1.本发明涉及智能交通技术领域，尤其是涉及一种基于图像识别的车辆通行证检测方法。
背景技术：2.汽车作为现代人类主要的交通方式，对经济发展起到了重要作用。为提高交通秩序，道闸门禁系统目前已经大量应用于停车场、小区、工厂、市政机关等场合。道闸门禁系统一般依靠识别车牌来辨别车辆，但在一些特殊场景下，临时车辆出入证起到了车牌所不能替代的作用。在现今的疫情背景下，对封闭场合如小区、学校的物资运输车辆，一般不只靠车牌识别身份，都会发放车辆通行证、出入证来达到证实身份的目的。
3.目前，对车辆通行证的辨别主要依靠人工排查，排查效率及准确率不能得到保证，加之疫情影响，任何错误的排查都有可能导致病毒大范围传播。
技术实现要素：4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种检测效率高且准确性高的基于图像识别的车辆通行证检测方法。
5.本发明的目的可以通过以下技术方案来实现：
6.本发明提供了一种基于图像识别的车辆通行证检测方法，该方法包括以下步骤：
7.步骤s1、采集经过道闸的带有车辆通行证的车辆图片作为样本图片，对样本图片进行预处理，将样本图片及其标注信息作为数据集；
8.步骤s2、构建车辆通行证区域目标检测网络，使用步骤s1的数据集训练车辆通行证区域检测网络，得到训练好的车辆通行证区域检测网络；
9.步骤s3、对待测车辆图片进行预处理后输入步骤s2训练后的车辆通行证区域目标检测网络，获得包含置信度得分的目标框；
10.步骤s4、根据置信度阈值筛选出高得分的目标框，然后通过非极大值抑制算法剔除位置重合度高的目标框，对最终保留的目标框进行图像校正，校正后的图像作为检测结果；
11.步骤s5、将步骤s4中的检测结果作为待测车辆通行证进行边缘检测，将待测车辆通行证边缘检测结果图与通过此道闸所需的原始车辆通行证边缘检测结果图进行对比，若匹配，则通行当前车辆。
12.优选地，所述步骤s1中的车辆图片通过道闸旁的高清摄像头进行采集。
13.优选地，所述步骤s1或步骤s3中的预处理包括对车辆图片进行降噪及采样。
14.优选地，所述步骤s1中的标注信息包括平行四边形框的位置信息。
15.优选地，所述步骤s2中的车辆通行证区域检测网络包括r-cnn系列网络和yolo系列网络。
16.优选地，所述步骤s4中对最终保留的目标框进行图像校正，具体为：对最终保留的
目标框进行基于透视变换的几何校正。
17.优选地，所述步骤s5中的边缘检测算法包括canny、soble和roberts边缘检测算法。
18.优选地，所述步骤s5中的边缘检测算法采用canny边缘检测算法。
19.优选地，所述canny边缘检测算法具体为：
20.1)高斯平滑滤波；2)计算梯度；3)非极大值抑制；4)双阈值检测、连接边缘。
21.优选地，所述步骤s5具体包括以下子步骤：
22.步骤s51、将原始车辆通行证下采样，使其与待测车辆通行证大小相同；
23.步骤s52、将下采样后的原始车辆通行证与待测车辆通行证进行边缘检测并二值化处理；
24.步骤s53、将两幅二值图对应位置像素点的像素值一一比较；
25.步骤s54、若对应位置像素值相等的像素点个数与像素点总个数的比值大于所设阈值，则判定为两幅图像匹配，即通行当前车辆。
26.与现有技术相比，本发明具有以下优点：
27.1)本发明能够快速、准确地对车辆通行证进行检测，可改变人工排查车辆通行证的现状，提高排查效率及准确性，在智能交通领域具有较好的应用前景；
28.2)通过对目标框进行几何校正，解决了因道闸摄像头拍摄角度而带来的图像失真问题。
附图说明
29.图1是本发明的流程图；
30.图2是实施例中原始车辆通行证灰度图；
31.图3是实施例中所要检测的图；
32.图4是实施例中所要检测的另一张图；
33.图5是图3所对应的图像校正结果图；
34.图6是图4所对应的图像校正结果图；
35.图7是图2所对应的边缘检测结果图；
36.图8是图5所对应的边缘检测结果图；
37.图9是图6所对应的边缘检测结果图。
具体实施方式
38.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
39.实施例
40.如图1所示，本实施例给出了一种基于图像识别的车辆通行证检测方法，该方法包括以下步骤：
41.步骤s1、采集经过道闸的带有车辆通行证的车辆图片作为样本图片，然后对样本
图片进行预处理，将处理后的样本图片使用标注工具进行平行四边形框标注，标注信息包含平行四边形框位置信息；所有样本图片及其标注信息作为数据集，数据集根据4：1的比例划分为训练集和验证集，用于目标检测网络的训练。
42.步骤s2、构建yolov2车辆通行证区域检测网络，使用步骤s1的训练集对练车辆通行证区域检测网络进行训练，得到训练好的车辆通行证区域检测网络；
43.步骤s3、对待测车辆图片进行预处理后输入步骤二训练后的车辆出入证区域检测网络，获得包含置信度得分的目标框；
44.步骤s4、根据置信度阈值筛选出高得分的目标框，然后通过非极大值抑制算法剔除位置重合度高的目标框，对最终保留的目标框进行图像校正，校正后的图像作为检测结果；
45.其中，图像校正具体为：
46.透视变换公式：
[0047][0048]
式中，(u，v)为原始图像像素坐标，对应得到变换后的图片坐标(x，y)，满足
[0049][0050][0051]
透视变换矩阵图解如下：
[0052][0053][0054]
t2＝[a
13 a
23
]
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0055]
t3＝[a
31 a
32
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0056]
其中，t1表示图像线性变换，t2用于产生图像透视变换，t3表示图像平移；
[0057]
即，透视变换的数学表达式为：
[0058][0059][0060]
步骤s5、将原始车辆通行证下采样，以保证与待测车辆通行证大小相同；将下采样后的原始车辆出入证与待测车辆通行证进行canny边缘检测并二值化；将两幅二值图对应位置像素点的像素值一一比较；若对应位置像素值相等的像素点个数与像素点总个数的比值大于所设阈值90％，则判定为两幅图像匹配，此时车辆可以通行，反之则不能通行；
[0061]
所用的canny边缘检测算法的边缘检测过程包含以下步骤：(1)高斯平滑滤波；(2)计算梯度；(3)非极大值抑制；(4)双阈值检测、连接边缘。
[0062]
在步骤(1)的高斯平滑滤波中，高斯滤波器核的生成：
[0063][0064]
在本实施例中，取k＝1，即核尺寸为3x3；
[0065]
在步骤(2)中，用一阶偏导的有限差分来计算梯度的幅值和方向。在本实施例实现的canny算法中所采用的卷积算子表达如下：
[0066][0067]
其x向、y向的一阶偏导数矩阵数学表达式为：
[0068][0069][0070]
梯度幅值数学表达式为：
[0071][0072]
梯度方向为：
[0073][0074]
在步骤s4中双阈值检测、连接边缘中，采用双阈值法，具体过程为：
[0075]
选择两个阈值，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，为解决这样一个问题采用了另外一个低阈值；在高阈值图像中把边缘连接成轮廓，当到达轮廓的端点时，该算法会在断点的8邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。
[0076]
图2是实施例中原始车辆通行证灰度图；图3和图4分别本实施例中所要检测的图；图5和图6分别为图3和图4丢对应的图像校正结果图；图7、图8和图9分别为是图2、图5和图6所对应的边缘检测结果图。
[0077]
从实验结果来看，本发明的方法具有较高的识别准确度。
[0078]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
技术特征：1.一种基于图像识别的车辆通行证检测方法，其特征在于，该方法包括以下步骤：步骤s1、采集经过道闸的带有车辆通行证的车辆图片作为样本图片，对样本图片进行预处理，将样本图片及其标注信息作为数据集；步骤s2、构建车辆通行证区域目标检测网络，使用步骤s1的数据集训练车辆通行证区域检测网络，得到训练好的车辆通行证区域检测网络；步骤s3、对待测车辆图片进行预处理后输入步骤s2训练后的车辆通行证区域目标检测网络，获得包含置信度得分的目标框；步骤s4、根据置信度阈值筛选出高得分的目标框，然后通过非极大值抑制算法剔除位置重合度高的目标框，对最终保留的目标框进行图像校正，校正后的图像作为检测结果；步骤s5、将步骤s4中的检测结果作为待测车辆通行证进行边缘检测，将待测车辆通行证边缘检测结果图与通过此道闸所需的原始车辆通行证边缘检测结果图进行对比，若匹配，则通行当前车辆。2.根据权利要求1所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s1中的车辆图片通过道闸旁的高清摄像头进行采集。3.根据权利要求1所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s1或步骤s3中的预处理包括对车辆图片进行降噪及采样。4.根据权利要求1所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s1中的标注信息包括平行四边形框的位置信息。5.根据权利要求1所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s2中的车辆通行证区域检测网络包括r-cnn系列网络和yolo系列网络。6.根据权利要求1所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s4中对最终保留的目标框进行图像校正，具体为：对最终保留的目标框进行基于透视变换的几何校正。7.根据权利要求1所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s5中的边缘检测算法包括canny、soble和roberts边缘检测算法。8.根据权利要求7所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s5中的边缘检测算法采用canny边缘检测算法。9.根据权利要求8所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述canny边缘检测算法具体为：1)高斯平滑滤波；2)计算梯度；3)非极大值抑制；4)双阈值检测、连接边缘。10.根据权利要求1所述的一种基于图像识别的车辆通行证检测方法，其特征在于，所述步骤s5具体包括以下子步骤：步骤s51、将原始车辆通行证下采样，使其与待测车辆通行证大小相同；步骤s52、将下采样后的原始车辆通行证与待测车辆通行证进行边缘检测并二值化处理；步骤s53、将两幅二值图对应位置像素点的像素值一一比较；步骤s54、若对应位置像素值相等的像素点个数与像素点总个数的比值大于所设阈值，则判定为两幅图像匹配，即通行当前车辆。
技术总结本发明涉及一种基于图像识别的车辆通行证检测方法，该方法包括以下步骤：通过大门道闸摄像机采集带有车辆通行证的可通行车辆高清图片，预处理后构建车辆通行证区域检测数据集；搭建目标检测网络，将数据集送入网络进行训练；通过训练好的目标检测网络获得车辆通行证的检测框；对检测框中的车辆通行证与通过此道闸所需的车辆通行证对比；若匹配，则通行此车辆。与现有技术相比，本发明能够快速、准确地对车辆通行证进行检测，可改变人工排查车辆出入证的现状，提高排查效率及准确性。提高排查效率及准确性。提高排查效率及准确性。
技术研发人员：张灿云 刘雨欣 陈进 王凤超 孙雨
受保护的技术使用者：上海应用技术大学
技术研发日：2022.06.30
技术公布日：2022/11/1
