[发明专利]一种交通调查车型识别方法、装置及其系统

说明书

技术领域

本发明属于计算机视觉领域，尤其涉及一种交通调查车型识别方法、装置及其系统。

背景技术

交通调查指的是交通量、车速、交通运行特征、起讫点、交叉口、交通事故、交通环境 等调查的统称。在此我们关注的是交通量中的车型判别问题。

对规划对象区域的交通需求特性、交通系统及其关联设施以及道路交通流特性进行调查， 为交通规划提供可靠的依据，是制定科学合理的交通规划的基本前提和极其重要的环节。在 进行交通系统规划过程中的每个阶段，都需要有和该阶段相对应的各种各样的基础数据。在 制定交通规划时，为分析交通现状和存在的问题，建立交通需求预测模型并预测交通需求， 分析交通的供求平衡以及交通供求关系的发展趋势，通常要进行大规模的交通调查，这一部 分工作在制定交通规划的过程中占有相当大的比重。因此，进行合理而有效的交通调查，是 交通规划中的重要课题之一，也是规划成败的关键。

支持向量机学习算法是一种有监督的自适应学习算法，它能够根据不同类别的输入训练 样本特征值自动计算出对应的分类面，从而为后续的识别工作提供可靠的先验知识。这种方 法的优点是，在样本特征表征全面且样本量充足的条件下能够进行很好的分类工作，同时对 于不良数据的容忍力较强，可以适应多种不同的数据环境。因此该算法广泛应用于数据挖掘、 图像分类、图像检索、图像物体识别、视频对象跟踪等多个图像处理领域。近年来伴随数据 量的不断增加，该技术的应用在一定程度上推动了计算机视觉技术的发展。

在国家标准中，车辆类型分为：中小型客车、大型客车、小型货车、中型货车、大型货 车、特大型货车、摩托车、拖拉机、集装箱车等九类。基于视频的交通调查车型识别是图像 识别中的一项应用。一方面它可以根据视频快速的检测得到运动车辆，另一方面根据车辆图 像可以准确的获得当前车辆在国标下的类型。

目前有一些有关交通调查车型识别的研究，也出现了很多相应的方法，其中相当多的方 法都用到了地感线圈、激光、微波、超声波等技术，这些技术在一定程度上也都能达到国标 下的准确率。但是要么检测设备往往比较昂贵，要么损坏率很高。从基于视频的角度来进行 交通调查车型识别，目前还没有满足国标的产品，我们的这一项技术可以说填补了国内的空 白。总体来说，我们提出的这种基于视频的交通调查车型识别方法，由于识别精度高、设备 需求简单(只需要一台高清摄像机即可)、设备稳定、使用寿命长，获取数据便捷且直观(获 取的是图像大大增强了可视化)、所需设备价格相对低廉等优点，使得该技术大大降低了交 通调查的成本并且识别精度也大大高于国家标准。该算法能够适应阴雨天气、雾霾天气等相 对复杂环境，所需设备安装简单后期升级维护方便。

伴随我国国民经济的快速发展，居民生活水平不断提高。交通调查中的车型判别能够在 相当程度上反映出我国居民经济生活水平，因此做好这一项工作是十分必要的。

发明内容

本发明的目的在于针对现有技术的不足，提出一种基于视频的交通调查车型识别方法。 该方法以描述车辆图像的多种特征为基础，融入了机器学习与联合概率判别的思想，充分提 高了车型识别的精度，该方法可以有效地进行不同场景下的车型识别。

为实现上述目的，一方面，本发明提供了一种交通调查车型识别方法，该方法包括以下 步骤：

步骤一、对视频中的运动物体进行检测，获取车辆图像；

步骤二、对所述车辆图像进行特征提取，所述车辆图像的特征包括车辆图像的边缘特征、 纹理特征和形状特征中的一种或多种；

步骤三、进行车型识别先验参数训练；

步骤四、进行车型识别概率判别。

作为本发明的一种改进，上述步骤一具体包括：基于背景建模的前景检测算法对视频中 的运动物体进行检测，从而获取车辆图像。

作为本发明的一种改进，在上述步骤一之后，步骤二之前，还包括步骤：通过二类判别 模型对获取的车辆图像进行判别，所述二类判别模型通过以下步骤获得：事先将多个正样本 车辆图像与样本车辆图像进行基于图像内容的图像特征描述，在此基础上通过神经网络进行 训练，获得所述二类判别模型。

作为本发明的一种改进，在获取车辆图像后，通过坐标映射算法对当前各个角度的车辆 图像进行统一的几何校正，使其成像角度统一。