本發(fā)明涉及模式識(shí)別和智能交通信息技術(shù)領(lǐng)域，尤其是涉及基于交通監(jiān)控視頻的一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別方法及系統(tǒng)。

背景技術(shù)：

近年來(lái)，隨著社會(huì)的不斷進(jìn)步，智能交通系統(tǒng)得到快速發(fā)展，同時(shí)，計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)的發(fā)展，為智能交通系統(tǒng)更有效的應(yīng)用提供了契機(jī)。計(jì)算機(jī)視覺(jué)是利用計(jì)算機(jī)來(lái)模擬人的視覺(jué)功能，從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量和識(shí)別。

在智能交通系統(tǒng)的應(yīng)用中，車(chē)輛型號(hào)識(shí)別是道路監(jiān)控的重要組成部分。車(chē)輛型號(hào)識(shí)別是根據(jù)不同品牌不同系列車(chē)輛的車(chē)頭圖像的唯一性進(jìn)行車(chē)輛型號(hào)識(shí)別。車(chē)輛型號(hào)識(shí)別在城市交通監(jiān)控、車(chē)輛追蹤、打擊涉車(chē)犯罪等領(lǐng)域有著廣泛的應(yīng)用前景。

現(xiàn)有的車(chē)輛型號(hào)識(shí)別方案中，主要分為三大類(lèi)，一是提取整輛車(chē)的圖像特征并輸入分類(lèi)器進(jìn)行識(shí)別，二是只利用車(chē)輛車(chē)頭的圖像特征進(jìn)行識(shí)別，三是分別提取車(chē)輛各重要組件的圖像特征，將整合后的圖像特征送入分類(lèi)器進(jìn)行識(shí)別。

第一種方法提取的是整車(chē)圖像的特征，雖然包含和車(chē)輛各個(gè)方面的特征，但是由于車(chē)輛往往以各種不同的角度出現(xiàn)在交通監(jiān)控視頻中，這會(huì)造成獲取的車(chē)輛圖像變化較大，引入較多的干擾圖像，因此同一類(lèi)車(chē)型難以得到穩(wěn)定的圖像特征。

第二種方法提取的是車(chē)頭圖像，單純提取車(chē)頭的圖像特征進(jìn)行識(shí)別，這種方法只提取車(chē)頭圖像，避免引入過(guò)多的干擾信息，但是難以區(qū)分那些不同品牌 有相似車(chē)頭圖像的車(chē)型。

第三種方法提取的是車(chē)輛各個(gè)組件的圖像和幾何特征，例如車(chē)標(biāo)、車(chē)燈、雨刮器等形狀和相互位置關(guān)系，這種方法獲取的車(chē)輛特征辨識(shí)度不夠高，而且車(chē)輛組件難以定位。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明目的在于提供一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別方法及系統(tǒng)，用于在智能交通系統(tǒng)中對(duì)車(chē)輛型號(hào)進(jìn)行快速、準(zhǔn)確、高效的識(shí)別。

具體地，本發(fā)明是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的：

基于本發(fā)明實(shí)施例提供一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別方法，所述方法包括：

獲取經(jīng)過(guò)監(jiān)控卡口的車(chē)輛監(jiān)控視頻；

從所述車(chē)輛監(jiān)控視頻中檢測(cè)車(chē)輛，獲取包含有車(chē)輛的監(jiān)控畫(huà)面，從監(jiān)控畫(huà)面截取車(chē)輛圖片；

從獲取的車(chē)輛圖片中截取車(chē)頭圖像，在車(chē)頭圖像中搜索車(chē)標(biāo)，并截取車(chē)標(biāo)圖像；

使用圖像特征提取算子分別從車(chē)標(biāo)圖像和車(chē)頭圖像中提取車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)；

將車(chē)標(biāo)和車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行融合處理，生成車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)；

對(duì)車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)進(jìn)行分類(lèi)判別，根據(jù)訓(xùn)練好的車(chē)輛型號(hào)分類(lèi)器的輸出結(jié)果得到車(chē)輛型號(hào)識(shí)別結(jié)果。

進(jìn)一步地，所述從所述車(chē)輛監(jiān)控視頻中檢測(cè)車(chē)輛，獲取包含有車(chē)輛的監(jiān)控畫(huà)面，從監(jiān)控畫(huà)面截取車(chē)輛圖片，具體為：使用三幀差法對(duì)車(chē)輛監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)；截取運(yùn)動(dòng)目標(biāo)并歸一化尺寸后輸入車(chē)輛判別分類(lèi)器，通過(guò)車(chē)輛判別分類(lèi)器判別運(yùn)動(dòng)目標(biāo)是否為車(chē)輛；當(dāng)通過(guò)車(chē)輛判別分類(lèi)器判定運(yùn)動(dòng)目標(biāo) 為車(chē)輛時(shí)，獲取包含車(chē)輛的監(jiān)控畫(huà)面；根據(jù)監(jiān)控畫(huà)面中車(chē)輛的位置信息和尺寸信息截取車(chē)輛圖片。

進(jìn)一步地，所述從獲取的車(chē)輛圖片中截取車(chē)頭圖像，在車(chē)頭圖像中搜索車(chē)標(biāo)，并截取車(chē)標(biāo)圖像，具體為：在車(chē)輛圖片中定位車(chē)牌，獲取車(chē)輛的車(chē)牌中心坐標(biāo)和車(chē)牌寬度；以車(chē)牌的中心位置為參考點(diǎn)，車(chē)牌寬度為參考寬度，從車(chē)牌中心位置向上下左右分別延伸預(yù)設(shè)倍數(shù)的車(chē)牌寬度的距離構(gòu)成一個(gè)矩形，截取矩形范圍內(nèi)的圖像作為車(chē)頭圖像；在車(chē)頭圖像中定位車(chē)標(biāo)，使用車(chē)標(biāo)判別分類(lèi)器在車(chē)牌的上方搜索車(chē)標(biāo)，并用預(yù)設(shè)寬高比的矩形框截取車(chē)標(biāo)圖像；將截取到的車(chē)標(biāo)與車(chē)頭圖像分別縮放到統(tǒng)一尺寸。

進(jìn)一步地，所述將車(chē)標(biāo)和車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行融合處理，生成車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)，具體為：合并車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)；將合并后的車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)輸入到訓(xùn)練好的特征融合器，通過(guò)所述特征融合器對(duì)車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行特征融合后獲得車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)；所述車(chē)輛型號(hào)分類(lèi)器的每一種輸出結(jié)果對(duì)應(yīng)一種車(chē)輛型號(hào)。

進(jìn)一步地，所述的特征融合器為基于反向傳播BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的特征融合器，將BP神經(jīng)網(wǎng)絡(luò)的輸入層和隱藏層作為所述特征融合器。

基于本發(fā)明實(shí)施例，還提供一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別系統(tǒng)，該系統(tǒng)包括：

道路卡口監(jiān)控視頻獲取模塊，用于獲取經(jīng)過(guò)監(jiān)控卡口的車(chē)輛監(jiān)控視頻；

車(chē)輛檢測(cè)模塊，用于從所述車(chē)輛監(jiān)控視頻中檢測(cè)車(chē)輛，獲取包含有車(chē)輛的監(jiān)控畫(huà)面，從監(jiān)控畫(huà)面截取車(chē)輛圖片；

車(chē)標(biāo)與車(chē)頭分割模塊，用于從獲取的車(chē)輛圖片中截取車(chē)頭圖像，在車(chē)頭圖像中搜索車(chē)標(biāo)，并截取車(chē)標(biāo)圖像；

圖像特征提取模塊，用于使用圖像特征提取算子分別從車(chē)標(biāo)圖像和車(chē)頭圖像中提取車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)；

特征融合模塊，用于將車(chē)標(biāo)和車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行融合處理，生成車(chē) 標(biāo)與車(chē)頭融合特征數(shù)據(jù)；

車(chē)輛型號(hào)識(shí)別模塊，用于對(duì)車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)進(jìn)行分類(lèi)判別，根據(jù)訓(xùn)練好的車(chē)輛型號(hào)分類(lèi)器的輸出結(jié)果得到車(chē)輛型號(hào)識(shí)別結(jié)果。

進(jìn)一步地，所述車(chē)輛檢測(cè)模塊進(jìn)一步包括：

運(yùn)動(dòng)目標(biāo)檢測(cè)模塊，用于使用三幀差法對(duì)車(chē)輛監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)；

車(chē)輛判別模塊，用于截取運(yùn)動(dòng)目標(biāo)并歸一化尺寸后輸入車(chē)輛判別分類(lèi)器，通過(guò)車(chē)輛判別分類(lèi)器判別運(yùn)動(dòng)目標(biāo)是否為車(chē)輛；

車(chē)輛圖片截取模塊，用于當(dāng)通過(guò)車(chē)輛判別分類(lèi)器判定運(yùn)動(dòng)目標(biāo)為車(chē)輛時(shí)，獲取包含車(chē)輛的監(jiān)控畫(huà)面，根據(jù)監(jiān)控畫(huà)面中車(chē)輛的位置信息和尺寸信息截取車(chē)輛圖片。

進(jìn)一步地，所述車(chē)標(biāo)與車(chē)頭分割模塊進(jìn)一步包括：車(chē)牌定位模塊、車(chē)頭圖像截取模塊及車(chē)標(biāo)圖像截取模塊；

車(chē)牌定位模塊，用于在車(chē)輛圖片中定位車(chē)牌，獲取車(chē)輛的車(chē)牌中心坐標(biāo)和車(chē)牌寬度；

車(chē)頭圖像截取模塊，用于以車(chē)牌的中心位置為參考點(diǎn)，車(chē)牌寬度為參考寬度，從車(chē)牌中心位置向上下左右分別延伸預(yù)設(shè)倍數(shù)的車(chē)牌寬度的距離構(gòu)成一個(gè)矩形，截取矩形范圍內(nèi)的圖像作為車(chē)頭圖像；

車(chē)標(biāo)圖像截取模塊，用于在車(chē)頭圖像中定位車(chē)標(biāo)，使用車(chē)標(biāo)判別分類(lèi)器在車(chē)頭圖像車(chē)牌的上方區(qū)域搜索車(chē)標(biāo)，并用預(yù)設(shè)寬高比的矩形框截取車(chē)標(biāo)圖像；

所述圖像特征提取模塊還用于將截取到的車(chē)標(biāo)與車(chē)頭圖像分別縮放到統(tǒng)一尺寸。

進(jìn)一步地，所述特征融合模塊包括：

合并子模塊，用于合并車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)；

融合子模塊，用于將合并后的車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)輸入到訓(xùn)練好的特征融合器，通過(guò)所述特征融合器對(duì)車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行特征融合后獲得車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)；

所述車(chē)輛型號(hào)分類(lèi)器的每一種輸出結(jié)果對(duì)應(yīng)一種車(chē)輛型號(hào)。

進(jìn)一步地，所述的特征融合器為基于反向傳播BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的特征融合器，將BP神經(jīng)網(wǎng)絡(luò)的輸入層和隱藏層作為所述特征融合器。

本發(fā)明提出一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別方法及系統(tǒng)，能從交通監(jiān)控視頻中獲取過(guò)往車(chē)輛的車(chē)標(biāo)圖像與車(chē)頭圖像，通過(guò)融合車(chē)標(biāo)與車(chē)頭的圖像特征識(shí)別出過(guò)往車(chē)輛所屬的車(chē)輛型號(hào)，車(chē)輛型號(hào)信息包括車(chē)輛的品牌與系列。整個(gè)系統(tǒng)包括道路卡口監(jiān)控視頻獲取模塊、車(chē)輛檢測(cè)模塊、車(chē)標(biāo)與車(chē)頭分割模塊、圖像特征提取模塊、特征融合模塊、車(chē)輛型號(hào)識(shí)別模塊，其中，圖像特征提取模塊使用獨(dú)立的特征提取算子分別獲取車(chē)標(biāo)與車(chē)頭的圖像特征，特征融合模塊使用BP神經(jīng)網(wǎng)絡(luò)融合車(chē)標(biāo)與車(chē)頭圖像特征。相比現(xiàn)有技術(shù)，本發(fā)明同時(shí)兼顧車(chē)標(biāo)與車(chē)頭的圖像特征，具有適用范圍廣、識(shí)別準(zhǔn)確度高的優(yōu)點(diǎn)，適用于智能交通系統(tǒng)，尤其適用于車(chē)輛追蹤、生成交通視頻的文本摘要、打擊套牌車(chē)等應(yīng)用。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例提供的一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別系統(tǒng)結(jié)構(gòu)示意圖；

圖2為本發(fā)明實(shí)施例提供的一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別方法的步驟流程圖。

具體實(shí)施方式

為使本申請(qǐng)的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下參照附圖對(duì)本申請(qǐng)所述方案作進(jìn)一步地詳細(xì)說(shuō)明。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本申請(qǐng)相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書(shū)中所詳述的、本申請(qǐng)的一些方面相一致的裝置和方法的例子。

在本申請(qǐng)使用的術(shù)語(yǔ)是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本申請(qǐng)。在本申請(qǐng)和所附權(quán)利要求書(shū)中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。還應(yīng)當(dāng)理解，本文中使用的術(shù)語(yǔ)“和/或”是指并包含一個(gè)或多個(gè)相關(guān)聯(lián)的列出項(xiàng)目的任何或所有可能組合。

圖1為本發(fā)明實(shí)施例提供的一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖，該系統(tǒng)100包括道路卡口監(jiān)控視頻獲取模塊101，車(chē)輛檢測(cè)模塊102，車(chē)標(biāo)與車(chē)頭分割模塊103，圖像特征提取模塊104，特征融合模塊105，車(chē)輛型號(hào)識(shí)別模塊106。圖2為本發(fā)明基于本發(fā)明實(shí)施例提供的車(chē)輛型號(hào)識(shí)別系統(tǒng)100，提出的一種融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別方法，通過(guò)所述方法與系統(tǒng)的配合實(shí)現(xiàn)融合車(chē)標(biāo)與車(chē)頭圖像特征的車(chē)輛型號(hào)識(shí)別功能，該方法包括：

步驟201、獲取經(jīng)過(guò)監(jiān)控卡口的車(chē)輛監(jiān)控視頻；

該步驟由道路卡口監(jiān)控視頻獲取模塊101完成，該模塊可以由一個(gè)或多個(gè)安裝在交通道路卡口的攝像頭組成，用于獲取經(jīng)過(guò)交通監(jiān)控卡口的車(chē)輛視頻，同時(shí)通過(guò)交通監(jiān)控網(wǎng)絡(luò)將車(chē)輛監(jiān)控視頻回傳至后端的服務(wù)器或電腦主機(jī)。

本發(fā)明實(shí)施例利用交通監(jiān)控網(wǎng)的道路卡口監(jiān)控視頻作為車(chē)輛型號(hào)識(shí)別系統(tǒng)的輸入，能夠減少設(shè)備投入，有效降低成本，而且現(xiàn)有的交通卡口監(jiān)控網(wǎng)絡(luò)覆蓋面廣，能夠獲取大范圍的車(chē)輛監(jiān)控視頻。

步驟202、從所述車(chē)輛監(jiān)控視頻中檢測(cè)車(chē)輛，獲取包含有車(chē)輛的監(jiān)控畫(huà)面，從監(jiān)控畫(huà)面截取車(chē)輛圖片；

該步驟由位于后端的服務(wù)器或電腦主機(jī)上的車(chē)輛檢測(cè)模塊102完成，所述車(chē)輛檢測(cè)模塊進(jìn)一步包括：運(yùn)動(dòng)目標(biāo)檢測(cè)模塊、車(chē)輛判別模塊、車(chē)輛圖片截取模塊。

本發(fā)明一實(shí)施例中，運(yùn)動(dòng)目標(biāo)檢測(cè)模塊首先使用三幀差法對(duì)車(chē)輛監(jiān)控視頻中連續(xù)的三幀視頻圖像進(jìn)行相減，相減后圖像中的非零像素塊就是運(yùn)動(dòng)目標(biāo)，車(chē)輛判別模塊截取運(yùn)動(dòng)目標(biāo)并歸一化尺寸后輸入車(chē)輛判別分類(lèi)器，通過(guò)車(chē)輛判 別分類(lèi)器判別運(yùn)動(dòng)目標(biāo)是否為車(chē)輛，其中，車(chē)輛判別分類(lèi)器由梯度方向直方圖算子與支持向量機(jī)構(gòu)成。當(dāng)通過(guò)車(chē)輛判別分類(lèi)器判定運(yùn)動(dòng)目標(biāo)為車(chē)輛時(shí)，車(chē)輛圖片截取模塊獲取包含車(chē)輛的監(jiān)控畫(huà)面即包含有車(chē)輛的監(jiān)控視頻幀，然后根據(jù)監(jiān)控畫(huà)面中車(chē)輛的位置信息和尺寸信息截取車(chē)輛圖片。該實(shí)施例中，采用三幀差法檢測(cè)車(chē)輛運(yùn)動(dòng)目標(biāo)，利用了道路上的大部分車(chē)輛都處于行駛狀態(tài)這一特點(diǎn)，能夠快速?gòu)谋O(jiān)控視頻中提取出運(yùn)動(dòng)目標(biāo)；使用車(chē)輛識(shí)別分類(lèi)器識(shí)別運(yùn)動(dòng)目標(biāo)，能夠排除行人、車(chē)輛陰影等非車(chē)輛運(yùn)動(dòng)目標(biāo)的干擾，提高車(chē)輛檢測(cè)的準(zhǔn)確率。

車(chē)輛檢測(cè)模塊102從道路卡口監(jiān)控視頻中首先提取車(chē)輛圖像，然后從車(chē)輛圖像中提取車(chē)標(biāo)與車(chē)頭圖像，能夠縮小車(chē)標(biāo)檢測(cè)與車(chē)頭的搜索范圍，提高車(chē)標(biāo)定位與車(chē)頭截取的準(zhǔn)確率。

步驟203、從獲取的車(chē)輛圖片中截取車(chē)頭圖像，并在車(chē)頭圖像中搜索車(chē)標(biāo)，并截取車(chē)標(biāo)圖像；

該步驟包含車(chē)頭圖像分割和車(chē)標(biāo)圖像分割兩個(gè)步驟，由位于后端服務(wù)器或電腦主機(jī)的車(chē)標(biāo)與車(chē)頭分割模塊103完成，所述車(chē)標(biāo)與車(chē)頭分割模塊進(jìn)一步包括：車(chē)牌定位模塊、車(chē)頭圖像截取模塊、車(chē)標(biāo)圖像截取模塊。

車(chē)頭圖像分割步驟包括：車(chē)牌定位模塊使用車(chē)牌定位方法定位車(chē)輛圖片中的車(chē)牌，并獲取車(chē)牌中心點(diǎn)坐標(biāo)與車(chē)牌寬度；車(chē)頭圖像截取模塊以車(chē)牌的中心位置為參考點(diǎn)，車(chē)牌寬度為參考寬度，從車(chē)牌中心位置向上下左右分別延伸預(yù)設(shè)倍數(shù)(例如兩倍)的車(chē)牌寬度的距離，從而構(gòu)成一個(gè)矩形，截取矩形范圍內(nèi)的圖像以此作為獲取的車(chē)頭圖像。

本發(fā)明一實(shí)施例中，所述的車(chē)牌定位方法具體包括：將采集到的車(chē)輛圖像由彩色圖轉(zhuǎn)換為灰度圖，并對(duì)車(chē)輛圖像進(jìn)行二值化和圖像腐蝕處理；將處理得到的圖像做邊緣檢測(cè)得到車(chē)輛輪廓圖，對(duì)車(chē)輛輪廓圖像進(jìn)行逐行水平掃描，并記錄每一行的像素值跳變次數(shù)，當(dāng)跳變次數(shù)屬于預(yù)定的范圍內(nèi)時(shí)，則判定該行屬于車(chē)牌圖像，由此獲得車(chē)牌的上下邊；然后，再對(duì)輪廓圖像進(jìn)行逐列垂直掃描，并記錄每一列的像素值跳變次數(shù)，當(dāng)跳變次數(shù)屬于預(yù)定的范圍內(nèi)時(shí)，則判定該列屬于車(chē)牌圖像，由此獲得車(chē)牌的左右邊，從而定位到車(chē)輛圖片中的車(chē)牌。

車(chē)標(biāo)圖像分割步驟包括：車(chē)標(biāo)圖像截取模塊使用車(chē)標(biāo)定位方法定位車(chē)頭圖像中的車(chē)標(biāo)，并用預(yù)設(shè)寬高比(例如1:1)的矩形框截取車(chē)標(biāo)圖像。

本發(fā)明一實(shí)施例中，所述的車(chē)標(biāo)定位方法具體包括：根據(jù)車(chē)牌定位的結(jié)果，確定車(chē)牌上方的圖像區(qū)域，在該區(qū)域使用滑動(dòng)窗的方式，在車(chē)牌上方區(qū)域獲取一系列的車(chē)標(biāo)候選圖像，然后使用模板匹配法把車(chē)標(biāo)候選圖像逐一與車(chē)標(biāo)模板進(jìn)行比對(duì)判別，最后，記錄被判別為車(chē)標(biāo)圖像的區(qū)域坐標(biāo)，由此定位得到車(chē)標(biāo)圖像。

本發(fā)明具體實(shí)施例中，車(chē)標(biāo)與車(chē)頭分割模塊103從車(chē)頭圖像中搜索車(chē)標(biāo)圖像，利用車(chē)標(biāo)都位于車(chē)牌正上方區(qū)域的特點(diǎn)，使用車(chē)標(biāo)判別分類(lèi)器在車(chē)頭圖像中車(chē)牌正上方區(qū)域搜索車(chē)標(biāo)，例如以滑動(dòng)窗口的方式將車(chē)頭圖像的車(chē)牌正上方的圖像塊逐一輸入車(chē)標(biāo)判別分類(lèi)器，搜索到車(chē)標(biāo)后，用預(yù)設(shè)寬高比(例如1:1)的矩形框截取車(chē)標(biāo)圖像。從車(chē)牌正上方區(qū)域搜索車(chē)標(biāo)能夠減少搜索范圍，提高車(chē)標(biāo)搜索效率和檢測(cè)的正確率。

本發(fā)明具體實(shí)施例中，根據(jù)車(chē)牌紋理特征與顏色特征較為獨(dú)特和穩(wěn)定的特點(diǎn)，能夠準(zhǔn)確定位車(chē)牌；使用車(chē)牌寬度作為參考長(zhǎng)度進(jìn)行車(chē)頭截取，利用了不同車(chē)輛的車(chē)牌寬度都相同的特點(diǎn)，能夠在不同場(chǎng)景下準(zhǔn)確截取到相同尺寸的車(chē)頭圖像。

步驟204、使用圖像特征提取算子分別從車(chē)標(biāo)圖像和車(chē)頭圖像中提取車(chē)標(biāo)與車(chē)頭的圖像特征信息；

該步驟由位于后端服務(wù)器或電腦主機(jī)的圖像特征提取模塊204完成，優(yōu)選地，在提取車(chē)標(biāo)和車(chē)頭圖像特征信息之前，首先需要由該模塊分別對(duì)車(chē)標(biāo)與車(chē)頭圖像的圖像尺寸進(jìn)行統(tǒng)一，例如將截取的車(chē)標(biāo)圖像與車(chē)頭圖像分別縮放到統(tǒng)一尺寸，使得車(chē)標(biāo)的圖像尺寸為40*40，車(chē)頭圖像尺寸為128*128。

在完成車(chē)標(biāo)和車(chē)頭圖像的尺寸處理后，圖像特征提取模塊204使用梯度方向直方圖算子分別從車(chē)標(biāo)圖像和車(chē)頭圖像中提取車(chē)標(biāo)圖像與車(chē)頭圖像的圖像特征數(shù)據(jù)，分別得到一維的車(chē)標(biāo)特征數(shù)據(jù)與一維的車(chē)頭特征數(shù)據(jù)。

優(yōu)選地，該模塊使用相互獨(dú)立的特征提取算子分別提取車(chē)標(biāo)與車(chē)頭圖像的 圖像特征。使用獨(dú)立的特征提取算子能夠根據(jù)車(chē)標(biāo)圖像與車(chē)頭圖像的不同特性的實(shí)際情況，提取更為有效的圖像特征。

步驟205、將車(chē)標(biāo)和車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行融合處理，生成車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)；

該步驟由位于后臺(tái)服務(wù)器的特征融合模塊205完成，特征融合模塊205進(jìn)一步包括：合并子模塊、融合子模塊；

該步驟進(jìn)一步分解為以下幾個(gè)子步驟：

子步驟A1、合并子模塊合并車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)；

在本發(fā)明一實(shí)施例中，該模塊使用級(jí)聯(lián)的方式合并車(chē)標(biāo)與車(chē)頭特征數(shù)據(jù)，即在車(chē)標(biāo)的特征數(shù)據(jù)末端添加車(chē)頭的特征數(shù)據(jù)，組成一維的既包含車(chē)標(biāo)特征又包含車(chē)頭特征的“車(chē)輛聯(lián)合特征數(shù)據(jù)”。

子步驟A2、融合子模塊將合并后的車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)輸入到訓(xùn)練好的基于反向傳播BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的特征融合器，通過(guò)所述特征融合器對(duì)車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行特征融合后獲得車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)。

本發(fā)明中，在通過(guò)特征融合器對(duì)車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)進(jìn)行特征融合之前，首先要對(duì)特征融合器進(jìn)行訓(xùn)練，以使訓(xùn)練好的特征融合器能夠根據(jù)當(dāng)前輸入的車(chē)輛聯(lián)合特征數(shù)據(jù)準(zhǔn)確的輸出與實(shí)際的車(chē)輛型號(hào)對(duì)應(yīng)的車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)。對(duì)特征融合器進(jìn)行訓(xùn)練需要以車(chē)輛實(shí)際對(duì)應(yīng)的型號(hào)作為樣本標(biāo)簽，通過(guò)執(zhí)行步驟201至步驟204以及子步驟A1，針對(duì)已知的每一車(chē)輛型號(hào)的車(chē)標(biāo)與車(chē)頭的樣本圖像，獲取該車(chē)輛型號(hào)的大量的合并后的車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)樣本，然后使用所獲得的大量的合并后的車(chē)標(biāo)與車(chē)頭的圖像特征數(shù)據(jù)樣本對(duì)特征融合器進(jìn)行訓(xùn)練。

具體地，本發(fā)明一具體實(shí)施例中，構(gòu)建具有1個(gè)輸入層、1個(gè)隱藏層、1個(gè)輸出層的3層BP(Back Propagation，反向傳播)神經(jīng)網(wǎng)絡(luò)，使用步驟201至步驟204以及子步驟A1獲取的大量訓(xùn)練樣本訓(xùn)練該BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，將BP神經(jīng)網(wǎng)絡(luò)的輸入層和隱藏層作為子步驟A2中所述的特征融合器，從特征融合器輸出的數(shù)據(jù)就是車(chē)標(biāo)與車(chē)頭特征融合后的“車(chē)標(biāo)與車(chē)頭融合 特征數(shù)據(jù)”。

本發(fā)明將車(chē)標(biāo)特征信息與車(chē)頭特征信息合并，并輸入預(yù)先訓(xùn)練好的特征融合器進(jìn)行融合，輸出融合后的數(shù)據(jù)作為車(chē)輛型號(hào)分類(lèi)器的輸入，這樣可以利用車(chē)標(biāo)與車(chē)頭圖像的獨(dú)特性，兼顧車(chē)標(biāo)與車(chē)頭圖像的特征，能夠獲取更豐富的車(chē)輛圖像信息，提高識(shí)別準(zhǔn)確率。

步驟206、對(duì)車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)進(jìn)行分類(lèi)判別，根據(jù)訓(xùn)練好的車(chē)輛型號(hào)分類(lèi)器的輸出結(jié)果得到車(chē)輛型號(hào)識(shí)別結(jié)果。

該步驟由位于后臺(tái)服務(wù)器的車(chē)輛型號(hào)識(shí)別模塊206完成，該模塊將特征融合模塊輸出的數(shù)據(jù)送入車(chē)輛型號(hào)分類(lèi)器，車(chē)輛型號(hào)分類(lèi)器的每一種輸出結(jié)果都對(duì)應(yīng)了一種車(chē)輛型號(hào)，進(jìn)而實(shí)現(xiàn)車(chē)輛型號(hào)的識(shí)別。

在執(zhí)行本步驟之前，需要首先以車(chē)輛實(shí)際對(duì)應(yīng)的型號(hào)作為樣本標(biāo)簽，使用大量的已知車(chē)輛型號(hào)的車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)樣本對(duì)車(chē)輛型號(hào)分類(lèi)器進(jìn)行訓(xùn)練，使得訓(xùn)練好的車(chē)輛型號(hào)分類(lèi)器能夠根據(jù)當(dāng)前輸入的車(chē)標(biāo)與車(chē)頭融合特征數(shù)據(jù)準(zhǔn)確的輸出與實(shí)際的車(chē)輛信號(hào)對(duì)應(yīng)的車(chē)輛信號(hào)分類(lèi)結(jié)果。本發(fā)明一具體實(shí)施例中，所述車(chē)輛信號(hào)分類(lèi)器由支持向量機(jī)構(gòu)成。

綜上所述，本發(fā)明提供的技術(shù)方案具有如下技術(shù)效果：由于車(chē)標(biāo)與車(chē)頭具有較為扁平的特點(diǎn)，因此從不同角度獲取的車(chē)標(biāo)與車(chē)頭圖像差別較少，本發(fā)明利用該特點(diǎn)，同時(shí)提取車(chē)標(biāo)與車(chē)頭的圖像特征，從而盡可能的減少拍攝的車(chē)輛圖像中因車(chē)身角度變化而引入的干擾。對(duì)車(chē)標(biāo)與車(chē)頭的圖像特征進(jìn)行融合，能夠獲取更為豐富的特征信息，由于不同品牌不同系列的車(chē)標(biāo)和車(chē)頭圖像都不相同，因此，兼顧車(chē)標(biāo)特征與車(chē)頭特征能夠提高對(duì)不同品牌不同系列車(chē)輛型號(hào)的辨識(shí)能力。車(chē)輛型號(hào)識(shí)別模塊將融合車(chē)標(biāo)與車(chē)頭的圖像特征信息輸入分類(lèi)器進(jìn)行識(shí)別，利用不同品牌不同系列車(chē)輛的車(chē)標(biāo)和車(chē)頭圖像特征信息的唯一性進(jìn)行識(shí)別，進(jìn)而識(shí)別出車(chē)輛的型號(hào)。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。