[发明专利]一种车窗检测方法及装置

说明书

本发明实施例公开了一种车窗检测方法及装置，以提高车窗检测的准确性及鲁棒性，该方法中计算接收到的标记有待检的车窗区域的图像中车窗区域的特征金字塔，采用训练完成的可变形部件混合模型，对特征金字塔进行评分，其中可变形部件混合模型为至少两个可变形部件模型的根滤波器的最大值，及对应的每个部件滤波器的最大值的加权和，当根滤波器的评分值大于设定的第一阈值，且总评分值大于设定的第二阈值时，根据评分值对应的根位置及设定的区域大小，确定图像中的车窗区域。由于本发明实施例采用的可变形部件混合模型对于图像的变形、光照变化、车身颜色变化等不太敏感，对部分遮挡有较强的处理能力，因此可以提高车窗区域的检测的准确性和鲁棒性。

技术领域

本发明涉及图像识别技术领域，特别涉及一种车窗检测方法及装置。

背景技术

随着社会的不断发展，交通管控的任务越来越复杂，越来越繁重。为了更加准确、高效地对交通进行监控和管理，智能交通监控技术应运而生。根据智能交通监控拍摄的图像，可以准确的识别其中的车辆信息，对车辆的违法、违规行为进行监控和管理。而有些监控和管理操作需要针对图像中车辆中的具体信息进行，例如安全带检测、年检标识检测、车前摆件检测等问题，此时就需要获取车辆中的具体信息了，一般通过检测出来车窗区域，获取相应的具体信息，因此车窗检测是一个比较重要的研究方向。

目前，在图像中进行车窗检测时，主要包括：基于颜色差异的车窗检测方法和基于直线特性的车窗检测方法。

其中基于颜色差异的车窗检测方法，是基于玻璃的透光性和吸光性的，图像中玻璃所在区域的大部分像素点的饱和度和亮度都比较低，利用车窗和车身的颜色特征可以实现车窗区域的检测。但是该方法需要图像中车身和车窗的颜色特征有明显的区别，当车身颜色和车窗颜色特征差异不大时，检测效果不好。

基于直线特性的车窗检测方法中，首先需要在图像中进行水平边缘检测，并结合hough变换进行直线连接，并检测车窗的上下水平边界，其次，运用数学形态学去除小的短枝，再结合积分投影方法检测车窗两侧边界，从而确定车窗区域。该方法因受遮挡、光照、几何形变等影响较大，鲁棒性不强，并且当图像因天气原因车窗边界不明显时，或者车辆发生倾斜时，很容易造成误检和漏检。

发明内容

本发明实施例公开了一种车窗检测方法及装置，用以提高车窗检测的准确性及鲁棒性。

为达到上述目的，本发明实施例公开了一种车窗检测方法，应用于电子设备，所述方法包括：

接收标记有待检的车窗区域的图像，确定所述车窗区域的特征金字塔；

采用训练完成的可变形部件混合模型，对所述特征金字塔进行评分，其中所述可变形部件混合模型包括至少两个可变形部件模型，且为所述至少两个可变形部件模型中根滤波器的最大值，及对应的每个部件滤波器的最大值的加权和；

当所述可变形部件混合模型中根滤波器的评分值大于设定的第一阈值，且所述可变形部件混合模型的总评分值大于设定的第二阈值时，根据所述评分值对应的根位置及设定的区域大小，确定所述图像中的车窗区域。

进一步地，当所述评分值不大于设定的第一阈值时，确定所述图像中不存在车窗区域。

进一步地，所述根据所述评分值对应的根位置及设定的区域大小，确定所述图像中的车窗区域包括：

将所述根位置作为左上角的顶点，所述设定的区域大小覆盖的范围作为所述图像中的车窗区域。

进一步地，确定所述可变形部件混合模型的过程包括：

针对每种类型的车辆，识别样本图像集中该类型的车辆对应的样本图像，根据识别到的样本图像中标记的待检的车窗区域，对该类型的车辆对应的可变形部件模型进行训练；

根据针对每种类型的车辆训练的可变形部件模型，及预设的数量阈值，选择相应数量个可变形部件模型；