[发明专利]基于空间位置信息的同一品牌车辆的车型识别方法

摘要

本发明涉及一种基于空间位置信息的同一品牌车辆的车型识别方法，该方法包括：采集车辆的图像；对所述车辆的图像进行直方图均衡化；设定车牌大小，根据车牌的大小对直方图均衡化后的图像进行伸缩和旋转校正；根据校正后的图像相对车牌的位置提取N个待测车型的特征区域；计算每个特征区域的特征向量；采用最小距离分类器将每一个特征向量与数据库中该品牌车辆的参考特征向量进行分类比较，识别出具体车型。本发明方法通过提取车牌的特征区域，然后对特征区域的相关参数进行识别，从而能够提高对车辆车型的识别精度。

主权项

一种基于空间位置信息的同一品牌车辆的车型识别方法，其特征在于，包括：(1)采集车辆正面的图像；(2)对所述车辆的图像进行直方图均衡化；通过以下公式进行图像的直方图均衡化：式中，s_k表示直方图均衡化后图像的像素，int表示取整，k表示车辆图像的像素，n_k表示车辆图像的像素出现的次数，n表示图像总的像素数；(3)按分辨率设定车牌大小，根据车牌的大小对直方图均衡化后的图像进行伸缩和旋转校正，得到校正后的图像；对直方图均衡化后的图像进行校正包括：根据车牌大小采用双线性插值方法对图像进行伸缩校正，然后再检测出车牌上下边缘，用直线拟合车牌上下边缘，直线的斜率所对的角度即为倾斜角度，取两个倾斜角的均值为最终车牌倾斜角，根据所述最终车牌倾斜角进行旋转校正；(4)根据校正后的图像相对车牌的位置以及该品牌车辆中的每种车型特征区域的位置进行特征区域的提取，提取出N个待测车型的特征区域，N为该品牌车辆中的车型数，所述特征区域为车辆正面图像上相对车牌的长方形空间位置；根据校正后的图像相对车牌的位置进行特征区域的提取，具体提取过程为：根据校正后的图像中车牌中心的位置，采用如下公式提取待测车型的特征区域：left＝x‑len1 right＝x+len2 top＝y‑width1 down＝y‑width2式中，left为特征区域的起始列，right为特征区域的终止列，top为特征区域的起始行，down为特征区域的终止行，x为车牌的上边缘中心所在的列，y为车牌上边缘所在的行，len1、len2、width1、width2分别为该品牌车辆中某一车型特征区域的左、右、上、下四条边所在直线与该车型车牌中心的距离；对于该品牌车辆中的每种车型，分别采用上述方法提取出N个待测车型的特征区域；(5)对提取的每个待测车型的特征区域分别计算出特征向量，包括以下步骤：对特征区域进行金字塔分解，对每一层高斯图像提取其奇异值，将奇异值组成的向量作为特征向量，包括：用高斯函数和所述特征区域图像做卷积，特征区域图像为f，g₁＝f*g，g_k＝g_k‑1*g，其中g为二维高斯函数，{g₁,g₂,...,g_k}为高斯金字塔；对高斯金字塔中的每一层高斯图像进行奇异值提取，即每一层高斯图像矩阵为A,AA^T的特征值为λ₁≥λ₂≥…≥λ_i≥λ_i+1＝…＝λ_n＝0，λ_i为图像的奇异值，(λ₁,λ₂,…,λ_n)构成了所取层高斯图像的特征向量，将每一层高斯图像的奇异值组合并到一起为w＝(λ₁₁,λ₁₂,…,λ_1n,λ₂₁,λ₂₂,…,λ_2n,…,λ_k1,λ_k2,…,λ_kn)，其中k为高斯金字塔的层数，n为单个高斯图像奇异值的个数，w就构成了整个特征区域图像的特征向量；按照上述方法，分别计算出所述N个待测车型特征区域的特征向量；(6)采用最小距离分类器将步骤(5)中计算的每一个特征向量与数据库中该品牌车辆的参考特征向量进行分类比较，识别出具体车型；具体包括：将N个待测车型特征区域的特征向量采用最小距离分类器分别与数据库中该品牌车辆所有车型的参考特征向量进行分类比较，识别出具体车型，所述最小距离分类器的公式为：min||w‑w_i|| i＝1,2,…,n式中，w为待测车辆的特征向量，w_i为已知车型的特征向量，|| ||为欧式距离，最小距离对应的类型i₀就为待测车辆图像的类型。