[发明专利]基于前脸特征的车型识别方法

说明书

技术领域

本发明涉及图像识别技术领域，尤其是一种基于车辆前脸特征的车型识别方法。

背景技术

随着人工智能、自动控制和模式识别等领域的发展，智能交通系统应运而生，并取得巨大发展。车辆类型的智能识别分类一直是智能交通系统的重要组成部分。车辆类型的准确识别对于高速公路收费额的确定、大型停车场的管理以及公路交通监视控制等都有着非常重要的意义。

传统的车型分类检测器主要有压电式检测器、红外检测器、磁感应式检测器及超声波检测器，易受其他外部不稳定因素的影响，且多是大体估计车辆长度而不能准确估计车辆类型。视觉监测装置与其他类型的检测器相比，有安装简单、维修方便、成本低以及信息量丰富等优点，目前已成为智能交通系统研究的热点。

视频监控是计算机视觉、模式识别以及人工智能等领域的一个重要的研究内容，在安全监控、智能交通、军事导航等方面有着广泛的应用前景。在目前的车辆类型判别中，大多通过降噪处理、边缘检测，从视频图像中提取汽车总长、宽度、高度、不变矩等特征量，然后进行模式识别，判断出车辆的车型，但只能对车辆的大体种类进行判断，如货车、轿车等，并无法实现车辆所对应的具体型号的判别。

由于同种类的车辆所对应的型号有近万种，对车辆具体型号进行判别的工作非常具有挑战性，当前相关研究甚少。

发明内容

本发明的目的在于提供一种基于前脸特征的车型识别方法，通过获取交通卡口图像，利用图像分析技术快速准确获取车前脸图像，自动建立不同车型的车前脸特征识别模板集，通过多层搜索及近邻比对技术，进而实时完成通过各交通卡口的车辆的车型的判别工作，为交通管理及刑侦系统提供技术支持。本发明采用的技术方案是：

一种基于前脸特征的车型识别方法，包括以下部分：

S01、一种基于图像直方图信息的路面车辆自动提取方法：分析道路上交通卡口传回的路面图像，采用单目图像分析方法，提取出路面图像中可能存在的车辆区域；

S02、一种融合了颜色和梯度信息的车前脸截取方法：在采用S01得到的车辆区域图像中通过分析目标的颜色和梯度信息，完成车前脸的截取；

S03、进行基于异类样本分析的车辆型号在线训练，建立各种车型的车辆模板；

S04、一种基于车前脸特征子空间的车辆型号判别方法：基于S02所截取的车辆前脸与S03得到的车型模板匹配，得出车辆型号的判别决策。

本发明的优点在于，本发明提出的方法，对于捕获的交通卡口图像，可以快速获取车前脸图像，并且能够准确的进行车辆车型的自动识别，大大方便了需要车型信息的相关部门的日常工作。

附图说明

图1为本发明的主要流程图。

图2为本发明的详细流程图。

具体实施方式

下面结合具体附图和实施例对本发明作进一步说明。

如图1、图2所示：

本发明所提出的基于前脸特征的车型识别方法，包括以下部分：

S01、一种基于图像直方图信息的路面车辆自动提取方法，分析道路上交通卡口传回的路面图像，采用单目图像分析方法，提取出路面图像中可能存在的车辆区域；

所述S01具体为：

(1)对于输入图像I，建立其灰度直方图I_hist，提取出现频次最多的灰度，将该灰度值记为B，对应的频次为P；

(2)设定灰度区间阈值T=P/3，建立路面候选目标掩膜二值图像M=(I>B+T)|(I<B-T)；

(3)对目标掩模二值图像M进行中值滤波处理；

(4)根据目标掩模二值图像M中白色像素的个数对M进行膨胀处理；

(5)对目标掩模二值图像M进行标记，获得M中斑点集合R={R(t)},t=1,2,Λ,N_M,N_M为M中斑点个数；

(6)分析斑点集合R中各斑点的尺寸和形状，剔除面积过小和长宽比过大或过小的斑点；面积过小是指斑点的面积小于50个像素，长宽比过大指长宽比大于5，长宽比过小指长宽比小于0.98；

(7)对斑点集合R中的每对斑点R(t₁)，R(t₂)，根据该对斑点在图像平面的空间分布，判断是否属于同一辆车，若是，则合并两斑点区域，进而得到斑点区域集合P={P(c)}，c=1,2,Λ,N_P,N_P为区域集合P中区域的个数；