基于AdaBoost車牌定位的前車臉識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種智能交通技術(shù)領(lǐng)域的車輛識(shí)別技術(shù)，具體的說(shuō)是一種基于 AdaBoost車牌定位的前車臉識(shí)別方法。
【背景技術(shù)】
[0002] 智能交通系統(tǒng)（IntelligentTransportationSystem,ITS)起步于 20 世紀(jì) 60 ~ 70年代的交通管理計(jì)算機(jī)化，是一項(xiàng)以信息、通信等技術(shù)將人、車、路三者緊密協(xié)調(diào)而形成 的一種大范圍、全方位發(fā)揮作用的綜合運(yùn)輸管理系統(tǒng)。
[0003] 基于AdaBoost車牌定位的前車臉識(shí)別方法是模式識(shí)別技術(shù)在智能交通領(lǐng)域中的 應(yīng)用。目前主流的的車型分類有以下三種方法：
[0004] (1)根據(jù)車牌顏色和車牌識(shí)別結(jié)果進(jìn)行車型分類
[0005] 我國(guó)大型車輛用的是黃底黑字車牌，普通小型車輛用的是藍(lán)底白字車牌，涉外車 輛用的是黑底白色車牌，軍隊(duì)、警察及武警用的是白底黑字車牌?？筛鶕?jù)車牌顏色和識(shí)別結(jié) 果初步地將車輛分類成大型車，中小型車和軍警車輛。這種方法只能區(qū)分大小型車輛，無(wú)法 作進(jìn)一步分類。
[0006] (2)根據(jù)車標(biāo)識(shí)別結(jié)果進(jìn)行車型分類
[0007] 車標(biāo)就是一種品牌車輛的標(biāo)志，一般安裝在車輛的前部。該方法通過(guò)在圖像中搜 索定位車標(biāo)所在區(qū)域，再通過(guò)圖像模式識(shí)別的方法對(duì)車型進(jìn)行分類。該方法可對(duì)常見品牌 的車輛進(jìn)行分類，但對(duì)同品牌不同款的車輛缺乏精確分類的能力。
[0008] (3)根據(jù)車輛前部圖像（前車臉）紋理特征進(jìn)行車型分類
[0009] 不同品牌的車輛，以及同品牌不同款的車輛的前部圖像（前車臉）的散熱片和車 燈的布局和形狀都存在差異。該方法可以對(duì)車輛進(jìn)行更精確的分類，但存在三個(gè)技術(shù)難題， 一是前車臉圖像難以準(zhǔn)確地定位截取，二是車臉圖像的幾何畸變對(duì)識(shí)別率有一定的影響， 三是待分類的類別比較多，分類器設(shè)計(jì)相對(duì)復(fù)雜。

【發(fā)明內(nèi)容】

[0010] 針對(duì)現(xiàn)有技術(shù)中車輛圖像的識(shí)別難以準(zhǔn)確地定位截取、分類器設(shè)計(jì)相對(duì)復(fù)雜等不 足，本發(fā)明要解決的技術(shù)問題是提供一種相對(duì)簡(jiǎn)單、可實(shí)現(xiàn)對(duì)各類車型進(jìn)行精確分類的基 于AdaBoost車牌定位的前車臉識(shí)別方法。
[0011] 為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：
[0012] 本發(fā)明基于AdaBoost車牌定位的前車臉識(shí)別方法包括以下步驟：
[0013] 利用HSV三通道彩色圖像信息組成一幅新的灰度圖像，用于車牌離線訓(xùn)練和在線 定位；
[0014] 利用車牌字符垂直邊緣點(diǎn)的主成分分析方向確定車牌的水平及垂直方向的傾斜 角度，并進(jìn)行單幀圖像的傾斜角度校正；
[0015] 以進(jìn)行傾斜角度校正后的車牌位置為基準(zhǔn)按比例截取前車臉圖像；
[0016] 對(duì)前車臉圖像進(jìn)行LBP特征提??；
[0017] 對(duì)上述進(jìn)行LBP特征提取后得到的特征進(jìn)行兩級(jí)非線性支持向量機(jī)離線訓(xùn)練與 在線識(shí)別，輸出前車臉識(shí)別結(jié)果。
[0018] 所述車牌離線訓(xùn)練和在線定位是利用國(guó)產(chǎn)車牌特定的顏色組合，在與人眼感知更 接近的HSV空間，將原始圖像從YUV顏色空間或RGB顏色空間轉(zhuǎn)換到HSV顏色空間，在高寬 比為1:3的檢測(cè)窗口內(nèi)，將HSV三通道彩色圖像垂直方向拼接，形成高寬比為1:1的灰度圖 像，用于AdaBoost車牌離線訓(xùn)練和車牌在線定位。
[0019] 所述利用車牌字符垂直邊緣點(diǎn)的主成分分析方向確定車牌的水平及垂直方向的 傾斜角度，并進(jìn)行單幀圖像的傾斜角度校正是利用車牌字符垂直投影間距最大的原則確定 車牌的垂直傾斜角度，車牌字符的垂直和水平傾斜角度與單幀圖像的傾斜角度一致，然后 利用雙線性插值算法對(duì)單幀圖像進(jìn)行傾斜校正。
[0020] 對(duì)前車臉圖像進(jìn)行LBP特征提取為：對(duì)車臉圖像高寬歸一化到256X768像素，然 后對(duì)前車臉的灰度圖像、邊緣圖像、高斯差分圖像，分別提取局部二值模式特征形成LBP特 征矢量，然后采用線性判別分析進(jìn)行特征融合。
[0021] 對(duì)上述進(jìn)行LBP特征提取后得到的特征進(jìn)行兩級(jí)非線性支持向量機(jī)離線訓(xùn)練與 在線識(shí)別為：針對(duì)不同品牌的車輛建立1個(gè)一級(jí)非線性支持向量機(jī)分類器，再針對(duì)每個(gè)品 牌不同款車輛建立相應(yīng)數(shù)據(jù)的二級(jí)非線性支持向量機(jī)分類器；分類器采用LBP特征，分別 離線訓(xùn)練以上各個(gè)非線性支持向量機(jī)分類器，在線識(shí)別時(shí)，由一級(jí)分類器的分類結(jié)果選擇 進(jìn)入相應(yīng)的二級(jí)分類器，最終實(shí)現(xiàn)多種車型的識(shí)別。
[0022] 本發(fā)明具有以下有益效果及優(yōu)點(diǎn)：
[0023] 1.本發(fā)明方法可以實(shí)現(xiàn)對(duì)各類車型進(jìn)行精確分類，對(duì)前車臉圖像進(jìn)行準(zhǔn)確地定位 截取，識(shí)別率高，分類器設(shè)計(jì)簡(jiǎn)單實(shí)用。
[0024] 2.本發(fā)明能夠針對(duì)不同品牌的車輛建立1個(gè)一級(jí)非線性支持向量機(jī)（Support VectorMachine,SVM)分類器，一級(jí)分類器涉及46個(gè)品牌，再針對(duì)每個(gè)品牌不同款車輛 建立46個(gè)二級(jí)非線性支持向量機(jī)（SupportVectorMachine,SVM)分類器。分類器采 用步驟4所述的LBP特征，分別離線訓(xùn)練以上47個(gè)非線性支持向量機(jī)（SupportVector Machine，SVM)分類器，在線識(shí)別時(shí)，由一級(jí)分類器的分類結(jié)果選擇進(jìn)入相應(yīng)的二級(jí)分類器， 最終實(shí)現(xiàn)1046種車型的識(shí)別。
【附圖說(shuō)明】
[0025] 圖1為基于AdaBoost車牌定位的前車臉識(shí)別方法框圖；
[0026] 圖2為HSV彩色圖像AdaBoost車牌離線訓(xùn)練和在線定位框圖。
【具體實(shí)施方式】
[0027] 下面結(jié)合說(shuō)明書附圖對(duì)本發(fā)明作進(jìn)一步闡述。
[0028] 如圖1所示，本發(fā)明基于AdaBoost車牌定位的前車臉識(shí)別方法包括以下步驟：
[0029] 利用HSV三通道彩色圖像信息組成一幅新的灰度圖像，用于車牌離線訓(xùn)練和在線 定位；
[0030] 利用車牌字符垂直邊緣點(diǎn)的主成分分析（PrincipalComponentAnalysis,PCA) 方向確定車牌的水平及垂直方向的傾斜角度，并進(jìn)行單幀圖像的傾斜角度校正；
[0031] 以進(jìn)行傾斜角度校正后的車牌位置為基準(zhǔn)按比例截取前車臉圖像；
[0032] 對(duì)前車臉圖像進(jìn)行LBP特征提??；
[0033] 對(duì)上述進(jìn)行LBP特征提取后得到的特征進(jìn)行兩級(jí)非線性支持向量機(jī)（Support VectorMachine，SVM)離線訓(xùn)練與在線識(shí)別，輸出前車臉識(shí)別結(jié)果。
[0034] 1.利用HSV三通道彩色圖像信息組成一幅新的灰度圖像，用于車牌離線訓(xùn)練和在 線定位
[0035]國(guó)產(chǎn)車牌具有特定的顏色組合，基于傳統(tǒng)灰度圖像AdaBoost目標(biāo)檢測(cè)的車牌定 位效果有很大提升空間。本發(fā)明在與人眼感知更接近的HSV空間進(jìn)行AdaBoost車牌離線訓(xùn) 練和在線定位。如圖1所示，本步驟包括以下過(guò)程：將原始圖像從YUV顏色空間（視頻流來(lái) 自于硬件）或RGB顏色空間（視頻流來(lái)自于軟件）轉(zhuǎn)換到HSV顏色空間。在高寬比為1:3 的檢測(cè)窗口內(nèi)，將HSV三通道彩色圖像垂直方向連接，形成高寬比為1:1的灰度圖像，用于 AdaBoost車牌離線訓(xùn)練和車牌在線定位，并將該定位信息輸出至下一步驟進(jìn)行處理。
[0036] 2.利用車牌字符垂直邊緣點(diǎn)的主成分分析方向確定車牌的水平及垂直方向的傾 斜角度，并進(jìn)行單幀圖像的傾斜角度校正
[0037] 利用車牌字符垂直邊緣點(diǎn)的主成分分析（PrincipalComponentAnalysis,PCA) 方向確定車牌的水平傾斜角度。算法如下：
[0038] 設(shè)車牌圖像經(jīng)過(guò)垂直邊緣檢測(cè)后垂直邊緣點(diǎn)的坐標(biāo)為（Xi，yi)，（i= 1，2,…，n)基 中n為垂直邊緣點(diǎn)數(shù)，存在一條經(jīng)過(guò)點(diǎn)（X(l，y(l)且斜率為0的直線y-y(l=tan( 0 ) * (x-xQ)， 使得邊緣點(diǎn)到直線的垂直距離均方和最小。經(jīng)主成分分析（PrincipalComponent Analysis,PCA)推導(dǎo)可得，
[0039]
【主權(quán)項(xiàng)】
1. 一種基于AdaBoost車牌定位的前車臉識(shí)別方法，其特征在于包括以下步驟： 利用HSV三通道彩色圖像信息組成一幅新的灰度圖像，用于車牌離線訓(xùn)練和在線定 位； 利用車牌字符垂直邊緣點(diǎn)的主成分分析方向確定車牌的水平及垂直方向的傾斜角度， 并進(jìn)行單幀圖像的傾斜角度校正； 以進(jìn)行傾斜角度校正后的車牌位置為基準(zhǔn)按比例截取前車臉圖像； 對(duì)前車臉圖像進(jìn)行LBP特征提??； 對(duì)上述進(jìn)行LBP特征提取后得到的特征進(jìn)行兩級(jí)非線性支持向量機(jī)離線訓(xùn)練與在線 識(shí)別，輸出前車臉識(shí)別結(jié)果。
2. 按權(quán)利要求1所述的基于AdaBoost車牌定位的前車臉識(shí)別方法，其特征在于： 所述車牌離線訓(xùn)練和在線定位是利用國(guó)產(chǎn)車牌特定的顏色組合，在與人眼感知更接近 的HSV空間，將原始圖像從YUV顏色空間或RGB顏色空間轉(zhuǎn)換到HSV顏色空間，在高寬比為 1:3的檢測(cè)窗口內(nèi)，將HSV三通道彩色圖像垂直方向拼接，形成高寬比為1:1的灰度圖像，用 于AdaBoost車牌離線訓(xùn)練和車牌在線定位。
3. 按權(quán)利要求1所述的基于AdaBoost車牌定位的前車臉識(shí)別方法，其特征在于：所述 利用車牌字符垂直邊緣點(diǎn)的主成分分析方向確定車牌的水平及垂直方向的傾斜角度，并進(jìn) 行單幀圖像的傾斜角度校正是利用車牌字符垂直投影間距最大的原則確定車牌的垂直傾 斜角度，車牌字符的垂直和水平傾斜角度與單幀圖像的傾斜角度一致，然后利用雙線性插 值算法對(duì)單幀圖像進(jìn)行傾斜校正。
4. 按權(quán)利要求1所述的基于AdaBoost車牌定位的前車臉識(shí)別方法，其特征在于：對(duì)前 車臉圖像進(jìn)行LBP特征提取為：對(duì)車臉圖像高寬歸一化到256X768像素，然后對(duì)前車臉的 灰度圖像、邊緣圖像、高斯差分圖像，分別提取局部二值模式特征形成LBP特征矢量，然后 采用線性判別分析進(jìn)行特征融合。
5. 按權(quán)利要求1所述的基于AdaBoost車牌定位的前車臉識(shí)別方法，其特征在于：對(duì)上 述進(jìn)行LBP特征提取后得到的特征進(jìn)行兩級(jí)非線性支持向量機(jī)離線訓(xùn)練與在線識(shí)別為：針 對(duì)不同品牌的車輛建立1個(gè)一級(jí)非線性支持向量機(jī)分類器，再針對(duì)每個(gè)品牌不同款車輛建 立相應(yīng)數(shù)據(jù)的二級(jí)非線性支持向量機(jī)分類器；分類器采用LBP特征，分別離線訓(xùn)練以上各 個(gè)非線性支持向量機(jī)分類器，在線識(shí)別時(shí)，由一級(jí)分類器的分類結(jié)果選擇進(jìn)入相應(yīng)的二級(jí) 分類器，最終實(shí)現(xiàn)多種車型的識(shí)別。
【專利摘要】本發(fā)明涉及一種基于AdaBoost車牌定位的前車臉識(shí)別方法，包括以下步驟：利用HSV三通道彩色圖像信息組成一幅新的灰度圖像，用于車牌離線訓(xùn)練和在線定位；利用車牌字符垂直邊緣點(diǎn)的主成分分析方向確定車牌的水平及垂直方向的傾斜角度，并進(jìn)行單幀圖像的傾斜角度校正；以進(jìn)行傾斜角度校正后的車牌位置為基準(zhǔn)按比例截取前車臉圖像；對(duì)前車臉圖像進(jìn)行LBP特征提?。粚?duì)上述進(jìn)行LBP特征提取后得到的特征進(jìn)行兩級(jí)非線性支持向量機(jī)離線訓(xùn)練與在線識(shí)別，輸出前車臉識(shí)別結(jié)果。本發(fā)明方法可以實(shí)現(xiàn)對(duì)各類車型進(jìn)行精確分類，對(duì)前車臉圖像進(jìn)行準(zhǔn)確地定位截取，識(shí)別率高，分類器設(shè)計(jì)簡(jiǎn)單實(shí)用，最終實(shí)現(xiàn)1046種車型的識(shí)別。
【IPC分類】G06K9-62, G06K9-00
【公開號(hào)】CN104820831
【申請(qǐng)?zhí)枴緾N201510242789
【發(fā)明人】陸振波, 董鐵軍, 袁錕, 趙全邦, 張雷, 孫志陽(yáng), 王玉周, 袁英, 肖峰
【申請(qǐng)人】沈陽(yáng)聚德視頻技術(shù)有限公司
【公開日】2015年8月5日
【申請(qǐng)日】2015年5月13日