一种目标检测方法及终端技术

本发明专利技术实施例提供了一种目标检测方法及终端，所述方法包括：获取待处理图像，其中，所述待处理图像中包含车牌及驾驶员；计算所述待处理图像的聚合通道特征，所述聚合通道特征中包含LUV色彩空间的三个通道、梯度幅值、6个方向梯度直方图特征；根据所述聚合通道特征进行驾驶员检测和车牌检测，得到多个候选框，每一候选框中包含一个驾驶员和车牌；对所述多个候选框进行合理性判别，得到所述多个得分；选取所述多个得分中的最高得分；在所述最高得分大于预设阈值时，将所述最高得分对应的候选框所在区域确定为目标区域。通过本发明专利技术实施例可提高检测多目标的效率以及可靠性。

Target detection method and terminal

The embodiment of the invention provides a detection method and a terminal. The method comprises: acquiring image, to which the image contained in the license plate and driver; polymerization calculate the channel characteristics of the image to be processed, the polymeric channel features three channels, including LUV color space gradient the amplitude and direction of the 6 gradient histogram feature; according to the channel characteristics of the driver polymerization detection and license plate detection, multiple candidate frame, each candidate box contains a driver and the license plate; the plurality of candidate frame for judging the rationality, the more score the highest score score; multiple selection the; a preset threshold is larger than that at the highest score, the highest score of the corresponding candidate frame area identified as the target area. Through the embodiment of the invention, the efficiency and reliability of detecting multiple targets can be improved.

【技术实现步骤摘要】
一种目标检测方法及终端
本专利技术涉及视频监控
，具体涉及一种目标检测方法及终端。
技术介绍
基于机器视觉的目标检测技术是人工智能领域的核心，其在自动驾驶、机器人和航天探索等场合扮演着重要的角色。随着人们生活水平的不断提升，城市小汽车的数量持续增长，与此同时，不安全驾驶行为也成为城市安全的重要隐患。因此，通过摄像头的实施监控，同时，通过机器视觉技术分析驾驶员的行为，成为有效地监管驾驶员行为规范、增加车辆安全系数以及降低交通事故的重要手段。而通过监测的视频图像获取驾驶员的位置信息是该手段的重要技术，这为后续的判断驾驶员是否存在开车打电话等行为有着重大帮助。目前，视频监控下的驾驶员检测方法主要分成两种：基于目标先验信息的方法和基于机器学习的方法。基于先验信息主要是指使用了车体水平位置、车体角点以及车窗位置等简单的车辆特征进而对驾驶员定位。基于机器学习的方法是最常用的方法，它主要是将目标进行特征提取，采用相应地特征描述方法进行表示，然后，以机器学习的方法对目标样本进行训练，得到准确的目标检测模型。在检测测试阶段，待检测样本以相同的特征表示方法，通过该模型判断是否为检测的目标。但是，通常会遇到以下情况，例如，车牌与驾驶员不搭配(例如，车位为王某，车牌为AAAAA，而现在在车牌为AAAAA的车上的驾驶员为张某)，便无法准确识别出车牌与驾驶员是否匹配。
技术实现思路
本专利技术实施例提供了一种目标检测方法及终端，以期对驾驶员和车牌进行准确识别。本专利技术实施例第一方面提供了一种目标检测方法，包括：获取待处理图像，其中，所述待处理图像中包含车牌及驾驶员；计算所述待处理图像的聚合通道特征，所述聚合通道特征中包含LUV色彩空间的三个通道、梯度幅值、6个方向梯度直方图特征；根据所述聚合通道特征进行驾驶员检测和车牌检测，得到多个候选框，每一候选框中包含一个驾驶员和车牌；对所述多个候选框进行合理性判别，得到所述多个得分；选取所述多个得分中的最高得分；在所述最高得分大于预设阈值时，将所述最高得分对应的候选框所在区域确定为目标区域。可选地，所述计算所述待处理图像的聚合通道特征，包括：计算所述待处理图像的梯度图；计算所述待处理图像的LUV色彩空间的三个通道；根据所述梯度图确定6个方向梯度直方图特征。可选地，所述计算所述待处理图像的梯度图，包括：采用如下公式对所述待处理图像进行采样，得到采样图像：I′(x，y)＝I(x/τ，y/τ)其中，I(x，y)为所述待处理图像，x，y表示所述待处理图像的横坐标和纵坐标，τ为采样因子，I′(x，y)为采样图像；采用如下公式确定所述采样图像对应的梯度图：其中，G[I′(x,y)]为梯度图。可选地，所述对所述多个候选框进行合理性判别，包括：采用目标分类器对所述多个候选框进行合理性判别。可选地，在所述获取待处理图像之前，所述方法还包括：获取正样本集和负样本集，其中，所述正样本符合正常情况下的驾驶员与车牌之间的位置关系的图像，所述负样本为不符合正常情况下的驾驶员与车牌之间的位置关系的图像；对所述正样本集和所述负样本集进行训练，得到所述目标分类器。本专利技术实施例第二方面提供了一种终端，包括：获取单元，用于获取待处理图像，其中，所述待处理图像中包含车牌及驾驶员；计算单元，用于计算所述待处理图像的聚合通道特征，所述聚合通道特征中包含LUV色彩空间的三个通道、梯度幅值、6个方向梯度直方图特征；检测单元，用于根据所述聚合通道特征进行驾驶员检测和车牌检测，得到多个候选框，每一候选框中包含一个驾驶员和车牌；判别单元，用于对所述多个候选框进行合理性判别，得到所述多个得分；选取单元，用于选取所述多个得分中的最高得分；确定单元，用于在所述最高得分大于预设阈值时，将所述最高得分对应的候选框所在区域确定为目标区域。可选地，所述计算单元包括：第一计算模块，用于计算所述待处理图像的梯度图；第二计算模块，用于计算所述待处理图像的LUV色彩空间的三个通道；第一确定模块，用于根据所述梯度图确定6个方向梯度直方图特征。可选地，所述第一计算模块包括：采样模块，用于采用如下公式对所述待处理图像进行采样，得到采样图像：I′(x，y)＝I(x/τ，y/τ)其中，I(x，y)为所述待处理图像，x，y表示所述待处理图像的横坐标和纵坐标，τ为采样因子，I′(x，y)为采样图像；第二确定模块，用于采用如下公式确定所述采样图像对应的梯度图：其中，G[I′(x,y)]为梯度图。可选地，所述判别单元具体用于：采用目标分类器对所述多个候选框进行合理性判别。可选地，所述获取单元，还具体用于：在所述获取待处理图像之前，获取正样本集和负样本集，其中，所述正样本符合正常情况下的驾驶员与车牌之间的位置关系的图像，所述负样本为不符合正常情况下的驾驶员与车牌之间的位置关系的图像；所述终端还包括：训练单元，用于对所述正样本集和所述负样本集进行训练，得到所述目标分类器。实施本专利技术实施例，具有如下有益效果：通过本专利技术实施例，获取待处理图像，其中，待处理图像中包含车牌及驾驶员，计算待处理图像的聚合通道特征，聚合通道特征中包含LUV色彩空间的三个通道、梯度幅值、6个方向梯度直方图特征，根据聚合通道特征进行驾驶员检测和车牌检测，得到多个候选框，每一候选框中包含一个驾驶员和车牌，然后对多个候选框进行合理性判别，得到多个得分，选取多个得分中的最高得分，在最高得分大于预设阈值时，将最高得分对应的候选框所在区域确定为目标区域。如此，对驾驶员和车牌进行准确识别。另外，在提高检测效率的同时，增加了多个目标检测的可靠性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种目标检测方法的第一实施例流程示意图；图2是本专利技术实施例提供的一种目标检测方法的第二实施例流程示意图；图3a是本专利技术实施例提供的一种终端的第一实施例结构示意图；图3b是本专利技术实施例提供的图3a所描述的终端的第一检测单元的结构示意图；图3c是本专利技术实施例提供的图3a所描述的终端的又一结构示意图；图4是本专利技术实施例提供的一种终端的第二实施例结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本专利技术的至少一个实施例中。在说明书中的各个位置展示该短语本文档来自技高网...

【技术保护点】
一种目标检测方法，其特征在于，包括：获取待处理图像，其中，所述待处理图像中包含车牌及驾驶员；计算所述待处理图像的聚合通道特征，所述聚合通道特征中包含LUV色彩空间的三个通道、梯度幅值、6个方向梯度直方图特征；根据所述聚合通道特征进行驾驶员检测和车牌检测，得到多个候选框，每一候选框中包含一个驾驶员和车牌；对所述多个候选框进行合理性判别，得到所述多个得分；选取所述多个得分中的最高得分；在所述最高得分大于预设阈值时，将所述最高得分对应的候选框所在区域确定为目标区域。

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：获取待处理图像，其中，所述待处理图像中包含车牌及驾驶员；计算所述待处理图像的聚合通道特征，所述聚合通道特征中包含LUV色彩空间的三个通道、梯度幅值、6个方向梯度直方图特征；根据所述聚合通道特征进行驾驶员检测和车牌检测，得到多个候选框，每一候选框中包含一个驾驶员和车牌；对所述多个候选框进行合理性判别，得到所述多个得分；选取所述多个得分中的最高得分；在所述最高得分大于预设阈值时，将所述最高得分对应的候选框所在区域确定为目标区域。2.根据权利要求1所述的方法，其特征在于，所述计算所述待处理图像的聚合通道特征，包括：计算所述待处理图像的梯度图；计算所述待处理图像的LUV色彩空间的三个通道；根据所述梯度图确定6个方向梯度直方图特征。3.根据权利要求2所述的方法，其特征在于，所述计算所述待处理图像的梯度图，包括：采用如下公式对所述待处理图像进行采样，得到采样图像：I′(x，y)＝I(x/τ，y/τ)其中，I(x，y)为所述待处理图像，x，y表示所述待处理图像的横坐标和纵坐标，τ为采样因子，I′(x，y)为采样图像；采用如下公式确定所述采样图像对应的梯度图：其中，G[I′(x,y)]为梯度图。4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述多个候选框进行合理性判别，包括：采用目标分类器对所述多个候选框进行合理性判别。5.根据权利要求4所述的方法，其特征在于，在所述获取待处理图像之前，所述方法还包括：获取正样本集和负样本集，其中，所述正样本符合正常情况下的驾驶员与车牌之间的位置关系的图像，所述负样本为不符合正常情况下的驾驶员与车牌之间的位置关系的图像；对所述正样本集和所述负样本集进行训练，得到所述目标分类器。6.一种终端，其特征在于，包括：获取单元，用于获取待处理图像，其中，所...

【专利技术属性】
技术研发人员：龚敏，曾儿孟，刘凯，
申请(专利权)人：深圳市华尊科技股份有限公司，
类型：发明
国别省市：广东,44