[发明专利]一种夜间卡口场景下的车型识别方法

说明书

技术领域

本发明属于交通计算机视觉领域，特别涉及一种夜间卡口场景下的车型识别方法，及该方法在车辆特征识别系统中的应用。

技术背景

随着高清视频监控的普及，公安对车辆的管理变得越来越方便，抓拍到的过车数据，除了能看清车辆牌照外，还能看清车辆厂家标识、车辆类型、车身颜色、甚至驾驶员的面部特征，这对公安人员破案提供了极大的便利。然而，由于过车数据非常庞大，公安人员想要从海量数据中搜索目标车辆并非易事，需要耗费大量的人力物力。基于计算机视觉技术的车辆特征识别技术能够非常有效地解决这样的问题，车辆特征除了常用的车牌号码、车牌颜色、车牌厂家标识、车身颜色外，还包括车辆类型。综合这些条件，能够更快地过滤非嫌疑车辆，提高公安办案的效率。因此，车型识别属于车辆特征识别技术中非常重要的技术之一。

由于车辆各类繁多，车型分类没有统一的标准，按照分类细致程度，一般来说有三个层次。第一层，可分为大、中、小型车，第二层，可分为小型车、微型车、紧凑车型、中等车型、高级车型、豪华车型、三厢车型、MPV车型、SUV车型等，第三层，细分为某厂家品牌下的子品牌，如大众品牌下的速腾、高尔夫、朗逸、迈腾等，奥迪品牌下的奥迪A4、A6、奥迪Q3、Q7等。从算法的层面来说，第一层分类最容易，第三层分类难度相当大，但从用户的角度来说，第三层分类提供的信息量最大，第一层提供的信息量最小，因此他们希望算法能够实现第三层分类。

本发明提供了一种夜间卡口场景下车型识别方法，该方法利用夜间场景下车灯及其车灯之间区域的图像特征并结合模式识别方法进行车型分类，该方法可应用于第三层分类，有效地解决了夜间场景下车型分类的难题。

发明内容

本发明的目的是为了解决夜间卡口场景下的车型识别难题，从而使得全天候下的车型识别变成可能。发明内容如下：

(1)、利用车牌检测与识别算法，输出车牌位置和大小，并根据车牌位置和大小提取车灯感兴趣区域(ROI)，即利用车灯与车牌位置关系的先验知识，初步确定车灯区域，以提高车灯提取精度与效率。

(2)、利用自适应阈值和区域生长算法提取车灯前景，即基于灰度直方图自适应选取车灯阈值，提取车灯中心较亮区域，然后利用提取的中心点作为种子，进行区域生长，得到完整的车灯区域。

(3)、利用车灯成对出现，并基于车牌对称的先验知识，进行车灯配对，对于只有单个车灯出现的情况，采用强制配对策略，通过车灯配对，有效地减少了漏检并排除了一定的误检。

(4)、利用凸包算法计算车灯区域凸点，并进行拟合，得到精确的车灯区域，为后面的特征提取做准备。

(5)、利用车灯轮廓提取算法，提取车灯的轮廓长度、面积、中心矩特征、Hu矩特征，并基于车牌尺寸归一化，作为车灯的特征。

(6)、利用Hog特征，提取车灯对之间的区域(该区域往往包含丰富的特征)，并与车灯特征融合，一起作为车型识别的特征。

(7)、利用支持向量机(SVM)训练分类器，由于特征向量维数较高，并且类别数较多，故采用线性支持向量机，以保证算法具有较好的泛化性。

附图说明

图1是本发明的基本流程图；

图2是本发明的车灯前景提取算法流程图；

图3是本发明的车灯配对算法流程图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种夜间卡口场景下的车型识别方法，实施流程如下：

1、初步确定车灯区域。利用车牌检测与识别算法，输出车牌位置和大小，并根据车牌位置和大小提取车灯感兴趣区域(ROI)，即利用车灯与车牌位置关系的先验知识。本发明实施例中取左右车灯roi区域宽度为2.5倍车牌宽度，高度为12.5倍车牌高度，车牌以上区域占整个高度的2/3，以达到没有漏掉车灯的情况下，尽量缩小搜索范围的作用，提高车灯提取精度与效率。根据现场实际环境，可以对以上参数进行调整，以达到最好的效果。

2、提取车灯前景。利用自适应阈值和区域生长算法提取车灯前景，计算roi区域的灰度直方图，取5％灰度值最高的像素作为阈值，二值化即得到车灯中心部分像素，用这些像素值作为种子点，用八邻域区域生长，获取到完整的车灯区域。