[发明专利]一种基于视频的车辆特征提取与匹配方法

说明书

本发明公开了一种基于视频的车辆特征提取与匹配方法，包括如下步骤：读入视频文件；对视频图像进行背景建模；采用背景差法来获取包含运动目标的前景区域；采用获取车辆轮廓的方法来进行车辆检测；提取车辆图像的pHash特征；提取车辆图像ISIFT特征；结合pHash算法和ISIFT算法，并通过BBF搜索算法和RANSAC算法来筛选ISIFT特征匹配点，从而实现车辆匹配。本发明能够基于视频实现车辆检测、车辆特征信息提取、车辆匹配功能，检测出车辆的车辆轮廓非常精准，车辆信息特征提取准确，运算速度快，满足实时性要求，成本低廉，还能够检测不同方向行驶的车辆，适用范围广。

技术领域

本发明属于图像处理和交通视频检测领域，涉及一种基于视频的车辆特征提取与匹配方法，主要应用于基于视频的车辆检测、车辆特征信息提取、车辆匹配。

背景技术

通过视频提取交通信息成本低廉，只需要利用交通卡口的抓拍摄像头即可。提取车辆的各种信息涉及计算机视觉和图像处理的技术，随着计算机运算能力的不断增强，使得通过数字视频准确的提取出车辆信息成为可能。但该方法仍然具有不少难点，比如卡口摄像头安装在室外，受光照、环境等因素影响非常大；另外，由于交通场景复杂多变，难以保s证在车辆密集时或者突发状况下的鲁棒性和准确性；以及实时性问题：最新的算法往往能够有很好的准确性，但运算量巨大，非常耗时，难以实用。

现阶段对视频中车辆检索的方法主要可以分为两类，一类通过车辆属性进行检索，比如通过车辆颜色、车型、车牌等信息进行搜索，这种方法的准确率依赖信息提取的精度。另一类主要通过车辆图像特征搜索，通常分为两个过程，首先是提取车辆图像底层特征向量，接着是将提取的特征进行相似性匹配，这种方法类似于图像检索。现有检索方法一般需要采集样本，还需要拍摄图像中没有运动目标的纯背景图像，需要大量的前期准备工作。

本发明对视频背景进行动态更新，在提高检测准确率的同时保证实时性。

发明内容

为解决上述问题，本发明公开了一种基于视频的车辆特征提取与匹配方法，重点研究车辆图像特征提取，并通过检测轮廓的方式检测运动目标，实现基于图像匹配的车辆检索。

为了达到上述目的，本发明提供如下技术方案：

一种基于视频的车辆特征提取与匹配方法，包括如下步骤：

步骤1：读入视频文件：

从交通卡口摄像头中读入视频文件，并取一帧大小的彩色图像，记为G，彩色图像的宽度和高度分别为W和H；

步骤2：对视频图像进行背景建模，保证背景精确稳定及实时性：

如果图像G对应于视频文件的第一帧图像，则进行背景模型的初始化，否则，进行背景模型的更新；

背景模型的初始化过程为：

通过间隔采样多帧图像，求取多帧图像的平均值作为视频背景图片；首先将彩色图像进行RGB三通道分离，分别用8位二进制数字表示，R、G、B三通道的像素值范围均为0～255，对三个通道分别每隔p帧进行一次采样，p为常数，进行N次采样后将所得到的N帧图像求取平均值；Sum₀(x，y)由背景初始化得到，表示积累N帧图像在(x，y)处像素值总和，则Sum₀(x，y)具体表示为

其中，G_rpi(x，y)、G_gpi(x，y)、G_bpi(x，y)分别表示在R、G、B三通道上，第p×i帧图像在(x，y)处的像素值，其中p表示每隔p帧进行一次采样，N表示参与背景初始化的总帧数；

B₀(x，y)表示初始化背景图像在(x，y)处像素值，则B₀(x，y)具体表示为