一种车辆遮阳板状态检测方法及装置的制造方法
【技术领域】
[0001] 本申请涉及视频监控技术领域，尤其涉及一种车辆遮阳板状态检测方法及装置。
【背景技术】
[0002] 遮阳板，位于车辆的前风挡处，是为了避免阳光或者灯光刺眼影响驾驶员视线而 设计的，使用时可以上下扳动，从而调整太阳光对眼睛的照射度，避免发生交通事故。但是， 随着社会的发展，一些犯罪分子却利用遮阳板遮挡面部特征以逃避法律的制裁，给案件侦 破工作带来障碍，因此，需要一种智能的遮阳板状态检测方法，以便快速识别出遮阳板开启 的图片。
[0003] 现有技术方案中，通常采用线段检测方法首先定位车窗区域，然后再利用遮阳板 颜色的均衡性，从车窗区域提取出遮阳板区域。但是，该技术方案的抗干扰能力较弱，车窗 区域定位误差大，而且，在某些光线不佳的场景下，由于遮阳板颜色均衡性被破坏容易造成 漏检。
【发明内容】
[0004] 有鉴于此，本申请提供一种车辆遮阳板状态检测方法及装置。
[0005] 具体地，本申请是通过如下技术方案实现的：
[0006] 本申请提供一种车辆遮阳板状态检测方法，该方法包括：
[0007] 训练遮阳板分类器；
[0008] 获取待检测图像；
[0009] 转化所述待检测图像为灰度图像；
[0010] 通过定位所述灰度图像中车窗右上角的位置确定车窗位置；
[0011] 根据从灰度图像中获取的车牌信息设置遮阳板的最大检测窗口和最小检测窗 P ；
[0012] 在所述最大检测窗口和所述最小检测窗口范围内，按照一定比例对所述遮阳板的 检测窗口进行缩放；
[0013] 利用缩放得到的多个检测窗口和预先训练的遮阳板分类器对所述车窗位置的上 部三分之一图像进行多尺度遮阳板检测；
[0014] 根据预设的遮阳板图像的方差阈值以及宽高比对检测出的遮阳板图像进行筛选， 以确定遮阳板状态。
[0015] 本申请还提供一种车辆遮阳板状态检测装置，该装置包括：
[0016] 训练单元，用于训练遮阳板分类器；
[0017] 获取单元，用于获取待检测图像；
[0018] 转化单元，用于转化所述待检测图像为灰度图像；
[0019] 确定单元，用于通过定位所述灰度图像中车窗右上角的位置确定车窗位置；
[0020] 设置单元，用于根据从灰度图像中获取的车牌信息设置遮阳板的最大检测窗口和 最小检测窗口；
[0021] 缩放单元，用于在所述最大检测窗口和所述最小检测窗口范围内，按照一定比例 对所述遮阳板的检测窗口进行缩放；
[0022] 检测单元，用于利用缩放得到的多个检测窗口和预先训练的遮阳板分类器对所述 车窗位置的上部三分之一图像进行多尺度遮阳板检测；
[0023] 筛选单元，用于根据预设的遮阳板图像的方差阈值以及宽高比对检测出的遮阳板 图像进行筛选，以确定遮阳板状态。
[0024] 由以上描述可以看出，本申请通过定位车窗右上角的位置来确定车窗位置，然后 利用预先训练的遮阳板分类器对车窗上部三分之一的图像进行多尺度检测，以初步确定遮 阳板图像，最后结合遮阳板图像的方差以及宽高比对初步确定的遮阳板图像进行筛选，以 最终确定遮阳板状态。本申请可精确定位车窗位置，提高遮阳板开启状态的检出率。
【附图说明】
[0025] 图1是本申请一示例性实施例示出的一种车辆遮阳板状态检测方法流程图；
[0026] 图2是本申请一示例性实施例示出的一种车辆遮阳板状态检测装置所在设备的 基础硬件结构示意图；
[0027] 图3是本申请一示例性实施例示出的一种车辆遮阳板状态检测装置的结构示意 图。
【具体实施方式】
[0028] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例 中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0029] 在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。 在本申请和所附权利要求书中所使用的单数形式的"一种"、"所述"和"该"也旨在包括多 数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语"和/或"是指 并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0030] 应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这 些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离 本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第 一信息。取决于语境，如在此所使用的词语"如果"可以被解释成为"在……时"或"当…… 时"或"响应于确定"。
[0031] 遮阳板，位于车辆的前风挡处，是为了避免阳光或者灯光刺眼影响驾驶员视线而 设计的，使用时可以上下搬动，从而调整太阳光对眼睛的照射度，避免发生交通事故。同时， 遮阳板减少太阳光直射入车内，起到降温，保护车内仪表盘、真皮座椅等作用。
[0032] 随着社会的快速发展，存在一些犯罪分子利用车辆进行犯罪或者潜逃，他们故意 利用帽子、墨镜或者车内遮阳板来遮蔽面部特征，从而逃避了法律的制裁。为了识别这些少 量的遮阳板开启图片，我们需要办案人员投入极大的人力来处理道路抓拍图片，给案件的 侦破带来了较大的麻烦及障碍。因此，需要一种智能的遮阳板状态（开启或关闭）检测方 法，以便快速识别出遮阳板开启的图片，为案件的侦破提供必要的技术支持。
[0033] 现有技术方案中，通常采用线段检测对车窗区域进行定位，然后使用不同尺寸窗 口在车窗区域进行滑动，并利用遮阳板颜色的均衡性，提取候选的遮阳板区域，最后对候选 的遮阳板区域进行遮阳板的定位。但是，该技术方案的抗干扰能力较弱，车窗区域定位误差 大，而且，在某些光线不佳的场景下，由于遮阳板颜色均衡性被破坏容易造成漏检。
[0034] 针对上述问题，本申请实施例提出一种车辆遮阳板状态检测方法，该方法通过定 位车窗右上角的位置来确定车窗位置，然后利用预先训练的遮阳板分类器对车窗上部三分 之一的图像进行多尺度检测，以初步确定遮阳板图像，最后结合遮阳板图像的方差以及宽 高比对初步确定的遮阳板图像进行筛选，以最终确定遮阳板状态。
[0035] 参见图1，为本申请车辆遮阳板状态检测方法的一个实施例流程图，该实施例对车 辆遮阳板状态检测过程进行描述。
[0036] 步骤101，训练遮阳板分类器。
[0037] 本申请在进行遮阳板状态检测之前，需要训练遮阳板分类器。在后续检测过程中， 利用该遮阳板分类器对待检测图像进行遮阳板状态检测。
[0038] 遮阳板分类器的训练过程如下：
[0039] 首先，获取遮阳板图像样本和非遮阳板图像样本。例如，可通过手工标定的方法从 包含遮阳板的图像中抠取出遮阳板图像作为遮阳板图像样本，并对遮阳板图像样本进行尺 寸归一化处理。非遮阳板图像样本可通过随机选择不包含遮阳板的图像获得。本申请实施 例中要求获取足够多的图像样本（遮阳板图像样本和非遮阳板图像样本），例如，遮阳板图 像样本1万张，非遮阳板图像样本10万张，获取的图像样本数量越多，最终生成的遮阳板分 类器的准确度越高。
[0040] 对获取的遮阳板图像样本和非遮阳板图像样本进行统一的灰度化处理，并提取各 图像样本中的MB_LBP(Multi_scale Block Local Binary Patterns，基于多尺度块的局部 二值模式）特征。
[0041] 利用Adaboost算法对提取的若干MB-LBP特征进行弱分类器训练，将每一轮训练 得到的具有最小错误率的弱分类器添加到强分类器中。
[0042] 具体为，首先，初始化每一个图像样本的误差权重
[0043] Wlji= D(i) 公式