[发明专利]一种基于加权非负矩阵分解的套牌车辆检测方法

说明书

一种基于加权非负矩阵分解的套牌车辆检测方法：设计的套牌车辆识别系统工作原理如下：首先，通过交通卡口处摄像头对过往车辆进行图像采集。其次，分割出图像中的车脸区域与车牌区域。再次，依据识别模型获取车牌信息。最后，比对数据库中车脸图像与采集车脸图像之间的相似性，并作出决策，即如果两幅图像车牌信息相同，但车脸图像不匹配，意味着采集图像中的车辆为套牌车。如果两幅图像车牌信息相同，车脸图像也匹配，意味着采集图像中车辆为正常车。如果数据库中没有包含该车牌信息，则不作任何决策。本方法为自动检测方法可以快速的识别套牌车，减少工作人员负担。

技术领域

本发明属于模式识别与计算机视觉领域，特别涉及一种基于加权非负矩阵分解的套牌车辆检测方法。

背景技术

汽车数量的快速增长导致了套牌违法行为呈多发态势，许多交通卡口不得不增加摄像头对该违法行为加以监控。随着监控视频数量的大幅度增加，传统人工查看视频的方法因效率低下，已很难对发生的套牌违法行为作出及时处理，因此，设计一种套牌车辆自动检测方法是具有重要意义的。由于监控摄像头安装位置与角度的特殊性，车辆中仅仅车脸区域可以被采集到。很显然，车脸区域图像相对于整车图像包含更少的有效特征，给多类别车辆识别带来的一定困难。

发明内容

本发明的目的在于提供一种基于加权非负矩阵分解的套牌车辆检测方法，面对多类别车脸图像数据，基于非负矩阵分解思想，建立出描述图像中若干关键区域的特征基，如车栅、车灯和后视镜等，并通过特征基线性叠加对任意车脸图像做出准确描述，进而实现套牌车辆的自动检测。

一种基于加权非负矩阵分解的套牌车辆检测方法：设计的套牌车辆识别系统工作原理如下：首先，通过交通卡口处摄像头对过往车辆进行图像采集。其次，分割出图像中的车脸区域与车牌区域。再次，依据识别模型获取车牌信息。最后，比对数据库中车脸图像与采集车脸图像之间的相似性，并作出决策，即如果两幅图像车牌信息相同，但车脸图像不匹配，意味着采集图像中的车辆为套牌车。如果两幅图像车牌信息相同，车脸图像也匹配，意味着采集图像中车辆为正常车。如果数据库中没有包含该车牌信息，则不作任何决策。系统由图像采集和图像识别两部分组成，如图1所示。

其优点在于：

传统人工查看视频的方法因效率低下，已很难对发生的套牌违法行为作出及时处理，本方法为自动检测方法可以快速的识别套牌车，减少工作人员负担。

附图说明

图1为系统结构图。

图2为摄像头采集的车辆图像。

图3为车脸图像。

图4为车牌图像。

图5为车牌图像校正结果。

图6为车牌图像二值化结果。

图7不同光强下的车身颜色变化，情况(a)黄色(车)-白天。

图8不同光强下的车身颜色变化，情况(b)黄色(车)-黑夜。

具体实施方式

一种基于加权非负矩阵分解的套牌车辆检测方法，包括下列步骤：

1.图像采集。

利用交通卡口处的监控摄像头获取车辆图像，如图2所示。

为保证车主合法权益，这里将图中车辆部分关键信息用白色框遮挡，但实际图像识别技术是可以识别这部分的内容，下同。

2.车脸区域分割。

对大量车辆图像中车脸区域进行人工标注，而后，利用YOLO模型进行训练，获取模型参数，从而从图像中分割出车脸区域，如图3所示。

3.车牌区域分割。