CN114897685A - 车辆图片融合方法、装置、计算机设备和存储介质 - Google Patents
车辆图片融合方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114897685A CN114897685A CN202210438627.XA CN202210438627A CN114897685A CN 114897685 A CN114897685 A CN 114897685A CN 202210438627 A CN202210438627 A CN 202210438627A CN 114897685 A CN114897685 A CN 114897685A
- Authority
- CN
- China
- Prior art keywords
- picture
- vehicle
- target
- head
- camera
- 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.)
- Pending
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 95
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 7
- 230000003137 locomotive effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种车辆图片融合方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片；获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片；根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片。采用本方法能够提高车辆识别的准确率。
Description
技术领域
本申请涉及电子技术领域，特别是涉及一种车辆图片融合方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电子技术的发展，在当前收费车道应用中，入口拒超使用安装在不同位置的独立相机进行图片和视频的采集，对采集的图片和图像进行处理后导入建好的车辆融合度模型得到车辆融合结果，从而确定是否为同一辆车，但是，对于很多相同的类型的车辆，计算得到融合结果相近，不能够确定是否是同一辆车。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高车辆识别准确率的车辆图片融合方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种车辆图片融合方法。所述方法包括：
获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；
根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片，所述目标车头图片为多张车头图片的一个；
获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，所述第一相机、所述第二相机和所述第三相机沿车辆的行进方向依次设置；
根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，所述目标车尾图片为多张车尾图片的一个。
在其中一个实施例中，所述根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，包括：
从所述多张车头图片中选取满足第一条件的车头图片作为所述目标车头图片，所述第一条件与各图片的拍摄时间相关。
在其中一个实施例中，所述第一条件，包括以下的至少一项：
所述目标车头图片的拍摄时间小于所述目标车身图片的拍摄时间；
所述目标车头图片的拍摄时间与所述目标车身图片的拍摄时间的第一差值，大于任一个其它车头图片的拍摄时间与所述目标车身图片的拍摄时间的第二差值，其它车头图片为多张车头图片除所述目标车头图片以外的图片；
所述目标车身图片的拍摄时间与目标车头图片的拍摄时间的第三差值大于第一预设比值，所述第一预设比值为第一相机距离与目标车身图片对应的车辆行驶速度的比值，所述第一相机距离为第一相机与第二相机之间的场景实际距离；
所述目标车头图片的拍摄时间大于所述目标车身图片的前一个车身图片拍摄时间。
在其中一个实施例中，在从所述多张车头图片中选取满足第一条件的车头图片作为所述目标车头图片之前，包括：
对所述多张车头照片进行逻辑过滤，筛选出逻辑错误的车头图片；
从所述多张车头图片中剔除所述逻辑错误的车头图片。
在其中一个实施例中，所述根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，包括：
从所述多张车尾图片中选取满足第二条件的车尾图片作为所述目标车尾图片，所述第二条件与各图片的拍摄时间相关。
在其中一个实施例中，所述第二条件，包括以下的至少一项：
所述目标车尾图片的车牌信息与所述目标车身图片对应的目标车头图片的车牌信息一致；
所述目标车尾图片的拍摄时间大于所述目标车身图片的拼接时间；
所述目标车尾图片的拍摄时间与所述目标车身图片的拼接时间的第四差值大于第二预设比值，所述第二预设比值为第二相机距离与目标车身图片对应的车辆行驶速度的比值，所述第二相机距离为第二相机与第三相机之间的场景实际距离。
第二方面，本申请还提供了一种车辆图片融合装置。所述装置包括：
图片获取模块，用于获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；
融合模块，用于根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片，所述目标车头图片为多张车头图片的一个；
所述图片获取模块还用于获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，所述第一相机、所述第二相机和所述第三相机沿车辆的行进方向依次设置；
所述融合模块还用于根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，所述目标车尾图片为多张车尾图片的一个。
第三方面，本申请还提供了一种计算机设备。所述计算机设备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时实现如第一方面所述的一种车辆图片融合方法。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的一种车辆图片融合方法。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的一种车辆图片融合方法。
上述车辆图片融合方法、装置、计算机设备、存储介质和计算机程序产品，通过获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；根据各图片的拍摄时间，对目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片，所述目标车头图片为多张车头图片的一个；获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，所述第一相机、所述第二相机和所述第三相机沿车辆的行进方向依次设置；根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，所述目标车尾图片为多张车尾图片的一个。通过车身图片融合车身对应的车头图片，在根据融合车头图片的车身图片融合对应的车尾图片，提高车辆识别的准确率。
附图说明
图1为一个实施例中车辆图片融合方法的应用环境图；
图2为一个实施例中车辆图片融合方法的流程示意图；
图3为另一个实施例中车辆图片融合方法的流程示意图；
图4为一个实施例中车辆图片融合装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的车辆图片融合方法，可以应用于如图1所示的应用环境中。其中，第一相机101、第二相机102和第三相机103按照车辆行驶的方向依次放置，分别用来拍摄车辆的车头、车身和车尾。第一相机101、第二相机102和第三相机103分别通过网络与主控单元104进行通信。数据存储***可以存储主控单元104需要处理的数据。数据存储***可以集成在主控单元104上，也可以放在云上或其他网络服务器上。主控单元104获取第一相机101对不同车辆的车头拍摄得到的多张车头图片和第二相机102对目标车辆的车身拍摄得到的目标车身图片；根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片，所述目标车头图片为多张车头图片的一个；获取第三相机103对不同车辆的车尾拍摄得到的多张车尾图片，所述第一相机101、所述第二相机102和所述第三相机103沿车辆的行进方向依次设置；根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，所述目标车尾图片为多张车尾图片的一个。其中，终端102可以但不限于是图像拍摄设备，主控单元104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种车辆图片融合方法，以该方法应用于图1中的主控单元104为例进行说明，包括以下步骤：
步骤202，获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片。
其中，第一相机是指在待检测车辆的区域，用于识别车辆的车头部分的车头相机。第二相机是指在待检测区车辆区域中，用于识别车辆的车身的车侧相机。当车辆经过车头相机，车头相机对车辆的车头进行拍摄得到车头的图片，以及车辆的车头的图片的拍摄的时间。可选的，车头相机同时还可以对车辆的车牌进行识别。当车身经过第二相机，车侧相机对进行拍摄得到车身的图片，以及车辆的车身的图片的拍摄的时间。可选的，车侧相机还可以对车辆的车身部分进行识别，得到车辆的行驶速度、车型、轴型、轴数；车侧相机拍摄车身图片并拼接成车身的图片，其中还包括：车侧相机拍摄车身图片的时间，以及拼接车身图片的起始时间和结束时间。
具体地，主控单元获取车头相机对不同车辆的车头拍摄的多张车头的图片、车辆的车头的图片的拍摄的时间；主控单元获取车侧相机对目标车辆拍摄得到的目标车身图片、车侧相机拍摄车身图片的时间。
步骤204，根据各图片的拍摄时间，对目标车身图片和多张车头图片进行融合，以获得第一融合结果。
其中，融合可以是将图像数据经过图像处理和计算机技术等，最大限度的提取各图像数据的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。在本实施例中，融合可以是将第一相机和第二相机采集到的关于同一目标车辆的图像数据进行融合，从而得到第一融合结果。具体的，第一融合结果用于表示目标车身图片对应的目标车头图片，可以是同一张图像，也可以是将目标车身和目标。
具体地，主控单元根据车头相机和车侧相机拍摄到的图片的拍摄时间，从多张车头图片筛选满足融合条件的目标车头照片，进行目标车身图片和目标车头图片进行融合，得到目标车身图片对应的目标车头图片；其中，目标车头图片为多张车头图片的一个。
步骤206，获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，第一相机、所述第二相机和所述第三相机沿车辆的行进方向依次设置。
其中，第三相机是指第一相机是指在待检测车辆的区域，用于识别车辆的车尾部分的车尾相机。经过车尾相机时候，车尾相机识别不同车辆的车尾的车牌信息，并拍摄车辆的车尾的图片，其中还包括：拍摄车辆的车尾的图片的时间。第一相机、第二相机和第三相机沿车辆的行进方向依次设置，当车辆行驶，先经过第一相机，第一相机对车辆的车头进行拍摄，再经过第二相机，第二相机对车辆的车身进行拍摄，最后经过第三相机，第三项及对车辆的车尾进行拍摄。
具体地，主控单元获取车尾相机对不同车辆的车尾拍摄的车尾图片、对不同车辆的车尾拍摄的车尾图片的拍摄时间、和车尾相机识别的不同车辆的车尾的车牌信息。车头相机、车侧相机和车尾相机是沿着车辆的行进方向依次设置。
步骤208，根据各图片的拍摄时间，对第一融合结果和多张车尾图片进行融合，以获得第二融合结果。
具体地，主控单元根据车尾相机拍摄到的不同车辆的车尾的时间，从多张车尾图片筛选满足融合条件的目标车尾照片，进行目标车身图片、目标车头图片和目标车尾图片进行融合，得到目标车身图片对应的目标车头图片和目标车尾图片；其中，目标车尾图片为多张车尾图片的一个。
上述车辆融合方法中，通过获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；根据各图片的拍摄时间，对目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片，所述目标车头图片为多张车头图片的一个；获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，所述第一相机、所述第二相机和所述第三相机沿车辆的行进方向依次设置；根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，所述目标车尾图片为多张车尾图片的一个。通过车身图片融合车身对应的车头图片，在根据融合车头图片的车身图片融合对应的车尾图片，提高车辆识别的准确率。
在一个实施例中，根据各图片的拍摄时间，对目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，包括：从多张车头图片中选取满足第一条件的车头图片作为目标车头图片，第一条件与各图片的拍摄时间相关。
其中，第一条件是指符合目标车身图片融合目标车身对应的目标车头图片的融合条件。
具体地，主控单元从多张车头图片中选取满足第一条件的车头图片作为目标车头图片，第一条件与各图片的拍摄时间相关。
本实施例中，通过第一条件选取目标车头图片，能够提高目标车头图片的选取的准确性。
在一个实施例中，第一条件，包括以下的至少一项：目标车头图片的拍摄时间小于目标车身图片的拍摄时间；目标车头图片的拍摄时间与目标车身图片的拍摄时间的第一差值，大于任一个其它车头图片的拍摄时间与目标车身图片的拍摄时间的第二差值，其它车头图片为多张车头图片除目标车头图片以外的图片；目标车身图片的拍摄时间与目标车头图片的拍摄时间的第三差值大于第一预设比值，第一预设比值为第一相机距离与目标车身图片对应的车辆行驶速度的比值，第一相机距离为第一相机与第二相机之间的场景实际距离；目标车头图片的拍摄时间大于目标车身图片的前一个车身图片拍摄时间。
其中，目标车身图片的拍摄时间包括：目标车身的车轮检测时间；目标车头图片的拍摄时间包括：对同一辆车辆的车头拍摄的照片最后一帧的时间；第一相机距离是指车头相机与车侧相机之间的场景实际距离。
具体地，目标车身图片融合符合第一条件的目标车头图片，第一条件至少包括：第一相机拍摄的目标车头图片的时间小于第二相机拍摄的目标车身图片的时间；第一相机拍摄的目标车头图片的时间与第二相机拍摄的目标车身图片的时间的第一差值，大于第一相机拍摄的其它车头图片的时间与第二相机拍摄的目标车身图片的时间的第二差值，第一相机拍摄的其它车头图片为第一相机拍摄的多张车头图片除第一相机拍摄的目标车头图片以外的图片；
目标车身图片的拍摄时间与目标车头图片的拍摄时间的第三差值大于第一预设比值，第一预设比值为第一相机距离与目标车身图片对应的车辆行驶速度的比值，第一相机距离为车头相机与车侧相机之间的场景实际距离。
在一个可能实施例中，目标车身对应的车轮检测时间与目标车头视频流识别结束时间的差值大于车侧相机拼接点至车头识别区域的距离与目标车身对应的车辆行驶速度的比值。其中，具体公式：
T2-T1>S/V
其中，T1表示对目标车头拍摄的照片的最后一帧的时间；T2表示目标车身对应的车轮检测时间；S表示车侧相机拼接点至车头识别区域的距离(单位:米)；V表示目标车身对应的车辆行驶速度(单位:km/h)。
目标车头图片的拍摄时间大于目标车身图片的前一个车身图片拍摄时间。
在一个可能实施例中，目标车头视频流识别结束时间大于目标车身图片对应的车辆的上一辆的车辆的车轮检测时间。其中，具体公式：
T1>T0
其中，T0表示目标车身图片对应的车辆的上一辆的车辆的车轮检测时间；T1表示目标车头视频流识别结束时间。
本实施例中，通过第一条件的限定，能够提高目标车头图片的选取的准确性。
在一个实施例中，在从所述多张车头图片中选取满足第一条件的车头图片作为所述目标车头图片之前，包括：对多张车头照片进行逻辑过滤，筛选出逻辑错误的车头图片；从多张车头图片中剔除逻辑错误的车头图片。
其中，逻辑过滤是指不符合实际逻辑的情况。逻辑过滤包括将车牌类型与车辆的车型不匹配的过滤掉。例如，黄牌车牌与教练车匹配，则若车牌类型为黄牌，则教练车不过滤；若车牌类型为黄牌，则小轿车过滤掉。
具体地，主控单元对多张车头照片进行逻辑过滤，筛选出逻辑错误的车头图片；再从多张车头图片中剔除逻辑错误的车头图片。
本实施例中，通过逻辑过滤，将逻辑错误的车头图片删掉，能够节省计算资源。
在一个实施例中，根据各图片的拍摄时间，对第一融合结果和多张车尾图片进行融合，以获得第二融合结果，包括：从多张车尾图片中选取满足第二条件的车尾图片作为目标车尾图片，第二条件与各图片的拍摄时间相关。
其中，第二条件是指符合目标车身图片融合目标车身对应的目标车头图片后，融合目标车尾图片的融合条件。
具体地，主控单元从多张车尾照片中选取满足第二条件的车尾照片作为目标车尾图片，第二条件与各图片的拍摄时间相关。
本实施例中，通过第一条件选取目标车尾图片，能够提高目标车尾图片的选取的准确性。
在一个实施例中，第二条件，包括以下的至少一项：目标车尾图片的车牌信息与所述目标车身图片对应的目标车头图片的车牌信息一致；目标车尾图片的拍摄时间大于目标车身图片的拼接时间；目标车尾图片的拍摄时间与目标车身图片的拼接时间的第四差值大于第二预设比值，第二预设比值为第二相机距离与目标车身图片对应的车辆行驶速度的比值，第二相机距离为第二相机与第三相机之间的距离。
其中，目标车身图片的拼接时间是指第二相机拍摄到的目标车辆的车身图片进行拼接的时间。目标车尾图片的拍摄时间包括目标车尾图片中车轮的检测时间。第二相机距离是指车侧相机到车尾相机的距离。
具体地，目标车身图片融合目标车身图片对应的目标车头图片后，再融合符合第二条件的目标车尾图片，第二条件至少包括：第三相机识别到的目标车尾图片的车牌信息与第一相机识别到的目标车身图片对应的目标车头图片的车牌信息保持一致。第三相机拍摄的目标车尾的图片的目标车尾图片的拍摄时间大于第二相机拍摄到的车身图片进行拼接的时间。第三相机拍摄的目标车尾图片的时间与第二相机拍摄目标车身图片进行拼接时间的第四差值大于第二预设比值，第二预设比值为第二相机距离与第二相机识别到目标车身图片对应的车辆行驶速度的比值，第二相机距离为第二相机与第三相机之间的场景实际距离。
在一个可能实施例中，目标车尾图片中的拍摄时间与第二相机拍摄目标车身图片进行拼接时间差值大于车侧相机拼接点至车头识别区域的距离与目标车身对应的车辆行驶速度的比值。其中，具体公式：
T1-T0>S/V
其中，T0表示第二相机拍摄目标车身图片进行拼接时间；T1表示目标车尾图片拍摄时间；S表示指车侧相机到车尾相机的距离(单位:米)；V表示目标车身对应的车辆行驶速度(单位:km/h)。
本实施例中，通过第二条件的限定，能够提高目标车尾图片的选取的准确性。
本申请实施例提供一种车辆图片融合方法，下面结合一个详细的实施例，如图3所示，描述车辆图片融合的具体步骤：其中，第一相机为车头相机，第二相机为车侧相机，第三相机为车尾相机。
步骤301、车头相机拍摄不同车辆的车头图片，并通过车头车牌识别技术检测并识别出车牌号，并通过网络协议传给主控单元；
步骤302、车侧相机拍摄不同车辆的车身图片，通过车辆侧面整体扫描拼接技术检测并识别出车速、车型、轴型、轴数、车侧拼接全景图信息，并通过网络协议传给主控单元；
步骤303、主控单元对多张车头图片进行逻辑过滤，删掉不符合逻辑的车头照片；
步骤304、主控单元根据车身融合车头的融合条件从车头相机上传的多张车头图片融合目标车身对应的车头图片；其中，车身融合车头的融合条件包括以下至少一项:
车头相机识别到目标车头的时间小于车侧相机识别到车轮检测时间；
车头相机识别到目标车头的时间与车侧相机识别到车轮检测时间的差值要大于车头相机识别到其他车头的时间与车侧相机识别到车轮检测时间的差值；
目标车身对应的车轮检测时间与目标车头视频流识别结束时间的差值大于车侧相机拼接点至车头识别区域的距离与目标车身对应的车辆行驶速度的比值。其中，具体公式：
T2-T1>S/V
其中，T1表示目标车头视频流识别结束时间；T2表示目标车身对应的车轮检测时间；S表示车侧相机拼接点至车头识别区域的距离(单位:米)；V表示目标车身对应的车辆行驶速度(单位:km/h)。
目标车头视频流识别结束时间大于目标车身图片对应的车辆的上一辆的车辆的车轮检测时间。其中，具体公式：
T1>T0
其中，T0表示目标车身图片对应的车辆的上一辆的车辆的车轮检测时间；T1表示目标车头视频流识别结束时间。
步骤305、车尾相机拍摄拍摄不同车辆的车尾图片，通过车尾车牌识别技术检测并识别出车牌号、车尾全景图信息，并通过网络协议传给主控单元；车头相机，车侧相机和车尾相机使用同一NTP服务器作为NTP时间源来做时间同步，每5分钟同步一次时间，防止3个相机的时间出现不同步的情况。
步骤306、主控单元对多张车尾图片进行逻辑过滤，删掉不符合逻辑的车尾照片；
步骤307、主控单元根据车身融合车尾的融合条件从车尾相机上传的多张车尾图片融合目标车身对应的车尾图片；其中，车身融合车尾的融合条件包括以下至少一项：
车尾相机识别到的目标车尾图片的车牌信息与车侧相机别到的目标车身图片对应的目标车头图片的车牌信息保持一致；
车尾相机拍摄的目标车尾的图片的目标车尾图片的拍摄时间大于第二相机拍摄到的车身图片进行拼接的时间；
目标车尾图片中车轮的检测时间与车侧相机拍摄目标车身图片进行拼接时间差值大于车侧相机拼接点至车头识别区域的距离与目标车身对应的车辆行驶速度的比值。其中，具体公式：
T1-T0>S/V
其中，T0表示车侧相机拍摄目标车身图片进行拼接时间；T1表示目标车尾图片的拍摄时间；S表示指车侧相机到车尾相机的距离(单位:米)；V表示目标车身对应的车辆行驶速度(单位:km/h)。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的车辆图片融合方法的车辆图片融合装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个车辆图片融合装置实施例中的具体限定可以参见上文中对于车辆图片融合方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种车辆图片融合装置，包括：图片获取模块410和融合420模块，其中：
图片获取模块，用于获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；
融合模块，用于根据各图片的拍摄时间，对目标车身图片和多张车头图片进行融合，以获得第一融合结果，第一融合结果用于表示目标车身图片对应的目标车头图片，目标车头图片为多张车头图片的一个；
图片获取模块还用于获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，第一相机、第二相机和第三相机沿车辆的行进方向依次设置；
融合模块还用于根据各图片的拍摄时间，对第一融合结果和多张车尾图片进行融合，以获得第二融合结果，第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，目标车尾图片为多张车尾图片的一个。
在一个实施例中，上述车辆图片融合装置还包括：筛选模块。筛选模块用于从多张车头图片中选取满足第一条件的车头图片作为目标车头图片，第一条件与各图片的拍摄时间相关。
在一个实施例中，上述车辆图片融合装置还包括：预设条件模块。预设条件模块用于目标车头图片的拍摄时间小于目标车身图片的拍摄时间；目标车头图片的拍摄时间与目标车身图片的拍摄时间的第一差值，大于任一个其它车头图片的拍摄时间与目标车身图片的拍摄时间的第二差值，其它车头图片为多张车头图片除所述目标车头图片以外的图片；目标车身图片的拍摄时间与目标车头图片的拍摄时间的第三差值大于第一预设比值，第一预设比值为第一相机距离与目标车身图片对应的车辆行驶速度的比值，第一相机距离为第一相机与第二相机之间的场景实际距离；目标车头图片的拍摄时间大于目标车身图片的前一个车身图片拍摄时间。
在一个实施例中，筛选模块还用于对多张车头照片进行逻辑过滤，筛选出逻辑错误的车头图片；从多张车头图片中剔除所述逻辑错误的车头图片。
在一个实施例中，筛选模块还用于从多张车尾图片中选取满足第二条件的车尾图片作为所述目标车尾图片，第二条件与各图片的拍摄时间相关。
在一个实施例中，预设条件模块用于目标车尾图片的车牌信息与目标车身图片对应的目标车头图片的车牌信息一致；目标车尾图片的拍摄时间大于目标车身图片的拼接时间；目标车尾图片的拍摄时间与目标车身图片的拼接时间的第四差值大于第二预设比值，第二预设比值为第二相机距离与目标车身图片对应的车辆行驶速度的比值，第二相机距离为第二相机与第三相机之间的场景实际距离。
上述车辆图片融合装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆图片融合方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆图片融合方法，其特征在于，所述方法包括：
获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；
根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片，所述目标车头图片为多张车头图片的一个；
获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，所述第一相机、所述第二相机和所述第三相机沿车辆的行进方向依次设置；
根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，所述目标车尾图片为多张车尾图片的一个。
2.根据权利要求1所述的方法，其特征在于，所述根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，包括：
从所述多张车头图片中选取满足第一条件的车头图片作为所述目标车头图片，所述第一条件与各图片的拍摄时间相关。
3.根据权利要求2所述的方法，其特征在于，所述第一条件，包括以下的至少一项：
所述目标车头图片的拍摄时间小于所述目标车身图片的拍摄时间；
所述目标车头图片的拍摄时间与所述目标车身图片的拍摄时间的第一差值，大于任一个其它车头图片的拍摄时间与所述目标车身图片的拍摄时间的第二差值，其它车头图片为多张车头图片除所述目标车头图片以外的图片；
所述目标车身图片的拍摄时间与目标车头图片的拍摄时间的第三差值大于第一预设比值，所述第一预设比值为第一相机距离与目标车身图片对应的车辆行驶速度的比值，所述第一相机距离为第一相机与第二相机之间的场景实际距离；
所述目标车头图片的拍摄时间大于所述目标车身图片的前一个车身图片拍摄时间。
4.根据权利要求2所述的方法，其特征在于，在从所述多张车头图片中选取满足第一条件的车头图片作为所述目标车头图片之前，包括：
对所述多张车头照片进行逻辑过滤，筛选出逻辑错误的车头图片；
从所述多张车头图片中剔除所述逻辑错误的车头图片。
5.根据权利要求1所述的方法，其特征在于，所述根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，包括：
从所述多张车尾图片中选取满足第二条件的车尾图片作为所述目标车尾图片，所述第二条件与各图片的拍摄时间相关。
6.根据权利要求5所述的方法，其特征在于，所述第二条件，包括以下的至少一项：
所述目标车尾图片的车牌信息与所述目标车身图片对应的目标车头图片的车牌信息一致；
所述目标车尾图片的拍摄时间大于所述目标车身图片的拼接时间；
所述目标车尾图片的拍摄时间与所述目标车身图片的拼接时间的第四差值大于第二预设比值，所述第二预设比值为第二相机距离与目标车身图片对应的车辆行驶速度的比值，所述第二相机距离为第二相机与第三相机之间的场景实际距离。
7.一种车辆检测装置，其特征在于，所述装置包括：
图片获取模块，用于获取第一相机对不同车辆的车头拍摄得到的多张车头图片和第二相机对目标车辆的车身拍摄得到的目标车身图片；
融合模块，用于根据各图片的拍摄时间，对所述目标车身图片和所述多张车头图片进行融合，以获得第一融合结果，所述第一融合结果用于表示目标车身图片对应的目标车头图片，所述目标车头图片为多张车头图片的一个；
所述图片获取模块还用于获取第三相机对不同车辆的车尾拍摄得到的多张车尾图片，所述第一相机、所述第二相机和所述第三相机沿车辆的行进方向依次设置；
所述融合模块还用于根据各图片的拍摄时间，对所述第一融合结果和多张车尾图片进行融合，以获得第二融合结果，所述第二融合结果用于表示目标车身图片对应的目标车头图片和目标车尾图片，所述目标车尾图片为多张车尾图片的一个。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210438627.XA CN114897685A (zh) | 2022-04-25 | 2022-04-25 | 车辆图片融合方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210438627.XA CN114897685A (zh) | 2022-04-25 | 2022-04-25 | 车辆图片融合方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114897685A true CN114897685A (zh) | 2022-08-12 |
Family
ID=82718284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210438627.XA Pending CN114897685A (zh) | 2022-04-25 | 2022-04-25 | 车辆图片融合方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114897685A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145555A (zh) * | 2019-12-09 | 2020-05-12 | 浙江大华技术股份有限公司 | 一种检测车辆违章的方法和装置 |
| CN111192462A (zh) * | 2020-02-19 | 2020-05-22 | 辽宁艾特斯智能交通技术有限公司 | 一种超限信息采集方法、装置、***及超限检测设备 |
| CN111260932A (zh) * | 2020-01-19 | 2020-06-09 | 上海眼控科技股份有限公司 | 车辆违法行为的确定方法、装置、计算机设备和存储介质 |
| CN112419740A (zh) * | 2019-08-23 | 2021-02-26 | 杭州海康威视***技术有限公司 | 车辆状态识别方法及装置 |
| US20220019812A1 (en) * | 2020-07-16 | 2022-01-20 | Vision Grid | Distance measuring method and device using image tracking for autonomous driving |
| WO2022027873A1 (zh) * | 2020-08-05 | 2022-02-10 | 智慧互通科技有限公司 | 基于多模态信息融合的车辆再识别方法及装置 |
-
2022
- 2022-04-25 CN CN202210438627.XA patent/CN114897685A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112419740A (zh) * | 2019-08-23 | 2021-02-26 | 杭州海康威视***技术有限公司 | 车辆状态识别方法及装置 |
| CN111145555A (zh) * | 2019-12-09 | 2020-05-12 | 浙江大华技术股份有限公司 | 一种检测车辆违章的方法和装置 |
| CN111260932A (zh) * | 2020-01-19 | 2020-06-09 | 上海眼控科技股份有限公司 | 车辆违法行为的确定方法、装置、计算机设备和存储介质 |
| CN111192462A (zh) * | 2020-02-19 | 2020-05-22 | 辽宁艾特斯智能交通技术有限公司 | 一种超限信息采集方法、装置、***及超限检测设备 |
| US20220019812A1 (en) * | 2020-07-16 | 2022-01-20 | Vision Grid | Distance measuring method and device using image tracking for autonomous driving |
| WO2022027873A1 (zh) * | 2020-08-05 | 2022-02-10 | 智慧互通科技有限公司 | 基于多模态信息融合的车辆再识别方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 王盼盼;李玉惠;李福卫;: "基于特征融合和度量学习的车辆重识别", 电子科技, no. 09, 15 September 2018 (2018-09-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2019202398B2 (en) | Systems And Methods For Bulk Redaction Of Recorded Data | |
| JP6675770B2 (ja) | 地図更新方法および車載端末 | |
| JP6981305B2 (ja) | 情報処理装置、画像配信システム、情報処理方法、及びプログラム | |
| TWI425454B (zh) | 行車路徑重建方法、系統及電腦程式產品 | |
| JP6534103B2 (ja) | 記録装置および画像再生方法 | |
| US9854015B2 (en) | Incident data collection for public protection agencies | |
| WO2017206192A1 (zh) | 出租车乘客人数的监控方法及*** | |
| US10534985B2 (en) | Method for recognizing license plate in vehicle camera device and vehicle camera device | |
| CN105355052A (zh) | 一种车辆图像的合成方法和装置 | |
| CN108924461B (zh) | 视频图像处理方法及装置 | |
| CN111798667A (zh) | 非机动车的监控方法、监控服务器及监控***、存储介质 | |
| CN109800684B (zh) | 一种视频中对象的确定方法及装置 | |
| CN112182289B (zh) | 一种基于Flink框架的数据去重方法及装置 | |
| CN109558770B (zh) | 真值标注方法 | |
| CN114897685A (zh) | 车辆图片融合方法、装置、计算机设备和存储介质 | |
| JP7370446B2 (ja) | 車載映像記録装置及びその制御方法 | |
| JP7254000B2 (ja) | 画像配信装置及び方法並びに画像配信システム | |
| CN106454210B (zh) | 一种行车记录图像处理方法及*** | |
| CN113299058B (zh) | 交通事故责任的认定方法、装置、介质以及电子设备 | |
| JP2022044775A (ja) | 生成装置、学習装置、方法、およびプログラム | |
| CN113392718A (zh) | 一种基于区块链的共享汽车行程管理***及方法 | |
| CN116152691A (zh) | 图像检测方法、装置、设备和存储介质 | |
| JP2021114644A (ja) | 画像管理装置、画像管理方法、および画像管理プログラム | |
| KR20210033193A (ko) | 자동차 번호판의 은닉 처리를 수행하는 영상 재구성 장치 및 방법 | |
| CN114550464B (zh) | 车辆信息确定方法、装置、计算机设备和存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220826 Address after: Room 1903, 19th floor, building 2, courtyard 1, Wangzhuang Road, Haidian District, Beijing 100089 Applicant after: BEIJING SIGNALWAY TECHNOLOGIES Co.,Ltd. Address before: 518051 room 603, block a, Skyworth building, No. 008, Gaoxin South 1st Road, Yuehai street, Nanshan District, Shenzhen, Guangdong Province Applicant before: SHENZHEN SIGNALTONE INTELLIGENT TECHNOLOGY CO.,LTD. |