌号码无线发送给所述当地交管控制平台。
更具体地,所述高清全景摄像头获得的两幅路口图像的分辨率都为3840×2160,所述两幅路口图像按照拍摄的时间顺序分为在前路口图像和在后路口图像。
更具体地,所述去雾霾处理器包括:
雾霾浓度检测子器件,位于空气中,用于实时检测交通路口所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子器件,与所述高清全景摄像头连接以获得每一幅路口图像,计算每一幅路口图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;
大气散射光值获取子器件,与所述高清全景摄像头和所述雾霾浓度检测子器件分别连接,对每一幅路口图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussian filter)对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子器件,与所述整体大气光值获取子器件和所述大气散射光值获取子器件分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子器件,与所述高清全景摄像头、所述整体大气光值获取子器件和所述介质传输率获取子器件分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将每一幅路口图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,每一幅路口图像中每一个像素的像素值包括每一幅路口图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成每一幅清晰化路口图像,两幅清晰化路口图像分别为在前清晰化路口图像和在后清晰化路口图像。
更具体地,所述不规范车辆识别器与所述去雾霾处理器和所述静态存储器分别连接,所述不规范车辆识别器包括图像预处理单元、实线区域分割单元、车辆特征识别单元和车辆匹配单元。其中所述图像预处理单元与所述去雾霾处理器连接,用于将在前清晰化路口图像和在后清晰化路口图像分别进行图像预处理,以获得在前预处理图像和在后预处理图像,所述图像预处理包括对比度增强、小波滤波和灰度化处理,所述实线区域分割单元与所述图像预处理单元和所述静态存储器分别连接,将所述在前预处理图像中灰度值在所述实线上限灰度阈值和所述实线下限灰度阈值之间的像素识别并组成多个在前实线子图案,根据所述多个在前实线子图案在所述在前预处理图像中的位置从所述在前预处理图像中切割出多个在前实线区域图像,所述多个在前实线区域图像的数量与所述交通路口的交通通道的数量相同,每一个在前实线区域图像对应一个交通通道,还将所述在后预处理图像中灰度值在所述实线上限灰度阈值和所述实线下限灰度阈值之间的像素识别并组成多个在后实线子图案,根据所述多个在后实线子图案在所述在后预处理图像中的位置从所述在后预处理图像中切割出多个在后实线区域图像,所述多个在后实线区域图像的数量与所述交通路口的交通通道的数量相同,每一个在后实线区域图像对应一个交通通道,所述车辆特征识别单元与所述实线区域分割单元连接,识别每一个在前实线区域图像中的多个车辆的特征作为多个在前车辆特征,识别每一个在后实线区域图像中的多个车辆的特征作为多个在后车辆特征,所述车辆匹配单元与所述车辆特征识别单元连接,当存在两个交通通道,其中一个交通通道对应的在前实线区域图像和另一个交通通道对应的在后实线区域图像中存在相同的车辆特征时,基于预设的OCR识别算法在所述另一个交通通道对应的在后实线区域图像中识别具有相同车辆特征的车辆的车牌号码以作为违章车牌号码输出。
更具体地,所述嵌入式处理器与所述不规范车辆识别器、所述GPRS收发器、所述静态存储器和所述高清全景摄像头分别连接,所述嵌入式处理器基于内置的定时器控制所述高清全景摄像头按照所述预设时间的间隔采集所述两幅路口图像,并接收所述不规范车辆识别器输出的违章车牌号码。
更具体地,所述图像预处理单元、所述实线区域分割单元、所述车辆特征识别单元和所述车辆匹配单元分别采用不同型号的FPGA芯片来实现。
更具体地,所述图像预处理单元、所述实线区域分割单元、所述车辆特征识别单元和所述车辆匹配单元被集成在同一块FPGA芯片中。
更具体地,所述检测平台还包括:亮度传感器,位于所述高清全景摄像头上,用于检测所述高清全景摄像头周围环境的环境亮度;照明光源,位于所述高清全景摄像头上,用于根据所述环境亮度自动调整为所述高清全景摄像头的图像采集提供的辅助照明的强度。
更具体地,所述高清全景摄像头、所述去雾霾处理器和所述不规范车辆识别器都集成在一块电路板上。
本发明的横越实线并道的不规范车辆检测方法,利用高清全景摄像头先后对所述交通路口进行图像采集以获得间隔预设时间的两幅路口图像,基于交通路口的实线图像特征识别所述两幅图像中出现在不同交通通道的同一车辆,并采用有针对性的OCR识别算法获取识别到的车辆的车牌号码,实现对跨实线并道违章行为的纯电子识别,更为重要的是,根据大气衰减模型确定雾霾对检测图像的影响因素,并对各种雾霾天气下采集的图像进行清晰化处理,拓宽了检测平台的应用范围。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的横越实线并道的不规范车辆检测平台的结构方框图。
图2为根据本发明实施方案示出的横越实线并道的不规范车辆检测平台的去雾霾处理器的结构方框图。
具体实施方式
下面将参照附图对实施本发明的横越实线并道的不规范车辆检测方法的检测平台进行详细说明。
现有技术对机动车驾驶员的违章行为检测主要集中在两个方面,一个方面是是否违反交通信号灯对应的通行规则,例如,是否闯红灯、是否闯绿灯以及是否越过行车截止线等,另一方面集中于车辆内部人员违章行为的检测,例如是否佩戴安全带、是否带孩子在副驾驶就坐等。然而,对于驾驶员驾驶车辆在交通路口横跨实线的违章行为却缺乏有效的检测措施,实际上,上述违章行为因为扰乱行驶秩序、违背道路交通行驶的公平性、因抢先易造成严重事故而更具有危害性。
现有技术中对交通路口的车辆横跨实线行为的检测一般仍旧采用落后的人工检测方式,即在每一个交通路口设置一个交通警察,定时对经过交通路口的各个车辆进行肉眼识别,在发现有车辆已经行驶到实线区域但仍来回切换车道时,立即上前询问并登记车辆信息,例如违章车辆的车牌号码,实现对违章车辆驾驶员的处罚。显然,这种检测方式过于依赖于人工,其效率和准确度大受影响。现有技术中仅有的一些电子检测手段也因此基于图像的检测机制容易受雾霾天气的干扰而无法投入应用。
为此,本发明建立了一种横越实线并道的不规范车辆检测方法,并搭建了相应的检测平台,其识别原理如下:先后对交通路口拍摄两幅图像,基于实线的图像特征对每一幅图像划分多个交通通道图像,当存在两个交通通道,其中一个交通通道对应的在前交通通道图像和另一个交通通道对应的在后交通通道图像中存在相同的车辆特征时,基于预设的OCR识别算法在所述另一个交通通道对应的在后交通通道图像中识别具有相同车辆特征的车辆的车牌号码以作为违章车牌号码输出,同时,引入去雾霾处理器消弱各种雾霾天气对检测图像的干扰,从而解决了上述技术问题。
图1为根据本发明实施方案示出的横越实线并道的不规范车辆检测平台的结构方框图,所述检测平台包括:嵌入式处理器4、高清全景摄像头1、去雾霾处理器2和不规范车辆识别器3,所述高清全景摄像头1拍摄交通路口以获得间隔预设时间的两幅路口图像,所述去雾霾处理器2与所述高清全景摄像头1连接以去除每一幅路口图像中的雾霾成分以获得两幅清晰化路口图像,所述不规范车辆识别器3与所述去雾霾处理器2连接以分别对所述两幅清晰化路口图像进行图像处理,所述嵌入式处理器4与所述不规范车辆识别器3连接,基于所述图像处理结果确定所述交通路口是否存在横越实线并道的不规范车辆。
接着,继续对检测平台的具体结构进行进一步的说明。
所述检测平台还包括:供电电源,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压。
所述检测平台还包括:静态存储器,用于预存了交通路口的实线图像特征,还用于接收并存储预设时间、实线上限灰度阈值和实线下限灰度阈值,所述实线上限灰度阈值和所述实线下限灰度阈值用于将图像中的实线和背景分离。
所述检测平台还包括:GPRS收发器,与当地交管控制平台建立双向GPRS通信链路,用于接收所述当地交管控制平台无线发送的控制指令,还用于接收所述嵌入式处理器4转发的违章车牌号码,并将违章车牌号码无线发送给所述当地交管控制平台。
所述高清全景摄像头1获得的两幅路口图像的分辨率都为3840×2160,所述两幅路口图像按照拍摄的时间顺序分为在前路口图像和在后路口图像。
如图2所示,所述去雾霾处理器2包括以下部件:
雾霾浓度检测子器件21,位于空气中,用于实时检测交通路口所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子器件22,与所述高清全景摄像头1连接以获得每一幅路口图像,计算每一幅路口图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值;
大气散射光值获取子器件23,与所述高清全景摄像头1和所述雾霾浓度检测子器件21分别连接,对每一幅路口图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF(edge-preserving gaussian filter)对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子器件24,与所述整体大气光值获取子器件22和所述大气散射光值获取子器件23分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子器件25,与所述高清全景摄像头1、所述整体大气光值获取子器件22和所述介质传输率获取子器件24分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将每一幅路口图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,每一幅路口图像中每一个像素的像素值包括每一幅路口图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成每一幅清晰化路口图像,两幅清晰化路口图像分别为在前清晰化路口图像和在后清晰化路口图像。
所述不规范车辆识别器3与所述去雾霾处理器2和所述静态存储器分别连接,所述不规范车辆识别器3包括图像预处理单元、实线区域分割单元、车辆特征识别单元和车辆匹配单元,具体连接关系和功能如下:
所述图像预处理单元与所述去雾霾处理器2连接,用于将在前清晰化路口图像和在后清晰化路口图像分别进行图像预处理,以获得在前预处理图像和在后预处理图像,所述图像预处理包括对比度增强、小波滤波和灰度化处理;
所述实线区域分割单元与所述图像预处理单元和所述静态存储器分别连接,将所述在前预处理图像中灰度值在所述实线上限灰度阈值和所述实线下限灰度阈值之间的像素识别并组成多个在前实线子图案,根据所述多个在前实线子图案在所述在前预处理图像中的位置从所述在前预处理图像中切割出多个在前实线区域图像,所述多个在前实线区域图像的数量与所述交通路口的交通通道的数量相同,每一个在前实线区域图像对应一个交通通道,还将所述在后预处理图像中灰度值在所述实线上限灰度阈值和所述实线下限灰度阈值之间的像素识别并组成多个在后实线子图案,根据所述多个在后实线子图案在所述在后预处理图像中的位置从所述在后预处理图像中切割出多个在后实线区域图像,所述多个在后实线区域图像的数量与所述交通路口的交通通道的数量相同,每一个在后实线区域图像对应一个交通通道;
所述车辆特征识别单元与所述实线区域分割单元连接,识别每一个在前实线区域图像中的多个车辆的特征作为多个在前车辆特征,识别每一个在后实线区域图像中的多个车辆的特征作为多个在后车辆特征;
所述车辆匹配单元与所述车辆特征识别单元连接,当存在两个交通通道,其中一个交通通道对应的在前实线区域图像和另一个交通通道对应的在后实线区域图像中存在相同的车辆特征时,基于预设的OCR识别算法在所述另一个交通通道对应的在后实线区域图像中识别具有相同车辆特征的车辆的车牌号码以作为违章车牌号码输出。
所述嵌入式处理器4与所述不规范车辆识别器3、所述GPRS收发器、所述静态存储器和所述高清全景摄像头1分别连接,所述嵌入式处理器4基于内置的定时器控制所述高清全景摄像头1按照所述预设时间的间隔采集所述两幅路口图像,并接收所述不规范车辆识别器3输出的违章车牌号码。
可选地,在所述检测平台中,所述图像预处理单元、所述实线区域分割单元、所述车辆特征识别单元和所述车辆匹配单元分别采用不同型号的FPGA芯片来实现;或者,可以将所述图像预处理单元、所述实线区域分割单元、所述车辆特征识别单元和所述车辆匹配单元集成在同一块FPGA芯片中;所示检测平台还可以包括:亮度传感器,位于所述高清全景摄像头1上,用于检测所述高清全景摄像头1周围环境的环境亮度;照明光源,位于所述高清全景摄像头1上,用于根据所述环境亮度自动调整为所述高清全景摄像头1的图像采集提供的辅助照明的强度;以及可以将高清全景摄像头1、去雾霾处理器2和不规范车辆识别器3都集成在一块电路板上。
另外,雾霾图像可以通过一系列图像处理设备实现图像的去雾霾化,以获得清晰化的图像,提高图像的能见度。这些图像处理设备分别执行不同的图像处理功能,基于雾霾形成的原理,达到去除雾霾的效果。雾霾图像的清晰化处理对于军用和民用领域都具有极大的应用价值,军用领域包括军事国防、遥感导航等,民用领域包括道路监测、目标跟踪和自动驾驶等。
雾霾图像形成的过程可以用大气衰减过程来描绘,在雾霾图像和实际图像即清晰化图像之间的关系可用整体大气光值和每一个像素的介质传输率来表述,即在已知雾霾图像的情况下,根据整体大气光值和每一个像素的介质传输率,可以求解出清晰化图像。
对于整体大气光值和每一个像素的介质传输率的求解都存在一些有效且经过验证的手段,例如,对于每一个像素的介质传输率,需要获得整体大气光值和每一个像素的大气散射光值,而每一个像素的大气散射光值可在对每一个像素在雾霾图像中的像素值进行两次保持边缘的高斯平滑滤波而获得,其间,雾霾去除的强度可调;而整体大气光值的获得方式有两种,一种方式是,可通过获取雾霾图像的黑色通道(即在雾霾图像中使得一些像素的黑色通道值非常低,黑色通道为R,G,B三颜色通道中的一种),在雾霾图像中,通过寻找黑色通道像素值偏大的多个像素中寻找灰度值最大的像素来获得,即将寻找到的、灰度值最大的像素的灰度值作为整体大气光值,参与雾霾图像中每一个像素的清晰化处理;另外,整体大气光值也可通过以下方式获得:计算雾霾图像中每一像素的灰度值,将灰度值最大的像素的灰度值作为整体大气光值。
具体的雾霾图像和实际图像即清晰化图像之间的关系,以及各个参数之间的关系可参见以上内容。
通过对雾霾图像形成原理的探讨,搭建了雾霾图像和清晰化图像之间的关系,用多个参数表示这种关系,随后通过获得的多个参数值和雾霾图像即可还原获得清晰度较高的图像,由于参数的获得借用了一些统计手段和经验手段,因此所述清晰度较高的图像不可能完全等同于实际图像,但已经具有相当程度的去雾霾效果,为雾霾天气下的各个领域作业提供有效保障。
采用本发明的横越实线并道的不规范车辆检测方法,针对现有识别方案偏于人工、检测效率低下或抗雾霾能力不足的技术问题,通过分析交通路口的实线分布形状,有针对性地采用多种高效率的图像处理设备实现对跨实线违章车辆的鉴别,更关键的是,引入了去雾霾处理设备有效地减少了各种雾霾天气对检测结果的影响,从而一方面保证不规范车辆检测的准确性和高效率,另一方面提高了不规范车辆检测的可靠性。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (9)
1.一种横越实线并道的不规范车辆检测方法,其包括:利用高清全景摄像头拍摄交通路口以获得间隔预设时间的两幅路口图像;利用去雾霾处理器去除每一幅路口图像中的雾霾成分以获得两幅清晰化路口图像;利用不规范车辆识别器分别对所述两幅清晰化路口图像进行图像处理;利用嵌入式处理器基于图像处理结果确定所述交通路口是否存在横越实线并道的不规范车辆。
2.如权利要求1所述的方法,其利用横越实线并道的不规范车辆检测平台实施,所述检测平台包括嵌入式处理器、高清全景摄像头、去雾霾处理器和不规范车辆识别器。
3.如权利要求2所述的方法,其中所述检测平台还包括:
供电电源,包括太阳能供电器件、蓄电池、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述蓄电池分别连接,根据蓄电池剩余电量决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;
静态存储器,用于预存了交通路口的实线图像特征,还用于接收并存储预设时间、实线上限灰度阈值和实线下限灰度阈值,所述实线上限灰度阈值和所述实线下限灰度阈值用于将图像中的实线和背景分离;
GPRS收发器,与当地交管控制平台建立双向GPRS通信链路,用于接收所述当地交管控制平台无线发送的控制指令,还用于接收所述嵌入式处理器转发的违章车牌号码,并将违章车牌号码无线发送给所述当地交管控制平台。
4.如权利要求3所述的方法,其中所述去雾霾处理器包括:
雾霾浓度检测子器件,位于空气中,用于实时检测交通路口所在位置的雾霾浓度,并根据雾霾浓度确定雾霾去除强度,所述雾霾去除强度取值在0到1之间;
整体大气光值获取子器件,与所述高清全景摄像头连接以获得每一幅路口图像,计算每一幅路口图像中每一像素的灰度值,将灰度值最大的像 素的灰度值作为整体大气光值;
大气散射光值获取子器件,与所述高清全景摄像头和所述雾霾浓度检测子器件分别连接,对每一幅路口图像的每一个像素,提取其R,G,B三颜色通道像素值中最小值作为目标像素值,使用保持边缘的高斯平滑滤波器EPGF对所述目标像素值进行滤波处理以获得滤波目标像素值,将目标像素值减去滤波目标像素值以获得目标像素差值,使用EPGF对目标像素差值进行滤波处理以获得滤波目标像素差值,将滤波目标像素值减去滤波目标像素差值以获得雾霾去除基准值,将雾霾去除强度乘以雾霾去除基准值以获得雾霾去除阈值,取雾霾去除阈值和目标像素值中的最小值作为比较参考值,取比较参考值和0中的最大值作为每一个像素的大气散射光值;
介质传输率获取子器件,与所述整体大气光值获取子器件和所述大气散射光值获取子器件分别连接,将每一个像素的大气散射光值除以整体大气光值以获得除值,将1减去所述除值以获得每一个像素的介质传输率;
清晰化图像获取子器件,与所述高清全景摄像头、所述整体大气光值获取子器件和所述介质传输率获取子器件分别连接,将1减去每一个像素的介质传输率以获得第一差值,将所述第一差值乘以整体大气光值以获得乘积值,将每一幅路口图像中每一个像素的像素值减去所述乘积值以获得第二差值,将所述第二差值除以每一个像素的介质传输率以获得每一个像素的清晰化像素值,每一幅路口图像中每一个像素的像素值包括每一幅路口图像中每一个像素的R,G,B三颜色通道像素值,相应地,获得的每一个像素的清晰化像素值包括每一个像素的R,G,B三颜色通道清晰化像素值,所有像素的清晰化像素值组成每一幅清晰化路口图像,两幅清晰化路口图像分别为在前清晰化路口图像和在后清晰化路口图像。
5.如权利要求3所述的方法,其中所述不规范车辆识别器与所述去雾霾处理器和所述静态存储器分别连接,所述不规范车辆识别器包括图像预处理单元、实线区域分割单元、车辆特征识别单元和车辆匹配单元,所述图像预处理单元与所述去雾霾处理器连接,用于将在前清晰化路口图像和在后清晰化路口图像分别进行图像预处理,以获得在前预处理图像和在后预处理图像,所述图像预处理包括对比度增强、小波滤波和灰度化处理, 所述实线区域分割单元与所述图像预处理单元和所述静态存储器分别连接,将所述在前预处理图像中灰度值在所述实线上限灰度阈值和所述实线下限灰度阈值之间的像素识别并组成多个在前实线子图案,根据所述多个在前实线子图案在所述在前预处理图像中的位置从所述在前预处理图像中切割出多个在前实线区域图像,所述多个在前实线区域图像的数量与所述交通路口的交通通道的数量相同,每一个在前实线区域图像对应一个交通通道,还将所述在后预处理图像中灰度值在所述实线上限灰度阈值和所述实线下限灰度阈值之间的像素识别并组成多个在后实线子图案,根据所述多个在后实线子图案在所述在后预处理图像中的位置从所述在后预处理图像中切割出多个在后实线区域图像,所述多个在后实线区域图像的数量与所述交通路口的交通通道的数量相同,每一个在后实线区域图像对应一个交通通道,所述车辆特征识别单元与所述实线区域分割单元连接,识别每一个在前实线区域图像中的多个车辆的特征作为多个在前车辆特征,识别每一个在后实线区域图像中的多个车辆的特征作为多个在后车辆特征,所述车辆匹配单元与所述车辆特征识别单元连接,当存在两个交通通道,其中一个交通通道对应的在前实线区域图像和另一个交通通道对应的在后实线区域图像中存在相同的车辆特征时,基于预设的OCR识别算法在所述另一个交通通道对应的在后实线区域图像中识别具有相同车辆特征的车辆的车牌号码以作为违章车牌号码输出;
所述嵌入式处理器与所述不规范车辆识别器、所述GPRS收发器、所述静态存储器和所述高清全景摄像头分别连接,所述嵌入式处理器基于内置的定时器控制所述高清全景摄像头按照所述预设时间的间隔采集所述两幅路口图像,并接收所述不规范车辆识别器输出的违章车牌号码。
6.如权利要求5所述的方法,其中所述图像预处理单元、所述实线区域分割单元、所述车辆特征识别单元和所述车辆匹配单元分别采用不同型号的FPGA芯片来实现。
7.如权利要求5所述的横越实线并道的不规范车辆检测平台,其中所述图像预处理单元、所述实线区域分割单元、所述车辆特征识别单元和所述车辆匹配单元被集成在同一块FPGA芯片中。
8.如权利要求3所述的方法,其中所述检测平台还包括:
亮度传感器,位于所述高清全景摄像头上,用于检测所述高清全景摄像头周围环境的环境亮度;
照明光源,位于所述高清全景摄像头上,用于根据所述环境亮度自动调整为所述高清全景摄像头的图像采集提供的辅助照明的强度。
9.如权利要求3所述的横越实线并道的不规范车辆检测平台,其中所述高清全景摄像头、所述去雾霾处理器和所述不规范车辆识别器都集成在一块电路板上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510162055.7A CN104732223A (zh) | 2015-04-08 | 2015-04-08 | 横越实线并道的不规范车辆检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510162055.7A CN104732223A (zh) | 2015-04-08 | 2015-04-08 | 横越实线并道的不规范车辆检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104732223A true CN104732223A (zh) | 2015-06-24 |
Family
ID=53456097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510162055.7A Pending CN104732223A (zh) | 2015-04-08 | 2015-04-08 | 横越实线并道的不规范车辆检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104732223A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107872608A (zh) * | 2016-09-26 | 2018-04-03 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216996A (zh) * | 2007-12-28 | 2008-07-09 | 云南澜博科技有限公司 | 用视频监测车辆违法行为的方法 |
CN101313345A (zh) * | 2005-11-18 | 2008-11-26 | 新科电子(资讯通信***)私人有限公司 | 检测道路交通违章的***和方法 |
CN101593422A (zh) * | 2009-06-15 | 2009-12-02 | 无锡骏聿科技有限公司 | 一种基于视频追踪和模式识别的交通违规检测方法 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
CN104463160A (zh) * | 2014-11-27 | 2015-03-25 | 无锡北斗星通信息科技有限公司 | 纺织车间智能抄表机器人 |
-
2015
- 2015-04-08 CN CN201510162055.7A patent/CN104732223A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101313345A (zh) * | 2005-11-18 | 2008-11-26 | 新科电子(资讯通信***)私人有限公司 | 检测道路交通违章的***和方法 |
CN101216996A (zh) * | 2007-12-28 | 2008-07-09 | 云南澜博科技有限公司 | 用视频监测车辆违法行为的方法 |
CN101593422A (zh) * | 2009-06-15 | 2009-12-02 | 无锡骏聿科技有限公司 | 一种基于视频追踪和模式识别的交通违规检测方法 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
CN104463160A (zh) * | 2014-11-27 | 2015-03-25 | 无锡北斗星通信息科技有限公司 | 纺织车间智能抄表机器人 |
Non-Patent Citations (2)
Title |
---|
姜树明等: "《视频图像综合处理***的设计与实现》", 《山东科学》, vol. 26, no. 3, 30 June 2013 (2013-06-30), pages 54 - 59 * |
袁芳宁等: "《雾天模糊图像的清晰化方法》", 《西安邮电学院学报》, vol. 17, no. 6, 30 November 2012 (2012-11-30), pages 27 - 32 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107872608A (zh) * | 2016-09-26 | 2018-04-03 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
CN107872608B (zh) * | 2016-09-26 | 2021-01-12 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
US10911644B2 (en) | 2016-09-26 | 2021-02-02 | Huawei Technologies Co., Ltd. | Device and method for improving image quality |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101783076B (zh) | 一种视频监控模式下的快速车型识别方法 | |
O'Malley et al. | Vehicle detection at night based on tail-light detection | |
CN111212772A (zh) | 用于确定车辆的驾驶策略的方法和设备 | |
CN108583432A (zh) | 一种基于图像识别技术的智能a柱盲区预警装置与方法 | |
CN106327863A (zh) | 一种车辆拥堵检测预警方法、装置及*** | |
CN106218492B (zh) | 一种黑夜行车灯光自动切换装置及切换方法 | |
CN105118305B (zh) | 室外停车场出口车辆管理平台 | |
CN104658265B (zh) | 位于交通路口的跨实线并道车辆识别*** | |
CN105046979B (zh) | 一种位于交通路口的跨实线并道车辆识别方法 | |
CN104282158A (zh) | 一种交通信号灯智能控制方法和*** | |
CN105555606B (zh) | 用于在车辆尾灯与闪烁的红色停车灯之间进行判别的车辆成像***和方法 | |
CN104732768B (zh) | 信号灯所在路口通行数据采集方法 | |
CN104732772B (zh) | 交通路口抢行车辆识别平台 | |
CN104751640B (zh) | 横越实线并道的不规范车辆检测平台 | |
CN104715609B (zh) | 信号灯所在路口通行数据采集*** | |
CN104715615B (zh) | 位于交通路口的违章电子识别平台 | |
CN104732223A (zh) | 横越实线并道的不规范车辆检测方法 | |
DE102020203102A1 (de) | System und Verfahren zur Bereitstellung einer beleuchteten Route für ein sich auf einem Weg bewegendes Objekt | |
CN109229012A (zh) | 一种基于多路况智能识别的汽车远近光灯自动切换方法 | |
CN104732771B (zh) | 交通路口抢行车辆识别方法 | |
CN104751641B (zh) | 交通路口违章电子识别方法 | |
CN204423635U (zh) | 位于交通路口的跨实线并道车辆识别*** | |
CN110930740A (zh) | 一种交通红绿灯 | |
WO2023160856A1 (de) | Verfahren zur darstellung des ladezustands eines energiespeichers eines fahrzeugs und fahrzeug | |
Wang et al. | Application of vehicle tail light identification technology in traffic safety |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150624 |