一种基于hough直线检测和投影的车窗检测方法
【技术领域】
[0001]本发明涉及车辆识别领域，特别是涉及一种基于hough直线检测和投影的车窗检测方法。
【背景技术】
[0002]近几十年来，智能交通系统已经取得了飞速发展。车窗区域识别是智能交通系统中一个比较新的研究方向，车窗检测是卡口车辆识别系统中的一个重要功能。当检测到车窗区域以后，就能在其基础上进行年检标志、副驾驶位人员、车前摆件等一系列车辆指纹的检测，为车辆识别系统提供依据，在很大程度上改善车辆识别的准确率，因此，对车窗检测是车辆识别系统中的关键技术。
[0003]目前的车窗检测算法主要有两个研究方向:基于梯度的车窗检测方法和基于颜色差异的车窗检测方法。这两种方法存在以下弊端:当采用基于梯度的车窗检测方法时，如果车窗边界不够明显，其边框的梯度也很不明显;而当基于颜色差异的车窗检测方法，如果车窗区域颜色与车身差异不够大，车窗检测也不会很精确。
【发明内容】
[0004]本发明的目的在于克服现有技术的不足，提供一种基于hough直线检测和投影的车窗检测方法，基于车牌位置的检测，在车牌位置的基础上定位出大致的车窗区域;在这个粗定位的区域里，利用hough直线检测和水平梯度等技术，找到最合适的上下边界位置;再通过hough直线检测找到合适的车窗左右边界，从而检测出准确的车窗区域。
[0005]本发明的目的是通过以下技术方案来实现的:一种基于hough直线检测和投影的车窗检测方法，所述方法包括车窗区域粗定位步骤S1、车窗上下边界定位步骤S2和车窗左右边界定位步骤S3。
[0006]S1，车窗区域粗定位步骤:根据车牌位置初步定位出车窗区域，得到粗定位的车窗区域图像。
[0007]S2，车窗上下边界定位步骤，确定车窗的上下边界，包括以下多个子步骤。
[0008]S201，对步骤S1中的车窗区域图像进行均值二值化处理，计算其灰度图像的灰度均值，并根据均值进行二值化，得到二值化图像。
[0009]S202，对二值化图像进行hough直线检测处理，检测出符合要求的直线，并在二值化图像上只保留被检测出的直线所在的前景点，得到前景点二值化图像。
[0010]S203，对步骤S1中的车窗区域图像进行水平梯度处理，计算其水平梯度，得到水平梯度图像。
[0011]S204，对水平梯度图像进行均值二值化处理，输出水平梯度二值化图像。
[0012]S205，对前景点二值化图像和水平梯度二值化图像进行加权处理，对每个像素点进行或操作，输出加权二值化图像。
[0013]S206，对加权二值化图像进行水平投影，得到一条长度为图像高度的水平投影序列。
[0014]S207，找出水平投影序列的前半部分中的最大水平投影值，并将其所对应的高度位置设为车窗区域的上边界位置，找出水平投影序列的后半部分最大水平投影值，并将其所对应的高度位置设为车窗区域的下边界位置，得到确定了车窗上下边界的车窗区域图像。
[0015]S3，车窗左右边界定位步骤，确定车窗的左右边界，包括以下多个子步骤。
[0016]S301，对S207中得到的车窗区域图像进行边缘检测，得到边缘二值化图像。
[0017]S302，对边缘二值化图像进行hough直线检测处理，检测出符合要求的直线。
[0018]S303，将S302中检测出的直线分为左右两部分，找出左半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的左边界，找出右半部分中最长的一条直线，并将其所对应的宽度位置设为车窗区域的右边界，得到上下边界和左右边界均重新设定的车窗区域图像。
[0019]S304，完成车窗检测。
[0020]进一步的，所述步骤S1包括以下多个子步骤。
[0021]S101，在原始图像中定位出车牌位置，并计算车牌的高度值Η和宽度值L。
[0022]S102，将车牌位置上方Α倍高度值Η的位置设为车窗区域的下边界。
[0023]S103，将车牌位置上方Β倍高度值Η的位置设为车窗区域的上边界。
[0024]S104，将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界。
[0025]S105，将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界。
[0026]S106，得到粗定位的车窗区域图像。
[0027]其中，变量Α、变量Β和变量C的具体值根据实际应用来设定。
[0028]进一步的，步骤S106中所述粗定位的车窗区域图像，其车窗区域的高度位置为车牌位置上方19个高度值Η的位置到4.5个高度值Η之间的位置，该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
[0029]进一步的，步骤S202中所述要求为:长度不小于车窗区域图像宽度的1/5的直线，水平角度在-30°?30°之间的直线。
[0030]进一步的，步骤S302中所述要求为:长度大于边缘二值化图像高度1/2的直线，边缘二值化图像左半部分中角度在45°?95°之间的直线，边缘二值化图像右半部分中角度在85°?135°之间的直线。
[0031]进一步的，步骤S203中所述的水平梯度，其计算方式为:计算粗定位的车窗区域图像上每一个像素点P (X，y)的水平梯度V(X，y)，水平梯度V(x，y)为该像素点P(x，y)的上一行所对应像素点P(x，y-1)和该像素点P(x，y)的下一行所对应像素点P(x，y+1)的差的绝对值，其表达式为:
[0032]V(x,y)= P(x,y-1)-P(x,y+1) |。
[0033]进一步的，所述hough直线检测包括以下多个子步骤。
[0034]S401，针对二值化图像中的每一个像素点P(x，y)，计算该像素点对应步进为S的0°到180°的角度Θ的曲线系数p，计算公式为:p = x*cos0+y*sin0。
[0035]S402，根据曲线矩阵，以二值化图像中某一像素点为基准，按要求以半径为R搜索附近是否有曲线系数相似的像素点，如果有则认为属于同一条直线。
[0036]S403，重复步骤S402找出一系列直线，完成二值化图像的hough直线检测。
[0037]进一步的，步骤S206所述的水平投影，其具体方式包括:统计每一行的前景点数，作为该行的水平投影值，将各行的水平投影值累加，得到一条长度为图像高度的水平投影序列。
[0038]本发明的有益效果是:
[0039]1)本发明基于车牌位置的检测，在车牌位置的基础上初步定位出车窗区域，在这个粗定位的车窗区域里，通利用hough直线检测和水平梯度等技术，分别对粗定位的车窗区域信息进行处理，找到最合适的车窗上下边界位置，确定车窗上下边界;再通过边缘图像处理，利用hough直线检测技术，找到合适的车窗左右边界位置，确定车窗左右边界，从而检测出准确的车窗区域，完成车窗的精确识别检测。
[0040]2)本发明所提出的车窗检测方法，能对光照影响和图像模糊都有一定的抑制作用，并对车辆识别系统的其他子系统提供了有力的帮助。
【附图说明】
[0041]图1为本发明车窗识别系统的系统结构框图；
[0042]图2为本发明中hough直线检测实施例之一的原理示意图。
【具体实施方式】
[0043]下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
[0044]如图1所示，该实施例描述了一种基于hough直线检测和投影的车窗检测方法，包括车窗区域粗定位步骤S1、车窗上下边界定位步骤S2和车窗左右边界定位步骤S3。
[0045](1)车窗区域粗定位步骤
[0046]S1，根据车牌位置初步定位出车窗区域，得到粗定位的车窗区域图像，该步骤S1 —般包括以下多个子步骤。
[0047]S101，在原始图像中定位出车牌位置，并计算车牌的高度值Η和宽度值L。
[0048]S102，将车牌位置上方Α倍高度值Η的位置设为车窗区域的下边界。
[0049]S103，将车牌位置上方Β倍高度值Η的位置设为车窗区域的上边界。
[0050]S104，将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界。
[0051]S105，将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界。
[0052]S106，得到粗定位的车窗区域图像。
[0053]本发明中，该变量Α、变量Β和变量C可自定义设置，其具体值根据实际应用来设定，其参考因素主要有摄像头安装位置、摄像头拍摄角度等。如当摄像头安装位置较低时，车窗的下边界和上边界与车牌间的距离小，变量Α和变量Β的取值小；当像头安装位置较高时，车窗的下边界和上边界与车牌间的距离大，变量A和变量B的取值大；当摄像头拍摄角度与水平方向的夹角越大时，变量A的取值应相应增大。
[0054]—般的，变量A可设为4.5左右，变量B可设为19左右，变量C可设为1.6左右，是的步骤S106中所述粗定位的车窗区域图像，其车窗区域的高度位置为车牌位置上方19个高度值Η的位置到4.5个高度值Η之间的位置，该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
[0055](2)车窗上下边界定位步骤
[0056]S2，车窗上下边界定位步骤，确定车窗的上下边界，包括以下多个子步骤。
[0057]l)hough直线检测处理
[0058]S201，对步骤S1中的车窗区域图像进行均值二值化处理，计算其灰度图像的灰度均值，并根据均值进行二值化，得到二值化图像。
[0059]S202，对二值化图像进行hough直线检测处理，检测出符合要求的直线，并在二值化图像上只保留被检测出的直线所在的前景点，得到前景点二值化图像。
[0060]进一步的，如图2所示，所述hough直线检测包括以下多个子步骤。
[0061 ] S401，针对二值化图像中的每一个像素点P (X，y)，