CN109255349A - 目标检测方法、装置及图像处理设备 - Google Patents
目标检测方法、装置及图像处理设备 Download PDFInfo
- Publication number
- CN109255349A CN109255349A CN201810554618.0A CN201810554618A CN109255349A CN 109255349 A CN109255349 A CN 109255349A CN 201810554618 A CN201810554618 A CN 201810554618A CN 109255349 A CN109255349 A CN 109255349A
- Authority
- CN
- China
- Prior art keywords
- highlight regions
- detection zone
- detection
- zone
- detecting device
- 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
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
一种目标检测方法、装置及图像处理设备,其中,所述目标检测方法包括:确定第二检测区域;检测所述第二检测区域中的第二高亮区域;以及对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标。本发明实施例通过对检测区域(称为第二检测区域)中的高亮区域(称为第二高亮区域)进行检测,确定检测区域(称为第二检测区域)中的目标,提高了在光照条件不佳的情况下的目标检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种目标检测方法、装置及图像处理设备。
背景技术
随着信息技术的发展,基于图像的目标检测技术被越来越广泛地应用。例如,在交通监控领域,可以针对视频监控图像进行目标检测,从而识别出特定的车辆等目标,并进而实现对目标的识别、跟踪、控制等功能。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
发明人发现,当车辆等目标进入隧道或者在夜间行车时,由于光照条件不佳,视线不好,大大降低了目标检测的准确性。
为了解决上述问题,本发明实施例提供一种目标检测方法、装置及图像处理设备。
根据本发明实施例的第一方面,提供了一种目标检测方法,其中,所述方法包括:
确定第二检测区域;
检测所述第二检测区域中的第二高亮区域;以及
对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标。
根据本发明实施例的第二方面,提供了一种目标检测装置,其中,所述装置包括:
确定单元,其确定第二检测区域;
第一检测单元,其检测所述第二检测区域中的第二高亮区域;以及
过滤单元,其对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标。
根据本发明实施例的第三方面,提供了一种图像处理设备,其中,所述图像处理设备包括前述第二方面所述的目标检测装置。
根据本发明实施例的第四方面,提供了一种计算机可读程序,其中当在目标检测装置或图像处理设备中执行所述程序时,所述程序使得所述目标检测装置或图像处理设备执行本发明实施例的第一方面所述的目标检测方法。
根据本发明实施例的第五方面,提供了一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得目标检测装置或图像处理设备执行本发明实施例的第一方面所述的目标检测方法。
本发明实施例的有益效果在于:本发明实施例通过对检测区域(称为第二检测区域)中的高亮区域(称为第二高亮区域)进行检测,确定检测区域(称为第二检测区域)中的目标,提高了在光照条件不佳的情况下的目标检测的准确性。当本发明实施例应用于车辆检测时,利用车辆在隧道等光照条件不佳的场所行驶时前照灯的照明特点,可以有效地检测出该车辆,提高了目标检测的准确性。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
在本发明实施例的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外,在附图中,类似的标号表示几个附图中对应的部件,并可用于指示多于一种实施方式中使用的对应部件。
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是实施例1的目标检测方法的示意图;
图2是实施例1的目标检测方法中确定第二检测区域的示意图;
图3是实施例1的目标检测方法中对第二高亮区域进行过滤的示意图;
图4是第二高亮区域的示意图;
图5是图4的第二高亮区域的凸包的示意图;
图6-图10是实施例1的目标检测方法的一个实施场景的示意图;
图11是实施例2的目标检测装置的示意图;
图12是实施例2的目标检测装置的确定单元的示意图;
图13是实施例2的目标检测装置的过滤单元的示意图;
图14是实施例3的图像处理设备的示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
在本发明实施例中,术语“第一”、“第二”等用于对不同元素从称谓上进行区分,但并不表示这些元素的空间排列或时间顺序等,这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在,但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本发明实施例中,单数形式“一”、“该”等包括复数形式,应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义;此外术语“所述”应理解为既包括单数形式也包括复数形式,除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”,术语“基于”应理解为“至少部分基于……”,除非上下文另外明确指出。
下面结合附图对本发明实施例的各种实施方式进行说明。这些实施方式只是示例性的,不是对本发明的限制。
实施例1
本实施例提供了一种目标检测方法,图1是该方法的示意图,请参照图1,该方法包括:
步骤101:确定第二检测区域;
步骤102:检测所述第二检测区域内的第二高亮区域;
步骤103:对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标。
在本实施例中,检测区域中包含有要检测的目标,通过对该检测区域中的高亮区域的检测,去除掉与目标特征不一致的高亮区域,剩下的高亮区域对应于要检测的目标,由此可以得到要检测的目标。并且,通过对高亮区域的检测来确定目标,提高了在光照条件不佳的情况下的目标检测的准确性。
在本实施例中,为了方便说明,将步骤101-103中的检测区域称为“第二检测区域”,将步骤101-103中的高亮区域称为“第二高亮区域”。
在本实施例中,对步骤101中检测区域(第二检测区域)的确定方法不作限制,在一个实施方式中,可以将包含检测目标的区域设定为检测区域(第二检测区域),在另一个实施方式中,可以根据参考区域确定该检测区域(第二检测区域)。
图2给出了步骤101的一个实施方式的示意图,请参照图2,该方法包括:
步骤201:确定第一检测区域;
步骤202:根据所述第一检测区域确定第一参考区域;
步骤203:检测所述第一参考区域中的第一高亮区域;以及
步骤204:利用所述第一高亮区域对所述第一检测区域进行更新,得到第二检测区域。
在步骤201中,第一检测区域可以任意设定,例如将车辆所行驶的车道区域设定为第一检测区域,通过本实施方式的方法,从该第一检测区域中确定第二检测区域作为步骤101的检测区域。
在步骤202中,第一参考区域是根据第一检测区域确定的,其可以是与第一参考区域相邻的且位于第一参考区域内的目标的发光体能够照射到的区域。例如,当第一检测区域为车辆行驶的车道区域时,该第一参考区域可以是与车道相邻的区域,且该相邻的区域可以是车辆的前照灯照射的区域,例如隧道的墙壁等。以上只是举例,该第一参考区域也可以不与第一检测区域相邻,只要第一检测区域内的目标的发光体能够照射到该第一参考区域即可。
在本实施方式中,可以通过检测第一参考区域内的第一高亮区域来找到上述第二检测区域。
在步骤203中,可以将第一参考区域中亮度值大于第一阈值的像素作为所述第一高亮区域内的像素,得到该第一高亮区域。
在步骤204中,可以将第一高亮区域的上下边界及其延长线与第一检测区域的边界进行相交后得到的位于第一检测区域内的区域作为上述第二检测区域。
由此,通过本实施方式的处理,缩小了检测区域的范围,也即检测区域从第一检测区域更新为了第二检测区域,提高了目标检测的准确性,并减小了目标检测的计算量。
图2给出的检测区域的确定方法只是举例,但本实施例并不以此作为限制。
在本实施例中,对步骤102的高亮区域的检测方法可以与步骤203的检测方法相同,也即,将第二检测区域中亮度值大于第二阈值的像素作为第二高亮区域内的像素,得到第二高亮区域。
在本实施例中,第一阈值和第二阈值可以相同,也可以不同。
在本实施例中,通过步骤102得到了第二检测区域内的高亮区域(第二高亮区域)之后,即可通过步骤103对第二高亮区域的过滤,去除掉与目标的特征不一致的高亮区域(第二高亮区域),得到与目标对应的第二高亮区域,从而确定目标。
图3给出了步骤103的一个实施方式的示意图,如图3所示,该方法包括:
步骤301:根据所述第二高亮区域的形状对所述第二高亮区域进行第一次过滤,去掉形状不符合预定条件的第二高亮区域;
步骤302:根据保留的第二高亮区域的中心坐标对保留的第二高亮区域进行第二次过滤,去掉水平坐标的差的绝对值小于第三阈值的两个第二亮度区域中垂直坐标小的第二高亮区域;以及
步骤303:从进一步保留的第二高亮区域中查找匹配区域对,根据匹配区域对得到所述第二检测区域中的目标。
在步骤301中,预定条件包括以下任意一种或任意组合:
第二高亮区域的面积在第一预定范围内;
第二高亮区域的圆度在第二预定范围内;
第二高亮区域的凸度在第三预定范围内。
也就是说,当某个第二高亮区域的面积不在第一预定范围内,和/或圆度不在第二预定范围内,和/或凸度不在第三预定范围内时,将该第二高亮区域过滤掉。
在本实施方式中,圆度与第二高亮区域的面积成正比并与第二高亮区域的周长的平方成反比,例如可以定义为:
在本实施方式中,凸度可以定义为:
图4中的实线示出了某个第二高亮区域的示意图,图5中的虚线示出了该第二高亮区域的凸包。
在步骤302中,可以计算在步骤301中保留下来的每个第二高亮区域的中心坐标,包括水平坐标(横坐标,也称为x轴)和垂直坐标(纵坐标,也称为y轴),然后进行两两比较,对于每两个第二高亮区域,如果这两个第二高亮区域的水平坐标的差的绝对值小于第三阈值,也就是说,这两个第二高亮区域的中心坐标在垂直方向大致一致,则将垂直坐标相对较小的第二高亮区域(下面的第二高亮区域)过滤掉,而保留垂直坐标相对较大的第二高亮区域(上面的第二高亮区域)。
在步骤303中,对于步骤302中保留下来的第二高亮区域,可以从中查找匹配区域对,也即从中查找符合匹配区域对条件的第二高亮区域,匹配上的第二高亮区域则对应于要检测的目标。
在本实施方式中,上述匹配区域对条件为以下任意一个或任意组合,也即,上述匹配区域对满足以下条件的任意一个或任意组合:
两个第二高亮区域的垂直坐标之差的绝对值小于第四阈值;
两个第二高亮区域的面积比在第四预定范围内;
两个第二高亮区域的形状相似度在第五预定范围内。
在本实施方式中,两个第二高亮区域的垂直坐标之差的绝对值小于第四阈值,也就是说,这两个第二高亮区域的中心坐标在水平方向大致一致,可能属于同一个目标。
在本实施方式中,两个第二高亮区域的面积比在第四预定范围内,也就是说,这两个第二高亮区域的大小相当,也可能属于同一个目标。在本实施方式中,面积比是指较大的面积除以较小的面积。例如,如果第二高亮区域A的面积大于第二高亮区域B的面积,则面积比是指:
在本实施方式中,两个第二高亮区域的形状相似度在第五预定范围内,也就是说,这两个第二高亮区域的形状相当,也可能属于同一个目标。在本实施方式中,形状相似度可以定义为:
其中,A和B为两个第二高亮区域,为第二高亮区域A的Hu矩,为第二高亮区域B的Hu矩,i为Hu矩的分量,共有7个分量。
本实施例通过对从第二检测区域检测到的第二高亮区域进行两次过滤,找到与目标对应的第二高亮区域,进而确定目标,提高了光照条件不佳的情况下的目标检测的准确性。
为了使本实施例的方法更加清楚易懂,下面结合一个示例对本实施例的方法进行说明。在本示例中,检测目标为在隧道中行驶的车辆,并且该车辆仅为一辆。当然,本示例只是举例说明,本实施例的方法适用于在光照不佳的场所的任意数量的目标检测。
图6-图10为本示例的检测场景的示意图。
如图6所示,区域601为前述第一检测区域,其可以是预先定义的,例如为该隧道中的单侧车道,也可以是预定义的其他区域。
如图7所示,区域701为前述第一参考区域,其可以是根据前述第一检测区域601而确定的,也可以是预先定义的,并且,该第一参考区域701与第一检测区域601相邻,检测目标也即车辆的前照灯可以照射到该第一参考区域701。
如图8所示,区域801为从第一参考区域701中检测出的第一高亮区域,可以通过前述步骤203来获得,也即,对于位于第一参考区域701中的像素,如果该像素的亮度大于第一阈值,则认为该像素位于该第一高亮区域内,由此得到该第一高亮区域。
如图9所示,线段901为第一高亮区域801的上边界的延长线,线段902为第一高亮区域801的下边界的延长线,第一高亮区域801、延长线901、902与第一检测区域601相交得到的区域903即为第二检测区域。
图6-图9所示的第二检测区域903的确定方式只是举例说明,如前所述,也可以根据其他策略或方法来确定该第二检测区域903,并且,该第二检测区域903中包含有待检测的目标。
如图10所示,利用与在第一参考区域701中检测第一高亮区域801相同的方式,在第二检测区域903中检测第二高亮区域1001、1002、1003、1004,检测的方式如前所述,此处不再赘述。
如图10所示,检测出第二高亮区域1001、1002、1003、1004之后,对该第二高亮区域1001、1002、1003、1004进行前述的两次过滤。
在第一次过滤中,去掉区域的面积不在第一预定范围内、区域的圆度不在第二预定范围内、区域的凸度不在第三预定范围内的第二高亮区域,在本实施方式中,在第一次过滤中,第二高亮区域1001、1002、1003、1004都被保留了下来,也即,第二高亮区域1001、1002、1003、1004都满足上述预定条件。
在第二次过滤中,计算第二高亮区域1001、1002、1003、1004的中心坐标,由于第二高亮区域1001和1003的x坐标相当,则去掉1003,由于第二高亮区域1002和1004的x坐标相当,则去掉1004。由此,通过第二次过滤,保留了第二高亮区域1001和1002。
最后,从保留的第二高亮区域1001、1002中查找满足匹配区域条件的匹配区域对,由于第二高亮区域1001和1002满足匹配区域条件,则通过本实施例的方法只检测到一对第二高亮区域1001、1002,则这一对第二高亮区域1001、1002对应于一个目标,例如在本实施方式中其对应于该车辆的两个前照灯。由此,通过本实施例的方法,在光照条件不佳的条件下也能检测出目标,提高了目标检测的准确性。
以上通过图6-10对本实施例的方法的一个实施方式做了详细说明,但如前所述,有些步骤是可选的,有些步骤可以通过其他手段替换,具体如前所述,此处不再赘述。
在本实施例中,对第一阈值~第四阈值的取值以及第一预定范围~第五预定范围的取值不做限制,其可以根据经验值确定,也可以通过其他手段确定,此处不再赘述。
本实施例的方法通过对检测区域(称为第二检测区域)中的高亮区域(称为第二高亮区域)进行检测,确定检测区域(称为第二检测区域)中的目标,提高了在光照条件不佳的情况下的目标检测的准确性。当本实施例的方法应用于车辆检测时,利用车辆在隧道等光照条件不佳的场所行驶时前照灯的照明特点,可以有效地检测出该车辆,提高了目标检测的准确性。
实施例2
本实施例提供了一种目标检测装置,由于该装置解决问题的原理与实施例1的方法类似,因此其具体的实施可以参考实施例1的方法的实施,内容相同之处不再重复说明。
图11是本实施例的目标检测装置1100的示意图,如图11所示,该目标检测装置1100包括:确定单元1101、第一检测单元1102、以及过滤单元1103。该确定单元1101用于确定第二检测区域,该第一检测单元1102用于检测该第二检测区域中的第二高亮区域,该过滤单元1103用于对第二高亮区域进行过滤,得到第二检测区域中的目标。其具体的实施可以参照图1中的各步骤,此处不再赘述。
在本实施例的一个实施方式中,如图12所示,确定单元1101可以包括:第一确定单元1201、第二确定单元1202、第二检测单元1203、以及更新单元1204。该第一确定单元1201可以确定第一检测区域;该第二确定单元1202可以根据所述第一检测区域确定第一参考区域;该第二检测单元1203可以检测所述第一参考区域中的第一高亮区域;该更新单元1204可以利用所述第一高亮区域对所述第一检测区域进行更新,得到第二检测区域。其具体实施可以参考图2中的各步骤,此处不再赘述。
在本实施方式中,第二检测单元1203可以将所述第一参考区域中亮度值大于第一阈值的像素作为所述第一高亮区域内的像素,得到所述第一高亮区域。
在本实施方式中,更新单元1204可以将所述第一高亮区域的上下边界及其延长线与所述第一检测区域的边界进行相交后得到的位于所述第一检测区域内的区域作为所述第二检测区域。
在本实施例中,第一检测单元1102也可以将所述第二检测区域中亮度值大于第二阈值的像素作为所述第二高亮区域内的像素,得到所述第二高亮区域。
在本实施例的一个实施方式中,如图13所示,过滤单元1103可以包括:第一过滤单元1301、第二过滤单元1302、以及查找单元1303。第一过滤单元1301可以根据所述第二高亮区域的形状对所述第二高亮区域进行第一次过滤,去掉形状不符合预定条件的第二高亮区域;第二过滤单元可以根据保留的第二高亮区域的中心坐标对保留的第二高亮区域进行第二次过滤,去掉水平坐标的差小于第三阈值的两个第二亮度区域中垂直坐标小的第二高亮区域;查找单元可以从进一步保留的第二高亮区域中查找匹配区域对,根据匹配区域对得到所述第二检测区域中的目标。其具体实施可以参考图3中的各步骤,此处不再赘述。
在本实施方式中,上述预定条件包括以下任意一种或任意组合:
面积在第一预定范围内;
圆度在第二预定范围内;
凸度在第三预定范围内。
在本实施方式中,圆度与所述第二高亮区域的面积成正比并与所述第二高亮区域的周长的平方成反比。
在本实施方式中,凸度是指所述第二高亮区域的面积与所述第二高亮区域的凸包的面积的比值。
在本实施方式中,上述匹配区域对满足以下条件的任意一个或任意组合:
两个第二高亮区域的垂直坐标之差的绝对值小于第四阈值;
两个第二高亮区域的面积比在第四预定范围内;
两个第二高亮区域的形状相似度在第五预定范围内。
在本实施方式中,形状相似度可以表示为:
其中,A和B为两个第二高亮区域,为第二高亮区域A的Hu矩,为第二高亮区域B的Hu矩,i为Hu矩的分量。
本实施例的装置通过对检测区域(称为第二检测区域)中的高亮区域(称为第二高亮区域)进行检测,确定检测区域(称为第二检测区域)中的目标,提高了在光照条件不佳的情况下的目标检测的准确性。当本实施例的装置应用于车辆检测时,利用车辆在隧道等光照条件不佳的场所行驶时前照灯的照明特点,可以有效地检测出该车辆,提高了目标检测的准确性。
实施例3
本实施例提供一种图像处理设备,该图像处理设备包括如实施例2所述的目标检测装置。
图14是本实施例的图像处理设备的示意图。如图14所示,图像处理设备1400可以包括:中央处理器(CPU)1401和存储器1402;存储器1402耦合到中央处理器1401。其中该存储器1402可存储各种数据;此外还存储信息处理的程序,并且在中央处理器1401的控制下执行该程序。
在一个实施方式中,目标检测装置1100的功能可以被集成到中央处理器1401中。其中,中央处理器1401可以被配置为实现如实施例1所述的目标检测方法。
在另一个实施方式中,目标检测装置1100可以与中央处理器1401分开配置,例如可以将目标检测装置配置为与中央处理器1401连接的芯片,通过中央处理器1401的控制来实现目标检测装置的功能。
在本实施例中,中央处理器1401可以被配置为进行如下的控制:确定第二检测区域;检测所述第二检测区域中的第二高亮区域;以及对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标。
此外,如图14所示,图像处理设备1400还可以包括:输入输出(I/O)设备1403和显示器1404等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,图像处理设备1400也并不是必须要包括图14中所示的所有部件;此外,图像处理设备1400还可以包括图14中没有示出的部件,可以参考现有技术。
本发明实施例提供一种计算机可读程序,其中当在目标检测装置或图像处理设备中执行所述程序时,所述程序使得所述目标检测装置或图像处理设备执行如实施例1所述的目标检测方法。
本发明实施例提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得目标检测装置或图像处理设备执行如实施例1所述的目标检测方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
结合本发明实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图11中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合(例如,确定单元、第一检测单元和过滤单元等),既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图1所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可***移动终端的存储卡中。例如,若设备(如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,可以实现为用于执行本发明所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种目标检测方法,其中,所述方法包括:
确定第二检测区域;
检测所述第二检测区域中的第二高亮区域;以及
对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标。
附记2、根据附记1所述的目标检测方法,其中,所述确定第二检测区域包括:
确定第一检测区域;
根据所述第一检测区域确定第一参考区域;
检测所述第一参考区域中的第一高亮区域;以及
利用所述第一高亮区域对所述第一检测区域进行更新,得到第二检测区域。
附记3、根据附记2所述的目标检测方法,其中,检测所述第一参考区域中的第一高亮区域,包括:
将所述第一参考区域中亮度值大于第一阈值的像素作为所述第一高亮区域内的像素,得到所述第一高亮区域。
附记4、根据附记2所述的目标检测方法,其中,利用所述第一高亮区域对所述第一检测区域进行更新,得到第二检测区域,包括:
将所述第一高亮区域的上下边界及其延长线与所述第一检测区域的边界进行相交,得到位于所述第一检测区域内的所述第二检测区域。
附记5、根据附记1所述的目标检测方法,其中,检测所述第二检测区域中的第二高亮区域,包括:
将所述第二检测区域中亮度值大于第二阈值的像素作为所述第二高亮区域内的像素,得到所述第二高亮区域。
附记6、根据附记1所述的目标检测方法,其中,对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标,包括:
根据所述第二高亮区域的形状对所述第二高亮区域进行第一次过滤,去掉形状不符合预定条件的第二高亮区域;
根据保留的第二高亮区域的中心坐标对保留的第二高亮区域进行第二次过滤,去掉水平坐标的差的绝对值小于第三阈值的两个第二亮度区域中垂直坐标小的第二高亮区域;以及
从进一步保留的第二高亮区域中查找匹配区域对,根据匹配区域对得到所述第二检测区域中的目标。
附记7、根据附记6所述的目标检测方法,其中,所述预定条件包括以下任意一种或任意组合:
面积在第一预定范围内;
圆度在第二预定范围内;
凸度在第三预定范围内。
附记8、根据附记7所述的目标检测方法,其中,所述圆度与所述第二高亮区域的面积成正比并与所述第二高亮区域的周长的平方成反比。
附记9、根据附记7所述的目标检测方法,其中,所述凸度是指所述第二高亮区域的面积或者所述第二高亮区域的凸包的面积。
附记10、根据附记6所述的目标检测方法,其中,所述匹配区域对满足以下条件的任意一个或任意组合:
两个第二高亮区域的中心坐标之差小于第四阈值;
两个第二高亮区域的面积比在第四预定范围内;
两个第二高亮区域的形状相似度在第五预定范围内;
附记11、根据附记10所述的目标检测方法,其中,所述形状相似度表示为:
其中,A和B为两个第二高亮区域,为第二高亮区域A的Hu矩,为第二高亮区域B的Hu矩,i为Hu矩的分量。
Claims (10)
1.一种目标检测装置,其中,所述装置包括:
确定单元,其确定第二检测区域;
第一检测单元,其检测所述第二检测区域中的第二高亮区域;以及
过滤单元,其对所述第二高亮区域进行过滤,得到所述第二检测区域中的目标。
2.根据权利要求1所述的目标检测装置,其中,所述确定单元包括:
第一确定单元,其确定第一检测区域;
第二确定单元,其根据所述第一检测区域确定第一参考区域;
第二检测单元,其检测所述第一参考区域中的第一高亮区域;以及
更新单元,其利用所述第一高亮区域对所述第一检测区域进行更新,得到第二检测区域。
3.根据权利要求2所述的目标检测装置,其中,所述第二检测单元将所述第一参考区域中亮度值大于第一阈值的像素作为所述第一高亮区域内的像素,得到所述第一高亮区域。
4.根据权利要求2所述的目标检测装置,其中,所述更新单元将所述第一高亮区域的上下边界及其延长线与所述第一检测区域的边界进行相交后得到的位于所述第一检测区域内的区域作为所述第二检测区域。
5.根据权利要求1所述的目标检测装置,其中,所述第一检测单元将所述第二检测区域中亮度值大于第二阈值的像素作为所述第二高亮区域内的像素,得到所述第二高亮区域。
6.根据权利要求1所述的目标检测装置,其中,所述过滤单元包括:
第一过滤单元,其根据所述第二高亮区域的形状对所述第二高亮区域进行第一次过滤,去掉形状不符合预定条件的第二高亮区域;
第二过滤单元,其根据保留的第二高亮区域的中心坐标对保留的第二高亮区域进行第二次过滤,去掉水平坐标的差的绝对值小于第三阈值的两个第二亮度区域中垂直坐标小的第二高亮区域;以及
查找单元,其从进一步保留的第二高亮区域中查找匹配区域对,根据匹配区域对得到所述第二检测区域中的目标。
7.根据权利要求6所述的目标检测装置,其中,所述预定条件包括以下任意一种或任意组合:
面积在第一预定范围内;
圆度在第二预定范围内;
凸度在第三预定范围内。
8.根据权利要求6所述的目标检测装置,其中,所述匹配区域对满足以下条件的任意一个或任意组合:
两个第二高亮区域的垂直坐标之差的绝对值小于第四阈值;
两个第二高亮区域的面积比在第四预定范围内;
两个第二高亮区域的形状相似度在第五预定范围内。
9.根据权利要求8所述的目标检测装置,其中,所述形状相似度表示为:
其中,A和B为两个第二高亮区域,为第二高亮区域A的Hu矩,为第二高亮区域B的Hu矩,i为Hu矩的分量。
10.一种图像处理设备,其中,所述图像处理设备包括如权利要求1-9任一项所述的目标检测装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2017105749890 | 2017-07-14 | ||
CN201710574989 | 2017-07-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255349A true CN109255349A (zh) | 2019-01-22 |
CN109255349B CN109255349B (zh) | 2021-11-23 |
Family
ID=65051963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810554618.0A Active CN109255349B (zh) | 2017-07-14 | 2018-06-01 | 目标检测方法、装置及图像处理设备 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7114965B2 (zh) |
CN (1) | CN109255349B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648871A (zh) * | 2020-12-18 | 2022-06-21 | 富士通株式会社 | 速度融合方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002083301A (ja) * | 2000-09-06 | 2002-03-22 | Mitsubishi Electric Corp | 交通監視装置 |
US20060227133A1 (en) * | 2000-03-28 | 2006-10-12 | Michael Petrov | System and method of three-dimensional image capture and modeling |
CN102122344A (zh) * | 2011-01-07 | 2011-07-13 | 南京理工大学 | 基于红外图像的道路边界检测方法 |
CN102567705A (zh) * | 2010-12-23 | 2012-07-11 | 北京邮电大学 | 一种检测和跟踪夜间行驶车辆的方法 |
CN103226820A (zh) * | 2013-04-17 | 2013-07-31 | 南京理工大学 | 改进的二维最大熵分割夜视图像融合目标检测算法 |
CN104732235A (zh) * | 2015-03-19 | 2015-06-24 | 杭州电子科技大学 | 一种消除夜间道路反光干扰的车辆检测方法 |
CN105260701A (zh) * | 2015-09-14 | 2016-01-20 | 中电海康集团有限公司 | 一种适用于复杂场景下的前方车辆检测方法 |
CN105320938A (zh) * | 2015-09-25 | 2016-02-10 | 安徽师范大学 | 一种夜晚环境下的后方车辆检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06276524A (ja) * | 1993-03-19 | 1994-09-30 | Toyota Motor Corp | 対向車両認識装置 |
JP4935586B2 (ja) | 2007-09-05 | 2012-05-23 | 株式会社デンソー | 画像処理装置、車載用画像処理装置、車載用画像表示装置及び車両制御装置 |
JP2011103070A (ja) | 2009-11-11 | 2011-05-26 | Toyota Motor Corp | 夜間車両検知装置 |
JP2016142647A (ja) | 2015-02-03 | 2016-08-08 | クラリオン株式会社 | 画像処理装置、および車両システム |
-
2018
- 2018-03-20 JP JP2018052625A patent/JP7114965B2/ja active Active
- 2018-06-01 CN CN201810554618.0A patent/CN109255349B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060227133A1 (en) * | 2000-03-28 | 2006-10-12 | Michael Petrov | System and method of three-dimensional image capture and modeling |
JP2002083301A (ja) * | 2000-09-06 | 2002-03-22 | Mitsubishi Electric Corp | 交通監視装置 |
CN102567705A (zh) * | 2010-12-23 | 2012-07-11 | 北京邮电大学 | 一种检测和跟踪夜间行驶车辆的方法 |
CN102122344A (zh) * | 2011-01-07 | 2011-07-13 | 南京理工大学 | 基于红外图像的道路边界检测方法 |
CN103226820A (zh) * | 2013-04-17 | 2013-07-31 | 南京理工大学 | 改进的二维最大熵分割夜视图像融合目标检测算法 |
CN104732235A (zh) * | 2015-03-19 | 2015-06-24 | 杭州电子科技大学 | 一种消除夜间道路反光干扰的车辆检测方法 |
CN105260701A (zh) * | 2015-09-14 | 2016-01-20 | 中电海康集团有限公司 | 一种适用于复杂场景下的前方车辆检测方法 |
CN105320938A (zh) * | 2015-09-25 | 2016-02-10 | 安徽师范大学 | 一种夜晚环境下的后方车辆检测方法 |
Non-Patent Citations (2)
Title |
---|
SAYANAN SIVARAMAN 等: "Looking at Vehicles on the Road: A Survey of Vision-Based Vehicle Detection, Tracking, and Behavior Analysis", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
吴海涛 等: "复杂环境下的夜间视频车辆检测", 《计算机应用研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648871A (zh) * | 2020-12-18 | 2022-06-21 | 富士通株式会社 | 速度融合方法和装置 |
CN114648871B (zh) * | 2020-12-18 | 2024-01-02 | 富士通株式会社 | 速度融合方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7114965B2 (ja) | 2022-08-09 |
JP2019021295A (ja) | 2019-02-07 |
CN109255349B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kosaka et al. | Vision-based nighttime vehicle detection using CenSurE and SVM | |
US20180225529A1 (en) | Hazard detection from a camera in a scene with moving shadows | |
Wu et al. | Lane-mark extraction for automobiles under complex conditions | |
US20190122059A1 (en) | Signal light detection | |
CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
Fan et al. | Real-time stereo vision-based lane detection system | |
Broggi et al. | Vehicle detection for autonomous parking using a Soft-Cascade AdaBoost classifier | |
CN105608417B (zh) | 交通信号灯检测方法及装置 | |
CN110929655B (zh) | 一种行驶过程中车道线识别方法、终端设备及存储介质 | |
CN106971185A (zh) | 一种基于全卷积网络的车牌定位方法及装置 | |
CN110991489A (zh) | 一种驾驶数据的标注方法、装置及*** | |
EP3979196A1 (en) | Image processing method and apparatus for target detection | |
Salarian et al. | A vision based system for traffic lights recognition | |
CN105718916A (zh) | 一种基于霍夫变换的车道线检测方法 | |
CN108052921B (zh) | 一种车道线检测方法、装置及终端 | |
CN108765456B (zh) | 基于直线边缘特征的目标跟踪方法、*** | |
Boumediene et al. | Triangular traffic signs detection based on RSLD algorithm | |
CN110796230A (zh) | 卷积神经网络的训练及使用方法、设备及存储介质 | |
Chen et al. | Embedded vision-based nighttime driver assistance system | |
CN114202936B (zh) | 一种交通指挥机器人及其控制方法 | |
CN101369312A (zh) | 检测图像中交叉口的方法和设备 | |
CN109255349A (zh) | 目标检测方法、装置及图像处理设备 | |
JP2010225125A (ja) | 通路検出プログラム、通路検出装置及び方法 | |
Chen et al. | Embedded on-road nighttime vehicle detection and tracking system for driver assistance | |
CN112308801A (zh) | 基于大数据图像采集的道路交通追踪管理方法及*** |
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 |