CN115050082A - 一种基于红外激光灯的补光监测*** - Google Patents

一种基于红外激光灯的补光监测*** Download PDF

Info

Publication number
CN115050082A
CN115050082A CN202210966360.1A CN202210966360A CN115050082A CN 115050082 A CN115050082 A CN 115050082A CN 202210966360 A CN202210966360 A CN 202210966360A CN 115050082 A CN115050082 A CN 115050082A
Authority
CN
China
Prior art keywords
infrared light
lamp
unit
light supplement
module
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
Application number
CN202210966360.1A
Other languages
English (en)
Other versions
CN115050082B (zh
Inventor
章锐华
王养明
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.)
Shenzhen 3km Photoelectric Technology Co ltd
Original Assignee
Shenzhen 3km Photoelectric Technology 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 Shenzhen 3km Photoelectric Technology Co ltd filed Critical Shenzhen 3km Photoelectric Technology Co ltd
Priority to CN202210966360.1A priority Critical patent/CN115050082B/zh
Publication of CN115050082A publication Critical patent/CN115050082A/zh
Application granted granted Critical
Publication of CN115050082B publication Critical patent/CN115050082B/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
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明涉及补光灯技术领域，公开了一种基于红外激光灯的补光监测***，包括：采样模块，提取模块，识别模块，处理模块，红外补光灯，由采样模块获取监测视频流以及监测视频流中目标车辆的实时运动参数，能够供后续识别模块对目标车辆的当前前排人脸区域进行识别划分，由于目标车辆可能具有较高的运动速度而且识别模块对当前前排人脸区域进行识别划分也需要一定的时间，所以需由处理模块根据实时运动参数中的运动速度来预估红外补光灯组在进行照射时前排人脸区域的可能位置，也就是预估前排人脸区域，然后再由红外补光灯组调整降低针对预估前排人脸区域的照射功率，最大化减少对人眼的不利影响，做到人性化补光照射。

Description

一种基于红外激光灯的补光监测***
技术领域
本发明涉及补光技术领域，具体涉及一种基于红外激光灯的补光监测***。
背景技术
监控用补光灯也叫摄像补光灯，主要是在缺乏光线条件情况下，为拍摄提供辅助光线，以得到合理的画面，监控补光灯被广泛用于卡口电子警察抓拍***的夜间车牌补光照明，还可以用于停车场等抓拍或检测车牌的***。
现有的一些摄像补光灯包括红外激光补光灯，在夜间视频监控辅助照明，让视频监控设备在黑暗环境甚至在全黑无光的条件下也能获得清晰细腻的高品质夜视监控画面，主要应用于对车牌识别监控***的补光，在智能交通***、出入口管理***、公安图帧***、移动警务***等多种行业都已实现成功运用，实现了全天候24小时对车牌自动识别，图像稳定清晰。
而红外线虽然为非可见光波长，但是其对人体组织有明显的加热作用，所以不能对人眼进行直接照射，而且有些可见光补光灯在直接对车辆进行补光时会扰乱驾驶员的视线，容易产生危险，而且现有的补光监测***也不能够做到自动对车辆进行补光，自动程度较低。
发明内容
本发明的目的在于提供一种基于红外激光灯的补光监测***，解决以下技术问题：
如何提供一种能够自动对车辆进行补光且不伤人眼的补光监测***。
本发明的目的可以通过以下技术方案实现：
一种基于红外激光灯的补光监测***，包括：
采样模块，用于获取监测视频流和目标车辆的实时运动参数；
提取模块，用于根据所述监测视频流获取采样帧；
识别模块，用于根据所述采样帧获取所述目标车辆的当前前排人脸区域；
处理模块，用于根据所述实时运动参数和当前前排人脸区域获取预估前排人脸区域；
红外补光灯组，与所述处理模块连接，在预设时间内降低对所述预估前排人脸区域的照射功率；
其中，所述监测视频流中包括至少一个所述目标车辆。
通过上述技术方案，由采样模块获取监测视频流以及监测视频流中目标车辆的实时运动参数，能够供后续识别模块对目标车辆的当前前排人脸区域进行识别划分，由于目标车辆可能具有较高的运动速度而且识别模块对当前前排人脸区域进行识别划分也需要一定的时间，所以需由处理模块根据实时运动参数中的运动速度来预估红外补光灯组在进行照射时前排人脸区域的可能位置，也就是预估前排人脸区域，然后再由红外补光灯组调整降低针对预估前排人脸区域的照射功率，最大化减少对人眼的不利影响，做到人性化补光照射。
作为本发明进一步的方案：所述采样模块包括拍摄单元和速度检测单元；
所述拍摄单元用于获取所述监测视频流，所述速度检测单元用于获取所述实时运动参数；所述实时运动参数包括所述目标车辆的运动速度和运动加速度。
通过上述技术方案，当运动速度或者运动加速度低于预设值时，处理模块可停止对预估前排人脸区域的计算，节约计算资源。
作为本发明进一步的方案：所述识别模块包括识别单元和标记单元；
所述识别单元为经过训练的神经网络模型，用于判断所述采样帧中是否存在所述目标车辆的判断结果，若所述判断结果为不存在，暂停所述速度检测单元的工作，否则启动所述速度检测单元和所述标记单元；
所述标记单元用于在所述采样帧中添加标记轮廓线，所述标记轮廓线所围成的区域为所述当前前排人脸区域。
通过上述技术方案，本发明中所采用的神经网络模型可采用卷积神经网络（CNN），卷积神经网络是用于图像分类问题的最流行的神经网络模型，其训练样本与采样帧的获取方式应当是相同的，区别在于，训练样本相较于采样帧多出一个人工标注的步骤；不存在目标车辆时，暂停速度监测单元可以节约算力。
作为本发明进一步的方案：所述红外补光灯组的最大照射范围与所述拍摄单元的拍摄范围一致；
所述处理模块包括：
图片处理单元，用于对所述采样帧进行网格划分，并对每个网格分配唯一识别码；
重合判断单元，用于获取所述标记轮廓线所经过的所述网格的唯一识别码；
所述红外补光灯组包括标准红外补光灯和驱动单元，所述标准红外补光灯包括多个发光单元，每个所述发光单元设有与对应所述网格关联的驱动码；
所述驱动单元驱动所述驱动码对应的发光单元进行照射功率的降低。
通过上述技术方案，采样帧中的每个网格对应每个发光单元的照射区域，唯一识别码和驱动码的一一对应关系能方便驱动单元的驱动控制，不会出错，只要标记轮廓线经过的网格都需要进行照射功率的降低，如此可以保证不会对人眼产生不利影响。
作为本发明进一步的方案：所述红外补光灯组包括多个与所述驱动单元连接的备用红外补光灯，所述备用红外补光灯与所述标准红外补光灯的安装位置不同，所述备用红外补光灯与所述标准红外补光灯的最大照射范围相同。
通过上述技术方案，备用红外补光灯与标准红外补光灯的结构和驱动方式完全相同，只是安装位置与标准红外补光灯不同，但是两者所照射的地面区域是相同的，如此可以将备用红外补光灯中的发光单元以与标准红外补光灯同理的方式与驱动单元进行连接；通过驱动单元对备用红外补光灯和标准红外补光灯进行切换使用，一方面可以避免只使用一个标准红外补光灯噪造成的温度快速升高和寿命减少，第二方面，可将标准红外补光灯定义为正对目标车辆前挡风玻璃的指向，将备用红外补光灯安装在目标车辆行驶的侧面，因为标准红外补光灯和备用红外补光灯的位置固定，所以采样帧中的每个网格所对应的现实位置区域可以被预估，若想对当前前排人脸区域的位置从侧面进行进一步准确预估，需要知晓目标车辆的型号，因此能够得到目标车辆的车辆参数，进而能够得到当前前排人脸区域的具体现实位置；
即使当前前排人脸区域的具体现实位置计算不够准确，补光灯对目标车辆的驾驶员的影响也不够大，因为备用红外补光灯位于目标车辆侧面，对人眼影响较小，而且可以起到对人脸侧面进行补光的效果，增加驾驶舱内人脸除人眼以外特征的拍摄质量效果。
作为本发明进一步的方案：所述驱动单元对所述备用红外补光灯和所述标准红外补光灯进行随机切换驱动，保证所述备用红外补光灯和所述标准红外补光灯在预设时间段内的工作时间相同。
通过上述技术方案，如此，可以保证备用红外补光灯和标准红外补光灯的工作时长尽量相同，减少单个补光灯的工作压力和温度控制难度，从而提高红外补光灯组的整体寿命，降低使用成本。
作为本发明进一步的方案：所述驱动单元对所述备用红外补光灯和所述标准红外补光灯进行切换前发出切换预备信号；
所述识别模块还包括统计单元，当所述驱动单元发出切换预备信号时，所述统计单元驱动所述提取模块从所述监测视频流中获取奇数张所述采样帧，所述识别单元根据奇数张所述采样帧输出对应数量的判断结果；
所述统计单元统计概率占比最大的所述判断结果作为最终的判断结果。
通过上述技术方案，上述设计是因为神经网络模型虽然能够具备相当的精准度和识别准确度，但是其非常依赖训练过程，对训练样本的数量要求较高，训练样本的多样化也能够提升识别单元的抗干扰能力；不同角度照射的红外补光灯组能够带来不同的采样帧，所以在训练阶段，从不同角度进行补光的红外补光灯组能够提升训练样本的数量和多样性，以此为基础进行训练的识别单元具备更高的置信度；而且，通过统计单元所提取的奇数张采样帧所得到的的奇数个判断结果，能尽可能的进一步减少最终的判断结果出错的可能，综合的提升目标车辆判断的识别精准度。
作为本发明进一步的方案：所述红外补光灯组包括温控监测模块，所述温控监测模块用于监测所述标准红外补光灯和所述备用红外补光灯的温度信息，当所述温度信息大于预设阈值时，对应补光灯停止工作，由其他补光灯继续进行切换工作。
通过上述技术方案，若其中一补光灯出现温度过高的情况，驱动单元在后续的随机切换使用时就会将该补光灯排除在外，一次类推，直到没有补光灯可用为止，此时可以通过温控监测模块呼叫外部支援维护，进行降温，保障补光灯的持续可靠工作。
本发明的有益效果：
（1）由采样模块获取监测视频流以及监测视频流中目标车辆的实时运动参数，能够供后续识别模块对目标车辆的当前前排人脸区域进行识别划分，由于目标车辆可能具有较高的运动速度而且识别模块对当前前排人脸区域进行识别划分也需要一定的时间，所以需由处理模块根据实时运动参数中的运动速度来预估红外补光灯组在进行照射时前排人脸区域的可能位置，也就是预估前排人脸区域，然后再由红外补光灯组调整降低针对预估前排人脸区域的照射功率，最大化减少对人眼的不利影响，做到人性化补光照射；
（2）采样帧中的每个网格对应每个发光单元的照射区域，唯一识别码和驱动码的一一对应关系能方便驱动单元的驱动控制，不会出错，只要标记轮廓线经过的网格都需要进行照射功率的降低，如此可以保证不会对人眼产生不利影响；
（3）备用红外补光灯与标准红外补光灯的结构和驱动方式完全相同，只是安装位置与标准红外补光灯不同，但是两者所照射的地面区域是相同的，如此可以将备用红外补光灯中的发光单元以与标准红外补光灯同理的方式与驱动单元进行连接；通过驱动单元对备用红外补光灯和标准红外补光灯进行切换使用，一方面可以避免只使用一个标准红外补光灯噪造成的温度快速升高和寿命减少，第二方面，可将标准红外补光灯定义为正对目标车辆前挡风玻璃的指向，将备用红外补光灯安装在目标车辆行驶的侧面，因为标准红外补光灯和备用红外补光灯的位置固定，所以采样帧中的每个网格所对应的现实位置区域可以被预估，若想对当前前排人脸区域的位置从侧面进行进一步准确预估，需要知晓目标车辆的型号，因此能够得到目标车辆的车辆参数，进而能够得到当前前排人脸区域的具体现实位置；即使当前前排人脸区域的具体现实位置计算不够准确，补光灯对目标车辆的驾驶员的影响也不够大，因为备用红外补光灯位于目标车辆侧面，对人眼影响较小，而且可以起到对人脸侧面进行补光的效果，增加驾驶舱内人脸除人眼以外特征的拍摄质量效果；
（4）如此，可以保证备用红外补光灯和标准红外补光灯的工作时长尽量相同，减少单个补光灯的工作压力和温度控制难度，从而提高红外补光灯组的整体寿命，降低使用成本；
（5）上述设计是因为神经网络模型虽然能够具备相当的精准度和识别准确度，但是其非常依赖训练过程，对训练样本的数量要求较高，训练样本的多样化也能够提升识别单元的抗干扰能力；不同角度照射的红外补光灯组能够带来不同的采样帧，所以在训练阶段，从不同角度进行补光的红外补光灯组能够提升训练样本的数量和多样性，以此为基础进行训练的识别单元具备更高的置信度；而且，通过统计单元所提取的奇数张采样帧所得到的的奇数个判断结果，能尽可能的进一步减少最终的判断结果出错的可能，综合的提升目标车辆判断的识别精准度。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明中补光监测***的模块连接示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种基于红外激光灯的补光监测***，包括：
采样模块，用于获取监测视频流和目标车辆的实时运动参数；
提取模块，用于根据所述监测视频流获取采样帧；
识别模块，用于根据所述采样帧获取所述目标车辆的当前前排人脸区域；
处理模块，用于根据所述实时运动参数和当前前排人脸区域获取预估前排人脸区域；
红外补光灯组，与所述处理模块连接，在预设时间内降低对所述预估前排人脸区域的照射功率；
其中，所述监测视频流中包括至少一个所述目标车辆。
通过上述技术方案，由采样模块获取监测视频流以及监测视频流中目标车辆的实时运动参数，能够供后续识别模块对目标车辆的当前前排人脸区域进行识别划分，由于目标车辆可能具有较高的运动速度而且识别模块对当前前排人脸区域进行识别划分也需要一定的时间，所以需由处理模块根据实时运动参数中的运动速度来预估红外补光灯组在进行照射时前排人脸区域的可能位置，也就是预估前排人脸区域，然后再由红外补光灯组调整降低针对预估前排人脸区域的照射功率，最大化减少对人眼的不利影响，做到人性化补光照射。
作为本发明进一步的方案：所述采样模块包括拍摄单元和速度检测单元；
所述拍摄单元用于获取所述监测视频流，所述速度检测单元用于获取所述实时运动参数；所述实时运动参数包括所述目标车辆的运动速度和运动加速度。
通过上述技术方案，当运动速度或者运动加速度低于预设值时，处理模块可停止对预估前排人脸区域的计算，节约计算资源。
作为本发明进一步的方案：所述识别模块包括识别单元和标记单元；
所述识别单元为经过训练的神经网络模型，用于判断所述采样帧中是否存在所述目标车辆的判断结果，若所述判断结果为不存在，暂停所述速度检测单元的工作，否则启动所述速度检测单元和所述标记单元；
所述标记单元用于在所述采样帧中添加标记轮廓线，所述标记轮廓线所围成的区域为所述当前前排人脸区域。
通过上述技术方案，本发明中所采用的神经网络模型可采用卷积神经网络（CNN），卷积神经网络是用于图像分类问题的最流行的神经网络模型，其训练样本与采样帧的获取方式应当是相同的，区别在于，训练样本相较于采样帧多出一个人工标注的步骤；不存在目标车辆时，暂停速度监测单元可以节约算力。
作为本发明进一步的方案：所述红外补光灯组的最大照射范围与所述拍摄单元的拍摄范围一致；
所述处理模块包括：
图片处理单元，用于对所述采样帧进行网格划分，并对每个网格分配唯一识别码；
重合判断单元，用于获取所述标记轮廓线所经过的所述网格的唯一识别码；
所述红外补光灯组包括标准红外补光灯和驱动单元，所述标准红外补光灯包括多个发光单元，每个所述发光单元设有与对应所述网格关联的驱动码；
所述驱动单元驱动所述驱动码对应的发光单元进行照射功率的降低。
通过上述技术方案，采样帧中的每个网格对应每个发光单元的照射区域，唯一识别码和驱动码的一一对应关系能方便驱动单元的驱动控制，不会出错，只要标记轮廓线经过的网格都需要进行照射功率的降低，如此可以保证不会对人眼产生不利影响。
作为本发明进一步的方案：所述红外补光灯组包括多个与所述驱动单元连接的备用红外补光灯，所述备用红外补光灯与所述标准红外补光灯的安装位置不同，所述备用红外补光灯与所述标准红外补光灯的最大照射范围相同。
通过上述技术方案，备用红外补光灯与标准红外补光灯的结构和驱动方式完全相同，只是安装位置与标准红外补光灯不同，但是两者所照射的地面区域是相同的，如此可以将备用红外补光灯中的发光单元以与标准红外补光灯同理的方式与驱动单元进行连接；通过驱动单元对备用红外补光灯和标准红外补光灯进行切换使用，一方面可以避免只使用一个标准红外补光灯噪造成的温度快速升高和寿命减少，第二方面，可将标准红外补光灯定义为正对目标车辆前挡风玻璃的指向，将备用红外补光灯安装在目标车辆行驶的侧面，因为标准红外补光灯和备用红外补光灯的位置固定，所以采样帧中的每个网格所对应的现实位置区域可以被预估，若想对当前前排人脸区域的位置从侧面进行进一步准确预估，需要知晓目标车辆的型号，因此能够得到目标车辆的车辆参数，进而能够得到当前前排人脸区域的具体现实位置；
即使当前前排人脸区域的具体现实位置计算不够准确，补光灯对目标车辆的驾驶员的影响也不够大，因为备用红外补光灯位于目标车辆侧面，对人眼影响较小，而且可以起到对人脸侧面进行补光的效果，增加驾驶舱内人脸除人眼以外特征的拍摄质量效果。
作为本发明进一步的方案：所述驱动单元对所述备用红外补光灯和所述标准红外补光灯进行随机切换驱动，保证所述备用红外补光灯和所述标准红外补光灯在预设时间段内的工作时间相同。
通过上述技术方案，如此，可以保证备用红外补光灯和标准红外补光灯的工作时长尽量相同，减少单个补光灯的工作压力和温度控制难度，从而提高红外补光灯组的整体寿命，降低使用成本。
作为本发明进一步的方案：所述驱动单元对所述备用红外补光灯和所述标准红外补光灯进行切换前发出切换预备信号；
所述识别模块还包括统计单元，当所述驱动单元发出切换预备信号时，所述统计单元驱动所述提取模块从所述监测视频流中获取奇数张所述采样帧，所述识别单元根据奇数张所述采样帧输出对应数量的判断结果；
所述统计单元统计概率占比最大的所述判断结果作为最终的判断结果。
通过上述技术方案，上述设计是因为神经网络模型虽然能够具备相当的精准度和识别准确度，但是其非常依赖训练过程，对训练样本的数量要求较高，训练样本的多样化也能够提升识别单元的抗干扰能力；不同角度照射的红外补光灯组能够带来不同的采样帧，所以在训练阶段，从不同角度进行补光的红外补光灯组能够提升训练样本的数量和多样性，以此为基础进行训练的识别单元具备更高的置信度；而且，通过统计单元所提取的奇数张采样帧所得到的的奇数个判断结果，能尽可能的进一步减少最终的判断结果出错的可能，综合的提升目标车辆判断的识别精准度。
作为本发明进一步的方案：所述红外补光灯组包括温控监测模块，所述温控监测模块用于监测所述标准红外补光灯和所述备用红外补光灯的温度信息，当所述温度信息大于预设阈值时，对应补光灯停止工作，由其他补光灯继续进行切换工作。
通过上述技术方案，若其中一补光灯出现温度过高的情况，驱动单元在后续的随机切换使用时就会将该补光灯排除在外，一次类推，直到没有补光灯可用为止，此时可以通过温控监测模块呼叫外部支援维护，进行降温，保障补光灯的持续可靠工作
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (8)

1.一种基于红外激光灯的补光监测***，其特征在于，包括：
采样模块，用于获取监测视频流和目标车辆的实时运动参数；
提取模块，用于根据所述监测视频流获取采样帧；
识别模块，用于根据所述采样帧获取所述目标车辆的当前前排人脸区域；
处理模块，用于根据所述实时运动参数和当前前排人脸区域获取预估前排人脸区域；
红外补光灯组，与所述处理模块连接，在预设时间内降低对所述预估前排人脸区域的照射功率；
其中，所述监测视频流中包括至少一个所述目标车辆。
2.根据权利要求1所述的基于红外激光灯的补光监测***，其特征在于，所述采样模块包括拍摄单元和速度检测单元；
所述拍摄单元用于获取所述监测视频流，所述速度检测单元用于获取所述实时运动参数；所述实时运动参数包括所述目标车辆的运动速度和运动加速度。
3.根据权利要求2所述的基于红外激光灯的补光监测***，其特征在于，所述识别模块包括识别单元和标记单元；
所述识别单元为经过训练的神经网络模型，用于判断所述采样帧中是否存在所述目标车辆的判断结果，若所述判断结果为不存在，暂停所述速度检测单元的工作，否则启动所述速度检测单元和所述标记单元；
所述标记单元用于在所述采样帧中添加标记轮廓线，所述标记轮廓线所围成的区域为所述当前前排人脸区域。
4.根据权利要求3所述的基于红外激光灯的补光监测***，其特征在于，所述红外补光灯组的最大照射范围与所述拍摄单元的拍摄范围一致；
所述处理模块包括：
图片处理单元，用于对所述采样帧进行网格划分，并对每个网格分配唯一识别码；
重合判断单元，用于获取所述标记轮廓线所经过的所述网格的唯一识别码；
所述红外补光灯组包括标准红外补光灯和驱动单元，所述标准红外补光灯包括多个发光单元，每个所述发光单元设有与对应所述网格关联的驱动码；
所述驱动单元驱动所述驱动码对应的发光单元进行照射功率的降低。
5.根据权利要求4所述的基于红外激光灯的补光监测***，其特征在于，所述红外补光灯组包括多个与所述驱动单元连接的备用红外补光灯，所述备用红外补光灯与所述标准红外补光灯的安装位置不同，所述备用红外补光灯与所述标准红外补光灯的最大照射范围相同。
6.根据权利要求5所述的基于红外激光灯的补光监测***，其特征在于，所述驱动单元对所述备用红外补光灯和所述标准红外补光灯进行随机切换驱动，保证所述备用红外补光灯和所述标准红外补光灯在预设时间段内的工作时间相同。
7.根据权利要求6所述的基于红外激光灯的补光监测***，其特征在于，所述驱动单元对所述备用红外补光灯和所述标准红外补光灯进行切换前发出切换预备信号；
所述识别模块还包括统计单元，当所述驱动单元发出切换预备信号时，所述统计单元驱动所述提取模块从所述监测视频流中获取奇数张所述采样帧，所述识别单元根据奇数张所述采样帧输出对应数量的判断结果；
所述统计单元统计概率占比最大的所述判断结果作为最终的判断结果。
8.根据权利要求6所述的基于红外激光灯的补光监测***，其特征在于，所述红外补光灯组包括温控监测模块，所述温控监测模块用于监测所述标准红外补光灯和所述备用红外补光灯的温度信息，当所述温度信息大于预设阈值时，对应补光灯停止工作，由其他补光灯继续进行切换工作。
CN202210966360.1A 2022-08-12 2022-08-12 一种基于红外激光灯的补光监测*** Active CN115050082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210966360.1A CN115050082B (zh) 2022-08-12 2022-08-12 一种基于红外激光灯的补光监测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210966360.1A CN115050082B (zh) 2022-08-12 2022-08-12 一种基于红外激光灯的补光监测***

Publications (2)

Publication Number Publication Date
CN115050082A true CN115050082A (zh) 2022-09-13
CN115050082B CN115050082B (zh) 2022-12-09

Family

ID=83167453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210966360.1A Active CN115050082B (zh) 2022-08-12 2022-08-12 一种基于红外激光灯的补光监测***

Country Status (1)

Country Link
CN (1) CN115050082B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394359A (zh) * 2014-11-05 2015-03-04 浪潮(北京)电子信息产业有限公司 一种基于红外感知与人脸识别技术的安防监控方法和***
CN104751197A (zh) * 2015-04-22 2015-07-01 安徽金赛弗信息技术有限公司 基于视频分析的车辆行驶中驾驶员人脸识别装置及其识别方法
CN106503707A (zh) * 2016-10-21 2017-03-15 浙江宇视科技有限公司 一种红外补光条件下的车牌识别方法及装置
CN108090428A (zh) * 2017-12-08 2018-05-29 广西师范大学 一种人脸识别方法及其***
CN108764217A (zh) * 2018-07-16 2018-11-06 南安市明誓汽配贸易有限公司 一种基于人脸识别的便于调节的车辆访问装置
US20200124842A1 (en) * 2018-10-19 2020-04-23 Getac Technology Corporation License plate capturing device and method for removing target covering license plate capturing device
CN113490316A (zh) * 2021-06-30 2021-10-08 浙江大华技术股份有限公司 一种补光***及补光灯
CN114859629A (zh) * 2022-04-14 2022-08-05 浙江高信技术股份有限公司 一种补光灯、用于车辆抓拍的补光控制***及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394359A (zh) * 2014-11-05 2015-03-04 浪潮(北京)电子信息产业有限公司 一种基于红外感知与人脸识别技术的安防监控方法和***
CN104751197A (zh) * 2015-04-22 2015-07-01 安徽金赛弗信息技术有限公司 基于视频分析的车辆行驶中驾驶员人脸识别装置及其识别方法
CN106503707A (zh) * 2016-10-21 2017-03-15 浙江宇视科技有限公司 一种红外补光条件下的车牌识别方法及装置
CN108090428A (zh) * 2017-12-08 2018-05-29 广西师范大学 一种人脸识别方法及其***
CN108764217A (zh) * 2018-07-16 2018-11-06 南安市明誓汽配贸易有限公司 一种基于人脸识别的便于调节的车辆访问装置
US20200124842A1 (en) * 2018-10-19 2020-04-23 Getac Technology Corporation License plate capturing device and method for removing target covering license plate capturing device
CN113490316A (zh) * 2021-06-30 2021-10-08 浙江大华技术股份有限公司 一种补光***及补光灯
CN114859629A (zh) * 2022-04-14 2022-08-05 浙江高信技术股份有限公司 一种补光灯、用于车辆抓拍的补光控制***及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马文龙: "关于动车组受电弓视频监控***补光灯自动关闭问题的研究以及对策", 《科技创新导报》 *

Also Published As

Publication number Publication date
CN115050082B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN102638013B (zh) 基于视觉注意机制的标靶图像识别输电线路状态监测***
US7016518B2 (en) Vehicle license plate imaging and reading system for day and night
CN110730552B (zh) 一种智能化城市电力照明监控***及其控制方法
US20130229518A1 (en) Systems and methods that employ object recognition
KR101052803B1 (ko) 카메라를 이용한 지능형 조명제어 및 사건/사고 관리시스템
CN110730531A (zh) 一种led路灯远程变光控制***
CN102424016A (zh) 一种基于机器视觉的汽车前照灯自动控制***
CN109448437A (zh) 面向驾驶人的行人安全过街提示***及方法
CN112533336A (zh) 一种基于物联网的路灯照明智能调节***
CN103832357B (zh) 一种基于机器视觉的车道偏离警告***及方法
KR102362304B1 (ko) 사고 감지 및 2차 사고 방지를 위한 교통사고 알림 시스템
CN110944429B (zh) 车内灯光控制方法、装置和车辆
CN110956813B (zh) 一种基于多目标跟踪雷达的智能补光车辆抓拍方法
CN105931469A (zh) 一种用于车牌识别***的外置补光灯结构
CN113490312A (zh) 高速公路隧道智慧照明调光方法及***
CN115050082B (zh) 一种基于红外激光灯的补光监测***
CN108569196A (zh) 一种基于sfv和dlp的汽车智能前照灯照明装置
CN114760740A (zh) 一种基于单片机的车辆大灯自动调节***
KR102180916B1 (ko) 인공지능 영상 분석 시스템 및 방법
CN113112866A (zh) 一种智能交通预警方法及智能交通预警***
CN111489558B (zh) 车牌识别方法及***
CN209625456U (zh) 隧道弯道安全提示装置
CN114867168A (zh) 基于光感的灯光自动调节方法
CN106183964A (zh) 一种新型汽车远近光灯智能切换***
CN113126653B (zh) 一种基于无人机的隧道照明方法及***

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