一種基于視覺特征的車輛圖像比對方法
【專利摘要】本發(fā)明涉及一種基于視覺特征的車輛圖像比對方法，包括以下步驟：1)采集大量車輛圖像數據形成圖像數據庫，根據圖像數據庫建立車輛圖像集合的倒排表索引表；2)根據所述倒排表索引表，檢索與輸入的Query圖像最相似的n張圖像，并輸出。與現有技術相比，本發(fā)明速度快，平均1個Query圖像只需要1秒時間比對完成，在百萬級別的數據庫上，正確率可以達到8成。
【專利說明】一種基于視覺特征的車輛圖像比對方法

【技術領域】
[0001]本發(fā)明涉及一種圖像識別方法，尤其是涉及一種基于視覺特征的車輛圖像比對方法。

【背景技術】
[0002]近年來，智能交通系統(tǒng)發(fā)展快速，隨著計算機視覺和模式識別技術的發(fā)展，為智能交通系統(tǒng)更有效的應用提供了契機。計算機視覺是利用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。
[0003]現有技術沒有針對車輛系統(tǒng)專門做優(yōu)化，因此性能無法滿足需求。目前還沒有能在百萬級別的數據庫上找到相似車輛的技術。


【發(fā)明內容】

[0004]本發(fā)明的目的就是為了克服上述現有技術存在的缺陷而提供一種速度快、搜索精度高的基于視覺特征的車輛圖像比對方法。
[0005]本發(fā)明的目的可以通過以下技術方案來實現:
[0006]一種基于視覺特征的車輛圖像比對方法，包括以下步驟:
[0007]I)采集大量車輛圖像數據形成圖像數據庫，根據圖像數據庫建立車輛圖像集合的倒排表索引表；
[0008]2)根據所述倒排表索引表，檢索與輸入的Query圖像最相似的η張圖像，并輸出。
[0009]所述的建立車輛圖像集合的倒排表索引表具體為:
[0010](a)對圖像數據庫中的每張車輛圖像進行車牌檢測和品牌識別處理；
[0011](b)根據檢測得的車牌位置抽取車輛圖像，并進行歸一化處理；
[0012](c)采用多種特征提取方法對抽取的每張車輛圖像進行特征點提取，對不同方法獲得的特征點進行非極大值抑制處理，在相同區(qū)域只保留一個關鍵點；
[0013](d)對獲得的關鍵點提取特征，包括SIFT、SURF和LSSD三種特征，最終獲得所有圖像的特征點；
[0014](e)對步驟(d)中獲得的特征點進行聚類分析，生成詞表；
[0015](f)將每張車輛圖像中的每個特征點與詞表進行比對，將每張車輛圖像以特征向量的形式表達，所述特征向量為(si, s2, s3,——,sN),其中，sK表示在當前圖像中詞表的第K個詞出現的次數，K = 1，2，...，N，N為詞表中詞的總數；
[0016](g)對特征向量進行TF-1DF歸一化，并根據品牌識別處理的結果建立不同品牌下的倒排表索引表。
[0017]所述的車牌檢測采用AdaBoost檢測器執(zhí)行。
[0018]所述的步驟(C)中的特征提取方法包括SIFT、MSER和Harris Laplace。
[0019]所述的步驟(C)中，采用多種特征提取方法進行特征點提取時，任意兩種方法提取的特征點之間重復率大于50%。
[0020]所述的步驟(e)中，聚類分析采用的方法為利用KD-Forests技術加速后的Kmeans
聚類算法。
[0021]所述的檢索與輸入的Query圖像最相似的η張圖像具體步驟為:
[0022](aa)根據步驟(a)-(f)對Query圖像的特征區(qū)域進行檢測，獲得與Query圖像相對就把TF-1DF歸一化后的特征向量；
[0023](bb)對Query圖像進行品牌識別；
[0024](cc)分別計算Query圖像的特征向量與對應品牌下的倒排表索引表中所有特征向量的余弦相似性，輸出余弦相似性最小的η張圖像。
[0025]所述的η 為 15-25。
[0026]與現有技術相比，本發(fā)明具有以下優(yōu)點:
[0027]1、速度快，平均I個Query圖像只需要I秒時間；
[0028]2、搜索精度高，在百萬級別的數據庫上，正確率可以達到8成；
[0029]3、魯棒性強，可以在不同場景下使用。

【具體實施方式】
[0030]下面結合具體實施例對本發(fā)明進行詳細說明。本實施例以本發(fā)明技術方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。
[0031]—種基于視覺特征的車輛圖像比對方法,該方法,其輸入包括Query圖像、Query圖像上的特征區(qū)域和圖像數據庫，輸出為圖像數據庫最相似的η輛車，具體包括建庫和檢索兩個步驟，其中，建庫只和圖像數據庫有關，流程完成后可以處理任意Query圖像。該方法具體說明如下:
[0032]I)建庫:采集大量車輛圖像數據形成圖像數據庫，根據圖像數據庫建立車輛圖像集合的倒排表索引表，具體為:
[0033](a)對圖像數據庫中的每張車輛圖像進行車牌檢測和品牌識別處理，車牌檢測采用AdaBoost檢測器執(zhí)行，品牌識別處理采用中國專利CN103488973A公開的技術方案。
[0034](b)根據檢測得的車牌位置抽取車輛圖像，并進行歸一化處理。
[0035](c)采用多種特征提取方法(detector)對抽取的每張車輛圖像進行特征點提取，特征提取方法包括SIFT (也稱為DoG)、MSER和Harris Laplace不同車輛監(jiān)控系統(tǒng)采集的圖像質量有明顯差異，因此不能對所有圖像采用相同的參數，可采用爬坡法的方式來調整參數，最終目標是3種detector都抽取出2K左右的特征點(點太少無法精確描述車輛的視覺特點)，且任意兩個detector抽取的特征點之間有5成的重復率(避免某個detector由于參數原因性能太差，都檢測到地面等無用區(qū)域)。對不同方法獲得的特征點進行非極大值抑制處理，在相同區(qū)域只保留一個關鍵點。
[0036](d)對獲得的關鍵點提取特征，包括SIFT、SURF和LSSD三種特征，最終獲得所有圖像的特征點。對所有車輛圖像都抽取特征后，每張圖像都抽取一定數目的特征點，最后共收集到約10M個特征點。
[0037](e)對步驟(d)中獲得的特征點進行聚類分析，生成詞表，詞表中約有IM個詞。常見聚類分析方法是Kmeans，但其速度太慢，正常情況下一臺普通機器需要I個月時間，所以本發(fā)明采用了 KD-Forests技術進行加速，使其在3?5小時內完成。
[0038](f)將每張車輛圖像中的每個特征點與詞表進行比對，將每張車輛圖像以特征向量的形式表達，所述特征向量為(sl，s2, s3，...，SN)，其中，sK表示在當前圖像中詞表的第K個詞出現的次數，K = 1，2，...，N，N為詞表中詞的總數。
[0039](g)對特征向量進行TF-1DF歸一化，并根據品牌識別處理的結果建立不同品牌下的倒排表索引表，來加快后續(xù)索引過程。
[0040]2)檢索:根據所述倒排表索引表，檢索與輸入的Query圖像最相似的η張圖像，并輸出，η可根據需要設為15-25，這里的相似定義是兩張圖像最終特征向量的Cos相似性。檢索步驟具體為:
[0041](aa)根據步驟(a)-(f)對Query圖像的特征區(qū)域進行檢測，獲得與Query圖像相對就把TF-1DF歸一化后的特征向量；
[0042](bb)對Query圖像進行品牌識別；
[0043](cc)分別計算Query圖像的特征向量與對應品牌下的倒排表索引表中所有特征向量的余弦相似性，輸出余弦相似性最小的η張圖像。
【權利要求】
1.一種基于視覺特征的車輛圖像比對方法，其特征在于，包括以下步驟: 1)采集大量車輛圖像數據形成圖像數據庫，根據圖像數據庫建立車輛圖像集合的倒排表索引表； 2)根據所述倒排表索引表，檢索與輸入的Query圖像最相似的η張圖像，并輸出。
2.根據權利要求1所述的一種基于視覺特征的車輛圖像比對方法，其特征在于，所述的建立車輛圖像集合的倒排表索引表具體為: (a)對圖像數據庫中的每張車輛圖像進行車牌檢測和品牌識別處理； (b)根據檢測得的車牌位置抽取車輛圖像，并進行歸一化處理； (c)采用多種特征提取方法對抽取的每張車輛圖像進行特征點提取，對不同方法獲得的特征點進行非極大值抑制處理，在相同區(qū)域只保留一個關鍵點； (d)對獲得的關鍵點提取特征，包括SIFT、SURF和LSSD三種特征，最終獲得所有圖像的特征點； (e)對步驟(d)中獲得的特征點進行聚類分析，生成詞表； (f)將每張車輛圖像中的每個特征點與詞表進行比對，將每張車輛圖像以特征向量的形式表達，所述特征向量為(si, s2, s3,----, sN),其中，sK表示在當前圖像中詞表的第K個詞出現的次數，K = 1，2，...，N，N為詞表中詞的總數； (g)對特征向量進行TF-1DF歸一化，并根據品牌識別處理的結果建立不同品牌下的倒排表索引表。
3.根據權利要求2所述的一種基于視覺特征的車輛圖像比對方法，其特征在于，所述的車牌檢測采用AdaBoost檢測器執(zhí)行。
4.根據權利要求2所述的一種基于視覺特征的車輛圖像比對方法，其特征在于，所述的步驟(C)中的特征提取方法包括SIFT、MSER和Harris Laplace。
5.根據權利要求2所述的一種基于視覺特征的車輛圖像比對方法，其特征在于，所述的步驟(C)中，采用多種特征提取方法進行特征點提取時，任意兩種方法提取的特征點之間重復率大于50%。
6.根據權利要求2所述的一種基于視覺特征的車輛圖像比對方法，其特征在于，所述的步驟(e)中,聚類分析采用的方法為利用KD-Forests技術加速后的Kmeans聚類算法。
7.根據權利要求2所述的一種基于視覺特征的車輛圖像比對方法，其特征在于，所述的檢索與輸入的Query圖像最相似的η張圖像具體步驟為: (aa)根據步驟(a)-(f)對Query圖像的特征區(qū)域進行檢測，獲得與Query圖像相對就把TF-1DF歸一化后的特征向量； (bb)對Query圖像進行品牌識別； (cc)分別計算Query圖像的特征向量與對應品牌下的倒排表索引表中所有特征向量的余弦相似性，輸出余弦相似性最小的η張圖像。
8.根據權利要求1或7所述的一種基于視覺特征的車輛圖像比對方法，其特征在于，所述的η為15-25。
【文檔編號】G06K9/00GK104298967SQ201410482824
【公開日】2015年1月21日 申請日期:2014年9月19日 優(yōu)先權日:2014年9月19日
【發(fā)明者】朱瓏, 陳遠浩 申請人:上海依圖網絡科技有限公司