[发明专利]一种车辆类型的精细识别方法及系统

说明书

本发明公开了一种车辆类型的精细识别方法及系统，方法包括：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；计算标准化图像每个像素点的梯度和方向；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；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；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。本发明具有准确率高、复杂度低、鲁棒性强和细节特征丰富的优点，可广泛应用于图像处理领域。

技术领域

本发明涉及图像处理领域，尤其是一种车辆类型的精细识别方法及系统。

背景技术

近年来，随着我国汽车的保有量日渐增加，利用汽车进行违法犯罪行为的涉车案件、盗抢车辆案件和各种交通违法行为越来越多，车辆管理与识别工作也得到了越来越多的关注。传统的治安卡口、电子警察等系统，主要还是通过对快速拍摄得到的车辆图像进行车牌识别来获取车辆信息。虽然目前的车牌识别技术已比较成熟与普及，但是其在面对套牌车、遮挡号牌以及无牌车辆时却无能为力。此外，在各种案件中，如果需要根据线索对某个型号车辆进行搜寻，其只能依赖于人工判断及人工检索，一般一个工作人员在一个工作日内可处理的图像数量不超过5000张，而一个车道每天的过车数据可能多达数万，故目前的车牌识别技术对海量的图像数据进行搜索时的工作量极其繁重。因此，研究进一步从车辆图像中识别出更多车辆精细属性，如车辆类型、品牌、型号、年款等，是未来发展的趋势。

对于车辆类型的精细识别问题来说，由于受拍摄时的光照、天气以及拍摄角度等的影响，即便是同一款车辆也可能呈现出不同的图像特征。同时在现实中，车辆的外观会具有较高的相似性(特别是同一品牌的不同年款的车辆)，这都给车辆类型的精细识别带来了很大的困难。现有的车辆类型精细识别方法主要可以分为模版匹配法与基于外观的判别法。模版匹配法就是首先构建车辆类型模版库，接着通过分别提取待识别图像与模版库图像的特征进行匹配识别。模版匹配法的准确率一定程度上依赖于待识别的车辆类型在模版库中的数量，若模版数量越多，则识别准确率越高，但算法复杂度也随之增高，无法满足实时识别的要求。基于外观的判别法，这种方法大部分基于传统的模式识别，即首先对车辆图像进行相应的SIFT(尺度不变特征转换)特征提取，然后把SIFT特征描述子直接送入预先训练好的分类器进行识别。且基于外观的判别法大部分采用了SIFT特征提取算法，而SIFT特征提取算法对刚性物体的描述能力较差且提取速度较慢，影响了后续的准确识别基于外观的判别法通常需要提取车辆的特定区域(如车脸区域等)，遇到车辆图像背景复杂的情况时其将无法完整提取甚至无法提取车辆的特定区域，影响了后续的车辆类型精细识别的准确率，鲁棒性较低。此外，现有的车辆类型精细识别方法大多基于浅层特征，无法很好地捕捉不同车辆类型之间的细微差异，将会影响到后续识别的准确率。

综上所述，目前业内亟需一种准确率高、复杂度低、鲁棒性强和细节特征丰富的，车辆类型的精细识别方法及系统。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种准确率高、复杂度低、鲁棒性强和细节特征丰富的，车辆类型的精细识别方法。

本发明的另一目的在于：提供一种准确率高、复杂度低、鲁棒性强和细节特征丰富的，车辆类型的精细识别系统。

本发明所采取的技术方案是：

一种车辆类型的精细识别方法，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；