[发明专利]一种基于融合特征的视频车辆重识别方法与系统

说明书

本发明公开了一种基于融合特征的视频车辆重识别方法与系统，方法包括：确定目标车辆与匹配范围；根据目标车辆与匹配范围采用基于颜色直方图的相似度计算方法，计算目标车辆图像与待匹配车辆图像的颜色特征相似度；根据目标车辆与匹配范围采用基于局部线性约束编码和加权空间金字塔的方向梯度直方图特征相似度计算方法，计算目标车辆图像与待匹配车辆图像的编码方向梯度直方图特征相似度；将计算的颜色特征相似度和编码方向梯度直方图特征相似度进行加权融合。本发明通过将计算的颜色特征相似度和编码方向梯度直方图特征相似度进行加权融合来得到车辆重识别的相似度结果，准确率更高，鲁棒性更强，通用性更高。本发明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，尤其是一种基于融合特征的视频车辆重识别方法与系统。

背景技术

车辆重识别是指，在视频图像中，监控场景、光照条件、目标角度等条件变化后，车辆被再次识别的过程(即从不同的时间与地点所采集的监控视频或图像中识别出同一个目标车辆)，其在道路交通状态分析以及打击违法犯罪等方面都有重要意义。首先，在现实交通流中，因车辆受遮挡或其他环境条件影响而不能收集到车牌等车辆信息的情况时有发生，通过车辆重识别可以在另一摄像头获取车牌信息，并且获取车辆行驶路径和车辆行程时间等信息用于后续数据分析。另外，在刑侦工作中，刑侦人员经常要浏览多个摄像头中的视频，查找某一特定的车辆在哪些摄像头曾经出现过，而通过车辆重识别技术则能快速找到目标车辆，以及对目标车辆进行后续的跟踪。

车辆重识别的研究方法主要分为两类，第一类是基于外观特征的车辆重识别方法，通过提取车辆的颜色、形状、纹理等外观特征进行区分匹配；第二类是基于训练学习的车辆重识别方法，通过学习训练，获得具有最大区分度的车辆特征或者相似性度量准则，再对车辆进行建模实现车辆重识别。

基于外观特征的车辆重识别方法不需要提前进行训练，可以直接进行车辆特征提取和匹配，在不同摄像机之间普遍适用，一般情况下这种方法具有较好的拓展性。该类方法采用的外观特征主要包括颜色特征、形状特征和纹理特征等。以颜色特征作为目标的主要特征时，一般使用颜色直方图(描述的是各种颜色占整幅图像的比例，一般可用一个二维直方图表示，横坐标表示颜色级别，纵坐标代表各颜色级别出现的频率，即像素个数)作为车辆的颜色特征，并计算颜色直方图间的欧式距离进行目标匹配。但是由于交通流中存在颜色相同或相近的车辆，以及不同摄像机间拍摄图像的光照会有差异，直接进行颜色特征的匹配会有偏差。在以纹理特征或点特征作为车辆的主要特征时，若使用单个特征，则其在多摄像机中进行车辆识别的鲁棒性不高，容易出现错误匹配的结果。

基于训练学习的车辆重识别方法可以分为两种，一种是通过样本训练，学习到具有最大区分度的特征，再用学习到的特征进行车辆重识别。另一种方法则是训练学习相似性度量准则，使得同一个车辆的图像相似性高，不同车辆间相似性低。虽然训练学习的方法能有效地得到区分度大的特征或度量准则，但是由于在不同摄像机间车辆外观特征变化较大，其得到目标特征模型或相似性度量模型通用性不高，这也是目前训练学习方法较难解决的问题之一。

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、适用性强、鲁棒性强和通用性高的，基于融合特征的视频车辆重识别方法。

本发明的另一目的在于：提供一种准确率高、适用性强、鲁棒性强和通用性高的，基于融合特征的视频车辆重识别系统。

本发明所采取的技术方案是：

一种基于融合特征的视频车辆重识别方法，包括以下步骤：

确定目标车辆与匹配范围；

根据目标车辆与匹配范围采用基于颜色直方图的相似度计算方法，计算目标车辆图像与待匹配车辆图像的颜色特征相似度；