利用深度攝像頭對車輛或行人進行識別的檢測裝置及方法
【專利摘要】本發(fā)明公開的利用深度攝像頭對車輛或行人進行識別的檢測裝置，包括：分布在停車場各個路口處的深度攝像頭，深度攝像頭獲取當前場景中各像素點的深度距離信息，并對深度距離信息進行處理形成深度圖像；分別與每一深度攝像頭連接的深度圖像的控制處理單元，控制處理單元遍歷每一幀深度圖像中的全部像素點，并對每一幀深度圖像進行處理形成與其相對應的深度直方圖，判斷深度直方圖在預計距離范圍內是否出現波峰，若判斷出現波峰，則對該幀深度圖像進行區(qū)域分割并進行邊緣檢測，根據目標特征點的分類和姿態(tài)檢測方法識別車輛或行人。本發(fā)明識別的三維特征更多，識別準確度更高，基本不受環(huán)境影響，在夜間及陰雨天氣的情況下也可以正常工作。
【專利說明】
利用深度攝像頭對車輛或行人進行識別的檢測裝置及方法
技術領域
[0001] 本發(fā)明涉及停車場車輛識別系統技術領域，尤其涉及一種利用深度攝像頭對車輛 或行人進行識別的檢測裝置及其檢測方法。
【背景技術】
[0002] 目前市場上在停車場車輛識別系統中應用最多的技術和裝置是通過傳統的RGB攝 像頭結合圖像處理技術來對停車場內的車輛或行人進行識別，但是這種技術只能獲取平面 信息，而且傳統RGB圖像的獲取受外界環(huán)境光照影響較大，當夜晚或陰雨天外界光照強度不 足時就可能導致RGB圖像采集出現問題，極受工作環(huán)境的約束。另外，傳統圖像處理技術算 法繁瑣和體系復雜，不具備簡捷快速的特點。
[0003] 在已知的公知技術中，例如專利申請?zhí)枮?01510645913.3的中國專利申請公開的 一種車輛前方行人檢測方法及系統，其包括圖像獲取與預處理步驟、圖像縮放步驟、LBP與 H0G特征提取步驟、目標區(qū)域提取步驟、目標識別步驟、目標融合及預警步驟以及在車輛前 方有行人時及時提示駕駛員步驟。通過將LBP特征和H0G特征聯合使用，有效地在整體上提 高行人檢測的準確率。另外，在已知的公知技術中，基于車輛特征識別車輛的方法需依靠車 輛自身明顯的特征，作為已知的知識作用于對車輛進行檢測。在進行車輛檢測時，常用的特 征是對稱性、陰影、邊緣等。車輛在較好光照條件下，其底部留下的陰影區(qū)域的亮度明顯不 同于圖像其他部分，不過這種區(qū)別也僅限于確定車輛大致的位置和車輛寬度。根據車輛的 對稱性，可以利用這一特點從對稱映射圖中得到車輛的位置。利用車輛邊緣的特點可以將 車輛從原圖像中很好地分割出來，從而實現基于車輛特征對車輛進行識別的功能。
[0004] 深度攝像頭是通過調制紅外光測量目標區(qū)域三維深度距離信息成像的攝像頭，通 常應用于測距、監(jiān)控設備中。深度攝像頭應用一款新型光測距傳感器，由發(fā)射器發(fā)射調制到 特定頻率的紅外光信號，接收器接收目標物的反射光，測量光脈沖之間的相位差計算傳輸 時間，從而算出目標物和攝像頭之間的距離，即單像素點的三維深度信息。由多像素單元按 照陣列排列構成類似CMOS相機的多像素點深度攝像頭，用于測量場景中各像素點到攝像頭 的深度距離信息。場景中各點相對于攝像頭的距離用深度圖像(Depth Map)來表示，即深度 圖像中的每一個像素值表示場景中某一點與攝像機之間的距離，主要用于計算機視覺系統 處理中。
[0005] 深度攝像頭除了能夠獲取深度圖像，還可以獲取拍攝對象的深度彳目息，也就是二 維圖像的位置和尺寸信息，于是整個計算系統就獲得了環(huán)境和對象的三維立體數據。
[0006] 據此，本
【申請人】基于深度攝像頭的工作原理進行了有益的探索和嘗試，找到了解 決上述問題的辦法，下面將要介紹的技術方案便是在這種背景下產生的。

【發(fā)明內容】

[0007] 本發(fā)明所要解決的技術問題之一在于:針對現有的圖像處理技術存在只能獲取平 面信息、受環(huán)境影響較大、算法繁瑣、體系復雜、不具備簡捷快速的特定等問題，而提供一種 識別準確度高、基本不受環(huán)境的影響、算法更加簡捷、計算量更低、更加高效準確的利用深 度攝像頭對車輛或行人進行識別的檢測裝置。
[0008] 本發(fā)明所要解決的技術問題之二在于:提供一種上述利用深度攝像頭對車輛或行 人進行識別的檢測裝置的檢測方法。
[0009] 作為本發(fā)明第一方面的一種利用深度攝像頭對車輛或行人進行識別的檢測裝置， 包括：
[0010] 分布在停車場各個路口處的深度攝像頭，所述深度攝像頭獲取當前場景中各像素 點的深度距離信息，并對深度距離信息進行處理形成深度圖像；
[0011] 分別與每一深度攝像頭連接且用于接收所述深度攝像頭傳送過來的深度圖像的 控制處理單元，所述控制處理單元遍歷每一幀深度圖像中的全部像素點，并對每一幀深度 圖像進行處理形成與其相對應的深度直方圖，判斷所述深度直方圖在預計距離范圍內是否 出現波峰，若判斷出現波峰，則對該幀深度圖像進行區(qū)域分割并進行邊緣檢測，根據目標特 征點的分類和姿態(tài)檢測方法識別車輛或行人。
[0012] 在本發(fā)明的一個優(yōu)選實施例中，所述控制處理單元在接收所述深度攝像頭傳送過 來的深度圖像后，通過中值濾波方法對所述深度圖像進行噪聲閥值處理，防止因噪聲導致 的誤判出現。
[0013] 在本發(fā)明的一個優(yōu)選實施例中，每一深度攝像頭通過無線通訊的方式與所述控制 處理單元連接。
[0014] 在本發(fā)明第二方面的上述利用深度攝像頭對車輛或行人進行識別的檢測裝置的 檢測方法，包括以下步驟：
[0015] 步驟S1，控制處理單元控制每一深度攝像頭獲取當前場景中各像素點的深度距離 信息，深度攝像頭對深度距離信息進行處理形成深度圖像，并將深度圖像傳送至控制處理 單元；
[0016] 步驟S2,控制處理單元接收每一深度攝像頭傳送過來的深度圖像，并遍歷每一幀 深度圖像的全部像素點，對每一幀深度圖像進行處理形成深度直方圖，然后判讀深度直方 圖在預計距離范圍內是否出現波峰，若判斷出現波峰，則進入步驟S3,否則返回步驟S1;
[0017] 步驟S3,對出現波峰的深度直方圖所對應的深度圖像進行區(qū)域分割，并將目標區(qū) 域與背景分離后進行邊緣檢測，檢測得到深度圖像的全部目標特征點；
[0018] 步驟S4,根據目標特征點的分類和姿態(tài)檢測方法識別出車輛或行人。
[0019] 在本發(fā)明的一個優(yōu)選實施例中，在所述步驟S2中，還包括:控制處理單元在接收所 述深度攝像頭傳送過來的深度圖像后，通過中值濾波方法對所述深度圖像進行噪聲閥值處 理，防止因噪聲導致的誤判出現。
[0020] 在本發(fā)明的一個優(yōu)選實施例中，在所述步驟S4中，所述根據目標特征點的分類和 姿態(tài)檢測方法識別出車輛或行人，包括以下子步驟：
[0021] 步驟S41，所述控制處理單元通過遍歷和比較獲取深度圖像中目標區(qū)域的最高像 素點、最低像素點、最左像素點以及最右像素點；
[0022]步驟S42,根據步驟S41獲取到的深度圖像中目標區(qū)域的最高像素點、最低像素點、 最左像素點以及最右像素點，通過運算獲取深度圖像像素點的高度和寬度距離；
[0023]步驟S43，根據目標物體與深度攝像頭的垂直距離和深度攝像頭水平視角，結合三 角函數定律推算出深度圖像中目標區(qū)域的實際高度和寬度；
[0024] 步驟S44,根據步驟S43推算出的深度圖像中目標區(qū)域的實際高度和寬度與車輛和 行人設定不同的閥值進行比較，從而識別出目標物體是車輛還是行人。
[0025] 本發(fā)明采用深度攝像頭獲取停車場內當前場景中多像素點的深度距離信息，可實 時3D再現周圍環(huán)境，從而對目標區(qū)域進行監(jiān)控，通過控制處理單元實現高效可靠的對車輛 或行人輪廓和移動特征進行識別，判斷目標區(qū)域中的車輛和行人。
[0026]本發(fā)明與傳統的RGB攝像頭相比，具有以下幾方面的優(yōu)點：
[0027] 1、深度攝像頭提供場景深度距離信息，識別的三維特征更多，識別準確度更高；
[0028] 2、深度攝像頭獲取場景深度距離信息基本不受環(huán)境影響，在夜間及陰雨天氣的情 況下也可以正常工作；
[0029] 3、在計算機視覺算法方面，利用深度攝像頭抓取場景深度距離設計算法更加簡 捷，計算量更低，更加高效準確。
【附圖說明】
[0030] 為了更清楚地說明本發(fā)明實施例或現有技術中的技術方案，下面將對實施例或現 有技術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。
[0031] 圖1是本發(fā)明的深度攝像頭的工作狀態(tài)示意圖。
[0032]圖2是本發(fā)明的工作流程圖。
【具體實施方式】
[0033] 為了使本發(fā)明實現的技術手段、創(chuàng)作特征、達成目的與功效易于明白了解，下面結 合具體圖示，進一步闡述本發(fā)明。
[0034] 本發(fā)明的一種利用深度攝像頭對車輛或行人進行識別的檢測裝置，參見圖1，包括 分布在停車場各個路口處的深度攝像頭1〇〇以及控制處理單元200,每一深度攝像頭100分 別通過有線通訊的方式或無線通訊的方式與控制處理單元200連接。
[0035]參見圖2,本發(fā)明的利用深度攝像頭對車輛或行人進行識別的檢測裝置的檢測方 法，包括以下步驟：
[0036]步驟10,控制處理單元200控制每一深度攝像頭100獲取當前場景中各像素點的深 度距離信息，深度攝像頭100對深度距離信息進行處理形成深度圖像，并將深度圖像傳送至 控制處理單元200;
[0037] 步驟20,控制處理單元200接收每一深度攝像頭100傳送過來的深度圖像，并通過 中值濾波方法對接收到的深度圖像進行噪聲閥值處理，防止因噪聲導致的誤判出現；
[0038] 步驟30,控制處理單元200對噪聲閥值處理后的每一幀深度圖像的全部像素點進 行遍歷，然后對每一幀深度圖像進行處理形成深度直方圖，判讀深度直方圖在預計距離范 圍內是否出現波峰，若判斷出現波峰，則證明獲取場景中有車輛或者行人正在經過，進入步 驟40,否則返回步驟10;
[0039]步驟40,對出現波峰的深度直方圖所對應的深度圖像進行區(qū)域分割，并將目標區(qū) 域與背景分離后進行邊緣檢測，檢測得到深度圖像的全部目標特征點；
[0040]步驟50,根據目標特征點的分類和姿態(tài)檢測方法識別出車輛或行人。在步驟50中， 其包括以下子步驟：
[0041 ]步驟51，所述控制處理單元通過遍歷和比較獲取深度圖像中目標區(qū)域的最高像素 點depthPixelTop、最低像素點depthPixelBottom、最左像素點depthPixelLeft以及最右像 素點 depthPixelRight;
[0042] 步驟52,根據步驟51獲取到的深度圖像中目標區(qū)域的最高像素點depthPixelTop、 最低像素點depthPixelBottom、最左像素點depthPixelLeft以及最右像素點 depthPixelRight，通過以下公式（1)和公式（2)運算獲取深度圖像像素點的高度距離 depthPixelHeight和深度圖像像素點的寬度距離depthPixelWidth;
[0043] depthPixelHeight=ABS(depthPixelTop-depthPixelBottom) (1)
[0044] depthPixelffidth=ABS(depthPixelLeft-depthPixelRight) (2)
[0045] 步驟53,根據目標物體與深度攝像頭的垂直距離d和深度攝像頭水平視角Θ，結果 三角函數定律即公式（3)、（4)、（5)和(6)可以推算目標區(qū)域的實際高度Hr和寬度Wr，如圖1 所示，其中b表示用戶所在有效視程的橫截面實際寬度的1/2;
[0046]
[0048] 將公式(3)、（4)聯立，即可推算出目標的實際寬度Wr。
[0049] 進而，可以推導出每個深度圖像幀像素寬度對應的實際寬度OnePixelWidth:
[0050]
[0051] 最后，可以計算出目標的實際高度Hr。
[0052] Hr = 0nePixelffidth · depthPixelHeight (6)
[0053] 步驟54,根據步驟53推算出的深度圖像中目標區(qū)域的實際高度和寬度與車輛和行 人設定不同的閥值進行比較，從而識別出目標物體是車輛還是行人。此外，由于車輛的輪廓 是固定不變的，而行人在行走或活動過程中會隨時發(fā)生姿勢的變化，因此可以根據連續(xù)多 幀的輪廓姿態(tài)，進一步判斷區(qū)分車輛和行人，提高識別和判斷的準確率。
[0054]本發(fā)明采用深度攝像頭獲取停車場內當前場景中多像素點的深度距離信息，可實 時3D再現周圍環(huán)境，從而對目標區(qū)域進行監(jiān)控，通過控制處理單元實現高效可靠的對車輛 或行人輪廓和移動特征進行識別，判斷目標區(qū)域中的車輛和行人。
[0055]以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術 人員應該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變 化和改進都落入要求保護的本發(fā)明范圍內。本發(fā)明要求保護范圍由所附的權利要求書及其 等效物界定。
【主權項】
1. 一種利用深度攝像頭對車輛或行人進行識別的檢測裝置，其特征在于，包括： 分布在停車場各個路口處的深度攝像頭，所述深度攝像頭獲取當前場景中各像素點的 深度距離信息，并對深度距離信息進行處理形成深度圖像； 分別與每一深度攝像頭連接且用于接收所述深度攝像頭傳送過來的深度圖像的控制 處理單元，所述控制處理單元遍歷每一幀深度圖像中的全部像素點，并對每一幀深度圖像 進行處理形成與其相對應的深度直方圖，判斷所述深度直方圖在預計距離范圍內是否出現 波峰，若判斷出現波峰，則對該幀深度圖像進行區(qū)域分割并進行邊緣檢測，根據目標特征點 的分類和姿態(tài)檢測方法識別車輛或行人。2. 如權利要求1所述的利用深度攝像頭對車輛或行人進行識別的檢測裝置，其特征在 于，所述控制處理單元在接收所述深度攝像頭傳送過來的深度圖像后，通過中值濾波方法 對所述深度圖像進行噪聲閥值處理，防止因噪聲導致的誤判出現。3. 如權利要求1所述的利用深度攝像頭對車輛或行人進行識別的檢測裝置，其特征在 于，每一深度攝像頭通過無線通訊的方式與所述控制處理單元連接。4. 如權利要求1至3中任一項所述的利用深度攝像頭對車輛或行人進行識別的檢測裝 置的檢測方法，其特征在于，包括以下步驟： 步驟S1，控制處理單元控制每一深度攝像頭獲取當前場景中各像素點的深度距離信 息，深度攝像頭對深度距離信息進行處理形成深度圖像，并將深度圖像傳送至控制處理單 元； 步驟S2,控制處理單元接收每一深度攝像頭傳送過來的深度圖像，并遍歷每一幀深度 圖像的全部像素點，對每一幀深度圖像進行處理形成深度直方圖，然后判讀深度直方圖在 預計距離范圍內是否出現波峰，若判斷出現波峰，則進入步驟S3,否則返回步驟S1; 步驟S3,對出現波峰的深度直方圖所對應的深度圖像進行區(qū)域分割，并將目標區(qū)域與 背景分離后進行邊緣檢測，檢測得到深度圖像的全部目標特征點； 步驟S4，根據目標特征點的分類和姿態(tài)檢測方法識別出車輛或行人。5. 如權利要求4所述的檢測方法，其特征在于，在所述步驟S2中，還包括:控制處理單元 在接收所述深度攝像頭傳送過來的深度圖像后，通過中值濾波方法對所述深度圖像進行噪 聲閥值處理，防止因噪聲導致的誤判出現。6. 如權利要求4所述的檢測方法，其特征在于，在所述步驟S4中，所述根據目標特征點 的分類和姿態(tài)檢測方法識別出車輛或行人，包括以下子步驟： 步驟S41，所述控制處理單元通過遍歷和比較獲取深度圖像中目標區(qū)域的最高像素點、 最低像素點、最左像素點以及最右像素點； 步驟S42，根據步驟S41獲取到的深度圖像中目標區(qū)域的最尚像素點、最低像素點、最左 像素點以及最右像素點，通過運算獲取深度圖像像素點的高度和寬度距離； 步驟S43,根據目標物體與深度攝像頭的垂直距離和深度攝像頭水平視角，結合三角函 數定律推算出深度圖像中目標區(qū)域的實際高度和寬度； 步驟S44,根據步驟S43推算出的深度圖像中目標區(qū)域的實際高度和寬度與車輛和行人 設定不同的閥值進行比較，從而識別出目標物體是車輛還是行人。
【文檔編號】G06K9/00GK106096512SQ201610378475
【公開日】2016年11月9日
【申請日】2016年5月31日
【發(fā)明人】鄒耀, 王偉行
【申請人】上海美迪索科電子科技有限公司