一种黄标车检测方法和装置的制造方法
【技术领域】
[0001]本发明涉及智能交通领域，特别涉及一种黄标车检测方法和装置。
【背景技术】
[0002]黄标车是高污染排放车辆的别称，是指未达到国I排放标准的汽油车，或未达到国III排放标准的柴油车，因其所贴的是黄色环保标志，故称为黄标车。
[0003]由于黄标车高污染、排放不达标，因此环保部门或交通部门通常会对此类车辆采取特殊规定以进行约束，如限制其在某些路段/区域进行行驶等，相应地，则需要从监控图像中及时地检测出在这些路段/区域行驶的黄标车。
[0004]但是，现有技术中，还没有一种方式，能够有效地检测出图像中的车辆是否为黄标车。
【发明内容】
[0005]有鉴于此，本发明提供了一种黄标车检测方法和装置，能够有效地识别出图像中的车辆是否为黄标车。
[0006]为了达到上述目的，本发明的技术方案是这样实现的:
[0007]—种黄标车检测方法，包括:
[0008]针对获取到的每幅车辆正向抓拍图像，分别进行以下处理:
[0009]从所述车辆正向抓拍图像中确定出包含车窗贴标的感兴趣区域；
[0010]从所述感兴趣区域中检测出Μ个待分析子图像，每个待分析子图像中分别包括一个矩形车窗贴标，Μ为正整数；
[0011]确定检测出的各矩形车窗贴标中是否存在黄色环保标志，如果是，则将所述车辆正向抓拍图像中的车辆确定为黄标车。
[0012]一种黄标车检测装置，包括:
[0013]第一处理模块，用于针对获取到的每幅车辆正向抓拍图像，分别从所述车辆正向抓拍图像中确定出包含车窗贴标的感兴趣区域，并通知给第二处理模块；
[0014]所述第二处理模块，用于从所述感兴趣区域中检测出Μ个待分析子图像，每个待分析子图像中分别包括一个矩形车窗贴标，Μ为正整数；确定检测出的各矩形车窗贴标中是否存在黄色环保标志，如果是，则将所述车辆正向抓拍图像中的车辆确定为黄标车。
[0015]考虑到黄标车通常采用矩形的黄色环保标志，因此本发明所述方案中，可首先从车辆正向抓拍图像中检测出矩形车窗贴标，之后，可进一步分析检测出的矩形车窗贴标中是否存在黄色环保标志，如果是，则可确定车辆正向抓拍图像中的车辆为黄标车；也就是说，采用本发明所述方案后，能够有效地识别出图像中的车辆是否为黄标车，从而为交通部门等进行黄标车监管等提供了有效的监督手段。
【附图说明】
[0016]图1为本发明黄标车检测方法实施例的流程图。
[0017]图2为现有环保标志的示意图。
[0018]图3为现有交强险标志的示意图。
[0019]图4为现有车辆年检标志的示意图。
[0020]图5为本发明黄标车检测方法较佳实施例的流程图。
[0021]图6为本发明黄标车检测装置实施例的组成结构示意图。
【具体实施方式】
[0022]为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案作进一步的详细说明。
[0023]图1为本发明黄标车检测方法实施例的流程图。如图1所示，针对获取到的每幅车辆正向抓拍图像(如交通卡口正向车辆图像)，可分别按照以下步骤11?13所示方式进行处理。
[0024]步骤11:从车辆正向抓拍图像中确定出包含车窗贴标的感兴趣区域。
[0025]上述感兴趣区域通常是指车窗区域。
[0026]从车辆正向抓拍图像中确定出感兴趣区域的方式可为:
[0027]在车辆正向抓拍图像中进行车牌检测；
[0028]如果能够检测到车牌，则根据车牌的位置和大小，以及车窗与车牌的相对位置先验知识，确定出车窗区域，并将车窗区域作为感兴趣区域；
[0029]如果不能检测到车牌，则对车辆正向抓拍图像进行车窗检测，定位到车窗区域，并将检测到的车窗区域作为感兴趣区域，不能检测到车牌可能是由于车辆没有悬挂车牌或车牌污损等。
[0030]可以看出，以上采用车牌位置和车窗检测相结合的方式来确定感兴趣区域，可以避免在不能检测到车牌的情况下，不能进行算法操作的缺陷。
[0031]由于是车辆正向抓拍图像，那么车窗区域其实就是指车辆的前挡风玻璃区域，车窗贴标通常粘贴在车辆的前挡风玻璃区域的右上角。
[0032]步骤12:从感兴趣区域中检测出Μ个待分析子图像，每个待分析子图像中分别包括一个矩形车窗贴标，Μ为正整数。
[0033]车窗贴标主要包括以下三类:车辆年检标志、交强险标志和环保标志。其中，车辆年检标志和环保标志的形状通常为矩形，而交强险标志的形状通常为椭圆形。
[0034]如图2?4所示，图2为现有环保标志的示意图，图3为现有交强险标志的示意图，图4为现有车辆年检标志的示意图。
[0035]本步骤中，可从感兴趣区域中检测出Μ个待分析子图像，每个待分析子图像中分别包括一个矩形车窗贴标，Μ为正整数，具体取值根据实际情况而定，检测出的矩形车窗贴标可能包括车辆年检标志、环保标志和其它误检结果等。
[0036]具体来说，可为感兴趣区域设置一个预定大小的滑动窗口，当该滑动窗口按照预定步长每滑动一次之后，可分别根据预先训练生成的检测分类器确定出该滑动窗口内是否包括一个矩形车窗贴标，如果是，则可将该滑动窗口内的图像作为一个待分析子图像。
[0037]所述预定大小和所述预定步长的具体取值均可根据实际需要而定。
[0038]较佳地，所述检测分类器可为级联(Cascade)分类器；相应地，针对每个滑动窗口，可分别获取该滑动窗口内的图像的局部二值模式(LBP,Local Binary Patterns)特征，并根据获取到的LBP特征以及Cascade分类器，确定出该滑动窗口内是否包括一个矩形车窗贴标。
[0039]在实际应用中，可预先获取足够数量的矩形车窗贴标正样本(包括一个矩形车窗贴标的子图像)，并分别获取每个正样本的LBP特征，根据获取到的各LBP特征训练生成Cascade分类器，具体实现为现有技术。
[0040]在机器视觉中，LBP是一种局部二值模式特征，能够很好的描述图像的纹理特征，该特征计算方法简单，且能够有效地消除环境光照所产生的影响，而在交通卡口等应用场景中，环境光照的变化是非常复杂的，采用LBP特征将使得本发明所述方案中的车窗贴标检测方式更具鲁棒性。
[0041]需要说明的是，在进行矩形车窗贴标检测时，尽量保证高的检出率，避免漏检，即对误检率可适当放松，以避免在该阶段漏掉黄色环保标志。
[0042]步骤13:确定检测出的各矩形车窗贴标中是否存在黄色环保标志，如果是，则将车辆正向抓拍图像中的车辆确定为黄标车。
[0043]由于黄标车均贴有黄色环保标志，因此本步骤中，可针对步骤12中检测出的各矩形车窗贴标，确定其中是否存在黄色环保标志，如果是，则可将车辆正向抓拍图像中的车辆确定为黄标车。
[0044]如前所述，步骤12中检测出的矩形车窗贴标可能为车辆年检标志，也可能为环保标志，还可能是其它误检结果等。其中，环保标志可能为黄色(黄标车)或绿色(非黄标车)等，车辆年检标志可能为蓝色或黄色等，但黄色的车辆年检标志通常为黄底黑字，而黄色环保标志通常为黄底白字，也就是说，黄色环保标志通常具有以下特征:矩形、黄色、黄底白字。
[0045]为此，本步骤中，可针对步骤12中检测出的每个矩形车窗贴标，分别获取该矩形车窗贴标所在的待分析子图像的预定特征，并根据获取到的预定特征以及预先训练生成的识别分类器，确定出该矩形车窗贴标是否为黄色环保标志。所述预定特征可包括:颜色直方图特征、局部灰度直方图特征以及梯度特征。即采用多种特征相结合的方式来识别黄色环保标志，从而可使得识别结果更为准确，以下对各特征分别进行介绍。
[0046]1)颜色直方图特征
[0047]颜色直方图所描述的是不同色彩在整幅图像中所占的比例，并不关心各种色彩在图像中所处的空间位置；车窗贴标由于分辨率限制等原因，并不能看到具体的纹理细节，但是可以通过颜色直方图特征很好地进行描述。
[0048]在HSV颜色空间中，Η分量代表色度，S分量代表饱和度，V分量代表亮度，采用Η分量就能很好地分辨出目标的颜色。如果把Η分量量化到0?360，那么黄色可能会存在的区间为[10，80]，其它颜色则会落在其它位置。这样，通过采用Η分量的直方图特征进行描述，即可很好地将黄色贴标与其它蓝色、绿色等贴标区分开来。
[0049]2)局部灰度直方图特征
[0050]局部灰度直方图特征反映的是图像中某种灰度出现的频率，如前所述，黄色的车辆年检标志通常为黄底黑字，而黄色环保标志通常为黄底白字，因此采用局部灰度直方图特征进行描述，即可将这两种车窗贴标区分开来。
[0051]3)梯度特征
[0052]梯度特征在整体上描述了图像的纹理特征，通过提取梯度特征，可以将贴标的基本形态和内部纹理等信息都提取出来。基于这种特征，可以将环保标志与其它误检结果进行区分，误检结果可能是由于车窗存在污损或粘贴了其它无关物品等造成的。
[0053]如何获取颜色直方图特征、局部灰度直方图特征以及梯度特征均为现有技术。
[0054]针对步骤12中检测出的每个矩形车窗贴标，在获取到该矩形车窗贴标所在的待分析子图像的颜色直方图特征、局部灰度直方图特征以及梯度特征