[发明专利]一种基于HOG特征和MB-LBP特征的SVM车辆轴数检测方法

说明书

本发明公开了一种基于HOG特征和MB‑LBP特征的SVM车辆轴数检测方法，包括（a）搭建基于视觉的车辆轴数轴距测量系统；（b）采集样本图像，其中分别拍摄轮胎图像和非轮胎图像作为正样本和负样本；（c）提取出样本的HOG特征向量；（d）提取出样本的MB‑LBP特征向量；（e）将样本的HOG特征向量和MB‑LBP特征向量融合为样本最终的特征向量；（f）将最终的特征向量作为SVM的训练样本对SVM进行训练，得到轮胎识别的SVM模型；（g）拍摄待检测车辆的轮胎图像，利用训练好的SVM模型识别出轮胎并统计出车辆的轴数。本发明方法将HOG特征与MB‑LBP特征进行融合，增强了特征描述的准确性，提高了检测算法的实时性，并可以用于对车辆轴距进行计量。

技术领域

本发明属于计算机视觉技术领域，具体来说涉及一种基于HOG特征和MB-LBP特征的SVM车辆轴数检测方法。

背景技术

轴数和轴型是货运车辆称重过程中需要考虑的一个重要指标。技术人员在对车辆的称重过程中应准确识别出目标车辆的轴数和轴型，并用相应的技术标准对车辆是否超重进行衡量。目前，我国大多数地区仍以人工方式来判断车辆的轴数和轴型，效率低下、结果准确性难以保证，在称重过程中也存在不少徇私舞弊的现象，继而不可避免地给国家政府带来经济损失，也给道路运输交通安全带来严重威胁。因此，如何设计出一套高精度的自动化轴数轴型检测系统是亟待解决的问题。在目标识别领域，依托视觉监控的智能系统因其便利性、有效性和使用寿命长等特点被广泛应用。通过摄像机对车辆轮胎图像的捕捉，计算机视觉方法能够自动识别出车辆轮胎并通过设计好的逻辑算法计算出车辆的轴数和轴型，不但提高了检测速率，还体现了称重作业过程的公正性和透明性，这是目前轴数轴型检测的发展方向。

发明内容

针对现有技术的缺点，本发明通过将HOG特征与MB-LBP特征进行融合，开发了一种基于HOG特征和MB-LBP特征的SVM车辆轴数检测方法。

具体来说，本发明的方案如下：

一种基于HOG特征和MB-LBP特征的SVM车辆轴数检测方法，其特征在于，包括以下步骤：

(a)搭建基于视觉的车辆轴数轴距测量系统；

(b)采集样本图像，其中分别拍摄轮胎图像和非轮胎图像作为正样本和负样本(正样本和负样本下面统称为样本)；

(c)提取出样本的HOG特征向量；

(d)提取出样本的MB-LBP特征向量；

(e)将样本的HOG特征向量和MB-LBP特征向量融合为样本最终的特征向量；

(f)将最终的特征向量作为SVM的训练样本对SVM进行训练，得到轮胎识别的SVM模型；

(g)拍摄待检测车辆的轮胎图像，利用训练好的SVM模型识别出轮胎并统计出车辆的轴数。

其中，所述步骤(a)搭建基于视觉的车辆轴数轴距测量系统具体为在车辆侧面架设一台相机用以拍摄轮胎图像，并在车辆前方架设位置检测相机用以确定车辆位置。

在以上方法中，所述步骤(b)采集样本图像时具体为正负样本各采集3300张图片，正样本为不同光照和不同天气情况下的轮胎图像，负样本为车辆除轮胎外的其余部位和行人等易出现在检测视频中的图像。

在本发明方法中，所述步骤(c)提取样本的HOG特征向量时具体包括以下步骤：

(c1)图像处理。将样本图片转换成64×64大小的灰度图，并利用公式Y(x，y)＝I(x，y)^γ(γ＝0.4)对灰度图进行伽马变换，减小阴影和光照对图像的影响；