一種基于視頻的車型識(shí)別方法
【專利摘要】本發(fā)明提供了一種基于視頻的車型識(shí)別方法，對(duì)含有車輛的視頻序列進(jìn)行訓(xùn)練學(xué)習(xí)，對(duì)檢測(cè)得到的目標(biāo)車輛區(qū)域位置構(gòu)造區(qū)域面積以及外接矩形長(zhǎng)度特征，將車輛目標(biāo)粗分類為小型車、中型車和大型車；對(duì)小型車目標(biāo)，采用車窗位置特征參數(shù)確定其為轎車或者面包車；對(duì)大型車目標(biāo)的車輛區(qū)域下部1/4～1/2處做水平邊緣線檢測(cè)，判斷為大貨車或公交車。本發(fā)明檢測(cè)算法簡(jiǎn)單、實(shí)時(shí)性強(qiáng)，檢測(cè)到車輛信息比較完整，提取的車型特征少、穩(wěn)定性高、算法易于實(shí)現(xiàn)，識(shí)別率高。
【專利說明】一種基于視頻的車型識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理和車輛檢測(cè)領(lǐng)域，涉及一種車型識(shí)別方法。
【背景技術(shù)】
[0002]車型識(shí)別技術(shù)作為智能交通系統(tǒng)(ITS)的重要組成部分，在ITS中發(fā)揮著重要的作用。車型識(shí)別除了在高速公路的自動(dòng)收費(fèi)和停車場(chǎng)的車輛管理系統(tǒng)中應(yīng)用外，還可以應(yīng)用于機(jī)器人、計(jì)算機(jī)視覺等高新【技術(shù)領(lǐng)域】。
[0003]現(xiàn)有的基于視頻的車型識(shí)別一般都是針對(duì)車輛側(cè)面的信息進(jìn)行識(shí)別，對(duì)于電子眼拍攝的車輛正面信息進(jìn)行識(shí)別的方法不是很多，并且識(shí)別率不夠高，主要的原因在于:1)運(yùn)動(dòng)車輛檢測(cè)與分割時(shí)，車輛信息不完整；2)提取的車輛特征易受外界因素影響。

【發(fā)明內(nèi)容】

[0004]為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于視頻的車型識(shí)別方法，解決了現(xiàn)有技術(shù)中存在提取車輛信息不完整，提取的車輛特征穩(wěn)定性低，識(shí)別率不夠高的問題。
[0005]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案包括以下步驟:
[0006]步驟1、對(duì)含有車輛的視頻序列進(jìn)行訓(xùn)練學(xué)習(xí)，采用分塊幀間差法進(jìn)行目標(biāo)檢測(cè)，并通過分析變化區(qū)域的面積來標(biāo)定目標(biāo)車輛區(qū)域位置，完成后續(xù)的車型識(shí)別所需要的參數(shù)的自動(dòng)學(xué)習(xí)；
[0007]步驟2、對(duì)步驟I中檢測(cè)得到的目標(biāo)車輛區(qū)域位置，通過貼標(biāo)簽的方法標(biāo)識(shí)出每個(gè)不同的目標(biāo)區(qū)域，構(gòu)造區(qū)域面積以及外接矩形長(zhǎng)度特征，將車輛目標(biāo)粗分類為小型車、中型車和大型車；
[0008]步驟3、對(duì)步驟2判定為小型車的目標(biāo)，根據(jù)面包車與轎車車窗位置的不同，采用車窗位置特征參數(shù)對(duì)小型車輛進(jìn)行進(jìn)一步的識(shí)別，確定其為轎車或者面包車；
[0009]步驟4、將步驟2判定的大型車的目標(biāo)，對(duì)車輛區(qū)域下部1/4?1/2處做水平邊緣線檢測(cè)，可以檢測(cè)到車頭頂部的兩條水平邊緣線，并且之間的距離大于設(shè)定值的為大貨車，否則為公交車。
[0010]本發(fā)明的有益效果是，I)運(yùn)動(dòng)車輛檢測(cè)算法簡(jiǎn)單、實(shí)時(shí)性強(qiáng)，檢測(cè)到車輛信息比較完整；2)先通過面積特征將非車輛的運(yùn)動(dòng)目標(biāo)排除，其次再通過面積特征將車輛目標(biāo)粗分類為小型車、中型車、大型車，最后根據(jù)小型車車窗位置的不同、大型車有無相對(duì)獨(dú)立的車頭導(dǎo)致提取直線距離的不同，將小車型分為小轎車與面包車，大型車分為公交車與大貨車，該算法提取的車型特征少、穩(wěn)定性高、算法易于實(shí)現(xiàn)，識(shí)別率高。
【專利附圖】

【附圖說明】
[0011]圖1是本發(fā)明一種車型識(shí)別方法的一個(gè)實(shí)施例的流程圖；
[0012]圖2是運(yùn)動(dòng)車輛檢測(cè)的一個(gè)實(shí)施例的流程圖；
[0013]圖3是本發(fā)明方法中目標(biāo)及其外接矩形處理示意圖；[0014]圖4是本發(fā)明方法中車窗位置特征處理示意圖。
[0015]圖中，1.視頻圖像，2.車輛外輪廓，3.車窗輪廓。
【具體實(shí)施方式】
[0016]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說明。
[0017]本發(fā)明的車型識(shí)別方法，按照以下步驟實(shí)施:
[0018]對(duì)含有運(yùn)動(dòng)車輛信息的視頻，進(jìn)行運(yùn)動(dòng)車輛檢測(cè)與分割，提取車輛面積信息，將車輛分成小型車、中型車、大型車，其中小型車分為轎車和面包車，大型車分為公交車以及大貨車，共計(jì)五種車型。
[0019]步驟1、初始化
[0020]對(duì)含有車輛的視頻序列進(jìn)行訓(xùn)練學(xué)習(xí)，包括進(jìn)行目標(biāo)檢測(cè)，以及后續(xù)的車型識(shí)別時(shí)所需要的參數(shù)的自動(dòng)學(xué)習(xí)。
[0021]a)、目標(biāo)檢測(cè)
[0022]采用分塊幀間差法進(jìn)行目標(biāo)檢測(cè)，具體步驟為:
[0023]首先將圖像分成MXN塊(M = Height/h, N = ffidth/h, Height為圖像的高度，Width為圖像的寬度，h為正方形小塊的邊長(zhǎng),一般為3~5個(gè)像素,本文取4);其次計(jì)算相鄰兩幀圖像對(duì)應(yīng)塊的灰度差異，并生成灰度差異圖；最后將得到的灰度差異圖二值化(二值化的閾值取值為300~600)， 值為I的區(qū)域就是檢測(cè)到的目標(biāo)區(qū)域。
[0024]對(duì)應(yīng)小塊之間的灰度差異是指塊內(nèi)各個(gè)對(duì)應(yīng)點(diǎn)的灰度差值的平方和，數(shù)學(xué)表達(dá)式如下:
[0025]
【權(quán)利要求】
1.一種基于視頻的車型識(shí)別方法，其特征在于包括下述步驟: 步驟1、對(duì)含有車輛的視頻序列進(jìn)行訓(xùn)練學(xué)習(xí)，采用分塊幀間差法進(jìn)行目標(biāo)檢測(cè)，并通過分析變化區(qū)域的面積來標(biāo)定目標(biāo)車輛區(qū)域位置，完成后續(xù)的車型識(shí)別所需要的參數(shù)的自動(dòng)學(xué)習(xí)； 步驟2、對(duì)步驟I中檢測(cè)得到的目標(biāo)車輛區(qū)域位置，通過貼標(biāo)簽的方法標(biāo)識(shí)出每個(gè)不同的目標(biāo)區(qū)域，構(gòu)造區(qū)域面積以及外接矩形長(zhǎng)度特征，將車輛目標(biāo)粗分類為小型車、中型車和大型車； 步驟3、對(duì)步驟2判定為小型車的目標(biāo)，根據(jù)面包車與轎車車窗位置的不同，采用車窗位置特征參數(shù)對(duì)小型車輛進(jìn)行進(jìn)一步的識(shí)別，確定其為轎車或者面包車； 步驟4、將步驟2判定的大型車的目標(biāo)，對(duì)車輛區(qū)域下部1/4?1/2處做水平邊緣線檢測(cè)，可以檢測(cè)到車頭頂部的兩條水平邊緣線，并且之間的距離大于設(shè)定值的為大貨車，否則為公交車。
【文檔編號(hào)】G08G1/017GK103593981SQ201310354841
【公開日】2014年2月19日 申請(qǐng)日期:2013年8月14日 優(yōu)先權(quán)日:2013年1月18日
【發(fā)明者】樊養(yǎng)余, 張晶, 張辰銳, 劉力豪 申請(qǐng)人:西安通瑞新材料開發(fā)有限公司