基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，該方法包括：采集車(chē)輛的圖像；對(duì)所述車(chē)輛的圖像進(jìn)行直方圖均衡化；設(shè)定車(chē)牌大小，根據(jù)車(chē)牌的大小對(duì)直方圖均衡化后的圖像進(jìn)行伸縮和旋轉(zhuǎn)校正；根據(jù)校正后的圖像相對(duì)車(chē)牌的位置提取N個(gè)待測(cè)車(chē)型的特征區(qū)域；計(jì)算每個(gè)特征區(qū)域的特征向量；采用最小距離分類(lèi)器將每一個(gè)特征向量與數(shù)據(jù)庫(kù)中該品牌車(chē)輛的參考特征向量進(jìn)行分類(lèi)比較，識(shí)別出具體車(chē)型。本發(fā)明方法通過(guò)提取車(chē)牌的特征區(qū)域，然后對(duì)特征區(qū)域的相關(guān)參數(shù)進(jìn)行識(shí)別，從而能夠提高對(duì)車(chē)輛車(chē)型的識(shí)別精度。
【專(zhuān)利說(shuō)明】基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能交通中的圖像處理領(lǐng)域，具體涉及一種基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法。
【背景技術(shù)】
[0002]現(xiàn)階段智能交通對(duì)車(chē)輛信息要求越來(lái)越高，識(shí)別出車(chē)輛信息具有很高的實(shí)用價(jià)值。目前，車(chē)型識(shí)別主要有基于物理參數(shù)的模式識(shí)別方法和基于圖像處理的模式識(shí)別方法?；谖锢韰?shù)的模式識(shí)別方法，通過(guò)線圈等感應(yīng)器獲得車(chē)輛的某些物理參數(shù)，但是只能識(shí)別出大型車(chē)、中型車(chē)、小型車(chē)等車(chē)型的大小，而不能識(shí)別出車(chē)輛的具體類(lèi)型信息，例如不同品牌的汽車(chē)，以及同一品牌汽車(chē)下的不同車(chē)型等。而基于圖像的車(chē)型識(shí)別方法，不僅可以得到車(chē)輛的大小信息，還可以識(shí)別出具體的車(chē)輛類(lèi)型。
[0003]但是，基于圖像的車(chē)型識(shí)別方法通常采用直接對(duì)圖像進(jìn)行分割的方法，分割出特征區(qū)域，再進(jìn)行特征提取。其存在以下問(wèn)題:直接提取出特征區(qū)域十分困難，難以控制提取精度，易產(chǎn)生錯(cuò)誤，以及不同車(chē)型所分割出的特征區(qū)域可能非常相似，從而導(dǎo)致識(shí)別錯(cuò)誤。因此直接分割提取特征識(shí)別，常常導(dǎo)致識(shí)別率達(dá)不到要求，并且算法的魯棒性不夠。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足而提供一種基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，該識(shí)別方法通過(guò)提取車(chē)牌的特征區(qū)域，然后對(duì)特征區(qū)域的相關(guān)參數(shù)進(jìn)行識(shí)別，從而能夠提高對(duì)車(chē)輛的識(shí)別精度。
[0005]實(shí)現(xiàn)本發(fā)明目的采用的技術(shù)方案是一種基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，該方法包括:
[0006]( I)米集車(chē)輛正面的圖像；
[0007](2)對(duì)所述車(chē)輛的圖像進(jìn)行直方圖均衡化；
[0008](3)按分辨率設(shè)定車(chē)牌大小，根據(jù)車(chē)牌的大小對(duì)直方圖均衡化后的圖像進(jìn)行伸縮和旋轉(zhuǎn)校正，得到校正后的圖像；
[0009](4)根據(jù)校正后的圖像相對(duì)車(chē)牌的位置以及該品牌車(chē)輛中的每種車(chē)型特征區(qū)域的位置進(jìn)行特征區(qū)域的提取，提取出N個(gè)待測(cè)車(chē)型的特征區(qū)域，N為該品牌車(chē)輛中的車(chē)型數(shù)，所述特征區(qū)域?yàn)檐?chē)輛正面圖像上相對(duì)車(chē)牌的長(zhǎng)方形空間位置；
[0010](5)對(duì)提取的每個(gè)待測(cè)車(chē)型的特征區(qū)域分別計(jì)算出特征向量；
[0011](6)采用最小距離分類(lèi)器將步驟(5)中計(jì)算的每一個(gè)特征向量與數(shù)據(jù)庫(kù)中該品牌車(chē)輛的參考特征向量進(jìn)行分類(lèi)比較，識(shí)別出具體車(chē)型。
[0012]本發(fā)明利用不同類(lèi)型車(chē)輛的車(chē)輛圖像特征區(qū)域相對(duì)于車(chē)牌的空間距離不同，從而對(duì)車(chē)牌的空間位置信息提取車(chē)輛的特征，進(jìn)行車(chē)型識(shí)別，本方法能夠有效減少因區(qū)域分割而導(dǎo)致的車(chē)輛錯(cuò)誤識(shí)別，使得識(shí)別的結(jié)果更加的準(zhǔn)確，提高了車(chē)型識(shí)別的正確率，該方法具有很高的實(shí)用價(jià)值?！緦?zhuān)利附圖】

【附圖說(shuō)明】
[0013]圖1為本發(fā)明基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法的流程圖。
[0014]圖2a為一車(chē)輛特征向量提取效果示意圖。
[0015]圖2b為另一車(chē)輛與圖2a中車(chē)輛相同位置處特征向量提取效果示意圖。
【具體實(shí)施方式】
[0016]下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
[0017]如圖1所示，本發(fā)明基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法包括以下步驟:
[0018]步驟S100、采集車(chē)輛正面的圖像，可以通過(guò)攝像機(jī)直接采集車(chē)輛的一張圖片，如收費(fèi)站進(jìn)出口處采集的車(chē)輛信息圖片，也可以從攝像機(jī)攝取的車(chē)牌視頻中采集一幀所需的車(chē)輛信息圖片。
[0019]步驟S200、對(duì)采集的車(chē)輛圖像進(jìn)行直方圖均衡化，具體通過(guò)以下公式進(jìn)行直方圖均衡化:
【權(quán)利要求】
1.一種基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，其特征在于，包括: (1)采集車(chē)輛正面的圖像； (2)對(duì)所述車(chē)輛的圖像進(jìn)行直方圖均衡化； (3)按分辨率設(shè)定車(chē)牌大小，根據(jù)車(chē)牌的大小對(duì)直方圖均衡化后的圖像進(jìn)行伸縮和旋轉(zhuǎn)校正，得到校正后的圖像； (4)根據(jù)校正后的圖像相對(duì)車(chē)牌的位置以及該品牌車(chē)輛中的每種車(chē)型特征區(qū)域的位置進(jìn)行特征區(qū)域的提取，提取出N個(gè)待測(cè)車(chē)型的特征區(qū)域，N為該品牌車(chē)輛中的車(chē)型數(shù)，所述特征區(qū)域?yàn)檐?chē)輛正面圖像上相對(duì)車(chē)牌的長(zhǎng)方形空間位置； (5)對(duì)提取的每個(gè)待測(cè)車(chē)型的特征區(qū)域分別計(jì)算出特征向量； (6)采用最小距離分類(lèi)器將步驟(5)中計(jì)算的每一個(gè)特征向量與數(shù)據(jù)庫(kù)中該品牌車(chē)輛的參考特征向量進(jìn)行分類(lèi)比較，識(shí)別出具體車(chē)型。
2.根據(jù)權(quán)利要求1所述基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，其特征在于，步驟(2)中通過(guò)以下公式進(jìn)行圖像的直方圖均衡化:
3.根據(jù)權(quán)利要求1所述基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，其特征在于，步驟(3)中對(duì)直方圖均衡化后的圖像進(jìn)行校正包括:根據(jù)車(chē)牌大小采用雙線性插值方法對(duì)圖像進(jìn)行伸縮校正，然后再檢測(cè)出車(chē)牌上下邊緣，用直線擬合車(chē)牌上下邊緣，直線的斜率所對(duì)的角度即為傾斜角度，取兩個(gè)傾斜角的均值為最終車(chē)牌傾斜角，根據(jù)所述最終車(chē)牌傾斜角進(jìn)行旋轉(zhuǎn)校正。
4.根據(jù)權(quán)利要求1所述基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，其特征在于:按分辨率設(shè)定車(chē)牌的大小為長(zhǎng)120個(gè)像素，高30個(gè)像素。
5.根據(jù)權(quán)利要求1所述基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，其特征在于，步驟(4)中根據(jù)校正后的圖像相對(duì)車(chē)牌的位置進(jìn)行特征區(qū)域的提取，具體提取過(guò)程為:根據(jù)校正后的圖像中車(chē)牌中心的位置，采用如下公式提取待測(cè)車(chē)型的特征區(qū)域:
Ieft=X-1enl right=x+len2 top=y-widthl down=y-width2 式中，left為特征區(qū)域的起始列，right為特征區(qū)域的終止列，top為特征區(qū)域的起始行，down為特征區(qū)域的終止行，X為車(chē)牌的上邊緣中心所在的列，y為車(chē)牌上邊緣所在的行，IenU len2、widthl、width2分別為該品牌車(chē)輛中某一車(chē)型特征區(qū)域的左、右、上、下四條邊所在直線與該車(chē)型車(chē)牌中心的距離； 對(duì)于該品牌車(chē)輛中的每種車(chē)型，分別采用上述方法提取出N個(gè)待測(cè)車(chē)型的特征區(qū)域。
6.根據(jù)權(quán)利要求5所述基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，其特征在于，對(duì)每個(gè)待測(cè)車(chē)型的特征區(qū)域計(jì)算待測(cè)車(chē)型的特征向量，包括以下步驟:對(duì)特征區(qū)域進(jìn)行金子塔分解，對(duì)每一層高斯圖像提取其奇異值，將奇異值組成的向量作為特征向量，包括:用高斯函數(shù)和所述特征區(qū)域圖像做卷積，特征區(qū)域圖像為f，gl=f*g? gkZgk-dg，其中g(shù)為二維高斯函數(shù)，{gl，g2，一，gk}為高斯金字塔；對(duì)高斯金子塔中的每一層高斯圖像進(jìn)行奇異值提取，即每一層高斯圖像矩陣為A，AAt的特征值為A1S λ2≥…≥λ?+1=...= λη=0,Ai為圖像的奇異值，(A1, λ2)..., λη)構(gòu)成了所取層高斯圖像的特征向量，將每一層高斯圖像的奇異值按上述規(guī)則組合并到一起為w=( λ η, λ12，...，λ 1η, λ 21, λ22，...，λ2η，…，^kl, Ak2,..., λ kn)，其中k為高斯金字塔的層數(shù)，η為單個(gè)高斯圖像奇異值的個(gè)數(shù)，w就構(gòu)成了整個(gè)特征區(qū)域圖像的特征向量； 按照上述方法，分別計(jì)算出所述N個(gè)待測(cè)車(chē)型特征區(qū)域的特征向量。
7.根據(jù)權(quán)利要求6所述基于空間位置信息的同一品牌車(chē)輛的車(chē)型識(shí)別方法，其特征在于:將N個(gè)待測(cè)車(chē)型特征區(qū)域的特征向量采用最小距離分類(lèi)器分別與數(shù)據(jù)庫(kù)中該品牌車(chē)輛所有車(chē)型的參考特征向量進(jìn)行分類(lèi)比較，識(shí)別出具體車(chē)型，所述最小距離分類(lèi)器的公式為:
min || W-Wi | | i=l, 2,..., η 式中，W為待測(cè)車(chē)輛的特征向量，Wi為已知車(chē)型的特征向量，||||為歐式距離，最小距離對(duì)應(yīng)的類(lèi)型io就為待測(cè)車(chē)輛圖像的類(lèi)型。
【文檔編號(hào)】G06K9/46GK103500327SQ201310484379
【公開(kāi)日】2014年1月8日 申請(qǐng)日期:2013年10月16日 優(yōu)先權(quán)日:2013年10月16日
【發(fā)明者】黃樟燦, 劉海明, 蘇清華 申請(qǐng)人:武漢理工大學(xué)