CN112687108B - 人车匹配的检测方法、检测装置、拍摄装置及存储介质 - Google Patents
人车匹配的检测方法、检测装置、拍摄装置及存储介质 Download PDFInfo
- Publication number
- CN112687108B CN112687108B CN202010600366.8A CN202010600366A CN112687108B CN 112687108 B CN112687108 B CN 112687108B CN 202010600366 A CN202010600366 A CN 202010600366A CN 112687108 B CN112687108 B CN 112687108B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- man
- target
- information
- related target
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人车匹配的检测方法,所述检测方法包括:通过拍摄装置获取全景图像,并识别所述全景图像中的人车关联目标;检测所述人车关联目标与所述拍摄装置的距离;若所述全景图像中至少一人车关联目标与所述拍摄装置的距离小于阈值;则对距离小于阈值的所述人车关联目标进行人车匹配检测;所述人车匹配检测包括:获取所述人车关联目标的人脸信息及车辆信息;根据所述车辆信息或所述车辆信息及人脸信息,判定所述人车关联目标是否人车合一。本发明的检测方法可以优化人车匹配过程,减少处理过程资源损耗,提高人车关联目标的人车匹配检测的效率。
Description
技术领域
本发明属于图像检测技术领域,特别是涉及人车匹配的检测方法、检测装置、拍摄装置及存储介质。
背景技术
目前在城市十字交叉路口、高速路、人行道口、限时道路、主辅路进出口、公交专用道等处都会装有卡口相机***,卡口检测一般主要是将监控设备安装在交叉路口和路段上并对指定车道内机动车行驶行为进行不间断检测和记录的***。目前的卡口设备一般在超速检测,违法变道违章行驶等检测效果较好,但针对人车合一匹配检测方面的效果还具有局限性。
发明内容
本发明提供一种人车匹配的检测方法、检测装置、拍摄装置及存储介质,以提高人车匹配的检测效率。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种人车匹配的检测方法,检测方法包括:
通过拍摄装置获取全景图像,并识别全景图像中的人车关联目标;
检测人车关联目标与拍摄装置的距离;
若全景图像中至少一人车关联目标与拍摄装置的距离小于阈值;则对距离小于阈值的人车关联目标进行人车匹配检测;
人车匹配检测包括:
获取人车关联目标的人脸信息及车辆信息;
根据所述车辆信息,或根据所述车辆信息与所述人脸信息的比对,判定所述人车关联目标是否人车合一。
本发明还包括第二种技术方案,一种人车匹配的检测装置,检测装置包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序以实现上述检测方法。
本发明还包括第三种技术方案,一种拍摄装置,拍摄装置包括全景相机、细节相机和声表面波阅读器,全景相机用于获取全景图像以及识别全景图像中的人车关联目标,细节相机用于获取人车关联目标的人脸信息,全景相机和细节相机相结合可以用于测定人车关联目标的速度;声表面波阅读器用于读取声表面波标签,获取声表面波标签对应的车辆信息。
其中,拍摄装置包括第一云台和第三云台,全景相机设置在第一云台上,声表面波阅读器设置在第三云台上,一个驱动机构同时用于驱动第一云台和第三云台在水平方向旋转。
本发明还包括第四种技术方案,一种计算机存储介质,计算机存储介质存储有可由计算机装置执行的计算机程序,当程序在计算装置上运行时,使得计算装置上述检测方法的步骤。
本发明的有益效果是:区别于现有技术的情况,本发明实施例的人车匹配的检测方法,通过获取到的全景图像中的人车关联目标的距离和阈值进行比较,对距离小于阈值的人车关联目标进行人车匹配检测,而大于阈值的人车关联目标则不进入人车匹配检测的程序中,可以优化人车匹配过程,减少处理过程资源损耗,提高人车关联目标的人车匹配检测的效率。
附图说明
图1是本发明拍摄装置一实施例的结构示意图;
图2是本发明人车匹配的检测方法一实施例的步骤示意图;
图3是本发明人车匹配的检测方法另一实施例的步骤示意图;
图4是本发明人车匹配的检测方法又一实施例的步骤示意图;
图5是本发明人车匹配的检测方法再一实施例的步骤示意图;
图6是本发明人车匹配的检测方法再另一实施例的步骤示意图;
图7是本发明人车匹配的检测方法再又一实施例的步骤示意图;
图8是本发明人车匹配的检测装置一实施例的结构框图示意图;
图9是本发明计算机存储介质一实施例的结构框图示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。
为了在人车合一匹配检测方面进行智能化监测,在城市十字交叉路口、高速路、人行道口、限时道路、主辅路进出口、公交专用道等处可以设置拍摄装置。
如图1所示,本发明实施例包括一种拍摄装置10,拍摄装置10包括全景相机11、细节相机12和声表面波阅读器13,全景相机11用于获取全景图像以及识别全景图像中的人车关联目标,细节相机12用于获取人车关联目标的人脸信息,全景相机11和细节相机12相结合可以用于测定人车关联目标的速度;声表面波阅读器13用于读取声表面波标签30,获取声表面波标签30对应的车辆20信息。
本发明实施例的全景相机11获取全景图像,图像范围较为广泛,道路上的车辆20可以包括机动车和非机动车,全景相机11可以对全景图像中的人车关联目标、车牌等进行智能提取;全景相机11也可以用于拍摄人车关联目标的车辆20内的人脸图像;细节相机12可以拍摄车辆20内的人脸图像,其中,细节相机12拍摄出的人脸图像的分辨率要高于全景相机11拍摄出的人脸图像的分辨率,其中细节相机12拍摄出高分辨率的人脸图像有利于人脸图像辨识,减少由于车辆20高速移动所造成的拍摄出的人脸图像模糊不清的现象,节约人脸图像获取时间。
本发明实施例采用声表面波阅读器13,声表面波比普通的电子IC RFID能识别的距离更远、以及能识别更高速的物体,可以用于复杂场景下高速远距离人车关联目标的提取,提高信息匹配速度,减小单次人车匹配的时间并为下一目标的匹配留下充分的时间。其中,声表面波标签30设置于人车关联目标的车辆上,例如可以设置于车牌上。
其中,拍摄装置10包括第一云台、第二云台和第三云台,全景相机11设置在第一云台上,细节相机12设置在第二云台上,声表面波阅读器13设置在第三云台上,第一云台和第三云台在水平方向旋转共用一个驱动机构。本发明实施例的第一云台、第二云台和第三云台可以进行水平和垂直旋转,使得其支撑的全景相机11对场景中的人车关联目标进行动态跟踪抓拍等处理,细节相机12也可以对场景中的人车关联目标的细节信息跟踪抓拍,实时获取更加准确及质量好的实际人脸信息,例如人脸照片;其中第一云台和第三云台相互独立旋转,运动时互不影响,使得全景相机11和细节相机12可以相互独立进行跟踪抓拍,当第一云台带动全景相机11运动时细节相机12的监控场景并不会发生变化。其中,一个驱动机构同时用于驱动第一云台和第三云台在水平方向旋转,可以减少驱动机构的数量,减少拍摄装置10的排布空间。其中,全景相机11和声表面波阅读器13水平安装位置相差角度为一固定值θ,全景相机11和声表面波阅读器13在垂直运动上是独立的。
本发明实施例还包括第二种技术方案,提供一种人车匹配的检测方法,如图2所示,检测方法包括:
步骤100:通过拍摄装置获取全景图像,并识别全景图像中的人车关联目标。
其中,获取的全景图像可以根据拍摄装置的拍摄范围,获取较大范围的全景图像,对全景图像中的人车关联目标识别,可以识别出相应的车辆。人车关联目标可以是需要进行人与车进行匹配的车辆目标。例如马路上有机动车和非机动车,识别机动车为人车关联目标。
步骤200:检测人车关联目标与拍摄装置的距离。
其中,可以根据全景图像人车关联目标与拍摄装置的距离进行测量,以获取相应的距离。
若全景图像中至少一人车关联目标与拍摄装置的距离小于阈值;则步骤300:对距离小于阈值的人车关联目标进行人车匹配检测。
其中,本发明实施例中阈值为拍摄装置中的声表面波阅读器的最大识别距离,由于声表面波阅读器的识别距离有限,当人车关联目标与拍摄装置的距离小于声表面波阅读器的最大识别距离时,可以对其进行人车匹配检测,而当人车关联目标与拍摄装置的距离大于声表面波阅读器的最大识别距离时,拍摄装置中的声表面波阅读器无法对于人车关联目标进行识别,而全景图像所识别的距离大于声表面波阅读器的最大识别距离。若全景图像中至少一人车关联目标与拍摄装置的距离小于阈值,启动人车匹配检测,而当全景图像中没有人车关联目标与拍摄装置的距离大于阈值的情况,则进入常规的视频画面监控,可以优化人车匹配过程,减少处理过程资源损耗和***性能损坏。
人车匹配检测包括:
步骤310:获取人车关联目标的人脸信息及车辆信息。
其中,本发明实施例中,人车关联目标的人脸信息通过拍摄装置拍摄出的人脸图片,车辆信息通过预先在车辆上设置标签,标签上事先关联有存储备案好的车主身份信息,例如驾驶证照片、车主身份照片或车主头像照片等。通过识别人车关联目标的车辆上的标签,并获取车辆信息。
步骤320:根据车辆信息,或根据车辆信息及人脸信息,判定人车关联目标是否人车合一。
其中,如果获取到的车辆信息关联有车主身份信息,将车辆信息与人车关联目标的人脸信息进行比对,根据比对结果可以判定人车关联目标是否人车合一,例如当人脸信息和车辆信息的车主身份信息的照片的脸部的五官近似度为80%及以上时,则认为其人车合一;否则,则认为人车关联目标存在异常,人车不合一。如果获取到的车辆信息没有关联到车主身份信息,则直接判断人车关联目标存在异常,人车不合一。对于人车不合一的情况,将相关异常结果实时输出并存储,以方便相关部门从中快速获取到异常结果。
本发明实施例的人车匹配的检测方法,通过获取到的全景图像中的人车关联目标的距离和阈值进行比较,对距离小于阈值的人车关联目标进行人车匹配检测,而大于阈值的人车关联目标则不进入人车匹配检测的程序中,可以优化人车匹配过程,减少处理过程资源损耗,提高人车关联目标的人车匹配检测的效率。
在城市十字交叉路口、高速路、人行道口、限时道路、主辅路进出口、公交专用道等处设置拍摄装置的地方,人车关联目标的车辆往往并非一辆,一般集中为多辆,大量的人车关联目标的出现给人车匹配的检测带来困难,容易出现漏检的情况,为此,如图3所示,本发明实施例的检测方法还包括:
步骤210:根据人车关联目标在前后帧全景图像中的位置变化,计算人车关联目标的运动速度。
其中,在检测方法步骤200检测人车关联目标与拍摄装置的距离时,可以包括步骤210,可以计算出人车关联目标的运动速度,并将运动速度标记在全景图像的人车关联目标的旁边。
步骤300中的人车匹配检测还包括:
步骤301:根据人车关联目标与拍摄装置的距离,以及人车关联目标的运动速度,对距离小于阈值的所有人车关联目标进行优先级排序。
具体地,对拍摄装置的距离小于阈值的所有人车关联目标进行优先级排序,人车关联目标至拍摄装置的当前距离为S和人车关联目标的当前运动速度为V,人车关联目标优先级排序决策函数为Target(Nt),其中:
Target(Nt)=f优先级(S,V)
优先级排序决策函数主要和当前全景画面中人车关联目标的当前距离和当前速度有关,根据f优先级(S,V)计算得到每个有效人车关联目标运动到拍摄装置的时间t(即人车关联目标消失在全景图像中的时间)并记录,将该时间进行排序,时间最短的人车关联目标最先跑出当前拍摄装置监控场景,当离开拍摄装置时,将无法对其进行人车匹配检测,因此,为了避免出现漏检的情况,对人车关联目标进行优先级排序后,可以对到拍摄装置的距离小于阈值的人车关联目标进行统筹安排。对时间最短的人车关联目标标记为第一优先级,进行优先人车匹配;第二短时间则标记为第二优先级,对第二优先级的人车关联目标存储记录对应到达拍摄装置的时间t2,将所有优先级排序完成后并标注时间t。人车关联目标的位置S和速度V都是在动态变化的,因此按上述方法周期性的计算更新全景图像中人车关联目标的优先级排序及运动到达拍摄装置的时间t。
进一步地,本发明检测方法的步骤310的获取人车关联目标的人脸信息及车辆信息,和步骤320根据车辆信息或车辆信息及人脸信息,判定人车关联目标是否人车合一,继续如图3所示,包括:
步骤311:获取第一优先级的人车关联目标的人脸信息及车辆信息。
步骤320’:根据车辆信息或车辆信息及人脸信息,判定第一优先级的人车关联目标是否人车合一。
可以使得先对第一优先级的人车关联目标进行人车匹配检测,以避免第一优先级的人车关联目标被漏检的现象发生。
在步骤320’之后进一步还包括:
步骤330:记录对第一优先级的人车关联目标进行人车匹配检测的检测时间。
其中,对第一优先级的人车关联目标进行人车匹配检测的检测时间主要包括第一优先级的人车关联目标的车辆信息与人脸信息进行比对所耗费的时间。
步骤340:计算第二优先级的人车关联目标运动至拍摄装置的预计时间。
其中,第二优先级的人车关联目标实际为一动态变化的目标,通过实时监控,在第一优先级的人车关联目标进行人车匹配检测完成之前或之后,确定第二优先级的人车关联目标,计算出第二优先级的人车关联目的运动到拍摄装置的预计时间。
若预计时间和检测时间的差值小于时间阈值,则步骤350:对最快远离拍摄装置的人车关联目标进行快速人车匹配检测。
检测时间包括对人车关联目标的人脸信息采集时间t1’、获取人车关联目标的车辆信息的时间t2’、将人脸信息与车辆信息进行比对的判断时间t3’。例如,若人脸信息采集和车辆信息获取同时进行时,当人脸信息采集所用的时间t1’大于车辆信息获取时间t2’,则检测时间T=t1’+t3’。若人脸信息采集、车辆信息获取和信息比对依次进行时,则检测时间为T=t1’+t2’+t3’。当预计时间和检测时间的差值小于时间阈值时,说明第一优先级的人车关联目标进行人车匹配检测耗时过久或异常,而导致可能会漏检第二优先级的人车关联目标。
本发明实施例中,通过快速人车匹配检测,可以缩短检测时间,增大预计时间与检测时间的差值,从而可以确保第二优先级的人车关联目标不漏检,从而可以降低人车关联目标的漏检概率。
具体地,本发明实施例中的拍摄装置包括全景相机和细节相机;在图3的基础上,如图4所示,
步骤311的获取第一优先级的人车关联目标的人脸信息,包括:步骤311’:通过细节相机获取第一优先级的人车关联目标的人脸信息。步骤311的获取第一优先级的人车关联目标的车辆信息,在步骤311’中依然获取车辆信息。
其中,通过细节相机获取人车关联目标的人脸信息时,例如通过细节相机拍照,获取人车关联目标的人脸图像,所获取的人脸图像分辨率较高,要明显高于全景相机拍摄的图像的分辨率,同时,细节相机所获取的人脸图像的时间相对于全景相机拍摄图像的时间长。通过获取高分辨率的人脸图像,有利于提高人脸信息与车辆信息比对的准确率。
步骤350的对最快远离拍摄装置的人车关联目标进行快速人车匹配检测,包括:步骤350’:通过全景相机对最快远离拍摄装置的人车关联目标进行人车匹配检测。
具体地,通过全景相机获取最快远离拍摄装置的人车关联目标的人脸信息,获取人车关联目标的车辆信息,并将人脸信息与车辆信息进行比对,判定最快远离拍摄装置的人车关联目标是否人车合一。其中,本发明实施例中,通过全景相机获取最快远离拍摄装置的人车关联目标的人脸信息,即获得人脸图像,全景相机拍摄人脸图像的时间较细节相机拍摄人脸图像的时间短,当然全景相机拍摄人脸图像的分辨率相对较低,通过全景相机拍摄人车关联目标的人脸图像,可以缩短人车匹配检测时间,从而可以降低由于在先的第一优先级的人车关联目标进行检测所耗费的时间过长或异常时导致第二优先级的人车关联目标漏检的概率。
其中,如图5所示,作为本发明一优选实施例:步骤320根据车辆信息或车辆信息及人脸信息,判定人车关联目标是否人车合一,包括:
步骤321:检测车辆信息是否关联车主身份信息。
具体地,如车辆信息未关联含人车关联目标的车主照片信息。
若否,则步骤322:判定人车关联目标人车不合一。
若是,则步骤323:判断人脸信息和车辆信息是否匹配。
若是,则步骤324:判定人车关联目标人车合一;
若否,则步骤322:判定人车关联目标人车不合一。
本发明实施例中,拍摄装置包括声表面波阅读器,人车关联目标上设置有声表面波标签;进一步地,如图6所示,步骤310:获取人车关联目标的人脸信息及车辆信息,包括:
步骤3101:通过声表面波阅读器对声表面波标签进行读取,以获取人车关联目标的车辆信息。
其中,声表面波阅读器能识别的距离较远、以及能识别高速移动的物体,可以用于复杂场景下高速远距离人车关联目标的对表面波标签的识别,从而可以提取人车关联目标的车辆信息。避免由于车辆移动速度过快造成车辆信息获取困难,或获取所耗费时间较长的问题。本发明实施例采用声表面波阅读器识别声表面波标签,可以提高信息匹配速度,减小单次人车匹配的时间并为下一目标的匹配留下充分的时间;同时由于识别距离较远,使得人车关联目的到达拍摄装置所需要的时间较长,从而为复杂场景下多车辆的识别提供较为充足的时间,降低漏检的概率。
本发明实施例中,拍摄装置包括全景相机和细节相机;步骤200的检测人车关联目标与拍摄装置的距离,包括:
200’:通过全景相机和细节相机对人车关联目标进行双目测距,以检测人车关联目标与拍摄装置的距离。
具体地,可以将测得距离标记在全景图像中相应的人车关联目标旁边。
进一步地,步骤3101:通过声表面波阅读器对声表面波标签进行读取,以获取人车关联目标的车辆信息,包括:
步骤3102’:获取人车关联目标在全景图像中的目标位置。
其中,本发明实施例中,全景相机设置在第一云台上,细节相机设置在第二云台上,声表面波阅读器设置在第三云台上,第一云台和第三云台在水平旋转上共用一个驱动机构,第一云台和第三云台在水平安装位置偏差角度为θ,第二云台分别和第一云台和第三云***立。记录第一云台的初始位置P初始,控制第一云台以最大速度运动,使得人车关联目标尽快在全景图像的正中央(三维定位),获取前述人车关联目标的车辆和车牌在全景画面中的位置坐标信息,车牌位置坐标记为P全景(p车牌水平,p车牌垂直)。
步骤3103’:根据目标位置控制声表面波阅读器运动至相应位置,对声表面波标签进行读取,以获取人车关联目标的车辆信息。
具体地,第三云台转动,由于声表面波阅读器水平运动和全景相机共用,二者间水平安装位置偏差角度为θ,因此在上述的基础上控制第一云台水平再转θ度以及声表面波阅读器垂直方向转动到p车牌垂直的位置,这样就能保证声表面波阅读器能基本正对着装有声表面波标签的车牌,从而保证能最快最有效的提取到车牌中已存储好的车辆车主照片的车辆信息,减小车辆信息读取时间。声表面波阅读器读取完有效车辆信息后控制第一云台回到P初始位置,以便继续进行前述全景图像中目标的识别等操作。
通过声表面波阅读器动态移动,动态跟进人车关联目标,可以提高波阅读器识别移动人车关联目标的声波标签的概率和速度。同时能够实现将声表面波阅读器与全景相机动态关联。
步骤310的中的获取人车关联目标的人脸信息,包括:
步骤3104’:根据目标位置控制细节相机运动至相应位置,获取人车关联目标的人脸信息。
其中,在步骤3103’的处理过程中,同步触发进行细节相机的联动跟踪,根据之前记录的人车关联目标在全景相机中的坐标位置经过标定算法转换后得到在细节相机中的位置,控制第二云台以最大速度运动到对应的位置完成对人车关联目标的实际人脸的变倍跟踪抓拍,使得细节相机能快速捕获到质量较高的车主人脸,并获得人脸信息,一旦抓拍到清晰的照片就尽快结束本过程。
如图7所示,本发发明实施例,在步骤100之前,还包括步骤001:获取声表面波阅读器的最大识别距离作为阈值。
本发明还包括第二种技术方案,如图8所示,一种人车匹配的检测装置80,检测装置80包括存储器81和处理器82,存储器81存储有计算机程序,使得处理器82执行计算机程序,以实现上述的检测方法。
所称处理器82可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器82可以是微处理器或者该处理器82也可以是任何常规的处理器等,所述处理器82是所述人脸匹配设备的控制中心,利用各种接口和线路连接整个拍摄装置的各个设备部分。
存储器81可用于存储所述计算机程序和/或模块,所述处理器82通过运行或执行存储在所述存储器81内的计算机程序和/或模块,以及调用存储在存储器81内的数据,实现所述人脸匹配设备的各种功能。所述存储器81可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器81可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还包括第四种技术方案,如图9所示,一种计算机存储介质90,计算机存储介质90存储有可由计算机装置执行的计算机程序91,当程序在计算装置上运行时,使得计算装置上述检测方法的步骤。
基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序91来指令相关的硬件来完成,所述的计算机程序91可存储于一计算机可读存储介质中,该计算机程序91在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序91包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种人车匹配的检测方法,其特征在于,所述检测方法包括:
通过拍摄装置获取全景图像,并识别所述全景图像中的人车关联目标;
检测所述人车关联目标与所述拍摄装置的距离;
若所述全景图像中至少一人车关联目标与所述拍摄装置的距离小于阈值;则对距离小于阈值的所述人车关联目标进行人车匹配检测;
所述人车匹配检测包括:根据所述人车关联目标与所述拍摄装置的距离,以及所述人车关联目标的运动速度,对距离小于阈值的所有人车关联目标进行优先级排序;获取第一优先级的人车关联目标的人脸信息及车辆信息;根据所述车辆信息,或根据所述车辆信息与所述人脸信息的比对,判定所述人车关联目标是否人车合一;记录对所述第一优先级的人车关联目标进行人车匹配检测的检测时间;计算第二优先级的人车关联目标运动至所述拍摄装置的预计时间;若所述预计时间和所述检测时间的差值小于时间阈值;则对最快远离所述拍摄装置的人车关联目标进行快速人车匹配检测。
2.根据权利要求1所述的检测方法,其特征在于,所述检测方法还包括:
根据所述人车关联目标在前后帧所述全景图像中的位置变化,计算所述人车关联目标的运动速度。
3.根据权利要求1所述的检测方法,其特征在于,所述拍摄装置包括全景相机和细节相机;
所述获取第一优先级的人车关联目标的人脸信息,包括:通过所述细节相机获取所述第一优先级的人车关联目标的人脸信息;
所述对最快远离所述拍摄装置的人车关联目标进行快速人车匹配检测,包括:通过所述全景相机对最快远离所述拍摄装置的人车关联目标进行人车匹配检测。
4.根据权利要求1所述的检测方法,其特征在于,所述根据所述车辆信息或所述车辆信息及人脸信息,判定所述人车关联目标是否人车合一,包括:
检测所述车辆信息是否关联车主身份信息;
若否,则判定所述人车关联目标人车不合一;
若是,则判断所述人脸信息和所述车辆信息是否匹配;
若是,则判定所述人车关联目标人车合一;
若否,则判定所述人车关联目标人车不合一。
5.根据权利要求1所述的检测方法,其特征在于,所述拍摄装置包括声表面波阅读器,所述人车关联目标上设置有声表面波标签;所述获取所述人车关联目标的人脸信息及车辆信息,包括:
通过所述声表面波阅读器对所述声表面波标签进行读取,以获取所述人车关联目标的车辆信息。
6.根据权利要求5所述的检测方法,其特征在于,所述拍摄装置包括全景相机和细节相机;所述检测所述人车关联目标与所述拍摄装置的距离,包括:
通过所述全景相机和所述细节相机对所述人车关联目标进行双目测距,以检测所述人车关联目标与所述拍摄装置的距离。
7.根据权利要求6所述的检测方法,其特征在于,所述通过所述声表面波阅读器对所述声表面波标签进行读取,包括:
获取所述人车关联目标在所述全景图像中的目标位置;
根据所述目标位置控制所述声表面波阅读器运动至相应位置,对所述声表面波标签进行读取;
所述获取所述人车关联目标的人脸信息,包括:
根据所述目标位置控制所述细节相机运动至相应位置,获取所述人车关联目标的人脸信息。
8.一种人车匹配的检测装置,其特征在于,所述检测装置包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序,以实现权例要求1-7中任意一项所述的检测方法。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有可由计算机装置执行的计算机程序,当所述程序在计算装置上运行时,使得所述计算装置执行权利要求1-7任意一项所述检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010600366.8A CN112687108B (zh) | 2020-06-28 | 2020-06-28 | 人车匹配的检测方法、检测装置、拍摄装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010600366.8A CN112687108B (zh) | 2020-06-28 | 2020-06-28 | 人车匹配的检测方法、检测装置、拍摄装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112687108A CN112687108A (zh) | 2021-04-20 |
CN112687108B true CN112687108B (zh) | 2022-08-09 |
Family
ID=75445365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010600366.8A Active CN112687108B (zh) | 2020-06-28 | 2020-06-28 | 人车匹配的检测方法、检测装置、拍摄装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112687108B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103702029A (zh) * | 2013-12-20 | 2014-04-02 | 百度在线网络技术(北京)有限公司 | 拍摄时提示对焦的方法及装置 |
CN105046246A (zh) * | 2015-08-31 | 2015-11-11 | 广州市幸福网络技术有限公司 | 可进行人像姿势拍摄提示的证照相机及人像姿势检测方法 |
CN107798510A (zh) * | 2017-09-27 | 2018-03-13 | 北京市振隆科技股份有限公司 | 电动自行车、摩托车、机动三轮车监控管理***及其方法 |
CN107948538A (zh) * | 2017-11-14 | 2018-04-20 | 广东欧珀移动通信有限公司 | 成像方法、装置、移动终端和存储介质 |
CN108563985A (zh) * | 2018-03-02 | 2018-09-21 | 海尔优家智能科技(北京)有限公司 | 识别扒窃的方法、监控中心、公共交通设备及存储介质 |
CN108846938A (zh) * | 2018-09-06 | 2018-11-20 | 星络科技有限公司 | 智能社区停车场的防盗管理方法及装置 |
CN109214315A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 人车跨镜头追踪方法及装置 |
CN109448143A (zh) * | 2018-10-24 | 2019-03-08 | 西安艾润物联网技术服务有限责任公司 | 车辆防盗方法、***及存储介质 |
CN110228366A (zh) * | 2019-06-24 | 2019-09-13 | 上海擎感智能科技有限公司 | 一种用于车辆安全的控制方法、装置及计算机可读介质 |
CN110298278A (zh) * | 2019-06-19 | 2019-10-01 | 中国计量大学 | 一种基于人工智能的地下停车库行人车辆监测方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100924784B1 (ko) * | 2007-12-27 | 2009-11-03 | 주식회사 인스프리트 | Cctv 카메라를 이용한 차량 카운트 장치 및 그 방법과,그를 이용한 주차 시스템 |
CN105448131A (zh) * | 2015-12-14 | 2016-03-30 | 谭焕玲 | 一种带红外监测的智能停车场管理*** |
CN105809797B (zh) * | 2016-04-28 | 2018-04-20 | 西安艾润物联网技术服务有限责任公司 | 用于停车场控制***的摄像机及停车场控制*** |
CN106599774A (zh) * | 2016-10-31 | 2017-04-26 | 深圳市元征科技股份有限公司 | 一种车辆报警方法及装置 |
CN106710294A (zh) * | 2016-11-07 | 2017-05-24 | 中山大学南方学院 | 一种停车场车辆防盗***及防盗方法 |
CN106803933A (zh) * | 2017-02-22 | 2017-06-06 | 成都华安视讯科技有限公司 | 可用于人车合一监控的摄像***及摄像方法 |
KR102374838B1 (ko) * | 2017-05-08 | 2022-03-15 | 아놀드 체이스 | 자율 차량 향상 시스템을 위한 모바일 장치 |
JP2019008519A (ja) * | 2017-06-23 | 2019-01-17 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 移動体検出方法、移動体学習方法、移動体検出装置、移動体学習装置、移動体検出システム、および、プログラム |
CN107677316B (zh) * | 2017-09-30 | 2023-12-12 | 深圳市知赢科技有限公司 | 自行车及用户姿态、用户使用状态识别和人车匹配方法 |
CN108805008A (zh) * | 2018-04-19 | 2018-11-13 | 江苏理工学院 | 一种基于深度学习的社区车辆安保*** |
CN110874921A (zh) * | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 智能路侧单元及其信息处理方法 |
CN110321804A (zh) * | 2019-06-11 | 2019-10-11 | 福建亿安智能技术有限公司 | 一种基于人脸和电动车牌识别结合进行身份认证的方法 |
CN111078927A (zh) * | 2019-12-19 | 2020-04-28 | 罗普特科技集团股份有限公司 | 基于家谱数据识别驾驶员身份的方法、装置、存储介质 |
-
2020
- 2020-06-28 CN CN202010600366.8A patent/CN112687108B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103702029A (zh) * | 2013-12-20 | 2014-04-02 | 百度在线网络技术(北京)有限公司 | 拍摄时提示对焦的方法及装置 |
CN105046246A (zh) * | 2015-08-31 | 2015-11-11 | 广州市幸福网络技术有限公司 | 可进行人像姿势拍摄提示的证照相机及人像姿势检测方法 |
CN107798510A (zh) * | 2017-09-27 | 2018-03-13 | 北京市振隆科技股份有限公司 | 电动自行车、摩托车、机动三轮车监控管理***及其方法 |
CN107948538A (zh) * | 2017-11-14 | 2018-04-20 | 广东欧珀移动通信有限公司 | 成像方法、装置、移动终端和存储介质 |
CN108563985A (zh) * | 2018-03-02 | 2018-09-21 | 海尔优家智能科技(北京)有限公司 | 识别扒窃的方法、监控中心、公共交通设备及存储介质 |
CN109214315A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 人车跨镜头追踪方法及装置 |
CN108846938A (zh) * | 2018-09-06 | 2018-11-20 | 星络科技有限公司 | 智能社区停车场的防盗管理方法及装置 |
CN109448143A (zh) * | 2018-10-24 | 2019-03-08 | 西安艾润物联网技术服务有限责任公司 | 车辆防盗方法、***及存储介质 |
CN110298278A (zh) * | 2019-06-19 | 2019-10-01 | 中国计量大学 | 一种基于人工智能的地下停车库行人车辆监测方法 |
CN110228366A (zh) * | 2019-06-24 | 2019-09-13 | 上海擎感智能科技有限公司 | 一种用于车辆安全的控制方法、装置及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112687108A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101756849B1 (ko) | 노상 무인정산 주차관제 시스템 | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别***及方法 | |
EP3026651B1 (en) | Vehicle monitoring device and vehicle monitoring method | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
Lin et al. | Lane departure and front collision warning using a single camera | |
CN111976601B (zh) | 自动泊车方法、装置、设备和存储介质 | |
CN112172797B (zh) | 泊车控制方法、装置、设备和存储介质 | |
CN115331191B (zh) | 车型识别方法、装置、***和存储介质 | |
CN110880205B (zh) | 一种停车收费方法及装置 | |
CN114219829A (zh) | 车辆跟踪方法、计算机设备及存储装置 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
JP5306124B2 (ja) | ナンバプレート読取装置およびナンバプレート読取方法 | |
CN112687108B (zh) | 人车匹配的检测方法、检测装置、拍摄装置及存储介质 | |
Ćosić et al. | Time to collision estimation for vehicles coming from behind using in-vehicle camera | |
CN115965636A (zh) | 车辆侧面图的生成方法、装置及终端设备 | |
JP5957182B2 (ja) | 路面上パターン認識方法および車両用情報記録装置 | |
CN112016514B (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
CN116152691A (zh) | 图像检测方法、装置、设备和存储介质 | |
KR102369824B1 (ko) | 교행 다차로를 위한 차량번호 인식방법 및 장치 | |
CN104077566B (zh) | 基于颜色差分的卡口图片人脸检测方法 | |
KR20210007458A (ko) | 딥 러닝 기반의 이동식 주정차 단속시스템 | |
JP4333683B2 (ja) | フロントガラスの範囲検出装置、方法及びプログラム | |
KR20080049472A (ko) | 차량 탑재형 촬영장치 및 인공신경회로망을 이용한정보검출시스템 | |
JP2015097038A (ja) | 車両数計数装置、車両数計数プログラム、および車両数計数システム | |
KR102416066B1 (ko) | 영상 매칭 시스템 및 방법 |
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 |