CN106548170B - 一种违章车辆图像处理方法及*** - Google Patents
一种违章车辆图像处理方法及*** Download PDFInfo
- Publication number
- CN106548170B CN106548170B CN201610970752.XA CN201610970752A CN106548170B CN 106548170 B CN106548170 B CN 106548170B CN 201610970752 A CN201610970752 A CN 201610970752A CN 106548170 B CN106548170 B CN 106548170B
- Authority
- CN
- China
- Prior art keywords
- image
- license plate
- characters
- violation vehicle
- module
- 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.)
- Active
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
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
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
本发明涉及图像处理技术领域,提供一种违章车辆图像处理方法及***,方法包括:对视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像;对单幅违章车辆图像进行去灰度雾霾处理,获取并保存无雾的违章车辆图像;对无雾的违章车辆图像进行车牌区域定位,获取每个车牌字符所对应的字符区域图像;对每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;将每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取并保存得到车牌区域内所包含的字符,从而实现对违章车辆信息的获取,清晰的记录车辆违法图像,同时准确的判断违章车辆的车牌信息,为后续的处罚程序或者追责程序提供便利。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种违章车辆图像处理方法及***。
背景技术
随着社会的不断进步,汽车逐步取代原有的传统的出行方式,成为人们出行代步的首选,尤其是近几年,车辆价格逐渐降低,逐步迎合消费者购买能力。车辆的增加,无形中给交通带来较大压力,例如交通堵塞和交通事故,其中交通事故多半是由车辆闯红灯造成。
目前,对于车辆闯红灯的记录方式一般采用摄像装置拍摄记录的方式,摄像头将拍摄到的车辆违章图像进行保存,作为后续程序中对违章者的处罚证据和警示。但是,在雾霾天气下,摄像装置对采集到的车辆图像较为模糊,对车辆的车牌信息的确认较为困难,甚至是难以确认,给违法车辆难以追责,同时对于由于违章带来的交通事故也难以提供具有说服力的证据。
发明内容
为了克服上述所指出的现有技术的缺陷,本发明人对此进行了深入研究,在付出了大量创造性劳动后,从而完成了本发明。
具体而言,本发明所要解决的技术问题是:提供一种违章车辆图像处理方法,以解决上述雾霾天气下,摄像装置对采集到的车辆图像较为模糊,对车辆的车牌信息的确认较为困难,甚至是难以确认,给违法车辆难以追责,同时对于由于违章带来的交通事故也难以提供具有说服力的证据的技术问题。
为解决上述技术问题,本发明的技术方案是:
一种违章车辆图像处理方法,所述方法包括下述步骤:
对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像,所述车牌字符包含汉字、数字和字母;
对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像,并保存;
对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像;
对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;
将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取得到车牌区域内所包含的字符,并保存。
作为一种改进的方案,所述对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像的步骤具体包括下述步骤:
对图像采集装置采集到的视频图像进行视频帧分割,得到N个视频帧;
对N个所述视频帧进行特征值分析,判断视频帧内是否包含有预先设置的特征值参数,所述特征值参数为方形字符区域;
将包含有所述特征值参数的视频帧作为所述违章车辆图像。
作为一种改进的方案,所述对提取到的单幅所述违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像的步骤具体包括下述步骤:
对违章车辆图像进行三色滤波,计算得到初始图像;
根据计算得到的所述初始图像,计算大气透射率函数以及大气光值;
根据大气散射模型、大气光值和大气透射率函数,生成所述无雾的违章车辆图像;
其中,所述根据计算得到的所述初始图像,计算大气透射率函数的步骤具体包括下述步骤:
对初始图像进行平均滤波处理,获取平滑图像;
对平滑图像进行灰度补偿,获取暗原色图像;
对暗原色图像进行修正,并结合大气光值计算初始大气透射率函数;
所述根据计算得到的所述初始图像,计算大气光值的步骤具体包括下述步骤:
对获取到的初图像进行水平方向的灰度积分投影;
对初始图像的水平方向灰度积分投影值进行求和运算,获取得到水平投影下的最大区域图像;
对水平投影下的最大区域图像进行垂直方向灰度积分投影;
对垂直方向灰度积分投影值进行求和运算,获取得到垂直投影下的最大区域图像;
在垂直投影下的最大区域图像中选取若干数量的亮度值最大的像素的平均值作为所述大气光值。
作为一种改进的方案,所述对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像的步骤具体包括下述步骤:
对所述车牌区域图像进行平滑滤波;
按照若干个车牌字符的排列方向,获取相邻车牌字符之间的两个灰度边缘,以两个所述灰度边缘之间的区域内的任意一条与所述车牌字符的排列方向像垂直的线为分界线,对相邻的车牌字符进行区域划分,生成若干个单独的车牌字符区域图像。
作为一种改进的方案,所述对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域的步骤具体包括下述步骤:
将生成的若干个车牌字符区域图像按照车牌字符在所述车牌区域图像上的排列顺序进行排序;
对排序后的每个车牌字符区域图像进行图像分割,得到若干个图像区域,在每个图像区域内获取种子生长点;
以所述种子生长点为基础,生长得到车牌字符区域图像中的字符区域和背景区域。
本发明的另一目的在于提供一种基于违章车辆图像处理方法的违章车辆图像处理***,所述***包括:
视频帧提取模块,用于对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像,所述车牌字符包含汉字、数字和字母;
灰度雾霾处理模块,用于对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像;
字符区域图像获取模块,用于对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像;
字符区域获取模块,用于对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;
字符对比模块,用于将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取得到车牌区域内所包含的字符;
数据库,用于存储所述无雾的违章车辆图像以及车牌区域内所包含的字符。
作为一种改进的方案,所述视频帧提取模块具体包括:
视频帧分割模块,用于对图像采集装置采集到的视频图像进行视频帧分割,得到N个视频帧;
特征值分析模块,用于对N个所述视频帧进行特征值分析,判断视频帧内是否包含有预先设置的特征值参数,所述特征值参数为方形字符区域;
违章车辆图像确认模块,用于将包含有所述特征值参数的视频帧作为所述违章车辆图像。
作为一种改进的方案,所述灰度雾霾处理模块具体包括:
三色滤波模块,用于对违章车辆图像进行三色滤波,计算得到初始图像;
计算模块,用于根据计算得到的所述初始图像,计算大气透射率函数以及大气光值;
无雾图像生成模块,用于根据大气散射模型、大气光值和大气透射率函数,生成所述无雾的违章车辆图像;
其中,所述计算模块具体包括:
平滑图像获取模块,用于对初始图像进行平均滤波处理,获取平滑图像;
灰度补偿模块,用于对平滑图像进行灰度补偿,获取暗原色图像;
大气透射率函数计算模块,用于对暗原色图像进行修正,并结合大气光值计算初始大气透射率函数;
所述计算模块还包括:
水平投影模块,用于对获取到的初图像进行水平方向的灰度积分投影;
第一求和运算模块,用于对初始图像的水平方向灰度积分投影值进行求和运算,获取得到水平投影下的最大区域图像;
垂直投影模块,用于对水平投影下的最大区域图像进行垂直方向灰度积分投影;
第二求和运算模块,用于对垂直方向灰度积分投影值进行求和运算,获取得到垂直投影下的最大区域图像;
大气光值计算模块,用于在垂直投影下的最大区域图像中选取若干数量的亮度值最大的像素的平均值作为所述大气光值。
作为一种改进的方案,所述字符区域图像获取模块具体包括:
平滑滤波模块,用于对所述车牌区域图像进行平滑滤波;
灰度边缘获取模块,用于按照若干个车牌字符的排列方向,获取相邻车牌字符之间的两个灰度边缘;
划分模块,用于以两个所述灰度边缘之间的区域内的任意一条与所述车牌字符的排列方向像垂直的线为分界线,对相邻的车牌字符进行区域划分,生成若干个单独的车牌字符区域图像。
作为一种改进的方案,所述字符区域获取模块具体包括:
排序模块,用于将生成的若干个车牌字符区域图像按照车牌字符在所述车牌区域图像上的排列顺序进行排序;
图像分割模块,用于对排序后的每个车牌字符区域图像进行图像分割,得到若干个图像区域,在每个图像区域内获取种子生长点;
字符区域生长模块,用于以所述种子生长点为基础,生长得到车牌字符区域图像中的字符区域和背景区域。
采用了上述技术方案后,本发明的有益效果是:
对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像;对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取并保存无雾的违章车辆图像;对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像;对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取并保存得到车牌区域内所包含的字符,从而实现对违章车辆信息的获取,清晰的记录车辆违法图像,同时准确的判断违章车辆的车牌信息,为后续的处罚程序或者追责程序提供便利。
附图说明
图1是本发明提供的违章车辆图像处理方法的实现流程图;
图2是本发明提供的对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像的实现流程图;
图3是本发明提供的对提取到的单幅所述违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像的实现流程图;
图4是本发明提供的根据计算得到的所述初始图像,计算大气透射率函数的实现流程图;
图5是本发明提供的根据计算得到的所述初始图像,计算大气光值的实现流程图;
图6是本发明提供的对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像的实现流程图;
图7是本发明提供的对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域的实现流程图;
图8是本发明提供的违章车辆图像处理***的结构框图;
图9是本发明提供的灰度雾霾处理模块的结构框图。
具体实施方式
下面结合具体的实施例对本发明进一步说明。但这些例举性实施方式的用途和目的仅用来例举本发明,并非对本发明的实际保护范围构成任何形式的任何限定,更非将本发明的保护范围局限于此。
图1示出了本发明提供的违章车辆图像处理方法的实现流程图,其具体包括下述步骤:
在步骤S101中,对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像,所述车牌字符包含汉字、数字和字母。
在该步骤中,该图像采集装置为设置在各个交通路口上的摄像装置,例如目前设置的高清摄像头,其通过相应的通讯接口和通讯协议,将拍摄到的视频图像传输给服务器的主机上,主机对视频图像进行保存,并对有违章嫌疑的视频图像进行视频帧提取,以便分析车辆违章情形。
其中,该视频帧的提取方式下述有详细介绍,在此不再赘述,该车牌为常见的车牌,例如蓝底白字、黑底白字、白底黑字、黄底黑字等,在此不再赘述。
在步骤S102中,对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像,并保存。
对单幅违章车辆图像进行去雾处理,即在天气恶劣的条件下,例如雾霾、雨雪天气下的条件下,将提取到的单幅违章车辆图像上的干扰因素去除,获取得到纯净的图像,以便清晰的对违章车辆信息进行确认,也为后续的违章处罚提供证据。
同时,将去雾处理后的违章车辆图像保存在数据库中,以便后续查询调用。
在步骤S103中,对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像。
在该步骤中,对违章车辆图像进行区域分割,获取车牌上每个字符对应的字符区域图像。
在步骤S104中,对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域。
将每个字符区域图像中所包含的字符的图案分离出来,以便与预先存储的图案进行比对,确认出车牌字符,最终确认出违章车辆的车牌信息。
在步骤S105中,将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取得到车牌区域内所包含的字符,并保存。
在该步骤中,预先对车牌上所包含的所有字符图案进行保存,然后将获取到的字符区域与字符图案进行比对,确定出违章车辆的车牌上所包含的字符,以及字符的排列顺序。
图2示出了本发明提供的对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像的实现流程图,其具体包括下述步骤:
在步骤S201中,对图像采集装置采集到的视频图像进行视频帧分割,得到N个视频帧。
在该步骤中,对视频图像的分割,可以采用现有的软件实现,例如premiere软件,根据视频图像的大小,分割成若干个视频帧,N为大于等于1的整数。
在步骤S202中,对N个视频帧进行特征值分析,判断视频帧内是否包含有预先设置的特征值参数,所述特征值参数为方形字符区域。
在该步骤中,可以采用遍历算法,对N个视频帧进行分析,判断视频帧的图像中是否包含有预先设置的特征值参数,即从N个视频帧中找出包含有完整车牌的图像,该包含有完整车牌的图像可能有若干个,可以从较为完全和清晰的图像中选取其中一个,即步骤S203。
在步骤S203中,将包含有所述特征值参数的视频帧作为所述违章车辆图像。
当包含有完整车牌的图像有多幅时,则可以根据实际的需要选取其中一张即可。
图3示出了本发明提供的对提取到的单幅所述违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像的实现流程图,其步骤具体包括下述步骤:
在步骤S301中,对违章车辆图像进行三色滤波,计算得到初始图像。
在该步骤中,该三色滤波是指对违章车辆图像中的任意像素点的三通道(RGB)进行最小值滤波,在此不再追施。
在步骤S302中,根据计算得到的所述初始图像,计算大气透射率函数以及大气光值。
在该步骤中,大气散射模型为:
根据大气散射理论,大气粒子的散射包括两类:
(1)场景中物体表面反射的光能在到达传感器的过程中受大气粒子的散射而衰减的过程;
(2)太阳光能被大气中的悬浮粒子散射后到达传感器的过程。
景物在雾霾天成像时大气散射模型中衰减模型和大气光成像模型同时存在且起主导作用,其是雾天图像呈现模糊、低对比度等特点的理论基础;
而大气光值和大气透射率函数为整个大气散射模型的核心参数,只要计算得到这两个参数,即可实现对有雾图像的去雾处理。
在步骤S303中,根据大气散射模型、大气光值和大气透射率函数,生成所述无雾的违章车辆图像。
从步骤S302可以得出,当计算得到的大气光值和大气透射率函数后,即可得到无雾的违章车辆图像,在此不再赘述。
其中,在图3所示的实施例的基础上,图4示出了本发明提供的根据计算得到的所述初始图像,计算大气透射率函数的实现流程图,其具体包括下述步骤:
在步骤S401中,对初始图像进行平均滤波处理,获取平滑图像。
在该步骤中,为了避免相邻像素之间的灰度跳动,需要进行平均滤波处理。
在步骤S402中,对平滑图像进行灰度补偿,获取暗原色图像。
在该步骤中,平均滤波后的,可以反映图像中暗原色的变化趋势,但其与真实的值还有一定差距,需要进行灰度补偿。
在步骤S403中,对暗原色图像进行修正,并结合大气光值计算初始大气透射率函数。
在该步骤中,对暗原色图像进行深度修正,使图像具有一定的深度感,同时如果大气光值已知,可以计算得到大气透射率函数。
在图3所示的实施例的基础上,图5示出了本发明提供的根据计算得到的所述初始图像,计算大气光值的实现流程图,其具体包括下述步骤:
在步骤S501中,对获取到的初图像进行水平方向的灰度积分投影。
在步骤S502中,对初始图像的水平方向灰度积分投影值进行求和运算,获取得到水平投影下的最大区域图像。
在步骤S503中,对水平投影下的最大区域图像进行垂直方向灰度积分投影。
在步骤S504中,对垂直方向灰度积分投影值进行求和运算,获取得到垂直投影下的最大区域图像。
在步骤S505中,在垂直投影下的最大区域图像中选取若干数量的亮度值最大的像素的平均值作为所述大气光值。
在本发明实施例中,对于大气光值的计算也可以采用如下方式:
(1)将违章车辆图像中的所有像素点提取出来;
(2)对所有像素点的像素值进行降序排列;
(3)选取违章车辆图像中像素点的像素值在排序在前5%的像素点的平均灰度值为大气光值。
在此不再赘述,但不用以限制本发明。
在本发明实施例中,图6示出了本发明提供的对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像的实现流程图,其具体包括下述步骤:
在步骤S601中,对所述车牌区域图像进行平滑滤波。
在步骤S602中,按照若干个车牌字符的排列方向,获取相邻车牌字符之间的两个灰度边缘。
在步骤S603中,以两个所述灰度边缘之间的区域内的任意一条与所述车牌字符的排列方向像垂直的线为分界线,对相邻的车牌字符进行区域划分,生成若干个单独的车牌字符区域图像。
该实施例是将车牌区域图像分割为单个车牌字符区域图像,作为后续确认分析车牌号的依据。
图7示出了本发明提供的对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域的实现流程图,其具体包括下述步骤:
在步骤S701中,将生成的若干个车牌字符区域图像按照车牌字符在所述车牌区域图像上的排列顺序进行排序。
在步骤S702中,对排序后的每个车牌字符区域图像进行图像分割,得到若干个图像区域,在每个图像区域内获取种子生长点。
在步骤S703中,以所述种子生长点为基础,生长得到车牌字符区域图像中的字符区域和背景区域。
将单个车牌字符区域图像分析得到的字符区域作为确认车牌号的依据,准确获知违章车辆的车牌号,在此不再赘述。
图8示出了本发明提供的违章车辆图像处理***的结构框图,为了便于说明,图中仅给出了与本发明实施例相关的部分。
视频帧提取模块11对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像,所述车牌字符包含汉字、数字和字母;灰度雾霾处理模块12对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像;字符区域图像获取模块13对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像;字符区域获取模块14对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;字符对比模块15将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取得到车牌区域内所包含的字符;数据库16存储所述无雾的违章车辆图像以及车牌区域内所包含的字符。
其中,视频帧提取模块11具体包括:
视频帧分割模块17对图像采集装置采集到的视频图像进行视频帧分割,得到N个视频帧;特征值分析模块18对N个所述视频帧进行特征值分析,判断视频帧内是否包含有预先设置的特征值参数,所述特征值参数为方形字符区域;违章车辆图像确认模块19将包含有所述特征值参数的视频帧作为所述违章车辆图像。
在该实施例中,字符区域图像获取模块13具体包括:
平滑滤波模块20对所述车牌区域图像进行平滑滤波;灰度边缘获取模块21按照若干个车牌字符的排列方向,获取相邻车牌字符之间的两个灰度边缘;划分模块22以两个所述灰度边缘之间的区域内的任意一条与所述车牌字符的排列方向像垂直的线为分界线,对相邻的车牌字符进行区域划分,生成若干个单独的车牌字符区域图像。
在该实施例中,字符区域获取模块14具体包括:
排序模块23将生成的若干个车牌字符区域图像按照车牌字符在所述车牌区域图像上的排列顺序进行排序;图像分割模块24对排序后的每个车牌字符区域图像进行图像分割,得到若干个图像区域,在每个图像区域内获取种子生长点;字符区域生长模块25以所述种子生长点为基础,生长得到车牌字符区域图像中的字符区域和背景区域。
在本发明实施例中,如图9所示,灰度雾霾处理模块12具体包括:
三色滤波模块26对违章车辆图像进行三色滤波,计算得到初始图像;计算模块27根据计算得到的所述初始图像,计算大气透射率函数以及大气光值;无雾图像生成模块28根据大气散射模型、大气光值和大气透射率函数,生成所述无雾的违章车辆图像;
其中,所述计算模块27具体包括:
平滑图像获取模块29对初始图像进行平均滤波处理,获取平滑图像;灰度补偿模块30对平滑图像进行灰度补偿,获取暗原色图像;大气透射率函数计算模块31对暗原色图像进行修正,并结合大气光值计算初始大气透射率函数;
所述计算模块27还包括:
水平投影模块32对获取到的初图像进行水平方向的灰度积分投影;第一求和运算模块33对初始图像的水平方向灰度积分投影值进行求和运算,获取得到水平投影下的最大区域图像;垂直投影模块34对水平投影下的最大区域图像进行垂直方向灰度积分投影;第二求和运算模块35对垂直方向灰度积分投影值进行求和运算,获取得到垂直投影下的最大区域图像;大气光值计算模块36在垂直投影下的最大区域图像中选取若干数量的亮度值最大的像素的平均值作为所述大气光值。
其中,上述各个模块的功能如上述方法实施例所记载,在此不再赘述。
在本发明实施例中,对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像;对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取并保存无雾的违章车辆图像;对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像;对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取并保存得到车牌区域内所包含的字符,从而实现对违章车辆信息的获取,清晰的记录车辆违法图像,同时准确的判断违章车辆的车牌信息,为后续的处罚程序或者追责程序提供便利。
应当理解,这些实施例的用途仅用于说明本发明而非意欲限制本发明的保护范围。此外,也应理解,在阅读了本发明的技术内容之后,本领域技术人员可以对本发明作各种改动、修改和/或变型,所有的这些等价形式同样落于本申请所附权利要求书所限定的保护范围之内。
Claims (4)
1.一种违章车辆图像处理方法,其特征在于,所述方法包括下述步骤:
对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像,所述车牌字符包含汉字、数字和字母;
对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像,并保存;
对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像;
对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;
将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取得到车牌区域内所包含的字符,并保存;
所述对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像的步骤具体包括下述步骤:
对图像采集装置采集到的视频图像进行视频帧分割,得到N个视频帧;
对N个所述视频帧进行特征值分析,判断视频帧内是否包含有预先设置的特征值参数,所述特征值参数为方形字符区域;
将包含有所述特征值参数的视频帧作为所述违章车辆图像;
所述对提取到的单幅所述违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像的步骤具体包括下述步骤:
对违章车辆图像进行三色滤波,计算得到初始图像;
根据计算得到的所述初始图像,计算大气透射率函数以及大气光值;
根据大气散射模型、大气光值和大气透射率函数,生成所述无雾的违章车辆图像;
其中,所述根据计算得到的所述初始图像,计算大气透射率函数的步骤具体包括下述步骤:
对初始图像进行平均滤波处理,获取平滑图像;
对平滑图像进行灰度补偿,获取暗原色图像;
对暗原色图像进行修正,并结合大气光值计算初始大气透射率函数;
所述根据计算得到的所述初始图像,计算大气光值的步骤具体包括下述步骤:
对获取到的初始图像进行水平方向的灰度积分投影;
对初始图像的水平方向灰度积分投影值进行求和运算,获取得到水平投影下的最大区域图像;
对水平投影下的最大区域图像进行垂直方向灰度积分投影;
对垂直方向灰度积分投影值进行求和运算,获取得到垂直投影下的最大区域图像;
在垂直投影下的最大区域图像中选取若干数量的亮度值最大的像素的亮度值作为所述大气光值,
所述对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像的步骤具体包括下述步骤:
对所述车牌区域图像进行平滑滤波;
按照若干个车牌字符的排列方向,获取相邻车牌字符之间的两个灰度边缘,以两个所述灰度边缘之间的区域内的任意一条与所述车牌字符的排列方向垂直的线为分界线,对相邻的车牌字符进行区域划分,生成若干个单独的车牌字符区域图像。
2.根据权利要求1所述的违章车辆图像处理方法,其特征在于,所述对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域的步骤具体包括下述步骤:
将生成的若干个车牌字符区域图像按照车牌字符在所述车牌区域图像上的排列顺序进行排序;
对排序后的每个车牌字符区域图像进行图像分割,得到若干个图像区域,在每个图像区域内获取种子生长点;
以所述种子生长点为基础,生长得到车牌字符区域图像中的字符区域和背景区域。
3.一种基于权利要求1所述的违章车辆图像处理方法的违章车辆图像处理***,其特征在于,所述***包括:
视频帧提取模块,用于对图像采集装置采集到的视频图像进行视频帧提取,提取包含有完整车牌字符的违章车辆图像,所述车牌字符包含汉字、数字和字母;
灰度雾霾处理模块,用于对提取到的单幅违章车辆图像进行去灰度雾霾处理,获取无雾的违章车辆图像;
字符区域图像获取模块,用于对获取得到的无雾的违章车辆图像进行车牌区域定位,获取车牌区域内每个车牌字符所对应的字符区域图像;
字符区域获取模块,用于对获取到的每个车牌字符所对应的字符区域图像进行解析,获取每个字符区域图像对应的字符区域;
字符对比模块,用于将获取到的每个字符区域按照排列顺序依次与预先存储的字符图案进行比对,获取得到车牌区域内所包含的字符;
数据库,用于存储所述无雾的违章车辆图像以及车牌区域内所包含的字符;
所述视频帧提取模块具体包括:
视频帧分割模块,用于对图像采集装置采集到的视频图像进行视频帧分割,得到N个视频帧;
特征值分析模块,用于对N个所述视频帧进行特征值分析,判断视频帧内是否包含有预先设置的特征值参数,所述特征值参数为方形字符区域;
违章车辆图像确认模块,用于将包含有所述特征值参数的视频帧作为所述违章车辆图像;
所述灰度雾霾处理模块具体包括:
三色滤波模块,用于对违章车辆图像进行三色滤波,计算得到初始图像;
计算模块,用于根据计算得到的所述初始图像,计算大气透射率函数以及大气光值;
无雾图像生成模块,用于根据大气散射模型、大气光值和大气透射率函数,生成所述无雾的违章车辆图像;
其中,所述计算模块具体包括:
平滑图像获取模块,用于对初始图像进行平均滤波处理,获取平滑图像;
灰度补偿模块,用于对平滑图像进行灰度补偿,获取暗原色图像;
大气透射率函数计算模块,用于对暗原色图像进行修正,并结合大气光值计算初始大气透射率函数;
所述计算模块还包括:
水平投影模块,用于对获取到的初始图像进行水平方向的灰度积分投影;
第一求和运算模块,用于对初始图像的水平方向灰度积分投影值进行求和运算,获取得到水平投影下的最大区域图像;
垂直投影模块,用于对水平投影下的最大区域图像进行垂直方向灰度积分投影;
第二求和运算模块,用于对垂直方向灰度积分投影值进行求和运算,获取得到垂直投影下的最大区域图像;
大气光值计算模块,用于在垂直投影下的最大区域图像中选取若干数量的亮度值最大的像素的亮度值作为所述大气光值;
所述字符区域图像获取模块具体包括:
平滑滤波模块,用于对所述车牌区域图像进行平滑滤波;
灰度边缘获取模块,用于按照若干个车牌字符的排列方向,获取相邻车牌字符之间的两个灰度边缘;
划分模块,用于以两个所述灰度边缘之间的区域内的任意一条与所述车牌字符的排列方向垂直的线为分界线,对相邻的车牌字符进行区域划分,生成若干个单独的车牌字符区域图像。
4.根据权利要求3所述的违章车辆图像处理***,其特征在于,所述字符区域获取模块具体包括:
排序模块,用于将生成的若干个车牌字符区域图像按照车牌字符在所述车牌区域图像上的排列顺序进行排序;
图像分割模块,用于对排序后的每个车牌字符区域图像进行图像分割,得到若干个图像区域,在每个图像区域内获取种子生长点;
字符区域生长模块,用于以所述种子生长点为基础,生长得到车牌字符区域图像中的字符区域和背景区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970752.XA CN106548170B (zh) | 2016-11-04 | 2016-11-04 | 一种违章车辆图像处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970752.XA CN106548170B (zh) | 2016-11-04 | 2016-11-04 | 一种违章车辆图像处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106548170A CN106548170A (zh) | 2017-03-29 |
CN106548170B true CN106548170B (zh) | 2019-11-19 |
Family
ID=58394031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610970752.XA Active CN106548170B (zh) | 2016-11-04 | 2016-11-04 | 一种违章车辆图像处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548170B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135418A (zh) * | 2019-04-15 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 基于图片的交通事故定责方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7857882B1 (en) * | 2007-12-13 | 2010-12-28 | Johnson Welded Products Inc. | Water and oil mist elimination apparatus for a vehicular compressed air storage system |
CN102142090A (zh) * | 2011-03-15 | 2011-08-03 | 中国科学技术大学 | 车辆检测方法和*** |
CN103903234A (zh) * | 2014-03-12 | 2014-07-02 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
CN104820998A (zh) * | 2015-05-27 | 2015-08-05 | 成都通甲优博科技有限责任公司 | 一种基于无人机动平台的人体检测与跟踪方法及装置 |
CN106023118A (zh) * | 2016-06-13 | 2016-10-12 | 凌云光技术集团有限责任公司 | 一种图像去雾方法及其在fpga上的实现方法 |
-
2016
- 2016-11-04 CN CN201610970752.XA patent/CN106548170B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7857882B1 (en) * | 2007-12-13 | 2010-12-28 | Johnson Welded Products Inc. | Water and oil mist elimination apparatus for a vehicular compressed air storage system |
CN102142090A (zh) * | 2011-03-15 | 2011-08-03 | 中国科学技术大学 | 车辆检测方法和*** |
CN103903234A (zh) * | 2014-03-12 | 2014-07-02 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
CN104820998A (zh) * | 2015-05-27 | 2015-08-05 | 成都通甲优博科技有限责任公司 | 一种基于无人机动平台的人体检测与跟踪方法及装置 |
CN106023118A (zh) * | 2016-06-13 | 2016-10-12 | 凌云光技术集团有限责任公司 | 一种图像去雾方法及其在fpga上的实现方法 |
Non-Patent Citations (2)
Title |
---|
"基于阈值分割和区域生长的车牌识别方法";胡伟平,王日凤,;《广西科学院学报》;20160228;第32卷(第1期);期刊第1-4节 * |
"无人侦察图像快速去雾算法";陆士猛,刘昌锦;《红外技术》;20151031;第37卷(第10期);期刊引言,第1-3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN106548170A (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107506760B (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及*** | |
CN104616021B (zh) | 交通标志图像处理方法及装置 | |
CN105374013A (zh) | 基于双暗通道先验的图像能见度修复方法及图像处理装置 | |
KR101246120B1 (ko) | 전후면 번호판 영상 기반 차량번호 인식 시스템 | |
Saha et al. | License Plate localization from vehicle images: An edge based multi-stage approach | |
CN103714325A (zh) | 基于嵌入式***的遗留物和遗失物实时检测方法 | |
CN102867417A (zh) | 一种出租车防伪***及方法 | |
CN103824081A (zh) | 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法 | |
CN103268470A (zh) | 基于任意场景的视频对象实时统计方法 | |
CN109147351A (zh) | 一种交通信号灯控制*** | |
CN107507142A (zh) | 信号灯图像处理方法 | |
CN110060221B (zh) | 一种基于无人机航拍图像的桥梁车辆检测方法 | |
CN107038691A (zh) | 基于云检测辅助的暗原色遥感影像去雾方法 | |
CN103530640A (zh) | 基于AdaBoost与SVM的无牌车辆检测方法 | |
CN106339657A (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN107346547A (zh) | 基于单目平台的实时前景提取方法及装置 | |
CN103034983A (zh) | 一种基于各向异性滤波的去雾方法 | |
CN112528917A (zh) | 斑马线区域识别方法、装置、电子设备和存储介质 | |
CN109191492B (zh) | 一种基于轮廓分析的智能视频黑烟车检测方法 | |
CN111931726A (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
CN113128507A (zh) | 一种车牌识别方法、装置、电子设备及存储介质 | |
CN112446246A (zh) | 一种图像遮挡检测方法及车载终端 | |
CN106548170B (zh) | 一种违章车辆图像处理方法及*** | |
CN107480683A (zh) | 一种图像处理方法及装置 | |
CN204884166U (zh) | 一种交通禁停区域违章停车监测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |