基于深度学习算法下高速公路夜间车牌防炫目抓拍方法技术

本发明专利技术属于高速公路安全驾驶与车路协同智能装备领域，尤其是一种基于深度学习算法下高速公路夜间车牌防炫目抓拍方法，通过设置测速相机，使测速相机实时识别夜晚车辆大灯的位置，从而控制补光灯随车辆的运动而摆动，保证补光灯的照射范围始终位于车辆前挡风玻璃之下，且位于牌照区域之上，即保证牌照识别相机正常识别牌照，同时避免了补光灯直接照射驾驶员眼睛，极大地提高了高速公路的道路交通安全，尤其是对于不同类型的车辆均可以实现补光灯精确控制，从而提高车辆的行驶安全性。从而提高车辆的行驶安全性。从而提高车辆的行驶安全性。

【技术实现步骤摘要】
基于深度学习算法下高速公路夜间车牌防炫目抓拍方法


[0001]本专利技术属于高速公路安全驾驶与监测
，具体涉及基于深度学习算法下高速公路夜间车牌防炫目抓拍方法。

技术介绍

[0002]因需采集车辆特征信息及过车记录，高速公路沿途设置了多个ETC龙门架，其上安装了大量智能监测记录设备，为了在夜间能清晰的记录并识别车辆牌照，龙门架上的补光灯也相应增多，但为了拍照清晰，补光灯的亮度往往较高，很多驾驶员反映补光灯存在亮度过高的问题，尤其是迎面行驶时，补光灯照射到驾驶员眼睛的时间大约在1
‑
2秒左右，这会使驾驶员眼睛暂时眩光而无法看清前方道路；即使汽车驶过门架，驾驶员的眼睛也需要一定时间的适应，这种适应从人体生理学的理论上解释为明
‑
暗环境适应问题，即人眼由暗环境进入明环境时，可以在较短的时间内适应环境光亮从而看清周围的事物（1
‑
3s）。而人眼由明环境进入暗环境时，则需要较长时间的适应（5s
‑
18s）才能看清周围的事物。因此，急需要一种既可以让ETC门架既能精准识别车辆信息，又可以避免补光灯直射驾驶员眼部的装置，以提高高速公路的行车安全。

技术实现思路

[0003]本专利技术的目的是提供一种基于深度学习算法下高速公路夜间车牌防炫目抓拍方法。
[0004]为实现上述专利技术目的，本专利技术所采用的技术方案是：基于深度学习算法下高速公路夜间车牌防炫目抓拍方法；所述抓拍方法使用的抓拍装置安装在龙门架上，所述龙门架固定架设在高速公路道路上；所述的抓拍装置包括固定角度安装在龙门架上的相机组件，以及可在一定角度内往复摆动的往复摆动机构，往复摆动机构与补光灯连接，带动补光灯在一定角度内往复摆动；所述的相机组件包括测速相机、牌照识别相机；所述的相机组件、往复摆动机构、补光灯分别与处理器通信连接；所述的抓拍方法按照以下步骤顺次进行：a. 在日间光线充足情况下，在测速相机拍照范围内的道路上沿道路分道线放置纵向标尺，沿分道线的水平垂向方向放置横向标尺，然后由测速相机拍摄照片，在照片图像中设置图像坐标系，图像坐标系中Y轴与纵向标尺平行，X轴与横向标尺平行；在照片图像中根据纵向标尺的刻度绘制等间距的一组与X轴平行的平行线，形成平行线组SX，所述等间距为实际道路中沿分道线纵向方向等间距；则在照片图像中显示的平行线组SX内平行线之间距离为等比例；在SX内选择一条距离测速相机较远的平行线作为起始参考线QS，选择一条距离测速相机较近的平行线作为终止参考线ZZ；删除照片图像中所有像素内容，保留绘制的图像坐标系、平行线组SX、起始参考线
QS、终止参考线ZZ作为基础数据图像；然后进入步骤b；b.测速相机按第一拍照频率f1对迎面驶来的车辆进行抓拍，实时将抓拍的照片图像发送给处理器；处理器通过深度学习算法识别照片图像的左前车灯、右前车灯；然后进入步骤c；c.在照片图像中沿左前车灯下沿、右前车灯下沿分别绘制一条与X轴平行的平行线，在两条平行线之间绘制一条中间平行线作为基础参考线JC
‑
1；在JC
‑
1上方一定距离位置绘制第一平行线S1
‑
1，在JC
‑
1下方一定距离位置绘制第二平行线S2
‑
1，删除照片图像中所有像素信息，仅保留JC
‑
1、S1
‑
1、S2
‑
1数据，作为对比数据图像，将对比数据图像与基础数据图像合并形成合并图像；d.依此类推，重复步骤c，将测速相机连续抓拍的照片进行实时处理，形成车辆行驶过程中的连续多张合并图像；处理器根据相邻的合并图像中JC
‑
1的位置变化计算出车辆的行驶距离，再根据第一拍照频率f1计算出车辆行驶速度V；所述的步骤d中，处理器还实时判断JC
‑
1在合并图像中的位置，当JC
‑
1位于起始参考线QS下方时，进入步骤f；f.牌照识别相机开始连续拍照并将照片传递给处理器，处理器识别照片中的车牌号；所述步骤f中，处理器根据多张合并图像中S1
‑
1、S2
‑
1的位置变化，往复摆动机构的高度H，以及往复摆动机构距离车辆的水平距离L
00
，计算出往复摆动机构的旋转角速度ω，控制往复摆动机构带动补光灯旋转，使补光灯的照射范围始终位于S1
‑
1之下，且照射范围始终位于S2
‑
1之上；当JC
‑
1移动至终止参考线ZZ下方时，测速相机、牌照识别相机停止抓拍，补光灯关闭，往复摆动机构带动补光灯返回初始位置后，补光灯重新开启。
[0005]优选的，所述的步骤b中，处理器先对照片图像进行预处理步骤，所述的预处理步骤包括Gamma校正步骤，图片灰度化步骤，高斯模糊步骤，ROI剪裁步骤；所述的图片灰度化步骤中，通常情况下，拍摄的照片图像中夜晚车灯的光源颜色为白色或黄色环状区域，与图像中的路面以及其他车辆等背景形成明显差别，为保持R，G，B三通道的平衡性，将灰度值定义为：上式中，I为灰度值，R、G、B为图片中每一像素点的RGB亮度值数值；所述的ROI剪裁步骤为，在照片图像中，沿车辆所在道路两侧的分道线向外扩展与分道线平行的两条辅助线FF，两条辅助线FF内侧的像素区域保留，两条辅助线FF外侧区域的像素区域删除。
[0006]优选的，所述的相机组件包括安装高度和安装角度均不相同的两个测速相机，其中一个测速相机安装高度低且相对于水平面的夹角较小，用于识别近光灯，另一个测速相机安装高度高且相对于水平面的夹角较大；所述龙门架的立柱上设置至少两个高度不同的光电传感器，光电传感器的信号线与处理器的信号输入端通信连接；所述的光电传感器为松下NA2型光幕光栅区域传感器，或欧姆龙E3JK
‑
RR11
‑
C光电开关传感器；所述步骤b中，当多个光电传感器均无信号发送时，补光灯关闭，两个测速相机关闭；当高度较低的一个或多个光电传感器接收到光照并向处理器发送信号时，补光灯开启，
用于识别近光灯的测速相机开始抓拍；当高度不同的多个光电传感器同时向处理器发送信号，或高度较高的一个或多个光电传感器发送信号时，补光灯开启，用于识别远光灯的测速相机开始抓拍。
[0007]优选的，所述的步骤b中，多个光电传感器中至少有一个向处理器发送信号后，测速相机按第二拍照频率f2开始抓拍，当照片图像中出现至少一个车灯时，测速相机按第一拍照频率f1进行抓拍，所述的f2＞f1。
[0008]优选的，所述的第一平行线S1
‑
1、第二平行线S2
‑
1的绘制方法为：所述步骤a中，在日间光线充足状态下，测速相机实时拍摄迎面行驶的车辆，并在拍摄的照片图像中识别出车辆前挡风玻璃轮廓、牌照轮廓；在照片图像中车辆前挡风玻璃轮廓的下沿处绘制第一辅助参考线FC
‑
1，在牌照轮廓下沿处绘制第二辅助参考线FC
‑
2；重复上述过程，使同一辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习算法下高速公路夜间车牌防炫目抓拍方法，其特征在于：所述抓拍方法使用的抓拍装置（1）安装在龙门架（2）上，所述龙门架（2）固定架设在高速公路道路（3）上；所述的抓拍装置（1）包括固定角度安装在龙门架（2）上的相机组件（10），以及可在一定角度内往复摆动的往复摆动机构（20），往复摆动机构（20）与补光灯（30）连接，带动补光灯（30）在一定角度内往复摆动；所述的相机组件（10）包括测速相机（11）、牌照识别相机（12）；所述的相机组件、往复摆动机构（20）、补光灯（30）分别与处理器（50）通信连接；所述的抓拍方法按照以下步骤顺次进行：a. 在日间光线充足情况下，在测速相机（11）拍照范围内的道路上沿道路分道线放置纵向标尺，沿分道线的水平垂向方向放置横向标尺，然后由测速相机（11）拍摄照片，在照片图像中设置图像坐标系，图像坐标系中Y轴与纵向标尺平行，X轴与横向标尺平行；在照片图像中根据纵向标尺的刻度绘制等间距的一组与X轴平行的平行线，形成平行线组SX，所述等间距为实际道路中沿分道线纵向方向等间距；则在照片图像中显示的平行线组SX内平行线之间距离为等比例；在SX内选择一条距离测速相机（11）较远的平行线作为起始参考线QS，选择一条距离测速相机（11）较近的平行线作为终止参考线ZZ；删除照片图像中所有像素内容，保留绘制的图像坐标系、平行线组SX、起始参考线QS、终止参考线ZZ作为基础数据图像；然后进入步骤b；b.测速相机（11）按第一拍照频率f1对迎面驶来的车辆进行抓拍，实时将抓拍的照片图像发送给处理器（50）；处理器（50）通过深度学习算法识别照片图像的左前车灯、右前车灯；然后进入步骤c；c.在照片图像中沿左前车灯下沿、右前车灯下沿分别绘制一条与X轴平行的平行线，在两条平行线之间绘制一条中间平行线作为基础参考线JC
‑
1；在JC
‑
1上方一定距离位置绘制第一平行线S1
‑
1，在JC
‑
1下方一定距离位置绘制第二平行线S2
‑
1，删除照片图像中所有像素信息，仅保留JC
‑
1、S1
‑
1、S2
‑
1数据，作为对比数据图像，将对比数据图像与基础数据图像合并形成合并图像；d.依此类推，重复步骤c，将测速相机（11）连续抓拍的照片进行实时处理，形成车辆行驶过程中的连续多张合并图像；处理器（50）根据相邻的合并图像中JC
‑
1的位置变化计算出车辆的行驶距离，再根据第一拍照频率f1计算出车辆行驶速度V；所述的步骤d中，处理器（50）还实时判断JC
‑
1在合并图像中的位置，当JC
‑
1位于起始参考线QS下方时，进入步骤f；f.牌照识别相机（12）开始连续拍照并将照片传递给处理器（50），处理器（50）识别照片中的车牌号；所述步骤f中，处理器（50）根据多张合并图像中S1
‑
1、S2
‑
1的位置变化，往复摆动机构（20）的高度H，以及往复摆动机构（20）距离车辆的水平距离L
00
，计算出往复摆动机构（20）的旋转角速度ω，控制往复摆动机构（20）带动补光灯（30）旋转，使补光灯（30）的照射范围始终位于S1
‑
1之下，且照射范围始终位于S2
‑
1之上；当JC
‑
1移动至终止参考线ZZ下方时，测速相机（11）、牌照识别相机（12）停止抓拍，补光灯（30）关闭，往复摆动机构（20）带动补光灯
（30）返回初始位置后，补光灯（30）重新开启。2.根据权利要求1所述的基于深度学习算法下高速公路夜间车牌防炫目抓拍方法，其特征在于：所述的步骤b中，处理器（50）先对照片图像进行预处理步骤，所述的预处理步骤包括Gamma校正步骤，图片灰度化步骤，高斯模糊步骤，ROI剪裁步骤；所述的图片灰度化步骤中，通常情况下，拍摄的照片图像中夜晚车灯的光源颜色为白色或黄色环状区域，与图像中的路面以及其他车辆等背景形成明显差别，为保持R，G，B三通道的平衡性，将灰度值定义为：上式中，I为灰度值，R、G、B为图片中每一像素点的RGB亮度值数值；所述的ROI剪裁步骤为，在照片图像中，沿车辆所在道路两侧的...

【专利技术属性】
技术研发人员：肖丰，陈子龙，廖文俊，李平飞，谭金慧，
申请(专利权)人：西华大学，
类型：发明
国别省市：