于车窗的位置关系，通常位于车窗的上部三分之一处，因此，为了减少图像中其他区域带 来的干扰，以及降低计算量，提升遮阳板目标检测的效率，仅对车窗上部三分之一区域进行 检测。此外，本申请实施例利用遮阳板分类器进行遮阳板检测，可避免由于遮阳板颜色均衡 性被破坏而造成的漏检。
[0091] 步骤108,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。
[0092] 在步骤107初步检测出遮阳板图像后，可通过以下条件作进一步筛选：
[0093] 1)根据遮阳板图像的颜色均衡性进行筛选。
[0094] 具体为，预设遮阳板图像的方差阈值θ τ，由于遮阳板图像通常颜色比较单一，因 此，像素方差较小，通过设置一个较小的方差阈值θ τ，例如，Θ 0. 65,当步骤107初步检 测出的遮阳板图像的方差9S小于预设的方差阈值θ τ时，可进一步确定为遮阳板图像。其 中，
[0095] Θ s= var (sun (X，y))/wid*hgt 公式（11)
[0096] sun (x，y)为初步检测出的遮阳板图像；wid为检测出的遮阳板的宽；hgt为检测出 的遮阳板的高。遮阳板的宽、高可通过简单的纹理检测获得。
[0097] 2)根据遮阳板的宽高比进行筛选。
[0098] 通常遮阳板的宽高比是有一定范围的，根据大量实验数据表明，遮阳板的宽高比 通常在2. 0~3. 0的范围内。因此，可根据该宽高比对步骤107初步检测出的遮阳板图像 作进一步筛选，宽高比在上述范围内的遮阳板图像才能确认为真正的遮阳板图像。
[0099] 本申请实施例，将上述两种筛选条件相结合，当初步确定的遮阳板图像同时满足 上述两个条件时，才确认为遮阳板图像；只满足其中一个条件时，将被认为是误检。
[0100] 在根据上述筛选条件筛选出遮阳板图像后，说明遮阳板处于开启状态，本申请实 施例可进一步判断遮阳板的开启位置，即主驾驶室开启还是副驾驶室开启。
[0101] 具体为，判断遮阳板中心坐标是否大于车牌中心坐标。通过已筛选出的遮阳板图 像可获取遮阳板图像的中心坐标XI，已知车牌中心坐标X2。当遮阳板中心坐标Xl大于车 牌中心坐标X2时，确定主驾驶室遮阳板开启；当遮阳板中心坐标Xl小于车牌中心坐标X2 时，确定副驾驶室遮阳板开启。
[0102] 可见，本申请通过定位车窗右上角的位置来确定车窗位置，提高了车窗定位的精 度，同时，通过结合遮阳板图像的方差以及宽高比对遮阳板图像进行筛选，提升遮阳板检测 的场景适应性，降低了遮阳板状态漏检、误检的概率。
[0103] 与前述车辆遮阳板状态检测方法的实施例相对应，本申请还提供了车辆遮阳板状 态检测装置的实施例。
[0104] 本申请车辆遮阳板状态检测装置的实施例可以应用在视频监控设备上。装置实施 例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为 一个逻辑意义上的装置，是通过其所在设备的处理器运行存储器中对应的计算机程序指令 形成的。从硬件层面而言，如图2所示，为本申请车辆遮阳板状态检测装置所在设备的一种 硬件结构图，除了图2所示的处理器、其它接口、以及存储器之外，实施例中装置所在的设 备通常根据该设备的实际功能，还可以包括其他硬件，对此不再赘述。
[0105] 请参考图3,为本申请一个实施例中的车辆遮阳板状态检测装置的结构示意图。该 车辆遮阳板状态检测装置包括训练单元301、获取单元302、转化单元303、确定单元304、设 置单元305、缩放单元306、检测单元307以及筛选单元308,其中：
[0106] 训练单元301，用于训练遮阳板分类器；
[0107] 获取单元302,用于获取待检测图像；
[0108] 转化单元303,用于转化所述待检测图像为灰度图像；
[0109] 确定单元304,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；
[0110] 设置单元305,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；
[0111] 缩放单元306,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；
[0112] 检测单元307,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；
[0113] 筛选单元308,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。
[0114] 进一步地，所述训练单元301，包括：
[0115] 权重获取模块，用于获取当前轮图像样本的误差权重；
[0116] 分类器训练模块，用于根据所述当前轮图像样本的误差权重训练当前轮的弱分类 器；
[0117] 速率因子计算模块，用于在完成当前轮的弱分类器训练后，根据当前轮图像样本 的误差权重计算权重调整速率因子，具体为：
[0118]
CN 105138989 A ~P 8/9 页
[0119]
[0120] 其中，
[0121] wt, i为计算第t轮弱分类器时第i个图像样本的误差权重；
[0122] N为图像样本数量；
[0123] Wt为误差权重门限值；
[0124] α为本申请新增的权重调整速率因子；
[0125] 权重计算模块，用于根据所述权重调整速率因子计算下一轮图像样本的误差权 重，具体为：
[0126]
[0127] 其中，
[0128] wt+1>1为计算第t+Ι轮弱分类器时第i个图像样本的误差权重；
[0129] wt, i为计算第t轮弱分类器时第i个图像样本的误差权重；
[0130] yi为第i个图像样本的标签，可以取+1或者-1 ;
[0131] ft(X1)为第i个图像样本经过第t轮弱分类器训练后得到的分类结果；
[0132] 1^为误差权重调整因子；
[0133] α为本申请新增的权重调整速率因子；
[0134] 分类器添加模块，用于将每一轮训练得到的最小加权错误率的弱分类器添加到强 分类器中；
[0135] 分类器级联模块，用于将多个强分类器级联，构成遮阳板分类器。
[0136] 进一步地，所述确定单元304,包括：
[0137] 滤波器生成模块，用于生成车窗右上角定位滤波器；
[0138] 图像滤波模块，用于通过所述车窗右上角定位滤波器对所述灰度图像进行滤波；
[0139] 位置确定模块，用于确定滤波结果最大值所处位置为车窗右上角的位置。
[0140] 进一步地，
[0141] 所述滤波器生成模块，具体用于收集大量包含车窗右上角的图片样本和不包含车 窗右上角的图片样本；根据收集的图片样本中的车牌位置确定车窗右上角的候选区域；根 据所述车窗右上角的候选区域对收集的图片样本进行二分类；根据分类结果获取距离二分 类分界面较远的包含车窗右上角的图片样本；对获取的距离二分类分界面较远的包含车窗 右上角的图片样本进行归一化处理；对归一化处理后的包含车窗右上角的图片样本标定车 窗右上角位置；统计所有标定的车窗右上角位置生成车窗右上角定位滤波器。
[0142] 进一步地，所述装置还包括：
[0143] 判断单元，用于在所述筛选单元308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之后，当筛选结果为遮阳板开启时，判断遮阳板中心坐 标是否大于车牌中心坐标；
[0144] 分析单元，用于当所述遮阳板中心坐标大于所述车牌中心坐标时，确定主驾驶室 遮阳板开启；当所述遮阳板中心坐标小于所述车牌中心坐标时，确定副驾驶室遮阳板开启。
[0145] 上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的 实现过程，在此不再赘述。
[0146] 对于装