一種基于sobel邊緣檢測的車窗區(qū)域識別方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及圖像處理領域，特別涉及一種基于sobel邊緣檢測的車窗區(qū)域識別方 法及裝置。
【背景技術】
[0002] 近幾十年來，智能交通系統(tǒng)已經取得了飛速發(fā)展。車窗區(qū)域識別是智能交通系統(tǒng) 中一個比較新的研究方向，具有很多重要的應用：為車型識別系統(tǒng)提供依據，在很大程度上 改善車型的正確識別率；應用于識別駕駛員識別系統(tǒng)中，追蹤駕駛員信息；應用于安全帶 識別系統(tǒng)中，很大程度上縮小搜索范圍，提高安全帶定位準確率。因此，對車窗區(qū)域的識別 顯得越來越重要。
[0003] 現有的車窗區(qū)域識別方法，都是從車窗區(qū)域的灰度值出發(fā)，基于車窗區(qū)域位置的 亮度異于車身其他區(qū)域的位置，從而將車窗區(qū)域位置識別出來。這種方法的缺點在于抗干 擾能力弱，如果車窗區(qū)域位置的亮度與車身其他區(qū)域位置亮度差異度不大，就很難把車窗 區(qū)域位置準確地識別出來；或者如果車身上有與車窗區(qū)域類似的一塊區(qū)域，且其亮度特征 同樣異于車身其他區(qū)域，則會識別錯誤。

【發(fā)明內容】

[0004] 本發(fā)明實施例提供了一種基于sobel邊緣檢測的車窗區(qū)域識別方法及裝置，以提 高車窗區(qū)域識別的抗干擾能力。
[0005] -方面，本發(fā)明實施例提供了一種基于sobel邊緣檢測的車窗區(qū)域識別方法，所 述方法包括：
[0006] 對識別區(qū)域使用sobel梯度算子在垂直方向求梯度，得到水平邊緣圖像，以及使 用傾斜sobel算子在45°和135°方向求梯度，得到45°方向邊緣圖像和135°方向邊緣 圖像；
[0007] 根據所述水平邊緣圖像確定車窗的上下邊界，以及根據所述45°方向邊緣圖像和 135°方向邊緣圖像確定車窗的左右邊界。
[0008] 第二方面，本發(fā)明實施例提供了一種基于sobel邊緣檢測的車窗區(qū)域識別裝置， 所述裝置包括：
[0009] 邊緣圖像獲取模塊，用于對識別區(qū)域使用sobel梯度算子在垂直方向求梯度，得 到水平邊緣圖像，以及使用傾斜sobel算子在45°和135°方向求梯度，得到45°方向邊緣 圖像和135°方向邊緣圖像；
[0010] 邊界確定模塊，用于根據所述水平邊緣圖像確定車窗的上下邊界，以及根據所述 45°方向邊緣圖像和135°方向邊緣圖像確定車窗的左右邊界。
[0011] 本發(fā)明提供的技術方案帶來的有益效果是：
[0012] 從上述本發(fā)明實施例可知，由于利用sobel梯度算法識別車窗的邊緣，完全不依 賴于車窗和車身的亮度差異信息，因此，提高了車窗區(qū)域識別的抗干擾能力。
【附圖說明】
[0013] 為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例描述中所需要使 用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于 本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他 的附圖。
[0014] 圖Ι-a為本發(fā)明一種基于sobel邊緣檢測的車窗區(qū)域識別方法的第一實施例流程 圖；
[0015] 圖l_b為本發(fā)明一種基于sobel邊緣檢測的車窗區(qū)域識別方法的第二實施例流程 圖；
[0016] 圖2為本發(fā)明一種基于sobel邊緣檢測的車窗區(qū)域識別方法第三實施例流程圖；
[0017] 圖3-a為本發(fā)明一種基于sobel邊緣檢測的車窗區(qū)域識別裝置第一實施例結構示 意圖；
[0018] 圖3-b為本發(fā)明一種基于sobel邊緣檢測的車窗區(qū)域識別裝置第二實施例結構示 意圖；
[0019] 圖4為本發(fā)明一種基于sobel邊緣檢測的車窗區(qū)域識別裝置第三實施例結構示意 圖。
【具體實施方式】
[0020] 為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結合附圖對本發(fā)明實施方 式作進一步地詳細描述。
[0021] 本發(fā)明一種基于sobel邊緣檢測的車窗區(qū)域識別方法第一實施例流程，參見圖 Ι-a,所述方法包括：
[0022] 101 :對識別區(qū)域使用sobel梯度算子在垂直方向求梯度，得到水平邊緣圖像，以 及使用傾斜sobel算子在45°和135°方向求梯度，得到45°方向邊緣圖像和135°方向 邊緣圖像。
[0023] 根據車牌位置向左右分別擴展4個車牌寬度，向上擴展30個車牌高度，形成識別 區(qū)域。
[0024] 對識別區(qū)域用sobel算子在垂直方向求梯度，得到水平邊緣圖像。
[0025] 利用表1中的sobel算子對識別區(qū)域在垂直方向求梯度。
[0026] 表1垂直梯度方向sobel算子
[0027]
【主權項】
1. 一種基于sobel邊緣檢測的車窗區(qū)域識別方法，其特征在于，所述方法包括： 對識別區(qū)域使用sobel梯度算子在垂直方向求梯度，得到水平邊緣圖像，W及使用傾 斜sobel算子在45。和135°方向求梯度，得到45。方向邊緣圖像和135°方向邊緣圖像； 根據所述水平邊緣圖像確定車窗的上下邊界，W及根據所述45°方向邊緣圖像和 135°方向邊緣圖像確定車窗的左右邊界。
2. 根據權利要求1所述的方法，其特征在于，所述對識別區(qū)域用sobel算子在垂直方向 求梯度具體為：使用公式 Afy(x，y) = I {f(x-l，y+l)+2*f(x，y+l)+f(x+l，y+l)}-{f(x-l，y-l)+2*f(x， 廠l)+f (x+1，y-1)} 對識別區(qū)域在垂直方向求梯度。
3. 根據權利要求1所述的方法，其特征在于，所述根據所述水平邊緣圖像確定車窗的 上下邊界，包括： 對所述水平邊緣圖像進行二值化，得到二值化水平邊緣圖像，統(tǒng)計所述二值化水平邊 緣圖像每行各個點的累加值； 根據統(tǒng)計出的所述二值化水平邊緣圖像每行各個點的累加值確定兩個最佳的波峰，并 將所述兩個最佳的波峰所在行確定為車窗的上下邊界。
4. 根據權利要求1所述的方法，其特征在于，所述對識別區(qū)域用傾斜sobel算子在 45°方向求梯度具體為；使用公式 Afx(x，y) = lif(x+i，y)巧*f(x+i，y+i)+f(x+i，y+^}-if(x-i，y-^+2*f(x-i， 廠 l)+f(x-l，y)} 對識別區(qū)域在45°方向求梯度； 對識別區(qū)域用傾斜sobel算子在135°方向求梯度具體為；使用公式 Afy(x, y) = I {f(x+l, y-2)+2*f (x+1, y-l)+f(x+l, y)}-{f(x-l, y)+2*f(x-l, y+l)+f(x-l, y+2)} 對識別區(qū)域在135°方向求梯度。
5. 根據權利要求1所述的方法，其特征在于，所述根據所述45°方向邊緣圖像和135° 方向邊緣圖像確定車窗的左右邊界，包括： 對所述45°方向邊緣圖像和135°方向邊緣圖像進行二值化，得到二值化45°方向邊 緣圖像和二值化135°方向邊緣圖像，統(tǒng)計所述二值化45°方向邊緣圖像每行各個點的累 加值和二值化135°方向邊緣圖像每行各個點的累加值； 根據統(tǒng)計出的所述二值化45°方向邊緣圖像每行各個點的累加值確定一個45°方 向最佳波峰，根據統(tǒng)計出的所述二值化135°方向邊緣圖像每行各個點的累加值確定一個 135°方向最佳波峰，并將所述45°方向最佳波峰所在行和135°方向最佳波峰所在行確 定為車窗的左右邊界。
6. -種基于sobel邊緣檢測的車窗區(qū)域識別裝置，其特征在于，所述裝置包括： 邊緣圖像獲取模塊，用于對識別區(qū)域使用sobel梯度算子在垂直方向求梯度，得到水 平邊緣圖像，W及使用傾斜sobel算子在45°和135°方向求梯度，得到45°方向邊緣圖像 和135°方向邊緣圖像； 邊界確定模塊，用于根據所述水平邊緣圖像確定車窗的上下邊界，W及根據所述45° 方向邊緣圖像和135°方向邊緣圖像確定車窗的左右邊界。
7. 根據權利要求6所述的裝置，其特征在于，邊緣圖像獲取模塊具體用于：使用公式 Afy(x，y) = I {f(x-l，y+l)+2*f(x，y+l)+f(x+l，y+l)}-{f(x-l，y-l)+2*f(x， 廠l)+f (x+1，y-1)} 對識別區(qū)域在垂直方向求梯度。
8. 根據權利要求6所述的裝置，其特征在于，所述邊界確定模塊包括： 第一二值化模塊，用于對所述水平邊緣圖像進行二值化，得到二值化水平邊緣圖像，統(tǒng) 計所述二值化水平邊緣圖像每行各個點的累加值； 上下邊界確定模塊，用于根據統(tǒng)計出的所述二值化水平邊緣圖像每行各個點的累加值 確定兩個最佳的波峰，并將所述兩個最佳的波峰所在行確定為車窗的上下邊界。
9. 根據權利要求6所述的裝置，其特征在于，邊緣圖像獲取模塊具體用于：使用公式 Afx(x，y) = lif(x+i，y)巧*f(x+i，y+i)+f(x+i，y+^}-if(x-i，y-^+2*f(x-i， y-l)+f(x-l, y)} 對識別區(qū)域在45°方向求梯度； 使用公式 Afy(x, y) = I {f(x+l, y-2)+2*f (x+1, y-l)+f(x+l, y)}-{f(x-l, y)+2*f(x-l, y+l)+f(x-l, y+2)} 對識別區(qū)域在135°方向求梯度。
10. 根據權利要求6所述的裝置，其特征在于，所述邊界確定模塊包括： 第二二值化模塊，用于對所述45°方向邊緣圖像和135°方向邊緣圖像進行二值化， 得到二值化45°方向邊緣圖像和二值化135°方向邊緣圖像，統(tǒng)計所述二值化45°方向邊 緣圖像每行各個點的累加值和二值化135°方向邊緣圖像每行各個點的累加值； 左右邊界確定模塊，用于根據統(tǒng)計出的所述二值化45°方向邊緣圖像每行各個點的累 加值確定一個45°方向最佳波峰，根據統(tǒng)計出的所述二值化135°方向邊緣圖像每行各個 點的累加值確定一個135°方向最佳波峰，并將所述45°方向最佳波峰所在行和135°方 向最佳波峰所在行確定為車窗的左右邊界。
【專利摘要】本發(fā)明公開了一種基于sobel邊緣檢測的車窗區(qū)域識別方法及裝置，屬于圖像處理領域。所述方法包括：對識別區(qū)域使用sobel梯度算子在垂直方向求梯度，得到水平邊緣圖像，以及使用傾斜sobel算子在45°和135°方向求梯度，得到45°方向邊緣圖像和135°方向邊緣圖像；根據所述水平邊緣圖像確定車窗的上下邊界，以及根據所述45°方向邊緣圖像和135°方向邊緣圖像確定車窗的左右邊界。本發(fā)明通過所述基于sobel邊緣檢測的車窗區(qū)域識別方法及裝置，實現了提高車窗區(qū)域識別的抗干擾能力。
【IPC分類】G06T7-00, G06K9-00
【公開號】CN104636713
【申請?zhí)枴緾N201310574625
【發(fā)明人】王亞夫
【申請人】深圳市朗馳欣創(chuàng)科技有限公司
【公開日】2015年5月20日
【申請日】2013年11月15日