基于图像分析的车辆遮阳板检测方法及装置制造方法
【专利摘要】本发明公开了一种基于图像分析的车辆遮阳板检测方法，属于智能交通中的图像分析领域。该检测方法利用分类器检测车辆遮阳板，主要分为训练阶段和检测阶段，训练阶段中，采用AdaBoost算法对Haar-Like特征训练许多弱分类器，并按照加权投票的方式，将弱分类器构造一个强分类器，再将通过训练得到的若干强分类器级联成一个级联式的多层遮阳板分类器；在检测阶段中，首先对车窗进行精确定位，然后通过遮阳板分类器进行遮阳板检测，最后通过检测目标的长宽比率筛选出最终结果。本发明还提供了一种基于图像分析的车辆遮阳板检测的装置，此装置对于光线不均匀或反光的情况具有一定的鲁棒性，可广泛用于公安预警系统中。
【专利说明】基于图像分析的车辆遮阳板检测方法及装置
【技术领域】
[0001]本发明涉及图像分析【技术领域】，尤其涉及智能交通中的图像分析技术，具体涉及车辆遮阳板的检测技术。
【背景技术】
[0002]遮阳板就是在汽车前风挡、后风挡那块，为了避免阳光刺眼设计的，能来回搬动，从而调整太阳光对眼睛的照射度，避免了交通事故的发生。遮阳板也使得太阳光很难直射入车内，有较好的降温作用，同时还可以保护仪表盘、真皮座等。
[0003]当前一些不法分子利用遮阳板能够遮掩其面容特征的特点，从而逃避了法律的制裁。为了提前对此种情形进行预警，及时地反馈车辆的可以性，有效地为公安提供参考信息，有必要及时地对涉疑车辆的行为进行跟踪和分析。
[0004]在参考文献专利201210089548 “一种基于图像分析的车辆遮阳板检测方法及装置”中，提出一种车辆遮阳板检测的方法，具体包括:采用线段检测，对车窗区域进行定位；利用不同的尺寸窗口在车窗区域进行滑动，并利用遮阳板颜色的均衡性，提取候选的遮阳板区域；对候选的遮阳板区域进行遮阳板的定位。但这种方法在光线不均匀或者反光比较严重的时候效果不佳，容易造成错误检测。
【发明内容】
[0005]针对目前遮阳板检测的方法在光线不均匀或者反光比较严重的时候效果不佳的问题，本发明的目的在于提供一种基于图像分析的车辆遮阳板检测方案，通过该方案有效的解决现有技术所存在的问题。
[0006]为了达到上述目的，本发明采用如下的技术方案:
[0007]基于图像分析的车辆遮阳板检测方法，所述检测方法包括如下步骤:
[0008](I)针对遮阳板通过训练得到一个完整的遮阳板分类器；
[0009](2)针对获得的图像精确定位车窗位置；
[0010](3)设置最大检测窗口和最小检测窗口，并按照一定比例缩放检测窗口，利用步骤
(I)训练得到的遮阳板分类器在步骤(2)中得到的车窗位置的上半部分进行多尺度遮阳板检测；
[0011](4)根据长宽比率对步骤(3)得到的检测目标进行筛选，符合特征的矩形被认为是遮阳板。
[0012]在检测方法的优选实例中，所述步骤(I)中通过如下步骤进行完整的遮阳板分类器的训练:
[0013](11)采用摄像头采集遮阳板和非遮阳板图像样本，对遮阳板样本进行尺寸的归一化处理；
[0014](12)采用“积分图”的方法快速提取图像的Haar-Like特征；
[0015](13)利用adaboost算法训练出若干Harr-Like特征的弱分类器；[0016](14)通过加权投票的方式将弱分类器构造成强分类器；
[0017](15)把步骤(14)得到的强分类器级联起来，得到一个完整的遮阳板分类器。
[0018]进一步的，所述完整的遮阳板分类器为一个级联式的多层分类器，每一层为一个由AdaBoost算法训练得到的强分类器。
[0019]进一步的，所述步骤(3)检测时图像检测窗口只有通过所有层才能被判断为是遮阳板，若在其中任一层被判断为非遮阳板即被抛弃。
[0020]基于上述检测方法，本发明还提供一种基于图像分析的车辆遮阳板检测装置，所述检测装置包括:
[0021]图像输入模块，所述图像输入模块用于输入待检测图像；
[0022]车窗定位模块，所述车窗定位模块用于定位图像输入模块输入的待检测图像中的车窗位置；
[0023]检测窗口设置模块，所述检测窗口设置模块用于对待检测图像上定位的车窗位置设置最大检测窗口和最小检测窗口；
[0024]遮阳板检测模块，所述遮阳板检测模块利用提前训练得到的完整遮阳板分类器在待检测图像上定位的车窗位置的上半部分进行多尺度遮阳板检测；
[0025]筛选模块，所述筛选模块用于根据长宽比率对遮阳板检测模块检测得到的检测目标进行筛选，剩下符合特征的矩形被认为是遮阳板；
[0026]输出模块，所述输出模块用于将筛选模块筛选得到的遮阳板图像输出。
[0027]通过本发明提供的方案对于光线不均匀或反光的情况具有一定的鲁棒性，能够在光线不均匀或者反光比较严重的情况下，精确的检测出车辆遮阳板，检测精度非常的高。
[0028]再者，本发明提供的检测方案实施时性能稳定可靠、检测效率也非常的高，可广泛用于公安预警系统中。
【专利附图】
【附图说明】
[0029]以下结合附图和【具体实施方式】来进一步说明本发明。
[0030]图1为基于图像分析的车辆遮阳板检测方法的流程图；
[0031]图2为基于图像分析的车辆遮阳板检测装置的示意图；
[0032]图3为级联式多层分类器结构示意图。
【具体实施方式】
[0033]为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
[0034]参见图1，其所示为基于图像分析的车辆遮阳板检测方法的流程图。其所示检测方法分为两个阶段:训练阶段和检测阶段。训练阶段采用Adaboost算法，通过训练得到一个完整的遮阳板分类器，而检测阶段主要是使用上述遮阳板分类器检测输入图像中车辆遮阳板是否展开。
[0035]训练阶段的具体方法包括以下步骤:
[0036]步骤一，采用摄像头采集遮阳板和非遮阳板图像样本。具体可采用手工标定方法，从包含遮阳板的图像中切割出遮阳板图像，并对其进行尺寸的归一化处理，非遮阳板图像通过随机选择不包含遮阳板的图像获得。遮阳板图像和非遮阳板图像分别作为正例样本和反例样本用于训练分类器。
[0037]步骤二，在得到遮阳板的正、反例样本后，通过计算样本的积分图，提取样本图像的 Haar-Like 特征。
[0038]步骤三,采用AdaBoost算法对提取出来的Haar-Like特征进行训练,得到若干的弱分类器。
[0039]步骤四，将步骤三中训练得到的一系列的弱分类器，通过投票加权的方式得到多个强分类器。强分类器相较于弱分类器来说较为复杂，是由若干弱分类器组成的。
[0040]步骤五，最后将训练得到的多个强分类器级联在一起，构成一个级联式多层分类器，作为最终完整的遮阳板分类器。
[0041]参见图3，其所示为级联式多层分类器的结构示意图。在图3中，T表示检测窗口被分类器判断为遮阳板，F表示检测窗口被分类器判断为非遮阳板，η是级联式分类器中分类器的个数。整个级联是由若干层组成的，每一层是一个由AdaBoost算法训练得到的强分类器。对每一层设置阈值，通过调整阈值大小获得不同的误检率。越靠后的层，组成强分类器的弱分类器数目越多，分类器越复杂，分类性能也越强。检测时图像检测窗口只有通过所有层才能被判断为是遮阳板，若在其中任一层被判断为非遮阳板即被抛弃。
[0042]在训练阶段完成以后，进入检测阶段，具体步骤如下(承接训练阶段):
[0043]步骤六，首先在待检测图像中精确定位车窗的位置。这是由于遮阳板的通常位于车窗位置的上方，为了减少误检，并且降低计算量，因此后续遮阳板检测只对车窗的上半部分进行。车窗区域的精确定位可以使用现有技术，包括基于遗传算法的方法和基于色差均值的快速车窗定位算法，当然也可以先进行车型识别，根据不同车型车窗位置的先验知识，对车窗位置进行约束，但不限于所列举的方法。
[0044]步骤七，对待检测图像上定位的车窗位置设置最大检测窗口和最小检测窗口，根据用户设置的最大和最小检测窗口，并按照一定比例缩放检测窗口，利用训练阶段中得到的完整的遮阳板分类器(即级联式多层分类器)在待检测图像上定位的车窗位置的上半部分进行多尺度的遮阳板检测，得到相应的检测目标；具体检测时图像检测窗口只有通过所有层才能被判断为是遮阳板，若在其中任一层被判断为非遮阳板即被抛弃。
[0045]步骤八，根据矩形的长宽比率对步骤七检测得到的检测目标进行筛选，若有剩余的目标则判断此待检测图像中的车辆遮阳板为展开的，反之则判断遮阳板为收起的。
[0046]参见图2，其所示为基于上述检测方法形成的车辆遮阳板检测装置的示意图。该装置通过上述方法，能够实现自动检测车辆的遮阳板是否展开的功能，可广泛用于公安预警系统中。
[0047]由图可知，该车辆遮阳板检测的装置包括图像输入模块(01)、车窗定位模块
(02)、检测窗口设置模块(03)、遮阳板检测模块(04)、筛选模块(05)以及输出模块(06)。
[0048]其中，图像输入模块(01)用于从相关的检测视频中获取并输入相应待检测图像，并将该待检测图像输入至车窗定位模块(02)。
[0049]车窗定位模块(02)用于对输入的待检测图像中车窗位置进行精确定位。
[0050]检测窗口设置模块(03)用于使用户能够针对定位的车窗位置设置最大检测窗口和最小检测窗口。[0051]遮阳板检测模块(04)根据检测窗口设置模块(03)设置的最大检测窗口和最小检测窗口，利用提前训练得到的完整遮阳板分类器在车窗位置的上半部分进行多尺度遮阳板检测，并形成相应的检测目标。
[0052]筛选模块(05)根据长宽比率对检测目标进行筛选，剩下符合特征的矩形图像被认为是遮阳板图像；
[0053]输出模块(06)用于将筛选模块(05)筛选得到的遮阳板的图像输出。
[0054]对于遮阳板检测模块(04)中使用的完整遮阳板分类器是通过上述方法中训练阶段，采用AdaBoost算法训练所得到的一个级联式多层分类器。其结构参见图3，具体如上所述，此处不加以赘述。
[0055]再者，输出模块(06 )输出的内容可以包含，被判断为包含遮阳板的图像或该图像的链接、采集该图像的时间、采集该图像的摄像头的编号、位置等信息，当然并不限于上述信息。
[0056]以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
【权利要求】
1.基于图像分析的车辆遮阳板检测方法，其特征在于，所述检测方法包括如下步骤: (1)针对遮阳板通过训练得到一个完整的遮阳板分类器； (2)针对获得的图像精确定位车窗位置； (3)设置最大检测窗口和最小检测窗口，并按照一定比例缩放检测窗口，利用步骤(I)训练得到的遮阳板分类器在步骤(2)中得到的车窗位置的上半部分进行多尺度遮阳板检测； (4)根据长宽比率对步骤(3)得到的检测目标进行筛选，符合特征的矩形被认为是遮阳板。
2.根据权利要求1所述的基于图像分析的车辆遮阳板检测方法，其特征在于，所述步骤(I)中通过如下步骤进行完整的遮阳板分类器的训练: (11)采用摄像头采集遮阳板和非遮阳板图像样本，对遮阳板样本进行尺寸的归一化处理； (12)采用“积分图”的方法快速提取图像的Haar-Like特征； (13)利用adaboost算法训练出若干Harr-Like特征的弱分类器； (14)通过加权投票的方式将弱分类器构造成强分类器； (15)把步骤(14)得到的强分类器级联起来，得到一个完整的遮阳板分类器。
3.根据权利要求1或2所述的基于图像分析的车辆遮阳板检测方法，其特征在于，所述完整的遮阳板分类器为一个级联式的多层分类器，每一层为一个由AdaBoost算法训练得到的强分类器。
4.根据权利要求1所述的基于图像分析的车辆遮阳板检测方法，其特征在于，所述步骤(3)检测时图像检测窗口只有通过所有层才能被判断为是遮阳板，若在其中任一层被判断为非遮阳板即被抛弃。
5.基于图像分析的车辆遮阳板检测装置，其特征在于，所述检测装置包括: 图像输入模块，所述图像输入模块用于输入待检测图像； 车窗定位模块，所述车窗定位模块用于定位图像输入模块输入的待检测图像中的车窗位置； 检测窗口设置模块，所述检测窗口设置模块用于对待检测图像上定位的车窗位置设置最大检测窗口和最小检测窗口； 遮阳板检测模块，所述遮阳板检测模块利用提前训练得到的完整遮阳板分类器在待检测图像上定位的车窗位置的上半部分进行多尺度遮阳板检测； 筛选模块，所述筛选模块用于根据长宽比率对遮阳板检测模块检测得到的检测目标进行筛选，剩下符合特征的矩形被认为是遮阳板； 输出模块，所述输出模块用于将筛选模块筛选得到的遮阳板图像输出。
【文档编号】G06K9/62GK103559501SQ201310512222
【公开日】2014年2月5日 申请日期:2013年10月25日 优先权日:2013年10月25日
【发明者】胡传平, 梅林 , 陈健, 齐力, 刘云淮, 王文斐, 蔡烜, 谭懿先, 徐磊, 徐小明, 杨慧, 唐世杰, 孙明霞, 王春, 郑旭平, 高鑫 申请人:公安部第三研究所