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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。