本發(fā)明涉及一種基于支持向量機(jī)的車(chē)型識(shí)別方法，屬視頻圖像處理和車(chē)輛檢測(cè)領(lǐng)域。

背景技術(shù)：
隨著我國(guó)的城市化進(jìn)展，道路交通和車(chē)輛運(yùn)輸發(fā)展迅速，基于視頻的交通監(jiān)控系統(tǒng)迅速發(fā)展起來(lái)。同時(shí)，為了解決數(shù)據(jù)量巨大的視頻檢索問(wèn)題，基于內(nèi)容的視頻檢索技術(shù)迅速發(fā)展。它通過(guò)對(duì)視頻數(shù)據(jù)中所包含的視覺(jué)內(nèi)容自動(dòng)進(jìn)行分析和特征提取，使人們可以直接利用計(jì)算機(jī)搜索符合主觀感受的相似內(nèi)容。交通視頻中機(jī)動(dòng)車(chē)輛檢索的研究作為內(nèi)容檢索的一個(gè)特例，有著十分重要的意義。交管部門(mén)可以利用檢索提取車(chē)輛的各種特征參數(shù)，提高了交通執(zhí)法效率；還可以提取車(chē)輛速度、車(chē)流量等信息，為交通規(guī)劃提供一定依據(jù)。車(chē)型識(shí)別是車(chē)輛檢索的基礎(chǔ)，目前在車(chē)型識(shí)別中應(yīng)用較多的方法是模糊神經(jīng)網(wǎng)絡(luò)和BP網(wǎng)絡(luò)等方法,但這些方法難以解決模式識(shí)別中存在的復(fù)雜性和推廣性的矛盾,本發(fā)明采用△△▼△,具有計(jì)算量小,能較好地解決小樣本、非線性和局部極小點(diǎn)等問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明針對(duì)當(dāng)前車(chē)型識(shí)別技術(shù)的不足，提供了基于支持向量機(jī)的車(chē)型識(shí)別方法。本發(fā)明的目的在于采用支持向量機(jī)的方法快速地對(duì)視頻流中的車(chē)輛類(lèi)型進(jìn)行識(shí)別和分類(lèi)。具體的技術(shù)方案如下所述。一種基于支持向量機(jī)的車(chē)型識(shí)別方法，包括以下步驟：(1)構(gòu)建運(yùn)動(dòng)背景圖像；(2)從視頻流中獲取圖像幀，利用步驟(1)中所獲取的運(yùn)動(dòng)背景圖像，進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，獲取運(yùn)動(dòng)前景圖像，同時(shí)利用所獲取的圖像對(duì)背景圖像進(jìn)行更新；(3)對(duì)步驟(2)中所獲取的運(yùn)動(dòng)前景圖像進(jìn)行陰影檢測(cè)，并對(duì)陰影區(qū)域利用第三色值進(jìn)行標(biāo)記；(4)對(duì)步驟(3)處理后的圖像進(jìn)行形態(tài)學(xué)濾波，然后去除陰影區(qū)域的標(biāo)記；(5)利用步驟(4)處理后的圖像提取出車(chē)輛目標(biāo)；(6)對(duì)步驟(5)提取出的目標(biāo)車(chē)輛通過(guò)樹(shù)形跟蹤圖的方法進(jìn)行跟蹤并提取關(guān)鍵幀；(7)利用步驟(6)所得到的關(guān)鍵幀提取出車(chē)輛的外型特征；(8)利用步驟(7)得到的車(chē)輛的外型特征，采用支持向量機(jī)的方法對(duì)車(chē)輛進(jìn)行分類(lèi)并輸出分類(lèi)結(jié)果。更具體的，步驟(1)中所述構(gòu)建運(yùn)動(dòng)背景的方法為快速背景建模方法，包括以下幾個(gè)步驟：(a)提取視頻流的前N幀圖像；(b)統(tǒng)計(jì)步驟(a)中的N幀圖像里面每個(gè)像素出現(xiàn)的各個(gè)顏色通道強(qiáng)度值出現(xiàn)的頻度，并把具有最大統(tǒng)計(jì)概率的值作為該像素點(diǎn)在對(duì)應(yīng)的顏色通道的值。更具體的，所述步驟(2)運(yùn)動(dòng)目標(biāo)檢測(cè)的方法為結(jié)合背景差分和幀間差分的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，包括以下幾個(gè)步驟：(a)對(duì)從視頻流中獲取的當(dāng)前圖像幀與視頻流中的前一幀進(jìn)行幀間差分，與步驟(1)獲取的背景圖像進(jìn)行背景差分；(b)對(duì)步驟(a)操作所得的兩個(gè)結(jié)果分別進(jìn)行高斯平滑濾波處理并對(duì)高斯濾波后的結(jié)果分別進(jìn)行閥值分割；(c)對(duì)步驟(b)所得的兩個(gè)結(jié)果對(duì)于每個(gè)對(duì)應(yīng)位置像素點(diǎn)的像素值進(jìn)行數(shù)乘運(yùn)算并再次進(jìn)行閥值分割，生成二值圖。更具體的，所述步驟(2)中更新背景圖像的方法為：將背景圖像與所獲取的當(dāng)前圖像幀進(jìn)行比較,對(duì)每一個(gè)像素點(diǎn)，若當(dāng)前圖像的像素值比背景圖像中的對(duì)應(yīng)像素點(diǎn)的像素值大,則背景圖像中該像素點(diǎn)的像素值增1,如果比對(duì)應(yīng)像素點(diǎn)的像素值小,則減1。更具體的，所述步驟(3)中陰影檢測(cè)與標(biāo)記的方法為：對(duì)運(yùn)動(dòng)前景的像素點(diǎn)逐個(gè)掃描，對(duì)于像素點(diǎn)(x,y)，若其滿足如下兩個(gè)特征則為陰影點(diǎn)，同時(shí)將該像素點(diǎn)的像素值設(shè)為第三色值，以標(biāo)注陰影點(diǎn)：(a)其中Rb(x，y)，Gb(x，y)和Bb(x，y)分別表示背景圖像與運(yùn)動(dòng)前景的像素點(diǎn)(x,y)相對(duì)應(yīng)的像素點(diǎn)的RGB各通道的亮度值，R0(x，y)，G0(x，y)和B0(x，y)分別表示當(dāng)前圖像與運(yùn)動(dòng)前景的像素點(diǎn)(x,y)處對(duì)應(yīng)的像素點(diǎn)的RGB各通道的亮度值。(b)Δ＝C(x，y)-C′(x，y)＜Tc，其中C是前景，C′是背景，Tc是閥值，C和C′是選取RGB三個(gè)通道所占的百分比中最大的值。更具體的，所述步驟(4)中形態(tài)學(xué)濾波的方法為：對(duì)步驟(3)處理后的圖像先進(jìn)行一次腐蝕操作，然后再進(jìn)行一次膨脹操作。更具體的，所述步驟(4)中陰影去除的方法為：進(jìn)行形態(tài)學(xué)濾波后的圖像中的像素點(diǎn)進(jìn)行逐個(gè)掃描，去除其中的陰影點(diǎn)，即將其中標(biāo)記陰影點(diǎn)的第三色值改為0。更具體的，所述步驟(5)提取車(chē)輛目標(biāo)的方法包括以下幾個(gè)步驟：(a)對(duì)步驟(4)處理后得到的二值圖，在其中尋找所有的連通區(qū)域并進(jìn)行標(biāo)記；(b)統(tǒng)計(jì)步驟(a)所找到的各個(gè)連通區(qū)域的所占的像素點(diǎn)的數(shù)量、最小外接矩的長(zhǎng)寬比和面積，并利用這些數(shù)據(jù)過(guò)濾掉一些細(xì)小和狹長(zhǎng)的區(qū)域；(c)對(duì)車(chē)輛區(qū)域可能存在的內(nèi)部空洞和輪廓處的缺口進(jìn)行填充。更具體的，步驟(6)所述的樹(shù)形跟蹤圖的方法為：(6-a)建立一個(gè)用于聯(lián)系第i幀和第i+1幀的區(qū)域的聯(lián)系圖，圖的結(jié)點(diǎn)表示幀中的各個(gè)區(qū)域，Pi表示第i幀中的區(qū)域，Cj表示第i+1幀中的區(qū)域，連接結(jié)點(diǎn)的邊Eij表示第i幀的區(qū)域Pi和第i+1幀的區(qū)域Cj之間的聯(lián)系，Eij的權(quán)重為Pi和Cj兩個(gè)區(qū)域的重疊面積。(6-b)Eij對(duì)權(quán)重作歸一化處理。(6-c)對(duì)于第i幀的每個(gè)結(jié)點(diǎn)Pi，掃描第i+1幀中的所有結(jié)點(diǎn)Cj，找出權(quán)值大于0的結(jié)點(diǎn)。(6-d)對(duì)于第i+1幀的每個(gè)結(jié)點(diǎn)Cj進(jìn)行掃描，如果指向Cj的結(jié)點(diǎn)不只一個(gè)，且這些結(jié)點(diǎn)中存在維度大于1的結(jié)點(diǎn)，則比較所有連接到Cj的邊，保留權(quán)重最大的邊，并移除其他邊。更具體的，所述步驟(7)提取出車(chē)輛的外型特征包括：外接矩的長(zhǎng)寬比、車(chē)輛與外接矩面積比、頂棚與車(chē)寬比、以及由Hu不變矩變換得到的7個(gè)相對(duì)不變矩這些具有尺度不變性的特征。更具體的，所述步驟(8)中對(duì)車(chē)型分類(lèi)所采用的方法為高斯內(nèi)核的支持向量機(jī)方法。綜上所述，本發(fā)明采用背景差分和幀間差分相結(jié)合的方法分割特征區(qū)域，利用單向圖確定關(guān)鍵幀并提取車(chē)輛的幾何特征和矩特征，采用支持向量機(jī)技術(shù)對(duì)車(chē)輛進(jìn)行識(shí)別和分類(lèi)。本發(fā)明所采用的方法較高的車(chē)輛檢出率，具有較強(qiáng)的適用性和魯棒性。附圖說(shuō)明圖1為本發(fā)明所述一種基于支持向量機(jī)的車(chē)型識(shí)別方法流程示意圖。具體實(shí)施方式為了讓本領(lǐng)域的技術(shù)人員能夠更好地了解本發(fā)明的技術(shù)方案，下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的闡述。如圖1所示，本發(fā)明揭示了一種基于支持向量機(jī)的車(chē)型識(shí)別方法包括以下步驟：(1)構(gòu)建運(yùn)動(dòng)背景圖像，詳細(xì)步驟如下:(1-a)提取視頻的前N幀圖像，N大約在50-100間比較合適；(1-b)統(tǒng)計(jì)步驟(1-a)中的N幀圖像里面每個(gè)像素(x,y)出現(xiàn)的各個(gè)顏色通道強(qiáng)度值出現(xiàn)的頻度，并把具有最大統(tǒng)計(jì)概率的值作為該像素點(diǎn)在對(duì)應(yīng)的顏色通道的值，所得到的圖即作為背景圖；(2)利用步驟(1)中所獲取的背景圖像，采用結(jié)合背景差分和幀間差分的方法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，獲取運(yùn)動(dòng)前景，同時(shí)利用所獲取的圖像對(duì)背景圖像進(jìn)行更新，詳細(xì)步驟如下：(2-a)對(duì)從視頻流中獲取的當(dāng)前圖像幀與視頻流中的前一幀進(jìn)行幀間差分，與步驟(1)獲取的背景圖像進(jìn)行背景差分。(2-b)對(duì)步驟(2-a)操作所得的結(jié)果分別進(jìn)行高斯平滑處理并對(duì)高斯濾波后的結(jié)果分別進(jìn)行閥值分割。(2-c)對(duì)于每個(gè)對(duì)應(yīng)位置像素點(diǎn)的像素值進(jìn)行數(shù)乘運(yùn)算并再次進(jìn)行閥值分割，生成二值圖。(2-d)將背景圖像與所獲取的當(dāng)前圖像幀進(jìn)行比較，對(duì)每一個(gè)像素點(diǎn)，若當(dāng)前圖像的像素值比背景圖像中的對(duì)應(yīng)像素點(diǎn)的像素值大，則背景圖像中該像素點(diǎn)的像素值增1，如果比對(duì)應(yīng)像素點(diǎn)的像素值小，則減1。(3)對(duì)步驟(2)中所獲取的前景圖進(jìn)行陰影檢測(cè)，并對(duì)陰影區(qū)域利用第三色值進(jìn)行標(biāo)記，詳細(xì)步驟如下：對(duì)運(yùn)動(dòng)前景的像素點(diǎn)逐個(gè)掃描，同時(shí)滿足如下兩個(gè)特征的像素點(diǎn)則歸為陰影點(diǎn)，同時(shí)同時(shí)將該像素點(diǎn)的像素值設(shè)為第三色值，如128，以標(biāo)注陰影點(diǎn)：(3-a)其中Rb(x，y)，Gb(x，y)和Bb(x，y)分別表示背景圖(x,y)處像素點(diǎn)的RGB通道的亮度值，R0(x，y)，G0(x，y)和B0(x，y)分別表示當(dāng)前圖像(x,y)處像素點(diǎn)的各通道的值。(3-b)Δ＝C(x，y)-C′(x，y)＜Tc，其中C是前景，C′是背景，Tc是閥值，C和C′是選取RGB三個(gè)通道所占的百分比中最大值，也即CR，CG和CB對(duì)應(yīng)的中的最大值。(4)對(duì)步驟(3)處理后的前景圖進(jìn)行形態(tài)學(xué)濾波，然后去除陰影標(biāo)記，詳細(xì)步驟如下：(4-a)對(duì)步驟(3)處理后的圖像進(jìn)行一次腐蝕操作。(4-b)對(duì)圖像進(jìn)行一次膨脹操作。(4-c)逐個(gè)掃描圖像中的像素點(diǎn)，將其中的陰影點(diǎn)，即像素值為第三色值的像素點(diǎn)的像素值改為0。(5)利用步驟(4)處理后的圖像提取出車(chē)輛目標(biāo)，詳細(xì)步驟如下：(5-a)對(duì)步驟(4)處理后得到的二值圖，在其中尋找所以的連通區(qū)域并進(jìn)行標(biāo)記，尋找連通區(qū)域的方法為：首先對(duì)于二值圖像進(jìn)行逐行掃描，遇到一個(gè)未標(biāo)記區(qū)域的點(diǎn)時(shí)，標(biāo)記該點(diǎn)并檢查其八鄰域，對(duì)八鄰域中為被標(biāo)記連通的點(diǎn)進(jìn)行標(biāo)記并作為新的增長(zhǎng)點(diǎn)，放入種子隊(duì)列中；接著不斷從種子隊(duì)列中取出種子進(jìn)行上述操作，直至種子隊(duì)列為空，此時(shí)完成一個(gè)連通域的標(biāo)記；接著繼續(xù)掃描，尋找下一個(gè)為被標(biāo)記的區(qū)域，直到所有連通區(qū)域被標(biāo)記完畢。(5-b)統(tǒng)計(jì)步驟(a)所找到的各個(gè)區(qū)域的所占的像素點(diǎn)的數(shù)量、最小外接矩的長(zhǎng)寬比和面積，并利用這些數(shù)據(jù)過(guò)濾掉一些細(xì)小和狹長(zhǎng)的區(qū)域。(5-c)對(duì)車(chē)輛區(qū)域可能存在的內(nèi)部空洞和輪廓處的缺口進(jìn)行填充，其填充的具體方法為:對(duì)連通區(qū)域最小外接矩的每一行進(jìn)行掃描，從左到右掃描，若遇到值為“1”且屬于當(dāng)前連通區(qū)域的點(diǎn)，記下其坐標(biāo)x1；然后在該行進(jìn)行從右到左的掃描尋找第一個(gè)屬于該連通區(qū)域的值為“1”的點(diǎn)，記下其坐標(biāo)x2；然后把x1與x2之間的點(diǎn)全部做上標(biāo)記；縱向填充和橫向填充類(lèi)似，對(duì)于同時(shí)被橫向和縱向標(biāo)記的點(diǎn)，將其置“1”，對(duì)于只被橫向標(biāo)記或只被縱向標(biāo)記的點(diǎn)，如果該點(diǎn)屬于運(yùn)動(dòng)前景則將其置“1”，否則保持“0”不變，其他情況不做處理。(6)對(duì)步驟(5)提取出的目標(biāo)車(chē)輛進(jìn)行跟蹤并提取關(guān)鍵幀，所提取的關(guān)鍵幀為車(chē)輛形體較大時(shí)的圖像幀，具體做法為，在圖像的上下左右邊緣部分分別設(shè)置一斜線區(qū)域，根據(jù)車(chē)輛開(kāi)始被跟蹤后質(zhì)心位置的變化計(jì)算出車(chē)輛的運(yùn)動(dòng)方向，然后根據(jù)運(yùn)動(dòng)方向和當(dāng)前位置判斷，如果車(chē)身完全進(jìn)入監(jiān)控區(qū)域且進(jìn)入行進(jìn)方向下的斜線區(qū)域時(shí)，例如車(chē)從圖像上方駛?cè)耄瑒t當(dāng)車(chē)身完全進(jìn)入監(jiān)控區(qū)域且進(jìn)入下方的斜線區(qū)域是，則選取該幀為關(guān)鍵幀，對(duì)目標(biāo)車(chē)輛進(jìn)行跟蹤的方法為樹(shù)形跟蹤圖的方法，其具體步驟如下：(6-a)建立一個(gè)用于聯(lián)系第i幀和第i+1幀的區(qū)域的聯(lián)系圖，圖的結(jié)點(diǎn)表示幀中的各個(gè)區(qū)域，假設(shè)P表示第i幀中的區(qū)域，而C表示第i+1幀中的區(qū)域，連接結(jié)點(diǎn)的邊Eij表示第i幀的區(qū)域Pi和第i+1幀的區(qū)域Cj之間的聯(lián)系，Eij的權(quán)重為Pi和Cj兩個(gè)區(qū)域的重疊面積。(6-b)對(duì)權(quán)重作歸一化處理。(6-c)對(duì)于第i幀的每個(gè)結(jié)點(diǎn)Pi，掃描第i+1幀中的所有結(jié)點(diǎn)Cj，找出權(quán)值大于0的結(jié)點(diǎn)。(6-d)對(duì)于第i+1幀的每個(gè)結(jié)點(diǎn)Cj進(jìn)行掃描，如果指向Cj的結(jié)點(diǎn)不只一個(gè)，且這些結(jié)點(diǎn)中存在維度大于1的結(jié)點(diǎn)，則比較所有連接到Cj的邊，保留權(quán)重最大的邊，并移除其他邊。(7)利用步驟(6)所得到的關(guān)鍵幀提取出車(chē)輛的外型特征，提取出車(chē)輛的外型特征包括：外接矩的長(zhǎng)寬比、車(chē)輛與外接矩面積比、頂棚與車(chē)寬比、以及由Hu不變矩變換得到的7個(gè)相對(duì)不變矩這些具有尺度不變性的特征，這七個(gè)相對(duì)不變矩分別為：其中為Hu不變矩。(8)利用步驟(7)得到的車(chē)輛的外型特征，采用支持向量機(jī)的方法對(duì)車(chē)輛進(jìn)行分類(lèi)并輸出分類(lèi)結(jié)果，對(duì)車(chē)型分類(lèi)所采用的方法為高斯內(nèi)核的支持向量機(jī)方法。本實(shí)施例只是本發(fā)明的較優(yōu)實(shí)施方式，需要說(shuō)明的是，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，熟悉本領(lǐng)域的技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。