一種交通調(diào)查車型識別方法、裝置及其系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計算機視覺領(lǐng)域，尤其涉及一種交通調(diào)查車型識別方法、裝置及其系統(tǒng)。
【背景技術(shù)】
[0002]交通調(diào)查指的是交通量、車速、交通運行特征、起訖點、交叉口、交通事故、交通環(huán)境等調(diào)查的統(tǒng)稱。在此我們關(guān)注的是交通量中的車型判別問題。
[0003]對規(guī)劃對象區(qū)域的交通需求特性、交通系統(tǒng)及其關(guān)聯(lián)設(shè)施以及道路交通流特性進行調(diào)查，為交通規(guī)劃提供可靠的依據(jù)，是制定科學合理的交通規(guī)劃的基本前提和極其重要的環(huán)節(jié)。在進行交通系統(tǒng)規(guī)劃過程中的每個階段，都需要有和該階段相對應(yīng)的各種各樣的基礎(chǔ)數(shù)據(jù)。在制定交通規(guī)劃時，為分析交通現(xiàn)狀和存在的問題，建立交通需求預測模型并預測交通需求，分析交通的供求平衡以及交通供求關(guān)系的發(fā)展趨勢，通常要進行大規(guī)模的交通調(diào)查，這一部分工作在制定交通規(guī)劃的過程中占有相當大的比重。因此，進行合理而有效的交通調(diào)查，是交通規(guī)劃中的重要課題之一，也是規(guī)劃成敗的關(guān)鍵。
[0004]支持向量機學習算法是一種有監(jiān)督的自適應(yīng)學習算法，它能夠根據(jù)不同類別的輸入訓練樣本特征值自動計算出對應(yīng)的分類面，從而為后續(xù)的識別工作提供可靠的先驗知識。這種方法的優(yōu)點是，在樣本特征表征全面且樣本量充足的條件下能夠進行很好的分類工作，同時對于不良數(shù)據(jù)的容忍力較強，可以適應(yīng)多種不同的數(shù)據(jù)環(huán)境。因此該算法廣泛應(yīng)用于數(shù)據(jù)挖掘、圖像分類、圖像檢索、圖像物體識別、視頻對象跟蹤等多個圖像處理領(lǐng)域。近年來伴隨數(shù)據(jù)量的不斷增加，該技術(shù)的應(yīng)用在一定程度上推動了計算機視覺技術(shù)的發(fā)展。
[0005]在國家標準中，車輛類型分為:中小型客車、大型客車、小型貨車、中型貨車、大型貨車、特大型貨車、摩托車、拖拉機、集裝箱車等九類?；谝曨l的交通調(diào)查車型識別是圖像識別中的一項應(yīng)用。一方面它可以根據(jù)視頻快速的檢測得到運動車輛，另一方面根據(jù)車輛圖像可以準確的獲得當前車輛在國標下的類型。
[0006]目前有一些有關(guān)交通調(diào)查車型識別的研究，也出現(xiàn)了很多相應(yīng)的方法，其中相當多的方法都用到了地感線圈、激光、微波、超聲波等技術(shù)，這些技術(shù)在一定程度上也都能達到國標下的準確率。但是要么檢測設(shè)備往往比較昂貴，要么損壞率很高。從基于視頻的角度來進行交通調(diào)查車型識別，目前還沒有滿足國標的產(chǎn)品，我們的這一項技術(shù)可以說填補了國內(nèi)的空白?？傮w來說，我們提出的這種基于視頻的交通調(diào)查車型識別方法，由于識別精度高、設(shè)備需求簡單(只需要一臺高清攝像機即可)、設(shè)備穩(wěn)定、使用壽命長，獲取數(shù)據(jù)便捷且直觀(獲取的是圖像大大增強了可視化)、所需設(shè)備價格相對低廉等優(yōu)點，使得該技術(shù)大大降低了交通調(diào)查的成本并且識別精度也大大高于國家標準。該算法能夠適應(yīng)陰雨天氣、霧霾天氣等相對復雜環(huán)境，所需設(shè)備安裝簡單后期升級維護方便。
[0007]伴隨我國國民經(jīng)濟的快速發(fā)展，居民生活水平不斷提高。交通調(diào)查中的車型判別能夠在相當程度上反映出我國居民經(jīng)濟生活水平，因此做好這一項工作是十分必要的。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提出一種基于視頻的交通調(diào)查車型識別方法。該方法以描述車輛圖像的多種特征為基礎(chǔ)，融入了機器學習與聯(lián)合概率判別的思想，充分提高了車型識別的精度，該方法可以有效地進行不同場景下的車型識別。
[0009]為實現(xiàn)上述目的，一方面，本發(fā)明提供了一種交通調(diào)查車型識別方法，該方法包括以下步驟:
[0010]步驟一、對視頻中的運動物體進行檢測，獲取車輛圖像；
[0011]步驟二、對所述車輛圖像進行特征提取，所述車輛圖像的特征包括車輛圖像的邊緣特征、紋理特征和形狀特征中的一種或多種；
[0012]步驟三、進行車型識別先驗參數(shù)訓練；
[0013]步驟四、進行車型識別概率判別。
[0014]作為本發(fā)明的一種改進，上述步驟一具體包括:基于背景建模的前景檢測算法對視頻中的運動物體進行檢測，從而獲取車輛圖像。
[0015]作為本發(fā)明的一種改進，在上述步驟一之后，步驟二之前，還包括步驟:通過二類判別模型對獲取的車輛圖像進行判別，所述二類判別模型通過以下步驟獲得:事先將多個正樣本車輛圖像與樣本車輛圖像進行基于圖像內(nèi)容的圖像特征描述，在此基礎(chǔ)上通過神經(jīng)網(wǎng)絡(luò)進行訓練，獲得所述二類判別模型。
[0016]作為本發(fā)明的一種改進，在獲取車輛圖像后，通過坐標映射算法對當前各個角度的車輛圖像進行統(tǒng)一的幾何校正，使其成像角度統(tǒng)一。
[0017]作為本發(fā)明的一種改進，上述步驟二具體包括:對所述車輛圖像進行歸一化處理，然后提取所述車輛圖像的邊緣特征、紋理特征和形狀特征中的一種或多種。
[0018]作為本發(fā)明的一種改進，上述步驟三具體包括:在進行車型識別先驗參數(shù)訓練時，將獲取的車輛圖像特征單獨通過支持向量機SVM進行參數(shù)訓練，所述參數(shù)訓練步驟包括:
[0019]將所述車輛圖像特征中的車輛圖像的形狀特征進行大類訓練，將車輛首先分成客車、貨車、拖拉機、摩托車;然后再通過邊緣特征進行子類訓練，將客車分成中小型客車和大型客車;最后再通過紋理特征將貨車分成中小型貨車和中型貨車，將大型貨車分成大型貨車、特大型貨車和集裝箱車。
[0020]作為本發(fā)明的一種改進，上述步驟四包括:在進行車型識別概率判別時，首先計算出所述車輛圖像各特征下的相應(yīng)結(jié)果，然后按照聯(lián)合概率判別的方法計算得出最終的車型類別。
[0021]作為本發(fā)明的一種改進，上述步驟四包括:在進行車型識別概率判別階段自頂而下進行三級識別:首先用提取的車輛圖像的形狀特征識別出客車、貨車、拖拉機和摩托車中的一種;然后再用提取的車輛圖像的邊緣特征識別出中小型客車和大型客車中的一種;再用提取的車輛圖形的紋理特征識別出中小型貨車、中型貨車、大型貨車、特大型貨車和集裝箱車中的一種。
[0022]另一方面，本發(fā)明提供了一種交通調(diào)查車型識別裝置，該裝置包括:
[0023]檢測模塊，用于對視頻中的運動物體進行檢測，獲取車輛圖像；
[0024]特征提取模塊，用于對所述車輛圖像進行特征提取，所述車輛圖像的特征包括車輛圖像的邊緣特征、紋理特征和形狀特征中的一種或多種；
[0025]訓練模塊，用于進行車型識別先驗參數(shù)訓練；
[0026]判別模塊，用于進行車型識別概率判別。
[0027]又一方面，本發(fā)明提供了一種交通調(diào)查車型識別系統(tǒng)，該系統(tǒng)包括:視頻獲取裝置和上述車型識別裝置;其中視頻獲取裝置用于獲取視頻資源，車型識別裝置用于對視頻資源中的車輛圖像進行識別。
[0028]在本發(fā)明中，圖像的特征描述能夠全面的描述圖像的邊緣、紋理和形狀信息，特征數(shù)據(jù)學習技術(shù)能夠?qū)o關(guān)數(shù)據(jù)的干擾有較強的容忍度，并且能夠適應(yīng)多種識別場景。在識別階段采取了三級自上而下的逐一概率聯(lián)合識別，有效的提高了車型識別的準確率。
【附圖說明】
[0029]圖1為本發(fā)明實施例提供的一種交通調(diào)查車型識別方式流程示意圖；
[0030]圖2為本發(fā)明實施例提供的一種交通調(diào)查車型識別裝置結(jié)構(gòu)示意圖；
[0031]圖3為本發(fā)明實施例提供的一種交通調(diào)查車型識別系統(tǒng)結(jié)構(gòu)示意圖；
[0032]圖4為本發(fā)明實施例車輛圖像邊緣特征提取方法示意框圖；
[0033]圖5為本發(fā)明實施例車輛圖像形狀特征提取方法示意框圖；
[0034]圖6為本發(fā)明實施例車輛圖像紋理特征提取方法示意框圖。
【具體實施方式】
[0035]結(jié)合附圖，本發(fā)明的基本思想是針對視頻交通調(diào)查車型識別的實際情況，將整個識別工作分為三個部分。在進行車型識別之前，首先對獲取的運動車輛圖像幾何矯正、圖像歸一化再進行一系列特征提取以及基于機器學習思想的學習與訓練，以得到各特征描述下的分類識別參數(shù);然后在識別階段根據(jù)得到的運動車輛圖像再進幾何矯正、圖像歸一化與特征提取，將所得各種特征放入識別參數(shù)模型自上而下進行三級識別；最后根據(jù)各級的識別結(jié)果得出最終的車輛類型。以上方法可以適應(yīng)陰雨、霧霾等多種不良場景，擁有較高的識別精度。
[0036]圖1為本發(fā)明實施例提供的一種交通調(diào)查車型識別方式流程示意圖。如圖1所示，該方法包括步驟1I — 104:
[0037]步驟101，對視頻中的運動物體進行檢測，獲取車輛