CN111382735B - 夜间车辆检测方法、装置、设备及存储介质 - Google Patents

夜间车辆检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111382735B
CN111382735B CN201811641344.5A CN201811641344A CN111382735B CN 111382735 B CN111382735 B CN 111382735B CN 201811641344 A CN201811641344 A CN 201811641344A CN 111382735 B CN111382735 B CN 111382735B
Authority
CN
China
Prior art keywords
symmetry
frame image
ghost
image
center
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
Application number
CN201811641344.5A
Other languages
English (en)
Other versions
CN111382735A (zh
Inventor
成东峻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201811641344.5A priority Critical patent/CN111382735B/zh
Publication of CN111382735A publication Critical patent/CN111382735A/zh
Application granted granted Critical
Publication of CN111382735B publication Critical patent/CN111382735B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V20/63—Scene text, e.g. street names
    • 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
    • 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 Analysis (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)

Abstract

本发明公开了一种夜间车辆检测方法、装置、设备及存储介质。该方法包括：实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件；若是，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像。上述技术方案排除了夜间监控画面中高亮区域的干扰，提高了夜间机动车辆车灯检测的准确率，较大程度地减少了误抓拍的次数，进而提升了夜间车辆检测的准确率。

Description

夜间车辆检测方法、装置、设备及存储介质
技术领域
本发明实施例涉及图像处理技术，尤其涉及一种夜间车辆检测方法、装置、设备及存储介质。
背景技术
治安卡口***是指安装在道路上特定场对所有通过该卡口点的机动车辆进行全天候实时检测、记录与处理的一种道路交通现场监视***，其实现需要部署大量的卡口抓拍相机，当车辆达到配置的触发线位置时卡口抓拍相机进行过车抓拍，并完成车牌车身特征识别等扩展功能。
典型的，夜间监控画面如图1所示，由于夜间车牌等特征不明显，一般只能利用车灯101检测过车，但车灯内部特征少，难以与路面反光102(或复杂背景反光)等形成的高亮区域区分，进而导致车灯误检较多，影响抓拍准确性。另外，车灯射出的光线在卡口抓拍相机的玻璃保护罩和镜头之间多次反射，会在监控画面中形成鬼影103(又称鬼像)，可能被误判为行驶方向相反的车辆的车灯进而误抓拍。
目前，针对上述问题的主要解决思路以及存在的问题如下：
可以通过优化光学设计来消除鬼影，例如是改变保护罩角度、镀膜等，但是，实际应用中可能没有条件来更改硬件，尤其是考虑到已安装卡口抓拍相机的数量，更改硬件的成本太高；也可以通过训练分类器来区分监控画面中的车灯和鬼影，但是样本的准确率直接影响着分类器的成功识别率，训练生成的分类器的识别效果较差；还可以通过预设策略来区分车灯和鬼影，例如是根据运动方向、周边区域亮度、连通区域面积等信息制定预设策略，但是，该方式难以有效地处理反光问题(路面反光、车身反光、背景反光等)，误检的风险依旧很高。
发明内容
本发明实施例提供一种夜间车辆检测方法、装置、设备及存储介质，以排除夜间监控画面中高亮区域的干扰，提高夜间车灯检测的准确率，减少误抓拍的次数，进而提升夜间车辆检测的准确率。
第一方面，本发明实施例提供了一种夜间车辆检测方法，该方法包括：
实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件；
若是，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；
采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；
根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像。
第二方面，本发明实施例还提供了一种夜间车辆检测装置，该装置包括：
空间对称性过滤模块，用于如果确定监控画面满足车灯鬼影对称中心一致性条件，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；
待定车灯确定匹配模块，用于采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；
抓拍执行模块，用于根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像。
第三方面，本发明实施例还提供了一种计算机设备，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，所述处理器执行所述程序时实现本发明任意实施例所述的夜间车辆检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的夜间车辆检测方法。
本发明实施例的技术方案在判断出监控画面满足车灯鬼影对称中心一致性条件时，根据车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤得到过滤图像，然后采用过滤图像进行车灯识别和跟踪，并根据车灯鬼影对称中心确定与同一机动车辆匹配的两组待定车灯，进而根据匹配的两组待定车灯执行抓拍处理策略，以获取与该机动车辆匹配的抓拍帧图像，排除了夜间监控画面中高亮区域的干扰，提高了夜间机动车辆车灯检测的准确率，较大程度地减少了误抓拍的次数，进而提升了夜间车辆检测的准确率。
附图说明
图1是现有技术中的夜间监控画面示意图。
图2A是本发明实施例一中的一种夜间车辆检测方法的流程图；
图2B是本发明实施例一中的一种卡口监控设备的应用场景示意图；
图2C是本发明实施例一中的卡口抓拍相机的结构示意图；
图3A是本发明实施例二中的一种夜间车辆检测方法的流程图；
图3B是本发明实施例二中车灯鬼影对称中心计算过程中的原始灰度图像示意图；
图3C是本发明实施例二中车灯鬼影对称中心计算过程中的二值化图像示意图；
图3D是本发明实施例二中车灯鬼影对称中心计算过程中的二值化处理图像示意图；
图3E是本发明实施例二中车灯鬼影对称中心计算过程中的各高亮连通区域中心的示意图；
图3F是本发明实施例二中车灯鬼影对称中心计算过程中的对称中心概率分布图示意图；
图3G是本发明实施例二中车灯鬼影对称中心计算过程中的车灯鬼影对称中心位置示意图；
图3H是本发明实施例二中空间对称性过滤过程中的原始图像示意图；
图3I是本发明实施例二中空间对称性过滤过程中的原始图像的灰度图像示意图；
图3J是本发明实施例二中空间对称性过滤过程中的二值化处理图像示意图；
图3K是本发明实施例二中空间对称性过滤过程中的过滤图像示意图；
图4是本发明实施例三中的一种夜间车辆检测方法的流程图；
图5是本发明实施例四中的一种夜间车辆检测装置的结构示意图；
图6是本发明实施例五中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图2A为本发明实施例一提供的一种夜间车辆检测方法的流程图，本实施例可适用于夜间道路交通现场监视***中的卡口设备对过往机动车辆进行检测的情况，该方法可以由本发明实施例提供的夜间车辆检测装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成在卡口监控设备(例如是卡口抓拍相机)的处理器中。
卡口监控设备对所有通过该卡口点的机动车辆进行全天候实时监控，其中，将实时视频流中的每一帧作为检测帧，在检测帧图像中，利用车灯等特征检查机动车辆的位置并进行跟踪，如图2B所示，当目标机动车辆在车道线21内行驶至触发线20时，也即到达抓拍位置时进行抓拍保存，这一帧图像称为抓拍帧。夜间监控场景的光照较差，需要进行补光。由于卡口抓拍相机主要是面向机动车辆的行驶方向的，长时间高亮度的补光会影响驾驶员正常驾驶，故一般采用“爆闪+频闪”或“爆闪+环境光”的方案，也就是在目标机动车辆到达抓拍位置时进行爆闪并抓拍保存，并在抓拍帧图像中对机动车辆的车牌、车身等特征进行识别。
如图2A所示，本实施提供的方法具体包括如下步骤：
S210、实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件。
如图2C所示的典型的卡口抓拍相机，包括保护罩及滤镜22、镜头23、智能摄像机24、过口线25和电源接口26，的保护罩及滤镜22是平行于镜头23设置的，经过大量的仿真和实验测试可知，使用这种常见的保护罩平行设置的卡口抓拍相机获取的检测帧图像中的鬼影主要成分和对应的光源(车灯)具有中心对称性，本实施例中将检测帧图像中鬼影和车灯之间的对称中心称之为车灯鬼影对称中心。
车灯鬼影对称中心一致性条件指的是，根据不同的检测帧图像确定的各个车灯鬼影对称中心的位置信息基本相同，例如是各个车灯鬼影对称中心的之间的距离小于设定距离阈值，例如是小于5个像素距离等。具体的，检测帧图像可以是抓拍帧图像后的第一帧检测帧图像。
作为本实施例一种具体的实施方式，可以将实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件，具体为：
在检测到对监控画面的抓拍指令后，获取与抓拍指令匹配的抓拍帧图像后的设定检测帧图像作为一个目标检测帧图像；
在目标检测帧图像中确定车灯鬼影对称中心；
如果所述车灯鬼影对称中心与由相邻至少一个目标检测帧图像确定出的车灯鬼影对称中心之间的距离满足预设距离条件，则确定监控画面满足车灯鬼影对称中心一致性条件。
每次当监控画面中的机动车辆到达触发线时，生成抓拍指令，以使卡口抓拍相机执行对目标机动车辆的抓拍操作，生成抓拍帧图像，并将抓拍帧之后的设定检测帧作为目标检测帧，进而基于每个抓拍帧帧后的目标检测帧去计算与目标检测帧图像对应的车灯鬼影对称中心。也即，实时根据每个抓拍帧后的目标检测帧计算对应的车灯鬼影对称中心。
典型的，设定检测帧为抓拍帧之后的第一个检测帧。
如果根据一个目标检测帧图像计算的车灯鬼影对称中心与由相邻的至少一个目标检测帧图像计算的车灯鬼影对称中心之间的距离满足预设距离条件，例如是与由相邻的两个目标检测帧图像计算的车灯鬼影对称中心之间的距离均小于预设距离阈值(例如是5个像素距离)，则可确定监控画面满足车灯鬼影对称中心一致性条件，也可称为监控画面存在明确的车灯鬼影对称中心，车灯鬼影对称中心是稳定的。
举例说明，假设当前目标检测帧图像为第N目标检测帧图像，根据第N目标检测帧图像计算的车灯鬼影对称中心为第N车灯鬼影对称中心，如果第N车灯鬼影对称中心，与根据第N-1目标检测帧图像计算的第N-1车灯鬼影对称中心，以及与根据第N-2目标检测帧图像计算的第N-1车灯鬼影对称中心之间的距离满足预设距离条件，也即第N车灯鬼影对称中心与第N-1车灯鬼影对称中心以及第N-1车灯鬼影对称中心之间的距离均小于设定距离阈值，这三个连续确定的车灯鬼影对称中心的位置信息是基本一致的，进而确定监控画面是存在明确的车灯鬼影对称中心的，车灯鬼影对称中心是稳定的。
值得指出的是，车灯鬼影对称中心的计算是实时持续的，也就是只要执行抓拍操作，就会根据抓拍帧后的目标检测帧计算车灯鬼影对称中心，进而判断车灯鬼影对称中心是否稳定，监控画面是否存在明确的车灯鬼影对称中心。还可以是，为车灯鬼影对称中心的计算设置执行时间段，执行时间段为夜间，例如是17:00至次日7:00等。典型的，在目标检测帧图像中确定车灯鬼影对称中心，包括：
对目标检测帧图像进行二值化处理以及开运算处理，得到二值化处理图像；
获取二值化处理图像中像素面积大于面积阈值的各高亮连通区域，并确定各高亮连通区域中心；
根据各高亮连通区域的中心确定候选对称中心以及各候选对称中的置信度；
根据各候选对称中心以及各所述候选对称中心的置信度生成对称中心概率分布图；
根据对称中心概率分布图确定车灯鬼影对称中心。
首先，将与目标检测帧图像对应的灰度图像进行二值化处理以及开运算处理，得到的二值化处理图像中包括若干高亮连通区域(像素值为1称为高亮)；其次，获取像素面积大于面积阈值的各高亮连通区域，过滤例如由于车牌字符反光等造成的小区域，其中，面积阈值具体可以根据车牌像素面积进行设置，同时确定保留的各高亮连通区域的中心，其中，中心可以根据各高亮连通区域的重心来确定，也可以根据各高亮连通区域的最小外接矩形的中心来确定；再次，根据高亮连通区域的中心确定候选对称中心以及各候选对称中的置信度，其中，可以根据每两个高亮连通区域中心确定一个候选对称中心，并根据对应的两个高亮连通区域的密集程度确定该候选对称中心的置信度，由于车牌或复杂背景等可能产生密集的高亮连通区域，所以任意两个高亮连通区域之间越密集，对应生成的候选对称中心的置信度就越低；最后，采用权重叠加的方式确定每个候选对称中心为车灯鬼影对称中心的概率，生成对称中心概率分布图，进而将对称中心概率分布图中的权重大于权重门限的像素点的加权中心作为车灯鬼影对称中心，其中，权重门限具体可以根据中心概率分布图中最大概率值进行设置。
S220、如果确定监控画面满足车灯鬼影对称中心一致性条件，则根据车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像。
如果判断出监控画面满足车灯鬼影对称中心一致性条件，也即当前监控场景下监控画面中的车灯和鬼影是中心对称的，执行如下的技术方案；如果判断出监控画面不满足车灯鬼影对称中心一致性条件，例如是当前时间处于白天，或者是当前监控场景下存在光源(例如是带有光源的广告牌等)，那么就不需要执行如下的技术方案，依旧执行现有技术中的抓拍策略即可。
通过根据车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像，以使过滤图像中不存在由路面反光、复杂背景反光等形成的高亮区域，仅存在车灯高亮连通和鬼影连通区域。
作为本实施例一种具体的实施方式，将根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，具体为：
对新获取的检测帧图像进行二值化处理以及开运算处理，得到二值化处理图像；
依次获取所述二值化处理图像中的一个高亮点作为目标操作点；
如果目标操作点基于车灯鬼影对称中心的对称点是高亮点，或对称点没有在二值化处理图像中，则保留目标操作点，否则过滤目标操作点；
返回执行依次获取所述二值化处理图像中的一个高亮点作为目标操作点的操作，直至处理完二值化处理图像中的所有高亮点。
首先，将新获取的检测帧图像处理为灰度图像，进而对灰度图像进行二值化以及开运算处理，得到的二值化处理图像中包括若干高亮连通区域(像素值为1称为高亮)，高亮连通区域中的每个像素点即为高亮点；然后对二值化处理图像中的每个高亮点进行处理以实现空间对称性过滤，针对每个高亮点，如果其基于车灯鬼影对称中心的对称点也是高亮点，那么将该高亮点保留；如果其基于车灯鬼影对称中心的对称点不在监控画面内，也即对称点在二值化处理图像外，那么也将该高亮点保留；否则，则将该高亮点过滤掉，也即不保留。
对每个高亮点都处理完成后的过滤图像中，仅包括车灯高亮连通区域和鬼影连通区域，已将其他高亮连通区域有效删除。
S230、采用过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯。
实时对新获取的检测帧图像进行如S220所述的空间过滤性处理，进而可以根据与实时新获取的检测帧图像对应的各过滤图像对过滤图像中仅存的车灯高亮连通区域和鬼影连通区域进行跟踪。
鉴于机动车辆的车灯往往是成对出现的，一对车灯和监控画面的底边是基本平行的，则可以将过滤图像中与底边基本平行的一组高亮连通区域作为一组车灯，这一组车灯可能是真实的车灯，也可能是与车灯对应的鬼影，进而将其称之为待定车灯。
具体的，可以对各组待定车灯进行编码，并根据各过滤图像对各组待定车灯进行跟踪，如果确定两组待定车灯始终基于车灯鬼影对称中心对称出现，则可以将这两组待定车灯进行匹配，作为与同一机动车辆对应的两组待定车灯，以及与同一机动车辆对应的一组真实车灯和一组鬼影。
S240、根据匹配的两组待定车灯执行抓拍处理策略，以获取与机动车辆匹配的抓拍帧图像。
由于匹配的两组待定车灯对应于同一机动车辆，那么就没有必要在匹配的两组待定车灯到达触发线时均进行抓拍操作了，由此可以减少一次误抓拍。进而，可以根据两组待定车灯中的一组来执行抓拍操作，以获取与该机动车辆匹配的抓拍帧图像。
典型的，根据匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像，包括：
根据匹配的两组待定车灯中的第一组待定车灯执行对机动车辆抓拍的操作，获取第一抓拍帧图像，如果根据第一抓拍帧图像能够识别出机动车辆的车牌信息，则将第一抓拍帧图像作为与机动车辆匹配的抓拍帧图像，忽略匹配的两组待定车灯中的第二组待定车灯；
如果根据第一抓拍帧图像不能识别出所述机动车辆的车牌信息，则根据第二组待定车灯重新执行对机动车辆抓拍的操作，获取第二抓拍帧图像，如果根据第二抓拍帧图像能够识别出所述机动车辆的车牌信息，则将第二抓拍帧图像作为与机动车辆匹配的抓拍帧图像，删除第一抓拍帧图像。
其中，第一组待定车灯指的是匹配的两组待定车灯中首先到达触发线的那一组待定车灯，对应的，第二组待定车灯指的是其次到达触发线的那一组待定车灯。
如果根据第一组待定车灯抓拍获取的第一抓拍帧图像可以识别出机动车辆的车牌信息，则可以确定第一组待定车灯为真实车灯，进而第二组待定车灯为鬼影，此时无需继续对第二组待定车灯进行跟踪；如果根据第一组待定车灯抓拍获取的第一抓拍帧图像不可以识别出机动车辆的车牌信息，则可以继续根据第二组待定车灯抓拍获取第二抓拍帧图像，如果根据第二抓拍帧图像可以识别出机动车辆的车牌信息，则可以确定第二组待定车灯为真实车灯，进而第一组待定车灯为鬼影，删除第一抓拍帧图像即可。如果根据第一抓拍帧图像和第二抓拍帧图像，均不可以识别出机动车辆的车牌信息，那么可以将该机动车辆作为无牌车辆进行后续处理，例如可以将第一抓拍帧图像和第二抓拍帧图像对应保存，以使相关人员可以根据具体需求对这两张抓拍帧图像进行进一步的分析。
可选的，根据匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像，还可以包括：
根据匹配的两组待定车灯中的第一组待定车灯执行对机动车辆抓拍的操作，获取第一抓拍帧图像，如果根据第一抓拍帧图像能够识别出机动车辆的其他个性特征，例如可以是车型特征或车标特征等，则将第一抓拍帧图像作为与机动车辆匹配的抓拍帧图像，忽略匹配的两组待定车灯中的第二组待定车灯；
如果根据第一抓拍帧图像不能识别出对应的所述机动车辆的其他个性特征(车型特征或车标特征等)，则根据第二组待定车灯重新执行对机动车辆抓拍的操作，获取第二抓拍帧图像，如果根据第二抓拍帧图像能够识别出对应的所述机动车辆的其他个性特征(车型特征或车标特征等)，则将第二抓拍帧图像作为与机动车辆匹配的抓拍帧图像，删除第一抓拍帧图像。
本发明实施例的技术方案在判断出监控画面满足车灯鬼影对称中心一致性条件时，根据车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤得到过滤图像，然后采用过滤图像进行车灯识别和跟踪，并根据车灯鬼影对称中心确定与同一机动车辆匹配的两组待定车灯，进而根据匹配的两组待定车灯执行抓拍处理策略，以获取与该机动车辆匹配的抓拍帧图像，排除了夜间监控画面中高亮区域的干扰，提高了夜间机动车辆车灯检测的准确率，较大程度地减少了误抓拍的次数，进而提升了夜间车辆检测的准确率。
实施例二
在上述实施例的基础上，本实施例给出一种具体的实施方式。典型的，将根据各所述高亮连通区域的中心确定候选对称中心以及各所述候选对称中心的置信度，具体为：
根据高亮连通区域中的任意两个高亮连通区域的中心确定一个候选对称中心，并根据任意两个高亮连通区域的中心以及检测帧图像的高和宽确定候选对称中心的置信度。
对应的，将根据各候选对称中心以及各候选对称中心的置信度生成对称中心概率分布图，具体为：
在空白的灰度图像上，根据每个候选对称中心分别确定与候选对称中心对应的预设区域；
分别为每个预设区域内的像素点累加对应的候选对称中心的置信度，生成对称中心概率分布图。
图3A为本发明实施例二提供的一种夜间车辆检测方法的流程图，如图3A所示，本实施提供的方法具体包括如下步骤：
S310、在检测到对所述监控画面的抓拍指令后，获取与抓拍指令匹配的抓拍帧图像后的第一个检测帧图像作为一个目标检测帧图像。
S320、对目标检测帧图像进行二值化处理以及开运算处理，得到二值化处理图像。
目标检测帧图像的原始灰度图像如图3B所示，假设原始灰度图像为8位灰度图像I0(x,y)，先进行简单二值化，得到如图3C所示的二值化图像I1(x,y)：
Figure BDA0001931165810000091
其中，nb为二值化分割灰度值。
然后，使用N*N的模块TmplN对I1(x,y)进行开运算，以过滤掉例如路面反光之类较小的干扰目标。其中，模板TmplN的尺寸N具体可以根据预计车牌像素宽度确定，还可以将N设置为固定值。二值化处理图像
Figure BDA0001931165810000092
如图3D所示。
S330、获取二值化处理图像中像素面积大于面积阈值的各高亮连通区域，并确定各高亮连通区域中心。
计算I2中所有像素面积大于面积阈值ThS的高亮连通区域，其中，ThS可以根据预计车牌像素面积确定，用于过滤车牌字符反光造成的小的高亮连通区域。
对每个符合要求的高亮连通区域，计算其中心，中心具体可以为高亮连通区域的重心，例如某个高亮连通区域由K个高亮点构成，每个高点的像素坐标为{(xk,yk)|k∈[1,K]}，那么，该高亮连通区域的中心为：
Figure BDA0001931165810000093
为了简化运算，也可以将该高亮连通区域的最小外接矩形的中心作为该高亮连通区域的中心。
S340、根据任意两个高亮连通区域的中心确定一个候选对称中心，并根据任意两个高亮连通区域的中心以及检测帧图像的高和宽确定候选对称中心的置信度。
假设S330中得出M个高亮连通区域的中心，记为：
{Pm＝(Pxm,Pym)|m∈[1,M]}，如图3E所示。
任意两个高亮连通区域的中心Pi和Pj的中点都可以作为一个候选对称中心，记为Tn：
Figure BDA0001931165810000101
候选对称中心Tn的置信度
Figure BDA0001931165810000102
其中，W为检测帧图像的像素宽度，H为检测帧图像的像素高度。
由于车牌或复杂背景等可能产生密集的高亮连通区域，所以任意两个高亮连通区域之间越密集，对应生成的候选对称中心Tn的置信度Twn就越低。
S350、在空白的灰度图像上，根据每个候选对称中心分别确定与候选对称中心对应的预设区域。
空白的灰度图像的像素大小可以与二值化处理图像I2的像素大小相同。
预设区域可以是以每个候选对称中心Tn为中心，边长为D的正方形区域，其中，D具体可以根据预计车牌像素宽度确定。
S360、分别为每个预设区域内的像素点累加对应的候选对称中心的置信度，生成对称中心概率分布图。
由于候选对称中的位置存在误差，故采用权重叠加的方式进行计算。例如是，在一张空白的灰度图像I3上，在与每个候选对称中心Tn对应的预设区域内累加对应的置信度Twn，进而生成对称中心概率分布图I3：
Figure BDA0001931165810000103
如图3F所示。
S370、根据对称中心概率分布图确定车灯鬼影对称中心。
统计I3中权重大于权重门限的像素点的加权中心，作为车灯鬼影对称中心C，如图3G中30所示，其中，C＝(Cx,Cy)：
Figure BDA0001931165810000104
Figure BDA0001931165810000111
其中，ThI为权重门限，具体可以为ThI＝max(I3)×r％，r％为预设的百分占比，max(I3)为对称中心概率分布图中最大的概率值。
至此，完成在目标检测帧图像中确定出车灯鬼影对称中心的操作。
S380、如果车灯鬼影对称中心与由相邻至少一个目标检测帧图像确定出的车灯鬼影对称中心之间的距离满足预设距离条件，则确定监控画面满足车灯鬼影对称中心一致性条件。
S390、根据车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像。
将新获取的检测帧图像(对应原始图像如图3H所示，图3H原本为彩色图)转换为8位灰度图像I4(x,y)，如图3I所示，先对I4(x,y)进行简单二值化，得到二值化图像I5(x,y)，其中，
Figure BDA0001931165810000112
其中，nb为二值化分割灰度值。
然后，使用N*N的模块TmplN对I5(x,y)进行开运算，以过滤掉例如路面反光之类较小的干扰目标。其中，模板TmplN的尺寸N具体可以根据预计车牌像素宽度确定，还可以将N设置为固定值。二值化处理图像
Figure BDA0001931165810000113
如图3J所示。
依次获取二值化处理图像I6中的一个高亮点作为目标操作点I6(x,y)；
如果目标操作点I6(x,y)基于车灯鬼影对称中心C＝(Cx,Cy)的对称点I6(2Cx-x,2Cy-y)是高亮点，或对称点I6(2Cx-x,2Cy-y)没有在二值化处理图像I6中，则保留目标操作点I6(x,y)，否则过滤掉目标操作点I6(x,y)；
返回执行依次获取二值化处理图像I6中的一个高亮点作为目标操作点的操作，直至处理完二值化处理图像I6中的所有高亮点，得到过滤图像I7(如图3K所示)，
Figure BDA0001931165810000114
S3100、采用过滤图像进行车灯识别和跟踪，并根据车灯鬼影对称中心确定过滤图像中与同一机动车辆匹配的两组待定车灯。
S3110、根据匹配的两组待定车灯中的第一组待定车灯执行对所述机动车辆抓拍的操作，获取第一抓拍帧图像，如果根据第一抓拍帧图像能够识别出机动车辆的车牌信息，则将第一抓拍帧图像作为与机动车辆匹配的抓拍帧图像，忽略匹配的两组待定车灯中的第二组待定车灯。
S3120、如果根据第一抓拍帧图像不能识别出机动车辆的车牌信息，则根据第二组待定车灯重新执行对机动车辆抓拍的操作，获取第二抓拍帧图像，如果根据第二抓拍帧图像能够识别出机动车辆的车牌信息，则将第二抓拍帧图像作为与机动车辆匹配的抓拍帧图像，删除第一抓拍帧图像。
本实施例未尽详细解释之处，请详见前述实施例，在此不再赘述。而且，本实施例中的举例仅为对相应操作的解释说明，本实施例对此不做具体限定。
在上述技术方案中，通过S390有效地过滤了检测帧图像中的路面反光、背景反光等干扰，将除车灯和鬼影之外的高亮连通区域有效删除，也即得到的过滤图像I7中仅包括车灯高亮连通区域和鬼影高亮连通区域，提高了车灯检测的准确率，进而可以在后续S3100-S3120中，利用中心对称关系，将同一机动车辆的真实车灯和鬼影关联，通过车牌识别结果过滤根据鬼影抓拍获取的抓拍帧图像。
实施例三
图4为本发明实施例三提供的一种夜间车辆检测方法的流程图。在上述实施例的基础上，本实施例给出一种具体的实施方式，如图4所示，本实施提供的方法具体包括如下步骤：
S410、在检测到对所述监控画面的抓拍指令后，获取与抓拍指令匹配的抓拍帧图像后的第一个检测帧图像作为一个目标检测帧图像。
S420、在目标检测帧图像中确定车灯鬼影对称中心。
S430、判断所述车灯鬼影对称中心是否与由相邻至少一个目标检测帧图像确定出的车灯鬼影对称中心之间的距离满足预设距离条件，若是，则执行S440，若否，则执行4140。
其中，S410-S430的操作时间段可以为全天24小时，也可以具体为夜晚时间段，例如是17:00至次日7:00。
S440、确定监控画面满足车灯鬼影对称中心一致性条件。
S450、根据车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像。
S460、采用过滤图像进行车灯识别和跟踪，并根据车灯鬼影对称中心确定过滤图像中与同一机动车辆匹配的两组待定车灯。
S470、根据匹配的两组待定车灯中的第一组待定车灯执行对所述机动车辆抓拍的操作，获取第一抓拍帧图像。
S480、判断是否可以根据第一抓拍帧图像识别出机动车辆的车牌信息，若是，则执行S490，若否，则执行S4100。
S490、将第一抓拍帧图像作为与机动车辆匹配的抓拍帧图像，忽略匹配的两组待定车灯中的第二组待定车灯。
S4100、根据第二组待定车灯重新执行对机动车辆抓拍的操作，获取第二抓拍帧图像。
S4110、判断是否可以根据第二抓拍帧图像识别出机动车辆的车牌信息，若是，则执行S4120，若否，则执行S4130。
S4120、将第二抓拍帧图像作为与机动车辆匹配的抓拍帧图像，删除第一抓拍帧图像。
将第一抓拍帧图像作为与机动车辆匹配的抓拍帧图像，忽略匹配的两组待定车灯中的第二组待定车灯时，可以减少一次根据鬼影执行的误抓拍操作；将第二抓拍帧图像作为与机动车辆匹配的抓拍帧图像，删除第一抓拍帧图像时，可以将与误抓拍操作对应的抓拍帧图像进行删除，进而可以提高存储的抓拍帧图像的准确率。
S4130、将第一抓拍帧图像和第二抓拍帧图像对应存储，作为与同一机动车辆对应的抓拍帧图像。
如果根据第一抓拍帧图像和第二抓拍帧图像均不能识别出机动车辆的车牌信息，那么与第一组待定车灯和第二组待定车灯匹配的机动车辆极有可能为一辆无牌车辆，进而将第一抓拍帧图像和第二抓拍帧图像对应存储作为与同一机动车辆对应的抓拍帧图像，以使相关工作人员可以根据这两张图像做出进一步的分析。
S4140、确定监控画面不满足车灯鬼影对称中心一致性条件，根据监控画面进行车灯检测以及过车抓拍的操作。
如果判断出监控画面不满足车灯鬼影对称中心一致性条件，例如是当前时间处于白天，或者是当前监控场景下存在光源(例如是带有光源的广告牌等)，那么执行现有技术中的抓拍策略即可，也即根据监控画面进行车灯检测以及过车抓拍的操作。
本实施例未尽详细解释之处，请详见前述实施例，在此不再赘述。
在上述技术方案中，利用真实车灯和鬼影的中心对称关系，有效地过滤了路面反光等干扰，大幅提升了车灯检测的准确率。同时，利用真实车灯和鬼影的中心对称关系，将真实车灯和对应的鬼影进行关联，通过车牌识别结果排除基于鬼影的误抓拍。
实施例四
图5是本实施例四提供的一种夜间车辆检测装置的结构示意图，本实施例可适用于夜间道路交通现场监视***中的卡口设备对过往机动车辆进行检测的情况，该装置可采用软件和/或硬件的方式实现，并一般可集成在卡口监控设备(例如是卡口抓拍相机)的处理器中。如图5所示，该装置具体包括：对称中心判断模块510、空间对称性过滤模块520、待定车灯确定匹配模块530和抓拍执行模块540，其中，
对称中心判断模块510，用于实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件；
空间对称性过滤模块520，用于如果确定监控画面满足车灯鬼影对称中心一致性条件，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；
待定车灯确定匹配模块530，用于采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；
抓拍执行模块540，用于根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像。
本发明实施例的技术方案在判断出监控画面满足车灯鬼影对称中心一致性条件时，根据车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤得到过滤图像，然后采用过滤图像进行车灯识别和跟踪，并根据车灯鬼影对称中心确定与同一机动车辆匹配的两组待定车灯，进而根据匹配的两组待定车灯执行抓拍处理策略，以获取与该机动车辆匹配的抓拍帧图像，排除了夜间监控画面中高亮区域的干扰，提高了夜间机动车辆车灯检测的准确率，较大程度地减少了误抓拍的次数，进而提升了夜间车辆检测的准确率。
进一步的，对称中心判断模块510具体包括：目标检测帧图像获取单元、车灯鬼影对称中心确定单元和一致性判断单元，其中，
目标检测帧图像获取单元，用于在检测到对所述监控画面的抓拍指令后，获取与抓拍指令匹配的抓拍帧图像后的设定检测帧图像作为一个目标检测帧图像；
车灯鬼影对称中心确定单元，用于在所述目标检测帧图像中确定车灯鬼影对称中心；
一致性判断单元，用于如果所述车灯鬼影对称中心与由相邻至少一个目标检测帧图像确定出的车灯鬼影对称中心之间的距离满足预设距离条件，则确定监控画面满足车灯鬼影对称中心一致性条件。
进一步的，车灯鬼影对称中心确定单元具体包括：二值化处理子单元、高亮连通区域中心确定子单元、候选对称中心及置信度确定子单元、对称中心概率分布图生成子单元和车灯鬼影对称中心确定子单元，其中，
二值化处理子单元，用于对所述目标检测帧图像进行二值化处理以及开运算处理，得到二值化处理图像；
高亮连通区域中心确定子单元，用于获取所述二值化处理图像中像素面积大于面积阈值的各高亮连通区域，并确定各所述高亮连通区域中心；
候选对称中心及置信度确定子单元，用于根据各所述高亮连通区域的中心确定候选对称中心以及各所述候选对称中的置信度；
对称中心概率分布图生成子单元，用于根据所述各候选对称中心以及各所述候选对称中心的置信度生成对称中心概率分布图；
车灯鬼影对称中心确定子单元，用于根据所述对称中心概率分布图确定车灯鬼影对称中心。
进一步的，候选对称中心及置信度确定子单元，具体用于根据所述高亮连通区域中的任意两个高亮连通区域的中心确定一个候选对称中心，并根据所述任意两个高亮连通区域的中心以及所述检测帧图像的高和宽确定所述候选对称中心的置信度。
进一步的，对称中心概率分布图生成子单元，具体用于在空白的灰度图像上，根据每个候选对称中心分别确定与所述候选对称中心对应的预设区域；分别为每个预设区域内的像素点累加对应的候选对称中心的置信度，生成对称中心概率分布图。
进一步的，空间对称性过滤模块520具体包括：二值化处理单元、目标操作点获取单元、目标操作点处理单元和循环处理单元，其中，
二值化处理单元，用于对新获取的检测帧图像进行二值化处理以及开运算处理，得到二值化处理图像；
目标操作点获取单元，用于依次获取所述二值化处理图像中的一个高亮点作为目标操作点；
目标操作点处理单元，用于如果所述目标操作点基于所述车灯鬼影对称中心的对称点是高亮点，或所述对称点没有在所述二值化处理图像中，则保留所述目标操作点，否则过滤所述目标操作点；
循环处理单元，用于返回执行所述依次获取所述二值化处理图像中的一个高亮点作为目标操作点的操作，直至处理完所述二值化处理图像中的所有高亮点。
进一步的，抓拍执行模块540具体包括：第一抓拍单元和第二抓拍单元，其中，
第一抓拍单元，用于根据所述匹配的两组待定车灯中的第一组待定车灯执行对所述机动车辆抓拍的操作，获取第一抓拍帧图像，如果根据所述第一抓拍帧图像能够识别出所述机动车辆的车牌信息，则将所述第一抓拍帧图像作为与所述机动车辆匹配的抓拍帧图像，忽略所述匹配的两组待定车灯中的第二组待定车灯；
第二抓拍单元，用于如果根据所述第一抓拍帧图像不能识别出所述机动车辆的车牌信息，则根据第二组待定车灯重新执行对所述机动车辆抓拍的操作，获取第二抓拍帧图像，如果根据所述第二抓拍帧图像能够识别出所述机动车辆的车牌信息，则将所述第二抓拍帧图像作为与所述机动车辆匹配的抓拍帧图像，删除所述第一抓拍帧图像。
本发明实施例所提供的夜间车辆检测装置可执行本发明任意实施例所提供的夜间车辆检测方法，具备执行方法相应的功能模块和有益效果。
实施例五
图6为本发明实施例五提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图6显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图6中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的夜间车辆检测方法。也即，所述处理单元执行所述程序时实现：实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件；若是，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像。
实施例六
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的夜间车辆检测方法。也即，该程序被处理器执行时实现：实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件；若是，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种夜间车辆检测方法，其特征在于，包括：
实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件；
若是，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；
采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；
根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像；
其中，所述车灯鬼影对称中心一致性条件是根据不同检测帧图像确定的各个车灯鬼影对称中心之间的距离小于设定距离阈值。
2.根据权利要求1所述的方法，其特征在于，实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件，包括：
在检测到对所述监控画面的抓拍指令后，获取与抓拍指令匹配的抓拍帧图像后的设定检测帧图像作为一个目标检测帧图像；
在所述目标检测帧图像中确定车灯鬼影对称中心；
如果所述车灯鬼影对称中心与由相邻至少一个目标检测帧图像确定出的车灯鬼影对称中心之间的距离满足预设距离条件，则确定监控画面满足车灯鬼影对称中心一致性条件。
3.根据权利要求2所述的方法，其特征在于，在所述目标检测帧图像中确定车灯鬼影对称中心，包括：
对所述目标检测帧图像进行二值化处理以及开运算处理，得到二值化处理图像；
获取所述二值化处理图像中像素面积大于面积阈值的各高亮连通区域，并确定各所述高亮连通区域中心；
根据各所述高亮连通区域中心确定候选对称中心以及各所述候选对称中心的置信度；
根据所述各候选对称中心以及各所述候选对称中心的置信度生成对称中心概率分布图；
根据所述对称中心概率分布图确定车灯鬼影对称中心。
4.根据权利要求3所述的方法，其特征在于，根据各所述高亮连通区域的中心确定候选对称中心以及各所述候选对称中心的置信度，包括：
根据所述高亮连通区域中的任意两个高亮连通区域的中心确定一个候选对称中心，并根据所述任意两个高亮连通区域的中心以及所述检测帧图像的高和宽确定所述候选对称中心的置信度。
5.根据权利要求4所述的方法，其特征在于，根据所述各候选对称中心以及各所述候选对称中心的置信度生成对称中心概率分布图，包括：
在空白的灰度图像上，根据每个候选对称中心分别确定与所述候选对称中心对应的预设区域；
分别为每个预设区域内的像素点累加对应的候选对称中心的置信度，生成对称中心概率分布图。
6.根据权利要求1所述的方法，其特征在于，根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，包括：
对新获取的检测帧图像进行二值化处理以及开运算处理，得到二值化处理图像；
依次获取所述二值化处理图像中的一个高亮点作为目标操作点；
如果所述目标操作点基于所述车灯鬼影对称中心的对称点是高亮点，或所述对称点没有在所述二值化处理图像中，则保留所述目标操作点，否则过滤所述目标操作点；
返回执行所述依次获取所述二值化处理图像中的一个高亮点作为目标操作点的操作，直至处理完所述二值化处理图像中的所有高亮点。
7.根据权利要求1所述的方法，其特征在于，根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像，包括：
根据所述匹配的两组待定车灯中的第一组待定车灯执行对所述机动车辆抓拍的操作，获取第一抓拍帧图像，如果根据所述第一抓拍帧图像能够识别出所述机动车辆的车牌信息，则将所述第一抓拍帧图像作为与所述机动车辆匹配的抓拍帧图像，忽略所述匹配的两组待定车灯中的第二组待定车灯；
如果根据所述第一抓拍帧图像不能识别出所述机动车辆的车牌信息，则根据第二组待定车灯重新执行对所述机动车辆抓拍的操作，获取第二抓拍帧图像，如果根据所述第二抓拍帧图像能够识别出所述机动车辆的车牌信息，则将所述第二抓拍帧图像作为与所述机动车辆匹配的抓拍帧图像，删除所述第一抓拍帧图像。
8.一种夜间车辆检测装置，其特征在于，包括：
对称中心判断模块，用于实时根据检测帧图像确定监控画面是否满足车灯鬼影对称中心一致性条件；
空间对称性过滤模块，用于如果确定监控画面满足车灯鬼影对称中心一致性条件，则根据所述车灯鬼影对称中心对新获取的检测帧图像中的高亮连通区域进行空间对称性过滤，得到过滤图像；
待定车灯确定匹配模块，用于采用所述过滤图像进行车灯识别和跟踪，并根据所述车灯鬼影对称中心确定所述过滤图像中与同一机动车辆匹配的两组待定车灯；
抓拍执行模块，用于根据所述匹配的两组待定车灯执行抓拍处理策略，以获取与所述机动车辆匹配的抓拍帧图像；
其中，所述车灯鬼影对称中心一致性条件是根据不同检测帧图像确定的各个车灯鬼影对称中心之间的距离小于设定距离阈值。
9.一种计算机设备，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1～7中任一所述的夜间车辆检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～7中任一所述的夜间车辆检测方法。
CN201811641344.5A 2018-12-29 2018-12-29 夜间车辆检测方法、装置、设备及存储介质 Active CN111382735B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811641344.5A CN111382735B (zh) 2018-12-29 2018-12-29 夜间车辆检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811641344.5A CN111382735B (zh) 2018-12-29 2018-12-29 夜间车辆检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111382735A CN111382735A (zh) 2020-07-07
CN111382735B true CN111382735B (zh) 2023-05-30

Family

ID=71222289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811641344.5A Active CN111382735B (zh) 2018-12-29 2018-12-29 夜间车辆检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111382735B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931715B (zh) * 2020-09-22 2021-02-09 深圳佑驾创新科技有限公司 识别车灯状态的方法、装置、计算机设备和存储介质
CN112861797A (zh) * 2021-03-12 2021-05-28 济南博观智能科技有限公司 一种真伪车牌识别方法、装置及相关设备
CN114013367B (zh) * 2021-10-29 2024-07-16 上海商汤临港智能科技有限公司 一种远光灯使用提醒方法及装置、电子设备和存储介质
CN115147413B (zh) * 2022-08-30 2022-12-13 武汉加特林光学仪器有限公司 鬼像检测方法、装置、设备及可读存储介质
CN117078558A (zh) * 2023-09-22 2023-11-17 荣耀终端有限公司 图像处理的方法及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150898A (zh) * 2013-01-25 2013-06-12 大唐移动通信设备有限公司 一种夜间车辆检测方法、跟踪方法及装置
CN103208185A (zh) * 2013-03-19 2013-07-17 东南大学 一种基于车灯识别的夜间车辆检测方法及***
EP3168779A1 (en) * 2015-10-23 2017-05-17 Magneti Marelli S.p.A. Method for identifying an incoming vehicle and corresponding system
CN106991707A (zh) * 2017-05-27 2017-07-28 浙江宇视科技有限公司 一种基于昼夜成像特征的交通信号灯图像强化方法及装置
CN108538052A (zh) * 2018-03-05 2018-09-14 华南理工大学 基于车头灯轨迹跟踪和动态配对的夜间交通流量检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8199198B2 (en) * 2007-07-18 2012-06-12 Delphi Technologies, Inc. Bright spot detection and classification method for a vehicular night-time video imaging system
US20170116488A1 (en) * 2015-10-23 2017-04-27 MAGNETI MARELLI S.p.A. Method for identifying an incoming vehicle and corresponding system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150898A (zh) * 2013-01-25 2013-06-12 大唐移动通信设备有限公司 一种夜间车辆检测方法、跟踪方法及装置
CN103208185A (zh) * 2013-03-19 2013-07-17 东南大学 一种基于车灯识别的夜间车辆检测方法及***
EP3168779A1 (en) * 2015-10-23 2017-05-17 Magneti Marelli S.p.A. Method for identifying an incoming vehicle and corresponding system
CN106991707A (zh) * 2017-05-27 2017-07-28 浙江宇视科技有限公司 一种基于昼夜成像特征的交通信号灯图像强化方法及装置
CN108538052A (zh) * 2018-03-05 2018-09-14 华南理工大学 基于车头灯轨迹跟踪和动态配对的夜间交通流量检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Jesse Levinson 等.Map-Based Precision Vehicle Localization in Urban Environments.Robotics：science and systems.2007,全文. *
董天阳 等.基于视频的夜间车辆检测与跟踪算法研究.计算机科学.2017,第44卷(第11期),全文. *

Also Published As

Publication number Publication date
CN111382735A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
CN111382735B (zh) 夜间车辆检测方法、装置、设备及存储介质
US11643076B2 (en) Forward collision control method and apparatus, electronic device, program, and medium
US9740967B2 (en) Method and apparatus of determining air quality
US9082038B2 (en) Dram c adjustment of automatic license plate recognition processing based on vehicle class information
CN112669344B (zh) 一种运动物体的定位方法、装置、电子设备及存储介质
CN109871799B (zh) 一种基于深度学习的驾驶员玩手机行为的检测方法
CN110969160A (zh) 一种基于深度学习的车牌图像校正、识别方法及***
WO2023005091A1 (en) Systems and methods for object detection
CN111967396A (zh) 障碍物检测的处理方法、装置、设备及存储介质
Radiuk et al. Convolutional neural network for parking slots detection
CN113838125A (zh) 目标位置确定方法、装置、电子设备以及存储介质
CN113762003A (zh) 一种目标对象的检测方法、装置、设备和存储介质
CN109740526B (zh) 信号灯识别方法、装置、设备及介质
Gochoo et al. Fisheye8k: A benchmark and dataset for fisheye camera object detection
Weimer et al. Gpu architecture for stationary multisensor pedestrian detection at smart intersections
Wang Vehicle image detection method using deep learning in UAV video
CN113673527B (zh) 一种车牌识别方法及***
US20160132742A1 (en) Image recognition device, image recognition method, program, and recording medium
Matsuda et al. A system for real-time on-street parking detection and visualization on an edge device
CN111950546A (zh) 一种车牌识别方法、装置、计算机设备和存储介质
CN111951328A (zh) 一种物***置检测方法、装置、设备和存储介质
CN114022848B (zh) 一种隧道自动照明的控制方法及***
Yamamoto et al. Nighttime Traffic Sign and Pedestrian Detection Using RefineDet with Time‐Series Information
CN111639640B (zh) 基于人工智能的车牌识别方法、装置及设备
CN114565906A (zh) 障碍物检测方法、装置、电子设备及存储介质

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