車臉定位方法及裝置的制造方法
【技術領域】
[0001] 本發明涉及智能交通技術領域，尤其涉及一種車臉定位方法及裝置。
【背景技術】
[0002] 由于不同品牌的車輛，以及同品牌不同款的車輛的前部圖像(前車臉)的散熱片和 車燈的布局和形狀都存在差異，因此可以通過車臉的識別對車輛進行更精確的分類，但是 一般很難從車輛圖像中分割出準確的車臉區域。
[0003] 現有技術中，一般可先定位車牌位置，然后以車牌中心為原點，根據車牌的寬度和 高度分別沿上、下、左、右四個方向按一定比例進行放大，最后框出一個四邊形區域作為車 臉區域。由于有些車的車牌位置并不居中放置，因此現有技術定位車牌位置再按照一定比 例在水平和垂直方向進行擴展得出的車臉區域就可能有缺失;而且對于沒有車牌的車輛或 者車牌臟污的車輛，現有技術無法精確定位車牌，進而也影響車臉定位的準確性。

【發明內容】

[0004] 本發明提供一種車臉定位方法及裝置，以解決現有技術中在車牌位置并不居中放 置或者無法精確定位車牌的情況下，不能準確定位車臉的問題。
[0005] 根據本發明實施例的第一方面，提供一種車臉定位方法，所述方法包括：
[0006] 獲取待識別車輛的增強車身圖像；
[0007] 根據增強車身圖像的每個像素的垂直梯度值和水平梯度值，對所述增強車身圖像 分別進行水平方向和垂直方向的梯度投影，得到水平投影圖和垂直投影圖；
[0008] 根據所述垂直投影圖和所述水平投影圖的分布特征，判斷所述待處理車身圖像中 的車是否為轎車；
[0009]如果是，根據所述垂直投影圖中具有投影值的范圍確定所述車臉的左邊緣線和右 邊緣線，根據所述水平投影圖中的峰值確定所述車臉的下邊緣線和上邊緣線；
[0010]根據所述車臉的左邊緣線、右邊緣線、下邊緣線和上邊緣線，確定車臉區域。
[0011]根據本發明實施例的第二方面，提供一種車臉定位裝置，所述裝置包括：
[0012 ]獲取單元，用于獲取待識別車輛的增強車身圖像；
[0013] 投影單元，用于根據增強車身圖像的每個像素的垂直梯度值和水平梯度值，對所 述增強車身圖像分別進行水平方向和垂直方向的梯度投影，得到水平投影圖和垂直投影 圖；
[0014] 判斷單元，用于根據所述垂直投影圖和所述水平投影圖的分布特征，判斷所述待 處理車身圖像中的車是否為轎車；
[0015] 確定單元，用于如果是，根據所述垂直投影圖中具有投影值的范圍確定所述車臉 的左邊緣線和右邊緣線，根據所述水平投影圖中的峰值確定所述車臉的下邊緣線和上邊緣 線;并且根據所述車臉的左邊緣線、右邊緣線、下邊緣線和上邊緣線，確定車臉區域。
[0016] 應用本發明實施例，通過計算增強車身圖像每個像素的梯度值，并在水平方向和 垂直方向進行梯度投影，得到水平投影圖和垂直投影圖；根據所述垂直投影圖和所述水平 投影圖的分布特征，判斷所述待處理車身圖像中的車是否為轎車;如果是轎車，則可根據所 述垂直投影圖中具有投影值的范圍確定所述車臉的左邊緣線和右邊緣線，根據所述水平投 影圖中的峰值確定所述車臉的下邊緣線和上邊緣線，根據車臉的左邊緣線、右邊緣線、下邊 緣線和上邊緣線即可確定車臉區域，從而保證不借助車牌位置信息即可定位車臉區域，并 且提高了車臉定位準確性。
【附圖說明】
[0017] 此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發明的實施 例，并與說明書一起用于解釋本發明的原理。
[0018] 圖1為本發明一種實施方式中車臉定位的方法流程圖；
[0019] 圖2為本發明一種實施方式中車身投影示意圖；
[0020] 圖3為本發明一種實施方式中根據車身投影示意圖確定車臉區域的示意圖；
[0021] 圖4為本發明一種實施方式中車臉定位裝置運行的硬件環境架構圖；
[0022]圖5為本發明一種實施方式中車臉定位裝置框圖。
【具體實施方式】
[0023]本發明中的車臉定位是指將車輛的前臉部分區域提取出來。車臉定位一般用于智 能交通技術領域的車型識別應用中。
[0024] 下面通過具體實施例對本發明方案進行詳細說明。
[0025] 參見圖1，為本發明一種實施方式中車臉定位的方法流程圖：
[0026]步驟101:對待處理卡口圖像進行圖像分割，得到待識別車身圖像。
[0027]具體地，選擇大量的卡口圖像并對每個圖像中的車輛進行標定，使用FAST RCNN (Fast Region-based Convolutional Network，基于區域的卷積神經網絡）算法訓練模型。 使用訓練好的模型對待處理卡口圖像進行車輛監測，對待處理卡口圖像中的車輛進行框 選。
[0028]對待處理卡口圖像中的車輛進行框選后，即可使用Grabcut分割算法對待處理卡 口進行圖像分割，得到待識別車身圖像。
[0029 ]步驟102:對待識別車身圖像生成灰度圖像。
[0030] 步驟103:對灰度圖像進行小波濾波處理，得到增強車身圖像。
[0031] 具體可使用Gabor濾波器對灰度圖像進行小波濾波處理，以便對該灰度圖像的紋 理進行增強，使得圖像邊緣更加清晰，得到增強車身圖像。
[0032] 步驟104:根據每個像素的垂直梯度值和水平梯度值，對增強車身圖像分別進行水 平方向和垂直方向的梯度投影，得到水平投影圖和垂直投影圖。
[0033] 每個像素的梯度值可通過以下步驟得到:計算每個像素的灰度值與上面的相鄰像 素的灰度值的差值，得到像素的垂直梯度值;計算每個像素的灰度值與左側的相鄰像素的 灰度值的差值，得到像素的水平梯度值。
[0034] 其中，對增強車身圖像分別進行水平方向和垂直方向的梯度投影，得到水平投影 圖和垂直投影圖，具體包括:統計增強車身圖像的每列像素中水平梯度值超過水平梯度閾 值的個數，得到對應列像素的垂直投影值，增強車身圖像的每列像素的垂直投影值構成垂 直投影圖；統計增強車身圖像的每行像素中垂直梯度值超過垂直梯度閾值的個數，得到對 應行像素的水平投影值，增強車身圖像的每行像素的水平投影值構成水平投影圖。因此，垂 直投影值的大小取決于對應列像素中水平梯度值超過水平梯度閾值的個數，水平投影值的 大小取決于對應行像素中垂直梯度值超過垂直梯度閾值的個數。
[0035] 為了實現本發明技術方案，可預設一個水平梯度閾值，一個垂直梯度閾值，該梯度 閾值可根據試驗得出經驗值，不同的圖像該梯度閾值可不同。
[0036] 步驟105:根據水平投影圖和垂直投影圖的分布特征，判斷待處理車身圖像中的車 是否為轎車。
[0037] 這里所提及的分布特征是指垂直投影圖中投影值不為0的寬度，以及水平投影圖 中投影值不為〇的高度。
[0038] 可計算水平投影的高度和垂直投影的寬度的比值，一般大型車的比值較大，小型 車如轎車的比值則較小，本申請文件中將〇. 9〈s (比值)〈1.2的車型判斷為轎車。其中轎車的 比值范圍具體可由經驗值得出。
[0039]如果是轎車，則執行步驟106,如果不是，則結束操作。
[0040] 步驟106:根據垂直投影圖中具有投影值的范圍確定車臉的左邊緣線和右邊緣線， 根據水平投影圖中的峰值確定車臉的下邊緣線和上邊緣線，根據車臉的左邊緣線、右邊緣 線、下邊緣線和上邊緣線，確定車臉區域。
[0041] 具體地，根據垂直投影