[发明专利]一种基于多特征融合与检测特征集成的违法车辆检索方法

权利要求书

1.一种基于多特征融合与检测特征集成的违法车辆检索方法，其特征在于包括如下步骤：

步骤1：读取四合一的车辆压线违法图像，并将其进行四等分为四张子图像，将等分得到的左上、右上、左下、右下的子图像分别记得I_i,i＝1,2,3,4，图像I₄中车辆唯一，且为目标违法车辆；

步骤2：采用深度卷积神经检测模型，检测出I_i中的所有车辆，并构成集合F_i^j＞|i＝1,2,3,4；j＝1,2,…,m_i}，其中，表示图像I_i中的第j辆车的包络框，表示左上角的坐标，和分别表示的宽和高，F_i^j表示图像I_i中的第j辆车的整体特征向量，F_i^j＝{f_i^jk|k＝1,2,...,K}，f_i^jk表示F_i^j中的第k个特征，K表示车辆整体特征向量维度，m_i表示第i张子图像检测出车的数量,且m₄＝1；

步骤3：计算每辆车的灰度直方图特征，得到集合其中，表示图像I_i中的第j辆车的灰度直方图向量，表示中的第l个灰度特征，m_i表示第i张子图像检测出车的数量，且m₄＝1；

步骤4：对步骤2和步骤3得到的集合C与GR进行初步筛选，具体为：

步骤4.1：通过公式(1)、(2)和(3)，计算目标违法车辆与所有车辆之间的联合特征相似度集合

其中，式(1)中，表示图像I₄中的目标违法车辆与图像I_i中的第j辆车的联合特征相似度，δ表示车辆整体特征相似度的占比，

式(2)中，表示目标违法车辆与图像I_i中的第j辆车的整体特征相似度，表示图像I₄中的目标违法车辆的整体特征向量，F_i^j表示图像I_i中的第j辆车的整体特征向量，K表示车辆整体特征向量维度，表示图像I₄中的目标违法车辆的第k个整体特征；

式(3)中，表示目标违法车辆与图像I_i中的第j辆车的灰度直方图特征相似度，表示图像I₄中的目标违法车辆的灰度直方图特征向量，表示图像I_i中的第j辆车的灰度直方图特征向量，表示图像I₄中的目标违法车辆的第l个灰度特征；

步骤4.2：根据联合特征相似度集合S分别获得子图像I₁、I₂、I₃中与图像I₄中的目标违法车辆联合特征相似度最高的车辆，记录其包络框集合为其中为图像I_i中与图像I₄中的目标违法车辆联合特征相似度最高的车辆的包络框，表示左上角的坐标，和分别表示的宽和高；

步骤5：根据公式(4)计算集合B中的车辆包络框中点，得到子图像I₁、I₂、I₃中联合特征相似度最高的车辆的包络框中点，即

步骤6：根据公式(5)判断当前车辆是否为目标违法车辆，具体为：当计算出的轨迹参数θ在[θ_min,θ_max]区间内时，判断为轨迹正常，当前车辆为目标违法车辆；当轨迹参数θ在[θ_min,θ_max]区间外时，判断轨迹异常，当前车辆不是目标违法车辆；

其中，分别为子图像I₁、I₂、I₃中联合特征相似度最高的车辆的包络框中点，θ_min与θ_max分别代表阈值的上界限和下界限。