CN109934126B - 车辆尾烟检测方法及*** - Google Patents
车辆尾烟检测方法及*** Download PDFInfo
- Publication number
- CN109934126B CN109934126B CN201910143746.0A CN201910143746A CN109934126B CN 109934126 B CN109934126 B CN 109934126B CN 201910143746 A CN201910143746 A CN 201910143746A CN 109934126 B CN109934126 B CN 109934126B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- moving target
- image
- frame image
- tail
- 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
- 239000000779 smoke Substances 0.000 title claims abstract description 120
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 235000019504 cigarettes Nutrition 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 2
- 230000007246 mechanism Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 240000004282 Grewia occidentalis Species 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种车辆尾烟检测方法及***,该方法包括:将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,车辆动目标图像内包含动目标区域,动目标区域内像素点的像素值为设定像素值;在车辆动目标图像设置上观测条和下观测条,并对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记;根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟。本发明实施例相比于现有计数中采用的人工观测方法减少了人力投入,避免了观察者经验对检测结果的影响,提高了检测效率和检测的准确性。
Description
技术领域
本发明实施例涉及图像检测领域,更具体地,涉及一种车辆尾烟检测方法及***。
背景技术
随着汽车保有量越来越大且年平均增长较快,其产生的尾气污染也越来越严重,成为大城市污染的主要污染源。因此,有必要对汽车尾烟排放实施严格监控,从而有效削减汽车污染物的排放,减小尾烟对环境的危害。此外,车辆尾烟的高效检测对于交通安全、环境保护、降低运输成本等诸多方面具有巨大的社会价值和经济价值。为了对车辆尾烟进行检测,现有技术中,应用较广的尾烟检测方法主要是依靠人工观测的方法。该方法需要人工寻找并记录存在尾烟的车辆,再对采集后的图像、视频进行手动分析,需要投入大量的人力。并且,整个人工观测过程严重依赖于观察者的经验,判读主观性强、准确性差。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的车辆尾烟检测方法及***。
根据本发明实施例的第一方面,提供一种车辆尾烟检测方法,该方法包括:将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,车辆动目标图像内包含动目标区域,动目标区域内像素点的像素值为设定像素值;在车辆动目标图像设置上观测条和下观测条,并对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记;根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟。
根据本发明实施例第二方面,提供了一种车辆尾烟检测***,该***包括:作差模块,用于将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,车辆动目标图像内包含动目标区域,动目标区域内像素点的像素值为设定像素值;标记模块,用于在车辆动目标图像设置上观测条和下观测条,并对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记;判断模块,用于根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟。
根据本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的车辆尾烟检测方法。
本发明实施例提供的车辆尾烟检测方法及***,通过将当前帧图像与背景帧图像作差,获得车辆动目标图像;对上观测条和下观测条内像素值为设定像素值的像素点进行连通区域标记,并根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放了尾烟,相比于现有计数中采用的人工观测方法减少了人力投入,避免了观察者经验对检测结果的影响,提高了检测效率和检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。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的前提下,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的车辆尾烟检测方法的流程示意图;
图2为本发明实施例提供的观测条选取示意图;
图3为本发明实施例提供的车辆尾部区域截取示意图;
图4为本发明实施例提供的尾烟区域截取示意图,其中,(a)为当前帧图像对应的尾烟区域,(b)为下一帧图像对应的尾烟区域;
图5为本发明实施例提供的选取尾烟相似区域示意图;其中,(a)为当前帧图像对应的尾烟区域,(b)为下一帧图像对应的尾烟区域;
图6为本发明实施例提供的尾烟边缘曲率计算示意图;其中,其中,(a)为当前帧图像对应的尾烟区域,(b)为下一帧图像对应的尾烟区域;
图7为本发明实施例提供的计数帧计时机制的第一示意图;
图8为本发明实施例提供的计数帧计数机制的第二示意图;
图9为本发明另一实施例提供的车辆尾烟检测方法的流程示意图;
图10为本发明实施例提供的车辆尾烟检测***的结构示意图;
图11为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的车辆尾烟检测方法,参见图1,该方法包括但不限于如下步骤:
步骤10、将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,车辆动目标图像内包含动目标区域,动目标区域内像素点的像素值为设定像素值。
其中,当前帧图像可预先通过安装于公路固定架上的可见光高清摄像头拍摄获得,图像的尺寸可以为2048*1536,本发明对此不作限定。高清摄像头具体可以拍摄某一道路的视频,当前帧图像可以为视频中的任意一帧图像。背景帧图像是用于作为空白背景的图像,该背景帧图像可以看作其中没有动目标的图像。因此,在步骤10中,通过将当前帧图像与背景帧图像作差,获得的车辆动目标图像中,能够突出动目标区域,该动目标区域可以理解为两帧图像之间发生变化的区域,动目标区域应至少包括车辆区域和尾烟区域(在该车辆排放了尾烟的情况下)。应当说明的是,在获得的车辆动目标图像中,将动目标区域的像素点的像素值处理为设定像素值,从而与车辆动目标图像中的背景区域区分开,该背景区域是除动目标区域外的其他区域。
步骤20、在车辆动目标图像设置上观测条和下观测条,并对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记。
具体地,上观测条和下观测条可参见图2设置,上观测条和下观测条均为具有一定宽度的图像区域,上观测条和下观测条均与动目标图像的长度方向平行,上观测条和下观测条在宽度方向上相隔一定距离。
其中,上观测条和下观测条可通过如下方式设置:从距离车辆动目标图像的上边缘向下取设定个(例如150)像素起,横向选取上观测条,上观测条的宽度为设定个(例如10个)像素。再在距离上观测条底部设定个(例如40)像素处横向选取下观测条,下观测条的宽度也为设定个(例如10个)像素。应当说明的是,观测条的具***置应当根据拍摄当前帧图像的摄像机与路面之间的位置关系以及车辆尺寸等参数在车辆动目标图像中合理选取。
在选取获得上观测条和下观测条后,进行连通区域标记,具体如下:分别在上观测条中和下观测条中将像素值为上述设定像素值的像素点框出,并可记录每个连通区域为何的四角坐标。因此,经过步骤20后,可获得车辆动目标图像中的上观测条和下观测条中的连通区域。
步骤30、根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟。
具体地,首先可获取上观测条内的连通区域与下观测条内的连通区域之间的位置关系和关联关系。其中,位置关系可以是连通区域之间在图像的横向上的间距,关联关系可以是连通区域之间是否对应于同一车辆。基于位置关系和关联关系,可进一步基于曲率判别机制和计数帧计时机制来判断车辆是否排放了尾烟。最终可在当前帧图像中通过方框圈出车辆尾部区域,直观了解车辆是否排放了尾烟。
本发明实施例提供的车辆尾烟检测方法,通过将当前帧图像与背景帧图像作差,获得车辆动目标图像;对上观测条和下观测条内像素值为设定像素值的像素点进行连通区域标记,并根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放了尾烟,相比于现有计数中采用的人工观测方法减少了人力投入,避免了观察者经验对检测结果的影响,提高了检测效率和检测的准确性。
基于上述实施例的内容,作为一种可选实施例,将当前帧图像与背景帧图像作差,获得车辆动目标图像之前,还提供一种获得背景帧图像的方法,该方法是通过相邻帧图像的灰度变化情况确定背景帧图像,具体地,该方法包括但不限于:
步骤01、将相隔第一预设帧数的任意两帧图像作差,获得差值图像。例如每隔5帧读取视频中的图像,然后对读入的连续两帧图像做差,获得差值图像。
步骤02、通过将差值图像中的每个像素点的像素值与像素值阈值进行比较,将像素值大于像素值阈值的像素点作为奇异点。其中,可预先设置像素值阈值,例如10。
步骤03、若差值图像中奇异点的数量小于设定数量,则将相隔设定帧数的任意两帧图像中的任一帧作为背景帧图像。
具体地,统计差值图像中像素值小于像素值阈值的像素点(即奇异点)的数量,若差值图像中奇异点的数量较少,则说明步骤01中选取的两帧图像的灰度值变化很小,可以选择两帧图像中的任意一帧作为背景帧图像。
另外,还可以选择大于两帧的多帧图像来获取背景帧图像,例如:以5帧作为间隔读取连续的三帧图像,两两做差获得两幅差值图像,然后统计各差值图像中大于给定阈值(范围0-255,可选为10)的像素点数量,记为奇异点。当每幅差值图像中奇异点数量均小于给定判别条件(判定条件可以为奇异点的数量与全部像素点的数量之比小于设定值,例如设定值选为0.005)时,则可选取三帧图像中的任一帧作为空白的背景帧图像。
基于上述实施例的内容,作为一种可选实施例,在车辆动目标图像设置上观测条和下观测条之前,还提供一种对车辆动目标图像进行处理的方法,包括但不限于如下步骤:
步骤11、对车辆动目标图像进行均值滤波操作,剔除车辆动目标图像中的噪点。
具体地,在步骤10中获得车辆动目标图像后,可利用n*n的均值滤波操作对车辆动目标图像进行降噪处理,以剔除步骤10的帧差过程中所产生的噪点。可选取n=5,本发明实施例对此不作限定。
步骤12、采用最大类间方差法对车辆动目标图像进行图像分割处理。
具体地,二值化处理是将车辆动目标图像分为两个区域,一个是动目标区域,另一个是背景区域。其中,最大类间方差法是一种自适应的阈值确定方法,它的基本原理是以最佳阈值将图像的灰度值分割成两部分,使两部分之间的方差最大,既具有最大的分离性。
基于上述实施例的内容,设定像素值为1,作为一种可选实施例,提供一种采用最大类间方差法对车辆动目标图像进行二值化处理的方法,该方法包括但不限于如下步骤:
步骤121、通过自适应迭代确定分割阈值。
步骤122、根据分割阈值对车辆动目标图像进行图像分割处理,以使车辆动目标图像中像素值为1的像素点为动目标区域的像素点,以及像素值为0的像素点为背景区域的像素点。
其中,通过该分割阈值将车辆动目标图像分割为二值图,使得图中像素值为1的部分代表关注的动目标区域,像素值为零的区域代表不需要关注的背景区域。为保障无目标图像(即图像中没有动目标区域)的过度分割,当分割阈值低于给定阈值时,强制对分割阈值进行赋值操作,本发明实施例中给定保护阈值为25。
步骤13、对图像分割处理后的车辆动目标图像进行形态学膨胀处理。
具体地,可使用长度为l*l的方形结构元素对二值分割后的动目标图像进行形态学膨胀处理,以对分割结果中断裂区域及空洞区域进行填充,从而获取完整的分割图像,本实施例中可取l=3。
基于上述实施例的内容,作为一种可选实施例,对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记之后,还提供一种对连通区域进行处理的方法,包括但不限于如下步骤:
计算连通区域的面积,若连通区域的面积小于面积阈值,则删除连通区域;和/或,计算连通区域的面积,若两个连通区域之间的距离小于距离阈值,则将两个连通区域合并为一个连通区域。
具体地,包括面积阈值处理以及区域合并处理。
其中,在面积阈值处理中:首先计算标记出的每个连通区域的面积,并将分别将每个连通区域的面积与预先设定好的面积阈值进行比较,若某一连通区域的面积小于面积阈值,则判定该连通区域无效,删除该连通区域。上述处理的目的在于剔除帧差法产生的微小动目标,排除虚假小目标对尾烟检测的影响,提高准确性。
其中,在区域合并处理中:若存在两个独立的连通区域,且两个连通区域之间的间距小于距离阈值(例如20个像素的距离),则把上述两个连通区域合并为一个新的连通区域,并重新记录并存储新连通区域的四角坐标(以两个连通区域的最大边界为界限重新标记连通域)。该处理的目的在于修复因帧差及图像分割产生的断裂区域,提高后续判别准确性。
基于上述实施例的内容,作为一种可选实施例,动目标区域包括车辆区域和尾烟区域,提供一种根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟的方法,该方法对应于上述实施例中提到的曲率判别机制,该方法包括但不限于如下步骤:
步骤301、若上观测条内存在连通区域且下观测条内不存在连通区域,则获取与当前帧图像间隔第二预设帧数的下一帧图像。
具体地,在步骤301之前可首先判断上观测条和下观测条中是否存在连通区域。若上观测条中不存在连通区域,则不做任何记录,继续读入图像。若上观测条中存在连通区域,且下观测条中不存在连通区域,则进入步骤301。在本步骤中,获取与当前帧图像相隔设定帧数的下一帧图像。
步骤302、确认下一帧图像对应的连通区域与当前帧图像对应的连通区域属于同一车辆的车辆区域后,分别获取当前帧图像对应的第一车辆尾部区域及下一帧图像对应的第二车辆尾部区域。
其中,在步骤301获取了下一帧图像后,首先将下一帧图像与背景帧图像作差,获得下一帧图像对应的车辆动目标图像;然后在该车辆动目标图像中设置上观测条和下观测条,从而获得下一帧图像对应的连通区域,即类似于上述步骤10和步骤20对当前帧图像所做的处理,本发明实施例对此不再赘述,最终可获得下一帧图像对应的连通区域。
然后可判断下一帧图像的连通区域与当前帧图像的连通区域是否属于同一辆车,具体可通过如下方式:若两帧图像的连通区域的中心点距离大于给定阈值,则认为两连通区域不是属于同一车辆,并舍弃该帧图像,继续读入后续帧图像进行判别。否则,则可认定两连通区域为同一个目标(即属于同一车辆的车辆区域),并可继续执行步骤302。
在确认属于同一车辆后,可进一步获得当前帧图像和下一帧图像的车辆尾部区域。车辆尾部区域具体可通过如下方式获取:以上观测条中连通区域的宽度为界限、以上观测条所在横向位置为横坐标,向下截取同等宽度、(下观测条横坐标-上观测条横坐标)高度的区域,作为尾部区域,截取的尾部区域如图3中的填充区域所示。
基于上述车辆尾部区域的获取方法可分别获得当前帧图像的第一车辆尾部区域及下一帧图像中的第二车辆尾部区域。
步骤303、获取第一车辆尾部区域对应的第一尾烟边缘以及第二车辆尾部区域对应的第二尾烟边缘。
其中,针对车辆尾部区域,首先可在车辆尾部区域中获得尾烟区域,然后获取尾烟边缘。具体步骤如下:
在车辆尾部区域获得尾烟区域的方式如下:用一条直线对车辆尾部区域进行由上至下的遍历操作,直到直线对应行的像素点值全不为设定像素值(在设定像素值为1的情况下,全不为零)。记录直线的纵坐标位置,记为尾烟区域的底部,如图4(a)和图4(b)所示。找到底部后,即可启用曲率判别机制,该操作可排除区域中存在多辆车的情况。
参见图5,假设当前帧图像的第一车辆尾烟A的底部至上观测条底部的距离为d,则在下一帧图像的第二尾烟区域B中,从底部向上取d个像素高度的区域,即基本保证前后两帧(当前帧图像和下一帧图像)所取的车辆尾部区域在形状上相似,如图5(a)所示,其中,图5(b)中的B区域即为与尾烟区域A形状相似的区域。
获取尾烟区域后,获取尾烟边缘的方式如下:分别对两个尾烟区域应用形态学膨胀操作向外扩充一个像素,然后以膨胀后图像与原始图像做差,分别获得第一尾烟边缘和第二尾烟边缘。
步骤304、根据第一尾烟边缘的曲率与第二尾烟边缘的曲率之间的变化情况判断车辆是否排放了尾烟。
具体地,若第二尾烟边缘相比于第一尾烟边缘的曲率变化较大,则可确认车辆排放了尾烟。
基于上述实施例的内容,作为一种可选实施例,尾烟边缘的曲率通过如下方式获取:
式中,R为尾烟边缘的曲率,m为尾烟边缘的像素点的数量,s为尾烟边缘起点与终点之间的直线距离;
相应地,提供一种根据第一尾烟边缘的曲率与第二尾烟边缘的曲率之间的变化情况判断车辆是否排放尾烟的方法,包括但不限于:
若D大于设定阈值,则确认车辆排放了尾烟;其中,D通过如下方式获取:
式中,RA为第一尾烟边缘的曲率,RB为第二尾烟边缘的曲率。
具体地,分别统计A、B两区域中尾烟边缘像素的个数,记为m,边缘起点与终点的直线距离,记为s,如图6(a)和图6(b)所示。然后可计算上述D,获得判断结果。
基于上述实施例的内容,作为一种可选实施例,提供一种根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟的方法,改方法对应于上述实施例中的计数帧判别机制,该方法包括但不限于如下步骤:
步骤301’、若上观测条和下观测条内均存在连通区域,则判断上观测条内的连通区域与下观测条内存在的连通区域是否属于同一车辆。
具体地,在步骤301’之前,需要判定上观测条和下观测条中是否存在连通区域,如图7所示,若均存在则进入步骤301’。在本步骤301’中,首先判断上观测条内的连通区域与下观测条内的连通区域是否属于同一辆车,可采用如下方式判断:记录当前时刻T时上观测条中连通区域的坐标位置,根据连通区域的坐标位置确定上观测条中连通区域的中心坐标;再向下延伸至下观测条,获取下观测条中连通区域的中心坐标;对比上下两个观测条中连通区域的中心坐标,计算两中心坐标的差值,若在误差范围内,即为同一辆车,此时启动计数帧计时机制;若不是同一辆车,则继续监测,图8所示。
步骤302’、若属于同一车辆,则依次对当前帧图像后每一帧图像进行判断,直到获取目标帧图像;其中,目标帧图像对应的上观测条内的连通区域与下观测条内的连通区域不属于同一车辆或者下观测条内没有连通区域。
具体地,当判断当前帧图像中的上观测条中的连通区域和下观测条中的连通区域属于同一辆车时,计数帧开始计时,记为T。然后再判断当前帧下一帧图像对应的下观测条内是否有目标,有目标时,判断下一帧图像中的上下两个观测条内的连通区域是否属于同一辆车,若为同一辆车则计数帧时间加一。即针对当前帧图像后的每一帧图像,均进行上述两个判断(判断下观测条内是否有连通区域以及上观测条和下观测条内的连通区域是否属于同一辆车)。循环此过程直到获得目标帧图像,在该目标帧图像中,对应的下观测条内没有连通区域或者上下两个观测条内的连通区域表示的不是同一辆车。
步骤303’、计算目标帧图像与当前帧图像之间的时长,若时长大于时长阈值进,则确认车辆排放尾烟。
具体地,获得了目标帧图像后,输出计数帧所记录的时间T′,再将T′与规定的阈值(即时长阈值)进行比较,如大于阈值,则认为此车辆存在尾烟。上述判断的原理是,若该车辆使用的较长的时间才通过观测条,则表明检测到的该车的长度远大于正常车辆的长度,可以说明车辆排放了尾烟。
另外,若当前帧图像对应的上观测条和下观测条内都有连通区域时,但连通区域表示的不是同一辆车时,还要对第二辆车C2进行实时监测,当满足计数帧计时机制时,用计数帧计时机制判断其是否有尾烟,当满足曲率机制时,则用曲率机制判断其是否有尾烟。
参见图9,本发明实施例提供一种车辆尾烟检测方法的实例对上述车辆尾烟检测方法进行说明,该方法包括如下步骤:
S1、图像采集:输入视频/图像帧由安装于公里固定架上的可见光高清摄像头拍摄,尺寸为2048*1536;
S2、背景建模:等间隔读入视频图像并两两做差,统计满足差值阈值条件的像素点数量,并将其与给定数量阈值比较,即利用等间隔的视频帧图像中灰度差异变换获取背景帧;
S3、帧差:以S2确定的背景帧图像为参考,依次读入各帧图像并与背景帧做差,从而突出图像中的车辆动目标;
S4、分割:利用最大类间方差法对S3的结果做分割得到二值图像,即将大于阈值的像素置1,小于阈值像素置0,再对阈值分割结果进行形态学膨胀处理,以连接目标断裂部分;
S5、选取观测条:选取上下两个观测条,并对观测条内的连通域进行标记,记录并存储各连通域的四角坐标;
S6、尾烟判别:根据S5中上下观测条中连通域的位置及关联关系,分别启用两套机制判断车辆是否存在尾烟;本步骤中具体包括三种情况:S61、在上观测条没有目标时,不做记录,继续监测;S62、只有上观测条内有目标时,启用曲率机制检测尾烟;S63、上下观测条内都有目标时,启用计数帧计时机制检测尾烟。
S7、结果输出:将存在尾烟的车辆目标框定并将其对应的视频帧输出。
综上,本发明实施例提供的车辆尾烟检测方法至少具有以下有益效果:
1、本发明实施例基于人工智能策略自动检测尾烟排放超标车辆,突破了人工判图传统方法的局限与弊端,极大地提高了尾烟检测的效率和准确性;
2、本发明实施例提供了一种具有局部一致性的上下观测条判读方案,将整个尾烟检测过程等价在对两个观测条连通区域的判别中,从而以小见大、提升尾烟检测的时效性。
3、本发明实施例通过计数帧计时和曲率判别两套尾烟判别机制,针对不同尾烟情况下的车辆目标提供了相应的判别方案,提高了尾烟判别的准确性,降低误检率、漏检率。
本发明实施例还提供一种用于执行上述实施例提供的车辆尾烟检测方法的车辆尾烟检测***,参见图10,该***包括:作差模块201、标记模块202和判断模块203;
其中,作差模块201,用于将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,车辆动目标图像内包含动目标区域,动目标区域内像素点的像素值为设定像素值。
具体地,作差模块201通过将当前帧图像与背景帧图像作差,获得的车辆动目标图像中,能够突出动目标区域。在获得的车辆动目标图像中,将动目标区域的像素点的像素值处理为设定像素值,从而与车辆动目标图像中的背景区域区分开,该背景区域是除动目标区域外的其他区域。
其中,标记模块202,用于在车辆动目标图像设置上观测条和下观测条,并对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记。
具体地,上观测条和下观测条均为具有一定宽度的图像区域,上观测条和下观测条均与动目标图像的长度方向平行,上观测条和下观测条在宽度方向上相隔一定距离。标记模块202分别在上观测条中和下观测条中将像素值为上述设定像素值的像素点框出,并可记录每个连通区域为何的四角坐标。
其中,判断模块203,用于根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟。
具体地,判断模块203首先可获取上观测条内的连通区域与下观测条内的连通区域之间的位置关系和关联关系。其中,位置关系可以是连通区域之间在图像的横向上的间距,关联关系可以是连通区域之间是否对应于同一车辆。基于位置关系和关联关系,可进一步基于曲率判别机制和计数帧计时机制来判断车辆是否排放了尾烟。
本发明实施例提供的车辆尾烟检测***,通过将当前帧图像与背景帧图像作差,获得车辆动目标图像;对上观测条和下观测条内像素值为设定像素值的像素点进行连通区域标记,并根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放了尾烟,相比于现有计数中采用的人工观测方法减少了人力投入,避免了观察者经验对检测结果的影响,提高了检测效率和检测的准确性。
本发明实施例提供了一种电子设备,如图11所示,该设备包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503上并可在处理器501上运行的计算机程序,以执行上述各实施例提供的车辆尾烟检测方法,例如包括:将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,车辆动目标图像内包含动目标区域,动目标区域内像素点的像素值为设定像素值;在车辆动目标图像设置上观测条和下观测条,并对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记;根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟。
此外,上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的车辆尾烟检测方法,例如包括:将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,车辆动目标图像内包含动目标区域,动目标区域内像素点的像素值为设定像素值;在车辆动目标图像设置上观测条和下观测条,并对上观测条内像素值为设定像素值的像素点进行连通区域标记,以及对下观测条内像素值为设定像素值的像素点进行连通区域标记;根据上观测条内的连通区域及下观测条内的连通区域,判断动目标区域内的车辆是否排放尾烟。
以上所描述的电子设备等实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种车辆尾烟检测方法,其特征在于,包括:
将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,所述车辆动目标图像内包含动目标区域,所述动目标区域内像素点的像素值为设定像素值;
在所述车辆动目标图像设置上观测条和下观测条,并对所述上观测条内像素值为所述设定像素值的像素点进行连通区域标记,以及对所述下观测条内像素值为所述设定像素值的像素点进行连通区域标记;
根据所述上观测条内的连通区域及所述下观测条内的连通区域,判断所述动目标区域内的车辆是否排放尾烟,包括:
所述动目标区域包括车辆区域和尾烟区域;
若所述上观测条内存在所述连通区域且所述下观测条内不存在所述连通区域,则获取与所述当前帧图像间隔第二预设帧数的下一帧图像;
确认所述下一帧图像对应的连通区域与所述当前帧图像对应的连通区域属于同一车辆的车辆区域后,分别获取所述当前帧图像对应的第一车辆尾部区域及所述下一帧图像对应的第二车辆尾部区域;
获取所述第一车辆尾部区域对应的第一尾烟边缘以及所述第二车辆尾部区域对应的第二尾烟边缘;
根据所述第一尾烟边缘的曲率与所述第二尾烟边缘的曲率之间的变化情况判断所述车辆是否排放了尾烟。
2.根据权利要求1所述的方法,其特征在于,所述将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像之前,还包括:
将相隔第一预设帧数的任意两帧图像作差,获得差值图像;
通过将所述差值图像中的每个像素点的像素值与像素值阈值进行比较,将像素值大于所述像素值阈值的像素点作为奇异点;
若所述差值图像中所述奇异点的数量小于设定数量,则将所述相隔设定帧数的任意两帧图像中的任一帧作为所述背景帧图像。
3.根据权利要求1所述的方法,其特征在于,在所述车辆动目标图像设置上观测条和下观测条之前,还包括:
对所述车辆动目标图像进行均值滤波操作,剔除所述车辆动目标图像中的噪点;
采用最大类间方差法对所述车辆动目标图像进行图像分割处理;
对图像分割处理后的所述车辆动目标图像进行形态学膨胀处理。
4.根据权利要求3所述的方法,其特征在于,所述设定像素值为1;所述采用最大类间方差法对所述车辆动目标图像进行图像分割处理,包括:
通过自适应迭代确定分割阈值;
根据所述分割阈值对所述车辆动目标图像进行图像分割处理,以使所述车辆动目标图像中像素值为1的像素点为所述动目标区域的像素点,以及像素值为0的像素点为背景区域的像素点。
5.根据权利要求1所述的方法,其特征在于,对所述上观测条内像素值为所述设定像素值的像素点进行连通区域标记,以及对所述下观测条内像素值为所述设定像素值的像素点进行连通区域标记之后,还包括:
计算所述连通区域的面积,若所述连通区域的面积小于面积阈值,则删除所述连通区域;和/或,
计算所述连通区域的面积,若两个所述连通区域之间的距离小于距离阈值,则将所述两个连通区域合并为一个连通区域。
7.根据权利要求1所述的方法,其特征在于,所述根据所述上观测条内的连通区域及所述下观测条内的连通区域,判断所述动目标区域内的车辆是否排放尾烟,包括:
若所述上观测条和所述下观测条内均存在所述连通区域,则判断所述上观测条内的所述连通区域与所述下观测条内存在的所述连通区域是否属于同一车辆;
若属于同一车辆,则依次对所述当前帧图像后每一帧图像进行判断,直到获取目标帧图像;其中,所述目标帧图像对应的所述上观测条内的所述连通区域与所述下观测条内的所述连通区域不属于同一车辆或者所述下观测条内没有连通区域;
计算所述目标帧图像与所述当前帧图像之间的时长,若所述时长大于时长阈值进,则确认所述车辆排放尾烟。
8.一种车辆尾烟检测***,其特征在于,包括:
作差模块,用于将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差,获得车辆动目标图像;其中,所述车辆动目标图像内包含动目标区域,所述动目标区域内像素点的像素值为设定像素值;
标记模块,用于在所述车辆动目标图像设置上观测条和下观测条,并对所述上观测条内像素值为所述设定像素值的像素点进行连通区域标记,以及对所述下观测条内像素值为所述设定像素值的像素点进行连通区域标记;
判断模块,用于根据所述上观测条内的连通区域及所述下观测条内的连通区域,判断所述动目标区域内的车辆是否排放尾烟,包括:
所述动目标区域包括车辆区域和尾烟区域;
若所述上观测条内存在所述连通区域且所述下观测条内不存在所述连通区域,则获取与所述当前帧图像间隔第二预设帧数的下一帧图像;
确认所述下一帧图像对应的连通区域与所述当前帧图像对应的连通区域属于同一车辆的车辆区域后,分别获取所述当前帧图像对应的第一车辆尾部区域及所述下一帧图像对应的第二车辆尾部区域;
获取所述第一车辆尾部区域对应的第一尾烟边缘以及所述第二车辆尾部区域对应的第二尾烟边缘;
根据所述第一尾烟边缘的曲率与所述第二尾烟边缘的曲率之间的变化情况判断所述车辆是否排放了尾烟。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述车辆尾烟检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143746.0A CN109934126B (zh) | 2019-02-25 | 2019-02-25 | 车辆尾烟检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143746.0A CN109934126B (zh) | 2019-02-25 | 2019-02-25 | 车辆尾烟检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934126A CN109934126A (zh) | 2019-06-25 |
CN109934126B true CN109934126B (zh) | 2021-01-15 |
Family
ID=66985937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910143746.0A Active CN109934126B (zh) | 2019-02-25 | 2019-02-25 | 车辆尾烟检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934126B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929728B (zh) * | 2020-02-18 | 2020-05-12 | 南京景三医疗科技有限公司 | 一种图像感兴趣区域划分方法、图像分割方法及装置 |
CN113378629A (zh) * | 2021-04-27 | 2021-09-10 | 阿里云计算有限公司 | 一种排烟异常车辆的检测方法、装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456012A (zh) * | 2013-09-03 | 2013-12-18 | 北京大学深圳研究生院 | 基于最大稳定曲率区域的视觉人手检测跟踪方法及*** |
CN103473788A (zh) * | 2013-07-31 | 2013-12-25 | 中国电子科技集团公司第三十八研究所 | 一种基于高清视频图像的室内火灾火焰检测方法 |
CN108256385A (zh) * | 2016-12-28 | 2018-07-06 | 南宁市浩发科技有限公司 | 基于视觉的前方车辆检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177454A (zh) * | 2011-12-24 | 2013-06-26 | 南京理工大学常熟研究院有限公司 | 一种动态图像运动目标检测方法 |
CN103473534B (zh) * | 2013-09-10 | 2016-09-28 | 西安翔迅科技有限责任公司 | 一种基于视频的车辆检测方法 |
CN105959633A (zh) * | 2016-05-26 | 2016-09-21 | 北京志光伯元科技有限公司 | 一种视频传输方法及装置 |
CN108416316B (zh) * | 2018-03-19 | 2022-04-05 | 中南大学 | 一种黑烟车的检测方法及*** |
-
2019
- 2019-02-25 CN CN201910143746.0A patent/CN109934126B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473788A (zh) * | 2013-07-31 | 2013-12-25 | 中国电子科技集团公司第三十八研究所 | 一种基于高清视频图像的室内火灾火焰检测方法 |
CN103456012A (zh) * | 2013-09-03 | 2013-12-18 | 北京大学深圳研究生院 | 基于最大稳定曲率区域的视觉人手检测跟踪方法及*** |
CN108256385A (zh) * | 2016-12-28 | 2018-07-06 | 南宁市浩发科技有限公司 | 基于视觉的前方车辆检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109934126A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084095B (zh) | 车道线检测方法、车道线检测装置和计算机存储介质 | |
JP4832227B2 (ja) | 物体検出装置および物体検出方法 | |
US8184859B2 (en) | Road marking recognition apparatus and method | |
CN112883820B (zh) | 基于激光雷达点云的道路目标3d检测方法及*** | |
JP5164351B2 (ja) | 物体検出装置および物体検出方法 | |
CN109934126B (zh) | 车辆尾烟检测方法及*** | |
CN112597846B (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
CN117351011B (zh) | 屏幕缺陷检测方法、设备和可读存储介质 | |
CN113569830B (zh) | 陈列物品行列位置的确定方法、装置、设备及存储介质 | |
US20200193174A1 (en) | Section line recognition device | |
CN111009136A (zh) | 一种高速公路行驶速度异常车辆检测方法、装置及*** | |
CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、***、介质及设备 | |
CN108876807B (zh) | 一种实时星载卫星图像运动对象检测跟踪方法 | |
CN111931745B (zh) | 车辆检测方法、装置、电子设备及存储介质 | |
US11887315B2 (en) | Method and apparatus for tracking an object | |
CN112417978A (zh) | 基于视觉的列车与屏蔽门之间异物检测方法及装置 | |
CN110503048B (zh) | 刚性接触网悬挂装置的识别***和方法 | |
CN100391232C (zh) | 数字影像闪光场景检测与消除方法 | |
CN112614174A (zh) | 点云补全和点云分割方法、装置、电子设备及存储介质 | |
JP5776378B2 (ja) | 画像処理による渡り線測定装置 | |
CN111860326B (zh) | 一种建筑工地物品移动检测方法、装置、设备及存储介质 | |
CN104268901B (zh) | 基于线阵图像传感器的高速运动物体检测处理方法和*** | |
CN116363192A (zh) | 仓储货物的体积测量方法、装置、计算机设备及存储介质 | |
CN113313968A (zh) | 车位检测方法及存储介质 | |
CN111382736A (zh) | 车牌图像的获取方法和装置 |
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 |