CN105868753A - 蓝色车牌颜色的识别方法及装置 - Google Patents
蓝色车牌颜色的识别方法及装置 Download PDFInfo
- Publication number
- CN105868753A CN105868753A CN201610207212.6A CN201610207212A CN105868753A CN 105868753 A CN105868753 A CN 105868753A CN 201610207212 A CN201610207212 A CN 201610207212A CN 105868753 A CN105868753 A CN 105868753A
- Authority
- CN
- China
- Prior art keywords
- lighting sources
- infrared
- supplementary lighting
- rgb image
- infrared supplementary
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
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)
Abstract
本申请公开了一种蓝色车牌颜色的识别方法及装置,所述方法包括:当光照亮度低于指定亮度时,开启补光源;所述补光源包括近红外补光光源以及红外补光光源;切换所述摄像机的红外线双滤镜IR‑cut的工作模式,以使可见光和红外光同时通过;近红外补光光源和红外补光光源同时开启识别图像中有蓝色车牌的车辆的车牌颜色。本公开可以通过对图像帧的处理识别出蓝色车牌的颜色,从而解决相关技术中使用红外补光灯时无法识别蓝色车牌颜色的问题。
Description
技术领域
本申请涉及车牌颜色识别领域,尤其涉及一种蓝色车牌颜色的识别方法及装置。
背景技术
随着监控技术的发展,夜晚道路上基于白光补光灯和摄像机进行道路监控的应用越来越多。白光能使车牌很好的显色,因此便于车牌颜色的识别,但是白色补光灯的隐蔽性差,而且会干扰驾驶员的视线,导致交通安全隐患。因此,红外补光灯+摄像机的方案应运而生,该方案解决了光污染和隐蔽性问题,然而由于车牌在红外补光灯下呈现黑白色调,因此使用红外补光灯会导致无法识别蓝色车牌颜色的问题。
发明内容
为克服相关技术中存在的问题,本公开提供了蓝色车牌颜色的识别方法及装置。
根据本公开实施例的第一方面,提供一种蓝色车牌颜色的识别方法,应用于摄像机,所述摄像机包括多通道滤镜,以及经所述多通道滤镜滤光后对近红外光和红外光感光的传感器;所述多通道滤镜对近红外光线透光,要求R通道的透过率大于B通道的透过率,所述多通道滤镜的多个通道对红外光的透光率相同,所述蓝色车牌颜色的识别方法包括:
当光照亮度低于指定亮度时,开启补光源;所述补光源包括近红外补光光源以及红外补光光源;
切换所述摄像机的红外线双滤镜IR-cut的工作模式,以使可见光和红外光同时通过;
近红外补光光源和红外补光光源同时开启识别图像中有蓝色车牌的车辆的车牌颜色。
可选的,当所述摄像机为抓拍相机时,所述近红外补光光源和红外补光光源同时开启,识别图像中有蓝色车牌的车辆的车牌颜色包括:
当检测到所述目标车辆时,基于所述补光源中的近红外补光光源和红外补光光源进行爆闪补光对目标车辆进行抓拍,并将抓拍到的所述目标车辆的裸数据图像帧转换为RGB图像,定位所述RGB图像中的车牌区域,并对车牌区域进行色彩增强后保存;当未检测到所述目标车辆时,仅开启所述补光源中的红外补光光源。
可选的,当所述摄像机为非抓拍相机时,所述近红外补光光源和红外补光光源同时开启,识别图像中有蓝色车牌的车辆的车牌颜色包括:
所述近红外补光光源和红外补光光源同时常亮补光,采集实况裸数据图像帧并转换为RGB图像,定位所述RGB图像中的车牌区域,识别所述RGB图像中有蓝色车牌的车辆的车牌颜色,并将处理后所述RGB图像转换为YUV图像,并进行实况流传输和保存。可选的,所述定位所述RGB图像中的车牌区域包括:
基于所述RGB图像的分辨率建立对应的初始计算矩阵;
将所述RGB图像每个像素的RGB三个分量中的最大值减去最小值,并判断计算得到的差值是否大于预设阈值;
当所述差值大于所述预设阈值时,将所述初始计算矩阵中与所述像素对应的元素的值置为1;当所述差值小于或者等于所述预设阈值时,将所述矩阵中的与所述像素对应的元素的值置为0,得到处理后的计算矩阵;
将由所述RGB图像的R分量、G分量和B分量构成的三个矩阵分别与所述计算矩阵进行点乘计算,并根据点乘计算结果对车牌进行定位。
可选的,所述对车牌区域进行色彩增强,包括:
将点乘计算后的所述RGB图像转换为HSV图像;
增强所述HSV图像的饱和度,以完成针对所述车牌区域的色彩增强。
可选的,所述红外补光光源包括第一红外补光光源和第二红外补光光源,其中,所述第一红外补光光源的中心波长与第二红外补光光源的中心波长不同。
根据本公开实施例的第二方面,提供一种蓝色车牌颜色的识别装置,所述装置应用于摄像机,所述摄像机包括多通道滤镜,以及经所述多通道滤镜滤光后对近红外光和红外光感光的传感器;所述多通道滤镜对近红外光线透光,要求R通道的透过率大于B通道的透过率,所述多通道滤镜的多个通道对红外光的透光率相同,所述蓝色车牌颜色的识别装置包括:
开启模块,用于当光照亮度低于指定亮度时,开启补光源;所述补光源包括近红外补光光源以及红外补光光源;
切换模块,用于切换所述摄像机的红外线双滤镜IR-cut的工作模式,以使可见光和红外光同时通过;
识别模块,用于近红外补光光源和红外补光光源同时开启识别图像中有蓝色车牌的车辆的车牌颜色。
可选的,当所述摄像机为抓拍相机时,所述识别模块包括:
第一检测子模块,用于当检测到所述目标车辆时,基于所述补光源中的近红外补光光源和红外补光光源进行爆闪补光对目标车辆进行抓拍,并将抓拍到的所述目标车辆的裸数据图像帧转换为RGB图像,定位所述RGB图像中的车牌区域,并对车牌区域进行色彩增强后保存;当未检测到所述目标车辆时,仅开启所述补光源中的红外补光光源。
可选的,当所述摄像机为非抓拍相机时,所述识别模块包括:
第二检测子模块,用于所述近红外补光光源和红外补光光源同时常亮补光,采集实况裸数据图像帧并转换为RGB图像,定位所述RGB图像中的车牌区域,识别所述RGB图像中有蓝色车牌的车辆的车牌颜色,并将处理后所述RGB图像转换为YUV图像,并进行实况流传输和保存。
可选的,所述第一检测子模块或第二检测子模块具体用于:
基于所述RGB图像的分辨率建立对应的初始计算矩阵;
将所述RGB图像每个像素的RGB三个分量中的最大值减去最小值,并判断计算得到的差值是否大于预设阈值;
当所述差值大于所述预设阈值时,将所述初始计算矩阵中与所述像素对应的元素的值置为1;当所述差值小于或者等于所述预设阈值时,将所述矩阵中的与所述像素对应的元素的值置为0,得到处理后的计算矩阵;
将由所述RGB图像的R分量、G分量和B分量构成的三个矩阵分别与所述计算矩阵进行点乘计算,并根据点乘计算结果对车牌进行定位。
可选的,所述第一检测子模块具体用于:
将所述点乘计算后的所述RGB图像转换为HSV图像;
增强所述HSV图像的饱和度,以完成针对所述车牌区域的色彩增强。
可选的,所述红外补光光源包括第一红外补光光源和第二红外补光光源,其中,所述第一红外补光光源的中心波长与第二红外补光光源的中心波长不同。
由上述实施例可见,通过在光照亮度低于指定亮度的情况下开启所述补光源以及将IR-cut切换到可见光和红外光能同时通过的工作模式,使得所述摄像机在近红外补光光源和红外补光光源同时开启时识别图像中有蓝色车牌的车辆的车牌颜色,从而解决相关技术中使用红外补光灯时无法识别蓝色车牌颜色的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本公开一实施例示出的一种蓝色车牌颜色的识别方法的流程图。
图2是一种摄像机的传感器对不同波长的感光曲线。
图3是本公开实施例中蓝色车牌颜色的识别的装置的硬件结构框图。
图4是本公开根据一示例性实施例示出的一种蓝色车牌颜色的识别装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在相关技术中,通常采用红外补光灯对摄像机进行补光,利用红外光没有光污染且隐蔽性强的特性,来解决使用白光补光灯对摄像机进行补光造成的光污染的问题。然后,由于车牌在红外补光灯下呈现黑白色调,因此使用红外补光灯会造成无法识别蓝色车牌颜色的问题。
在本公开实施例中,可以通过在光照亮度低于指定亮度的情况下开启补光源以及将IR-cut切换到可见光和红外光能同时通过的工作模式,使得摄像机在近红外补光光源和红外补光光源同时开启时识别图像中有蓝色车牌的车辆的车牌颜色,从而解决相关技术中使用红外补光灯时无法识别蓝色车牌颜色的问题。
参见图1,为本公开一实施例示出的一种蓝色车牌颜色的识别方法的流程图,该实施例应用于摄像机,包括以下步骤:
步骤101:当光照亮度低于指定亮度时,开启补光源;所述补光源包括近红外补光光源以及红外补光光源。
上述摄像机可以包括多通道滤镜,以及经多通道滤镜滤光后对近红外光和红外光感光的传感器;其中,在为摄像机选择传感器时,需要要求该传感器能够识别近红外补光光源和红外补光光源。上述多通道滤镜的多个通道需要对近红外光线的透过率不同,其中,多通道滤镜的R通道对近红外光线的透过率大于B通道对近红外光线的透过率,这样做的目的主要是为了尽可能的让R分量通过同时抑制B分量的通过,而所述多通道滤镜的多个通道对红外光的透光率相同。
在使用摄像机对道路进行监控的过程中,当光照亮度低于指定亮度时,可以开启补光源。其中,在本例中,补光源可以包括近红外补光光源以及红外补光光源。在补光源中引入近红外补光光源可以确保对蓝色车牌颜色进行正常识别;在补光源中引入红外补光光源,可以在对蓝色车牌颜色进行正常识别的基础上,进一步提高补光效果和隐蔽性。其中,对于同一摄像机而言,当补光源中的近红外补光光源和红外补光光源取指定波长范围内的波长值时,上述摄像机可以在补光源补光时获取较好的图像帧,从而可以较好的识别蓝色车牌的颜色。由于不同的摄像机使用的芯片不同,因此,当补光源中的近红外补光光源和红外补光光源取与上述摄像机对应的波长范围内的波长值时,上述摄像机可以获取较好的图像帧。
需要说明的是,上述指定亮度可以视环境而定或者由用户自定义设置,例如10LUX(勒克斯),本公开对此不做限定。
在本例中,在为补光源中的近红外补光光源和红外补光光源指定波长范围时,可以结合摄像机的传感器对不同波长的感光曲线来确定补光源中近红外补光光源的波长范围。
参见图2,图2为一种摄像机的传感器对不同波长的感光曲线。结合图2可知,波长范围为750纳米至770纳米之间的近红外光,通常对人眼不敏感,对驾驶员的干扰较小,而且波长位于该范围内的近红外光,传感器能够较好的分辨色彩图像中的RGB分量,从而更加便于摄像机在图像处理过程中对蓝色车牌的颜色进行还原。
因此,在示出的一种实施方式中,可以选取750纳米至770纳米作为近红外补光光源的指定波长范围。
在本例中,当为近红外补光光源的指定了波长范围之后,为了提高补光量,还可以在补光源中加入红外补光光源。该红外补光光源可以包括指定波长的第一红外补光光源和第二红外补光光源,其中,第一红外补光光源的指定波长与第二红外补光光源的指定波长不同。
请继续参见图2,中心波长为830纳米的红外光,通常对人眼不敏感,对驾驶员的干扰较小,而且摄像机的传感器可以较好地对其感光,从而使得抓拍的图像帧有较高的亮度。因此,在示出的一种实施方式中,可以将中心波长为830纳米的红外光作为指定波长范围的第一红光补光光源。
然而,在实际应用中,中心波长为830纳米的红外光通常会有轻微的红曝现象,即光的周围会出现能被人眼感知的红光。因此,为了提高该红外光的隐蔽性以及进一步提高补光效果,在本例中还可以引入指定波长的第二红外补光光源。
在示出的一个实施方式中,可以将中心波长为980纳米的红外光选定为上述第二红外补光光源。中心波长为980纳米的红外光对人眼不敏感,没有红曝现象,因此在红外补光光源中添加中心波长为980纳米的红外光,可以提高红外补光光源的隐蔽性,对整个道路场景进行补光,减小车牌和背景的亮度差,使得车牌不容易过曝。同时使用830纳米和980纳米的红外光与仅使用830纳米的相比,在要求发出亮度的场景下,前者由于有980纳米波长的红外光混合,红曝现象要小很多。
需要说明的是,在实现时,补光源中的以上三种光源可以放在同一个补光单元中,也可以分开放置,在本例中不进行特别限定。
步骤102:切换所述摄像机的红外线双滤镜IR-cut的工作模式,以使可见光和红外光同时通过。
在本例中,开启上述补光源后,摄像机可以切换IR-cut(Infrared cut,红外线双滤镜)的工作模式,以使可见光和红外光同时通过,其中,摄像机的IR-cut的滤镜可以为多通道滤镜。在这里需要说明的是步骤101和步骤102顺序可调换,并不一定要按本实施例给出的顺序执行。
当摄像机的IR-cut切换到可见光和红外光能同时通过的工作模式时,上述指定波长范围的近红外光也可以通过该多通道滤镜。在本例中,为了便于对蓝色车牌颜色的还原,该多通道滤镜的多个通道对指定波长范围的近红外光的透过率可以不同。
请继续参见图2,当近红外光的波长位于750纳米至770纳米之间时,摄像机的传感器对近红外光的RGB分量的感光程度不同。为了使得传感器在感光后对于B分量和R分量具有不同的灰度值,便于对蓝色车牌颜色的还原,选择该多通道滤镜对该近红外补光光源的B通道的透过率小于15%;对该近红外补光光源的R通道的透过率大于80%;对该近红外补光光源的Gr和Gb的分量透过率大于20%且小于50%。
在本例中,上述指定波长范围的红外光可以通过上述多通道滤镜。由图2可知,当红外光的波长位于上述指定波长范围时,摄像机的传感器对红外光的RGB分量的感光程度近似相同。为了便于将抓拍到的图像帧中反光率小于车牌的区域还原为灰色,因此该多通道滤镜对该红外光的透过率差异越小越好,以差异小于5%为宜。
步骤103:当有目标车辆时,获取包括所述目标车辆的图像帧,并基于获取到的所述图像帧识别蓝色车牌的颜色。
当有目标车辆时,摄像机可以在补光源补光的情况下获取目标车辆的图像帧,然后基于该图像帧识别蓝色车牌的颜色。
在本例中,摄像机可以为抓拍相机。当摄像机为抓拍相机时,可以先检测是否有目标车辆。当检测到目标车辆时,可以同时开启补光源中的近红外补光光源和红外补光光源,摄像机可以基于补光源中的近红外补光光源和红外补光光源进行爆闪补光对目标车辆进行抓拍,并将抓拍到的目标车辆的图像帧转换为RGB图像,对该RGB图像进行去马赛克Demosaic和AWB(Automatic white balance,自动白平衡)处理,由于该处理过程为现有技术,因此本公开在此不再赘述;当未检测到目标车辆时,可以仅开启补光源中的红外补光光源。
抓拍相机通常是当有车或人等目标物体进入监控范围,通过爆闪补光方式瞬间抓拍目标物体的清晰图像。例如十字路口用于拍摄闯红灯的卡口相机。
将抓拍后的裸数据图像帧转换为RGB图像后,摄像机可以定位RGB图像中的车牌区域,并对车牌区域进行色彩增强后保存。
在一个实施例中,对RGB图像中的车牌区域进行定位的过程可以为:
摄像机基于RGB图像的分辨率建立对应的初始计算矩阵,其中,初始计算矩阵中的各元素的初始值可以设置为0,然后,可以将RGB图像的每个像素的RGB三个分量中的最大值减去最小值,并判断计算得到的差值是否大于预设阈值,当差值大于预设阈值时,可以将初始计算矩阵中与该像素对应的元素的值置为1;当差值小于或等于预设阈值时,可以将初始计算矩阵中与该像素对应的元素的值置为0。将初始计算矩阵中每个像素的值设置完成后,可以得到处理后的计算矩阵。然后可以将由RGB图像的R分量、G分量和B分量构成的三个矩阵分别与上述计算矩阵进行点乘计算,并根据点乘计算结果对车牌进行定位。
在示出的一个实施例中,假设RGB图像的分辨率为2*2,其各个像素对应的R分量、G分量和B分量的值可以如表1所示:
RGB图像的位置 | R分量值 | G分量值 | B分量值 |
{1,1} | 2 | 10 | 6 |
{1,2} | 1 | 1 | 1 |
{2,1} | 20 | 10 | 12 |
{2,2} | 2 | 2 | 12 |
表1
此时,摄像机可以基于如表1所示的RGB图像的分辨率建立一个2*2的初始计算矩阵mask,其中,初始计算矩阵mask中的各元素的初始值可以为0。然后,可以将RGB图像的每个像素的RGB三个分量中的最大值减去最小值。
将如表1所示的RGB图像的每个像素的RGB三个分量的最大值减去最小值后,可以得到如表2所示的差值:
表2
然后,可以判断计算得到的差值是否大于预设阈值,当差值大于预设阈值时,可以将初始计算矩阵mask中与该像素对应的元素的值置为1;当差值小于或等于预设阈值时,可以将初始计算矩阵mask中与该像素对应的元素的值置为0。
假设预设阈值为8,则将初始计算矩阵mask中每个元素的值设置完成后,可以得到如表3所示的计算矩阵mask:
Mask矩阵的位置 | 元素值 |
{1,1} | 1 |
{1,2} | 0 |
{2,1} | 1 |
{2,2} | 1 |
表3
然后,可以将由RGB图像的R分量、G分量和B分量构成的三个矩阵分别与上述矩阵进行点乘计算。
由表1可知,RGB图像的R分量可以构成如表4所示的矩阵,RGB图像的G分量可以构成如表5所示的矩阵,RGB图像的B分量可以构成如表6所示的矩阵:
RGB图像的位置 | R分量值 |
{1,1} | 2 |
{1,2} | 1 |
{2,1} | 20 |
{2,2} | 2 |
表4
RGB图像的位置 | G分量值 |
{1,1} | 10 |
{1,2} | 1 |
{2,1} | 10 |
{2,2} | 2 |
表5
RGB图像的位置 | B分量值 |
{1,1} | 6 |
{1,2} | 1 |
{2,1} | 12 |
{2,2} | 12 |
表6
将如表4、表5和表6所示的三个矩阵与如表3所示的计算矩阵mask做点乘计算后,可以得到如表7所示的矩阵:
Mask矩阵的位置 | R分量值 | G分量值 | B分量值 |
{1,1} | 2 | 10 | 6 |
{1,2} | 0 | 0 | 0 |
{2,1} | 20 | 10 | 12 |
{2,2} | 2 | 2 | 12 |
表7
各个像素对应的R分量、G分量和B分量的值如表1所示的RGB图像经过上述处理后,其各个像素对应的R分量、G分量和B分量的值可以如表7所示时,RGB图像的车牌区域可以显示轻微的蓝色,非车牌区域可以显示为黑色。此时,可以根据如表7所示的RGB图像对车牌进行定位。完成对车牌的定位后,可以对点乘计算后的RGB图像中的车牌颜色进行加强。
完成对车牌的定位后,可以对点乘计算后的RGB图像中的车牌颜色进行加强,在一个实施例中,对车牌区域进行颜色加强的过程可以为:
先将点乘计算后的RGB图像转换为HSV图像,然后,增强该HSV图像的饱和度,以完成针对车牌区域的色彩增强。其中,可以通过将HSV图像中的S分量值置为1来增强该HSV图像的饱和度。
在示出的一个实施例中,颜色加强的过程具体可以为:
先将点乘计算后的RGB图像转换为HSV图像,将各个像素对应的R分量、G分量和B分量的值如表7所示的RGB图像转换为HSV图像后,转化后的HSV图像的各个像素对应的H分量、S分量和V分量的值可以如表8所示:
Mask矩阵的位置 | H分量值 | S分量值 | V分量值 |
{1,1} | 150 | 0.8 | 10 |
{1,2} | 0 | 0 | 0 |
{2,1} | 348 | 0.5 | 20 |
{2,2} | 240 | 0.83 | 12 |
表8
需要说明的是,将RGB图像转换为HSV图像的过程为现有技术,本公开在此不再赘述。
将RGB图像转换为HSV图像后,可以将HSV图像中的S分量置为1,当将上述HSV图像的S分量置为1时,可以得到各个像素对应的H分量、S分量和V分量的值如表9所示的HSV图像:
Mask矩阵的位置 | H分量值 | S分量值 | V分量值 |
{1,1} | 150 | 1 | 10 |
{1,2} | 0 | 1 | 0 |
{2,1} | 348 | 1 | 20 |
{2,2} | 240 | 1 | 12 |
表9
将图像中的S分量修改完成后,可以将修改后的HSV图像转换为RGB图像。将各个像素对应的H分量、S分量和V分量的值如表9所示的HSV图像转化为RGB图像后,转化后的RGB图像的各个像素对应的R分量、G分量和B分量的值可以如表10所示:
Mask矩阵的位置 | R分量值 | G分量值 | B分量值 |
{1,1} | 0 | 10 | 5 |
{1,2} | 0 | 0 | 0 |
{2,1} | 20 | 0 | 4 |
{2,2} | 0 | 0 | 12 |
表10
结合表7和表10可知,经过色彩加强处理后,RGB图像的B分量值相对于R分量值或G分量值被增大,即RGB图像中的蓝色部分被增强。
需要说明的是,将HSV图像转换为RGB图像的过程为现有技术,本公开在此不再赘述。
经过上述处理后,RGB图像中的车牌区域的色彩被增强,可以显示较为清晰的蓝色。
在本例中,摄像机也可以为非抓拍相机。当摄像机为非抓拍相机时,可以基于补光源进行常亮补光采集实况图像帧,然后将采集到的实况图像帧处理为RGB图像,并将该RGB图像基于YUV格式进行实况流传输。
这里的非抓拍相机,主要指公安***用在小区、路口等区域拍摄监控录像的摄像机。
其中,需要说明的是,在基于YUV格式进行实况流传输时,可以同时保留图像中的亮度分量Y和色差分量UV,从而使得传输的图像中蓝色车牌部分可以显示出蓝色,非车牌部分无法显示出彩色。
在一个实施例中,非抓拍相机采集的实况图像帧中的车辆实际可以为蓝色车辆,由于车辆的车身部分并没有如车牌部分一样涂抹较多的反光材料,车牌部分通常由于经过特殊处理,反光率能够达到90%以上,因此,将该实况图像帧经过上述处理得到的图像中,只有蓝色车牌部分可以显示较为清晰的蓝色。
在本公开实施例中,可以通过在光照亮度低于指定亮度的情况下开启补光源以及将IR-cut切换到可见光和红外光能同时通过的工作模式,使得摄像机在近红外补光光源和红外补光光源同时开启时识别图像中有蓝色车牌的车辆的车牌颜色,从而解决相关技术中使用红外补光灯时无法识别蓝色车牌颜色的问题。
基于与上述方法同一的发明构思,本发明实施例还提供了蓝色车牌颜色的识别装置的实施例,该蓝色车牌颜色的识别装置可以应用于摄像机上。其中,该蓝色车牌颜色的识别装置可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在的处理器,将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从应用层面而言,如图3所示,是本公开实施例中蓝色车牌颜色的识别的装置的硬件结构框图,除了图3所示的处理器、网络接口、内存以及非易失性存储器外,还可以包括其他硬件,如摄像装置、负责处理报文的转发芯片等。
如图4所示,图4是本公开根据一示例性实施例示出的一种蓝色车牌颜色的识别装置的框图,所述装置包括:开启模块410、切换模块420以及识别模块430。
其中,开启模块410,用于当光照亮度低于指定亮度时,开启补光源;所述补光源包括近红外补光光源以及红外补光光源;
切换模块420,用于切换所述摄像机的红外线双滤镜IR-cut的工作模式,以使可见光和红外光同时通过;
识别模块430,用于近红外补光光源和红外补光光源同时开启,识别图像中有蓝色车牌的车辆的车牌颜色。
在一个可选的实现方式中,当所述摄像机为抓拍相机时,所述识别模块430可以包括(图4中未示出):
第一检测子模块431,用于当检测到所述目标车辆时,基于所述补光源中的近红外补光光源和红外补光光源进行爆闪补光对目标车辆进行抓拍,并将抓拍到的所述目标车辆的裸数据图像帧转换为RGB图像,定位所述RGB图像中的车牌区域,并对车牌区域进行色彩增强后保存;当未检测到所述目标车辆时,仅开启所述补光源中的红外补光光源。
在另一个可选的实现方式中,当所述摄像机为非抓拍相机时,所述识别模块430可以包括(图4中未示出):
第二检测子模块432,用于所述近红外补光光源和红外补光光源同时常亮补光,采集实况裸数据图像帧并转换为RGB图像,定位所述RGB图像中的车牌区域,识别所述RGB图像中有蓝色车牌的车辆的车牌颜色,并将处理后所述RGB图像转换为YUV图像,并进行实况流传输和保存。
在另一个可选的实现方式中,所述检测子模块431或432可以具体用于:
基于所述RGB图像的分辨率建立对应的初始计算矩阵;
将所述RGB图像每个像素的RGB三个分量中的最大值减去最小值,并判断计算得到的差值是否大于预设阈值;
当所述差值大于所述预设阈值时,将所述初始计算矩阵中与所述像素对应的元素的值置为1;当所述差值小于或者等于所述预设阈值时,将所述矩阵中的与所述像素对应的元素的值置为0,得到处理后的计算矩阵;
将由所述RGB图像的R分量、G分量和B分量构成的三个矩阵分别与所述计算矩阵进行点乘计算,并根据点乘计算结果对车牌进行定位。
在另一个可选的实现方式中,所述第一检测子模块431可以具体用于:
将所述点乘计算后的所述RGB图像转换为HSV图像;
增强所述HSV图像的饱和度,以完成针对所述车牌区域的色彩增强。
在另一个可选的实现方式中,所述红外补光光源包括第一红外补光光源和第二红外补光光源,其中,所述第一红外补光光源的中心波长与第二红外补光光源的中心波长不同。
由上述实施例可见,可以通过在光照亮度低于指定亮度的情况下开启补光源以及将IR-cut切换到可见光和红外光能同时通过的工作模式,使得摄像机在近红外补光光源和红外补光光源同时开启时识别图像中有蓝色车牌的车辆的车牌颜色,从而解决相关技术中使用红外补光灯时无法识别蓝色车牌颜色的问题。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
以上所述仅为本公开的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (12)
1.一种蓝色车牌颜色的识别方法,应用于摄像机,所述摄像机包括多通道滤镜,以及经所述多通道滤镜滤光后对近红外光和红外光感光的传感器;其特征在于,所述多通道滤镜对近红外光线透光,要求R通道的透过率大于B通道的透过率,所述多通道滤镜的多个通道对红外光的透光率相同,所述蓝色车牌颜色的识别方法包括:
当光照亮度低于指定亮度时,开启补光源;所述补光源包括近红外补光光源以及红外补光光源;
切换所述摄像机的红外线双滤镜IR-cut的工作模式,以使可见光和红外光同时通过;
近红外补光光源和红外补光光源同时开启识别图像中有蓝色车牌的车辆的车牌颜色。
2.根据权利要求1所述的方法,其特征在于,当所述摄像机为抓拍相机时,所述近红外补光光源和红外补光光源同时开启识别图像中有蓝色车牌的车辆的车牌颜色包括:
当检测到所述目标车辆时,基于所述补光源中的近红外补光光源和红外补光光源进行爆闪补光对目标车辆进行抓拍,并将抓拍到的所述目标车辆的裸数据图像帧转换为RGB图像,定位所述RGB图像中的车牌区域,并对车牌区域进行色彩增强后保存;当未检测到所述目标车辆时,仅开启所述补光源中的红外补光光源。
3.根据权利要求1所述的方法,其特征在于,当所述摄像机为非抓拍相机时,所述近红外补光光源和红外补光光源同时开启,识别图像中有蓝色车牌的车辆的车牌颜色包括:
所述近红外补光光源和红外补光光源同时常亮补光,采集实况裸数据图像帧并转换为RGB图像,定位所述RGB图像中的车牌区域,识别所述RGB图像中有蓝色车牌的车辆的车牌颜色,并将处理后所述RGB图像转换为YUV图像,并进行实况流传输和保存。
4.根据权利要求2或3所述的方法,其特征在于,所述定位所述RGB图像中的车牌区域包括:
基于所述RGB图像的分辨率建立对应的初始计算矩阵;
将所述RGB图像每个像素的RGB三个分量中的最大值减去最小值,并判断计算得到的差值是否大于预设阈值;
当所述差值大于所述预设阈值时,将所述初始计算矩阵中与所述像素对应的元素的值置为1;当所述差值小于或者等于所述预设阈值时,将所述矩阵中的与所述像素对应的元素的值置为0,得到处理后的计算矩阵;
将由所述RGB图像的R分量、G分量和B分量构成的三个矩阵分别与所述计算矩阵进行点乘计算,并根据点乘计算结果对车牌进行定位。
5.根据权利要求4所述的方法,其特征在于,所述对车牌区域进行色彩增强,包括:
将点乘计算后的所述RGB图像转换为HSV图像;
增强所述HSV图像的饱和度,以完成针对所述车牌区域的色彩增强。
6.根据权利要求1所述的方法,其特征在于,所述红外补光光源包括第一红外补光光源和第二红外补光光源,其中,所述第一红外补光光源的中心波长与第二红外补光光源的中心波长不同。
7.一种蓝色车牌颜色的识别装置,应用于摄像机,所述摄像机包括多通道滤镜,以及经所述多通道滤镜滤光后对近红外光和红外光感光的传感器;其特征在于,所述多通道滤镜对近红外光线透光,要求R通道的透过率大于B通道的透过率,所述多通道滤镜的多个通道对红外光的透光率相同,所述蓝色车牌颜色的识别装置包括:
开启模块,用于当光照亮度低于指定亮度时,开启补光源;所述补光源包括近红外补光光源以及红外补光光源;
切换模块,用于切换所述摄像机的红外线双滤镜IR-cut的工作模式,以使可见光和红外光同时通过;
识别模块,用于近红外补光光源和红外补光光源同时开启识别图像中有蓝色车牌的车辆的车牌颜色。
8.根据权利要求7所述的装置,其特征在于,当所述摄像机为抓拍相机时,所述识别模块包括:
第一检测子模块,用于当检测到所述目标车辆时,基于所述补光源中的近红外补光光源和红外补光光源进行爆闪补光对目标车辆进行抓拍,并将抓拍到的所述目标车辆的裸数据图像帧转换为RGB图像,定位所述RGB图像中的车牌区域,并对车牌区域进行色彩增强后保存;当未检测到所述目标车辆时,仅开启所述补光源中的红外补光光源。
9.根据权利要求7所述的装置,其特征在于,当所述摄像机为非抓拍相机时,所述识别模块包括:
第二检测子模块,用于所述近红外补光光源和红外补光光源同时常亮补光,采集实况裸数据图像帧并转换为RGB图像,定位所述RGB图像中的车牌区域,识别所述RGB图像中有蓝色车牌的车辆的车牌颜色,并将处理后所述RGB图像转换为YUV图像,并进行实况流传输和保存。
10.根据权利要求8或9所述的装置,其特征在于,所述检测子模块具体用于:
基于所述RGB图像的分辨率建立对应的初始计算矩阵;
将所述RGB图像每个像素的RGB三个分量中的最大值减去最小值,并判断计算得到的差值是否大于预设阈值;
当所述差值大于所述预设阈值时,将所述初始计算矩阵中与所述像素对应的元素的值置为1;当所述差值小于或者等于所述预设阈值时,将所述矩阵中的与所述像素对应的元素的值置为0,得到处理后的计算矩阵;
将由所述RGB图像的R分量、G分量和B分量构成的三个矩阵分别与所述计算矩阵进行点乘计算,并根据点乘计算结果对车牌进行定位。
11.根据权利要求10所述的装置,其特征在于,所述第一检测子模块具体用于:
将所述点乘计算后的所述RGB图像转换为HSV图像;
增强所述HSV图像的饱和度,以完成针对所述车牌区域的色彩增强。
12.根据权利要求7所述的装置,其特征在于,所述红外补光光源包括第一红外补光光源和第二红外补光光源,其中,所述第一红外补光光源的中心波长与第二红外补光光源的中心波长不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610207212.6A CN105868753B (zh) | 2016-04-05 | 2016-04-05 | 蓝色车牌颜色的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610207212.6A CN105868753B (zh) | 2016-04-05 | 2016-04-05 | 蓝色车牌颜色的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105868753A true CN105868753A (zh) | 2016-08-17 |
CN105868753B CN105868753B (zh) | 2019-10-18 |
Family
ID=56626971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610207212.6A Active CN105868753B (zh) | 2016-04-05 | 2016-04-05 | 蓝色车牌颜色的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105868753B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389111A (zh) * | 2018-10-24 | 2019-02-26 | 浙江宇视科技有限公司 | 图像采集处理方法、装置及计算机可读存储介质 |
CN109672828A (zh) * | 2019-01-04 | 2019-04-23 | 深圳英飞拓科技股份有限公司 | 基于光路白平衡的低照度提升装置及低照度提升方法 |
CN110378289A (zh) * | 2019-07-19 | 2019-10-25 | 王立之 | 一种车辆识别代号的读取识别***及方法 |
CN110490042A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
CN111489558A (zh) * | 2019-11-11 | 2020-08-04 | 深圳市海洋王照明工程有限公司 | 车牌识别方法及*** |
CN111770281A (zh) * | 2018-07-30 | 2020-10-13 | 华为技术有限公司 | 时分复用补光成像装置和方法 |
CN111860539A (zh) * | 2020-07-20 | 2020-10-30 | 济南博观智能科技有限公司 | 一种车牌颜色的识别方法、装置及介质 |
CN112133101A (zh) * | 2020-09-22 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 增强车牌区域的方法、装置、摄像装置、计算设备及存储介质 |
CN113498237A (zh) * | 2020-03-20 | 2021-10-12 | 杭州海康威视数字技术股份有限公司 | 用于多光谱补光灯的驱动电流控制方法和混合补光控制方法 |
CN117641647A (zh) * | 2023-12-18 | 2024-03-01 | 大庆思特传媒科技有限公司 | 红外智能补光装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202217288U (zh) * | 2011-07-21 | 2012-05-09 | 江南大学 | 一种分时多色补光的车牌识别*** |
CN202887451U (zh) * | 2012-10-26 | 2013-04-17 | 青岛海信网络科技股份有限公司 | 融合红外和可见光补光的电子警察*** |
CN103645594A (zh) * | 2013-08-01 | 2014-03-19 | 广东本致数码科技有限公司 | 多光谱红外监控摄像机的补光方法 |
CN104966071A (zh) * | 2015-07-03 | 2015-10-07 | 武汉烽火众智数字技术有限责任公司 | 一种基于红外补光的夜间车牌检测和识别方法以及装置 |
-
2016
- 2016-04-05 CN CN201610207212.6A patent/CN105868753B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202217288U (zh) * | 2011-07-21 | 2012-05-09 | 江南大学 | 一种分时多色补光的车牌识别*** |
CN202887451U (zh) * | 2012-10-26 | 2013-04-17 | 青岛海信网络科技股份有限公司 | 融合红外和可见光补光的电子警察*** |
CN103645594A (zh) * | 2013-08-01 | 2014-03-19 | 广东本致数码科技有限公司 | 多光谱红外监控摄像机的补光方法 |
CN104966071A (zh) * | 2015-07-03 | 2015-10-07 | 武汉烽火众智数字技术有限责任公司 | 一种基于红外补光的夜间车牌检测和识别方法以及装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111770281A (zh) * | 2018-07-30 | 2020-10-13 | 华为技术有限公司 | 时分复用补光成像装置和方法 |
CN109389111A (zh) * | 2018-10-24 | 2019-02-26 | 浙江宇视科技有限公司 | 图像采集处理方法、装置及计算机可读存储介质 |
CN109672828A (zh) * | 2019-01-04 | 2019-04-23 | 深圳英飞拓科技股份有限公司 | 基于光路白平衡的低照度提升装置及低照度提升方法 |
CN109672828B (zh) * | 2019-01-04 | 2021-09-07 | 深圳英飞拓科技股份有限公司 | 基于光路白平衡的低照度提升装置及低照度提升方法 |
CN110490042A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
CN110490042B (zh) * | 2019-05-31 | 2022-02-11 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
CN110378289A (zh) * | 2019-07-19 | 2019-10-25 | 王立之 | 一种车辆识别代号的读取识别***及方法 |
CN110378289B (zh) * | 2019-07-19 | 2023-05-16 | 王立之 | 一种车辆识别代号的读取识别***及方法 |
CN111489558A (zh) * | 2019-11-11 | 2020-08-04 | 深圳市海洋王照明工程有限公司 | 车牌识别方法及*** |
CN113498237A (zh) * | 2020-03-20 | 2021-10-12 | 杭州海康威视数字技术股份有限公司 | 用于多光谱补光灯的驱动电流控制方法和混合补光控制方法 |
CN111860539A (zh) * | 2020-07-20 | 2020-10-30 | 济南博观智能科技有限公司 | 一种车牌颜色的识别方法、装置及介质 |
CN111860539B (zh) * | 2020-07-20 | 2024-05-10 | 济南博观智能科技有限公司 | 一种车牌颜色的识别方法、装置及介质 |
CN112133101A (zh) * | 2020-09-22 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 增强车牌区域的方法、装置、摄像装置、计算设备及存储介质 |
CN117641647A (zh) * | 2023-12-18 | 2024-03-01 | 大庆思特传媒科技有限公司 | 红外智能补光装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105868753B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105868753A (zh) | 蓝色车牌颜色的识别方法及装置 | |
KR101493064B1 (ko) | 고도의 정확성으로 결함이 있는 눈을 검출하는 카메라에 기반한 방법 | |
CN107534735B (zh) | 终端的图像处理方法、装置和终端 | |
KR101662846B1 (ko) | 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법 | |
WO2016068560A1 (ko) | 반투명 마크, 반투명 마크 합성 및 검출 방법, 투명 마크 그리고 투명 마크 합성 및 검출 방법 | |
CN207491128U (zh) | 一种rgb+ir图像采集设备 | |
JP7031697B2 (ja) | 情報処理装置および認識支援方法 | |
CN108717691B (zh) | 一种图像融合方法、装置、电子设备及介质 | |
CN104683767A (zh) | 透雾图像生成方法及装置 | |
CN108712608A (zh) | 终端设备拍摄方法和装置 | |
CN110490187B (zh) | 车牌识别设备和方法 | |
CN106161974A (zh) | 利用高动态范围功能的车辆用显示装置及其方法 | |
CN109804619A (zh) | 图像处理装置、图像处理方法和摄影装置 | |
CN107948511B (zh) | 图像亮度处理方法、装置、存储介质和图像亮度处理设备 | |
CN111368819B (zh) | 光斑检测方法和装置 | |
US9894255B2 (en) | Method and system for depth selective segmentation of object | |
CN106534677A (zh) | 一种图像过曝优化方法及装置 | |
CN107920205B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
US8570433B1 (en) | Coloration artifact reduction | |
CN105263008A (zh) | 低环境照度下的彩色图像质量提升方法及其装置 | |
RU2015118275A (ru) | Система внешнего образа и/или прицеливания орудия для военных сухопутных транспортных средств и кораблей военно-морского флота | |
KR101862043B1 (ko) | 멀티 카메라 | |
EP3175609B1 (en) | Processing data representing an image | |
CN109040598B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
TWI592882B (zh) | 偽裝影像檢測方法及系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |