[发明专利]一种车辆类型的精细识别方法及系统

权利要求书

1.一种车辆类型的精细识别方法，其特征在于：包括以下步骤：

S1、对获取的原始车辆图像进行灰度化和标准化处理，得到标准化图像；

S2、计算标准化图像每个像素点的梯度和方向；

S3、根据计算的梯度和方向对标准化图像进行方向梯度直方图特征提取和局部线性约束编码，得到标准化图像的编码向量；

S4、根据得到的编码向量采用权值空间金字塔对局部线性约束编码后的标准化图像进行处理，得到车辆图像的最终表达向量，所述车辆图像的最终表达向量包含有车辆图像的位置信息和语义信息；

S5、将车辆图像的最终表达向量送入预先训练好的线性支持向量机分类器进行车辆类型识别；

所述步骤S3包括：

S31、将标准化图像划分若干个大小相同的图像块，并根据计算的梯度和方向获取各个图像块的方向梯度直方图特征向量以及整幅标准化图像的方向梯度直方图特征集合的表达式；

S32、采用局部线性约束编码的方法对标准化图像的方向梯度直方图特征向量进行编码，得到标准化图像的编码向量，所述标准化图像的编码向量包含有标准化图像的语义信息；

所述步骤S4包括：

S41、对局部线性约束编码后的标准化图像分别进行一等分、四等分以及十六等分，得到三个层次的21个子区域，所述三个层次中子区域的数量分别是1、4以及16个；

S42、对三个层次的每个子区域的编码向量进行最大池化操作，得到每个子区域的初步表达向量，所述最大池化操作所采用的公式为：

P_e＝max{c_e1,c_e2,…,c_eN}，

其中，P_e为池化表达向量P的第e个元素，c_eN为第N个编码向量中的第e个元素，e＝1，2，…，L，L为编码向量的维数；

S43、根据每个子区域的初步表达向量计算每个子区域的最终表达向量，所述每个子区域的最终表达向量计算公式为：

F_g＝W_g*V_g；

其中，V_g为第g个子区域的初步表达向量，F_g为第g个子区域的最终表达向量，W_g为第g个子区域的权重，g＝1，2，…，21；所述子区域的编号g的编号规则为：第一个层次的1个子区域编号g＝1，第二个层次的4个子区域的编号g按自左向右以及自上而下的顺序依次为2,3,4,5；第三个层次的16个子区域的编号g按自左向右以及自上而下的顺序依次为6,7,…，21；

S44、把每个子区域的最终表达向量按顺序连接起来组成车辆图像的最终表达向量；

所述21个子区域的权重集合W＝{w|w＝W_g}＝{1,1,1,2,2,2,2,2,2,2,2,2,2,5,5,5,5,5,5,5,5}。

2.根据权利要求1所述的一种车辆类型的精细识别方法，其特征在于：所述步骤S2包括：

S21、计算标准化图像每个像素点的梯度，所述像素点的梯度计算公式为：

其中，G_x(x,y)、G_y(x,y)和H(x,y)分别代表标准化图像在像素点(x,y)的水平方向梯度、垂直方向梯度以及像素值；

S22、根据计算的水平和垂直梯度计算标准化图像在像素点(x,y)的梯度值G(x,y)和方向α(x,y)，所述梯度值G(x,y)和方向α(x,y)的计算公式为：