基于sift特征的嫌疑車輛檢索方法
【專利摘要】本發(fā)明提供一種基于sift特征的嫌疑車輛檢索方法，包括下述步驟：步驟（a）嫌疑車輛特征區(qū)域輸入：選擇嫌疑車輛上需要檢索的標(biāo)志性特征區(qū)域；步驟（b）嫌疑車輛的sift特征提?。徊襟E（c）提取所述嫌疑車輛的顏色信息；步驟（d）待檢索車輛特征區(qū)域的sift特征提?。徊襟E（e）提取待檢索車輛的顏色信息；步驟（f）將待檢索車輛與嫌疑車輛進(jìn)行顏色匹配；步驟（g）進(jìn)行sift特征的匹配；步驟（h）最后進(jìn)行檢索結(jié)果排序，將所有待檢索車輛相對(duì)于嫌疑車輛相似度的匹配值從高到低的進(jìn)行全排序，按照匹配值的排序結(jié)果依次展示輸出與匹配值對(duì)應(yīng)的待檢索車輛圖片。本發(fā)明能夠?qū)ο右绍囕v進(jìn)行有效的檢索識(shí)別，檢索識(shí)別的準(zhǔn)確率高。
【專利說(shuō)明】基于sift特征的嫌疑車輛檢索方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及車輛識(shí)別【技術(shù)領(lǐng)域】，尤其是一種基于sift特征的嫌疑車輛檢索方法。【背景技術(shù)】
[0002]警方或其它政府機(jī)關(guān)在道路路口通常設(shè)置了許多視頻監(jiān)控設(shè)備，比如攝像頭等。通過(guò)攝像頭采集的車輛圖像可以作為多種監(jiān)控目的使用。
[0003]傳統(tǒng)的嫌疑車輛檢索只能通過(guò)車牌進(jìn)行檢索。對(duì)于嫌疑車輛，利用車牌匹配技術(shù)在圖像庫(kù)中找尋車牌相匹配的嫌疑車。該方法雖然相對(duì)成熟，但是車牌很容易被故意遮擋或者替換。
[0004]如果嫌疑車輛的車牌被更換了，或者被遮擋了，一旦發(fā)生這種情況，傳統(tǒng)的嫌疑車輛檢索將完全失效。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種基于sift特征的嫌疑車輛檢索方法，能夠?qū)x取的車輛上的標(biāo)志性特征區(qū)域進(jìn)行識(shí)別，檢索識(shí)別準(zhǔn)確率高，也增加了檢索的靈活性和實(shí)用性。本發(fā)明采用的技術(shù)方案是:
[0006]一種基于sift特征的嫌疑車輛檢索方法，包括下述步驟:
[0007]步驟(a).嫌疑車輛特征區(qū)域輸入:提供并載入嫌疑車輛圖片，選擇嫌疑車輛上需要檢索的標(biāo)志性特征區(qū)域；
[0008]步驟(b).嫌疑車輛的sift特征提取:對(duì)上述選擇的嫌疑車輛圖片中標(biāo)志性特征區(qū)域的圖像，分R、G、B三個(gè)顏色通道分別提取sift特征，R、G、B分別表示紅色、綠色和藍(lán)色，即對(duì)該標(biāo)志性特征區(qū)域的圖像的R圖，G圖，B圖分別提取sift特征；
[0009]步驟(C).提取所述嫌疑車輛的顏色信息；
[0010]步驟(d).待檢索車輛特征區(qū)域的sift特征提取:對(duì)圖像庫(kù)中的每一張待檢索車輛圖片，首先定位標(biāo)志性特征區(qū)域，在上述步驟中，嫌疑車輛的標(biāo)志性特征區(qū)域已經(jīng)選定，則嫌疑車輛圖片中標(biāo)志性特征區(qū)域相對(duì)于車牌的偏移關(guān)系能夠得到確定；通過(guò)矩形固定比例的圖像特征獲取車牌位置定位；對(duì)待檢索車輛圖片，將相對(duì)于車牌的偏移關(guān)系相同的區(qū)域作為待檢索車輛圖片的標(biāo)志性特征區(qū)域；
[0011]分R、G、B三個(gè)顏色通道分別提取待檢索車輛圖片中標(biāo)志性特征區(qū)域圖像的sift特征；
[0012]步驟(e).提取待檢索車輛的顏色信息；
[0013]步驟(f).將待檢索車輛與嫌疑車輛特征區(qū)域進(jìn)行特征匹配，首先匹配顏色，如果兩者顏色匹配不成功，則檢索圖像庫(kù)中的下一張待檢索車輛圖片，如果匹配成功，則轉(zhuǎn)彎步驟(g);
[0014]步驟(g).進(jìn)行sift特征的匹配，即:對(duì)于待檢索車輛的標(biāo)志性特征區(qū)域圖像的三組sift特征和嫌疑車輛的標(biāo)志性特征區(qū)域圖像的三組sift特征，分別按照顏色通道的對(duì)應(yīng)關(guān)系，即R-R、G-G、B-B進(jìn)行sift特征匹配，匹配后，獲取表征待檢索車輛相對(duì)于嫌疑車輛相似度的匹配值；
[0015]步驟(h).重復(fù)步驟(d)?(g)，直至圖像庫(kù)中所有的待檢索車輛圖片與嫌疑車輛圖片匹配完成；最后進(jìn)行檢索結(jié)果排序，將所有待檢索車輛相對(duì)于嫌疑車輛相似度的匹配值從高到低的進(jìn)行全排序，按照匹配值的排序結(jié)果依次展示輸出與匹配值對(duì)應(yīng)的待檢索車輛圖片。
[0016]進(jìn)一步地，選擇的嫌疑車輛的標(biāo)志性特征區(qū)域位于車的前部，為車前窗上粘貼年檢、保險(xiǎn)和/或環(huán)保標(biāo)志或標(biāo)志性貼圖的區(qū)域或懸掛標(biāo)志性物件的區(qū)域。
[0017]進(jìn)一步地，所述步驟(b)具體包括:對(duì)標(biāo)志性特征區(qū)域的圖像的R圖，G圖，B圖分別提取η個(gè)特征點(diǎn)，然后對(duì)每個(gè)特征點(diǎn)提取一個(gè)128維的向量；η為非零自然數(shù)；
[0018]用標(biāo)志性特征區(qū)域圖像的R圖，G圖，B圖的原圖分別構(gòu)造差分高斯金字塔D0G，然后遍歷DOG的每一個(gè)像素點(diǎn)，如果該像素點(diǎn)比周圍26個(gè)像素點(diǎn)的值都大或者小,就選它為一個(gè)特征點(diǎn)；然后對(duì)每個(gè)特征點(diǎn)提取一個(gè)128維的向量:統(tǒng)計(jì)每個(gè)特征點(diǎn)周圍16*16個(gè)像素點(diǎn)信息，以4*4窗口大小生成一個(gè)梯度直方圖,共有4*4個(gè)直方圖,每個(gè)直方圖8個(gè)方向，所以是128維。
[0019]進(jìn)一步地，所述步驟(C)具體包括:在車前蓋選擇一塊像素區(qū)域，將該區(qū)域從RGB顏色空間轉(zhuǎn)到HSV顏色空間，H表示色彩，S表示純度，V表示明度，統(tǒng)計(jì)出這塊區(qū)域的H、S、V的平均值，然后利用HSV顏色空間的量化方法來(lái)獲取這輛車的顏色信息。
[0020]本發(fā)明的優(yōu)點(diǎn):本發(fā)明提出的方法不再局限于車牌信息，檢索范圍可以是車身上的任意一塊具有代表性的標(biāo)志性特征區(qū)域，具體的區(qū)域選擇取決于用戶。這大大增加了檢索的靈活性和實(shí)用性。此外，本發(fā)明所采用的sift特征，是目前圖像處理領(lǐng)域最穩(wěn)定、效果最好的特征之一，它不僅能夠匹配相似物體，而且不易受物體的旋轉(zhuǎn)、大小、光照等變化的影響。實(shí)驗(yàn)證明，sift特征能夠有效地將分布在不同圖片上的同一物體匹配上。而這種特性用在嫌疑車輛的檢索上，是非常合適的。本方法的檢索識(shí)別準(zhǔn)確率高。
【專利附圖】

【附圖說(shuō)明】
[0021]圖1為本發(fā)明的車輛的標(biāo)志性特征區(qū)域選取示意圖。
[0022]圖2為本發(fā)明的流程圖。
【具體實(shí)施方式】
[0023]下面結(jié)合具體附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0024]針對(duì)傳統(tǒng)嫌疑車輛檢索的缺陷，本發(fā)明提出了一種基于sift特征的嫌疑車輛檢索方法。對(duì)于一般的車輛，車牌信息很容易被替換掉，但是，如圖1所示，車前窗上粘貼的年檢、保險(xiǎn)和/或環(huán)保標(biāo)志或標(biāo)志性貼圖，以及車前部懸掛的一些標(biāo)志性物件(如吉祥掛件等)卻很難被全部替換掉。
[0025]只要車身上存在這樣一些標(biāo)志性的區(qū)域，并且這些標(biāo)志性特征區(qū)域被選中，就可以利用這些很難被替換或者移除的標(biāo)志性特征區(qū)域進(jìn)行檢索。例如:現(xiàn)在有一輛嫌疑車，車牌信息被更換過(guò)，我們可以選擇包含車窗左上方粘貼年檢、保險(xiǎn)和/或環(huán)保標(biāo)志的那塊區(qū)域(因?yàn)閹缀跛熊囕v的年檢、保險(xiǎn)和/或環(huán)保標(biāo)志的排列方式都不一樣)，然后利用這塊區(qū)域來(lái)進(jìn)行嫌疑車輛的檢索。簡(jiǎn)單來(lái)說(shuō)，就是將原來(lái)的車牌區(qū)域換成了一塊我們可以選擇的、并且不易被替換的區(qū)域。
[0026]下面詳細(xì)介紹基于sift特征的嫌疑車輛檢索方法，如圖2所示，包括下列步驟:
[0027]步驟(a).嫌疑車輛特征區(qū)域輸入:提供并載入嫌疑車輛圖片，選擇嫌疑車輛上需要檢索的標(biāo)志性特征區(qū)域；嫌疑車輛圖片可以通過(guò)設(shè)置在馬路上的攝像頭獲取。
[0028]本實(shí)施例選擇的嫌疑車輛的標(biāo)志性特征區(qū)域位于車的前部，為車前窗上粘貼年檢、保險(xiǎn)和/或環(huán)保標(biāo)志或標(biāo)志性貼圖的區(qū)域或懸掛標(biāo)志性物件的區(qū)域。
[0029]步驟(b).嫌疑車輛的sift特征提取:對(duì)上述選擇的嫌疑車輛圖片中標(biāo)志性特征區(qū)域的圖像，分R、G、B三個(gè)顏色通道分別提取sift特征，共三組，R、G、B分別表示紅色、綠色和藍(lán)色，即對(duì)該標(biāo)志性特征區(qū)域的圖像的R圖，G圖，B圖分別提取sift特征。sift特征全稱是尺度不變特征轉(zhuǎn)換特征(scale-1nvariant feature transform),是圖像處理領(lǐng)域最常用也是最穩(wěn)定的特征之一。
[0030]提取sift特征可通過(guò)下述方式實(shí)現(xiàn)，即對(duì)標(biāo)志性特征區(qū)域的圖像的R圖，G圖，B圖分別提取η個(gè)特征點(diǎn)，然后對(duì)每個(gè)特征點(diǎn)提取一個(gè)128維的向量；η為非零自然數(shù)。具體可用標(biāo)志性特征區(qū)域圖像的R圖，G圖，B圖的原圖分別構(gòu)造差分高斯金字塔D0G，然后遍歷DOG的每一個(gè)像素點(diǎn)，如果該像素點(diǎn)比周圍26個(gè)像素點(diǎn)的值都大或者小，就選它為一個(gè)特征點(diǎn)；然后對(duì)每個(gè)特征點(diǎn)提取一個(gè)128維的向量:統(tǒng)計(jì)每個(gè)特征點(diǎn)周圍16*16個(gè)像素點(diǎn)信息，以4*4窗口大小生成一個(gè)梯度直方圖，共有4*4個(gè)直方圖，每個(gè)直方圖8個(gè)方向，所以是128 維。
[0031]步驟(c).提取所述嫌疑車輛的顏色信息。具體做法是:在車前蓋選擇一塊像素區(qū)域，將該區(qū)域從RGB顏色空間轉(zhuǎn)到HSV顏色空間，H表示色彩，S表示純度，V表示明度，統(tǒng)計(jì)出這塊區(qū)域的H、S、V的平均值，然后利用HSV顏色空間的量化方法來(lái)獲取這輛車的顏色信
肩、O
[0032]例如:如果某區(qū)域的H、S、V的平均值分別是h=100, s=200, v=40，從表1中可以看出，如果O≤H≤180, O ^ S ^ 255，O ^ V ^ 46同時(shí)滿足的話，就會(huì)被判定為黑色。而該區(qū)域的hsv值滿足黑色的條件，所以該區(qū)域的顏色會(huì)被判定為黑色。
[0033]
【權(quán)利要求】
1.一種基于Sift特征的嫌疑車輛檢索方法，其特征在于，包括下述步驟: 步驟(a).嫌疑車輛特征區(qū)域輸入:提供并載入嫌疑車輛圖片，選擇嫌疑車輛上需要檢索的標(biāo)志性特征區(qū)域； 步驟(b).嫌疑車輛的sift特征提取:對(duì)上述選擇的嫌疑車輛圖片中標(biāo)志性特征區(qū)域的圖像，分R、G、B三個(gè)顏色通道分別提取sift特征，R、G、B分別表示紅色、綠色和藍(lán)色，即對(duì)該標(biāo)志性特征區(qū)域的圖像的R圖，G圖，B圖分別提取sift特征； 步驟(c).提取所述嫌疑車輛的顏色信息； 步驟(d).待檢索車輛特征區(qū)域的sift特征提取:對(duì)圖像庫(kù)中的每一張待檢索車輛圖片，首先定位標(biāo)志性特征區(qū)域，在上述步驟中，嫌疑車輛的標(biāo)志性特征區(qū)域已經(jīng)選定，則嫌疑車輛圖片中標(biāo)志性特征區(qū)域相對(duì)于車牌的偏移關(guān)系能夠得到確定；通過(guò)矩形固定比例的圖像特征獲取車牌位置定位；對(duì)待檢索車輛圖片，將相對(duì)于車牌的偏移關(guān)系相同的區(qū)域作為待檢索車輛圖片的標(biāo)志性特征區(qū)域； 分R、G、B三個(gè)顏色通道分別提取待檢索車輛圖片中標(biāo)志性特征區(qū)域圖像的sift特征； 步驟(e).提取待檢索車輛的顏色信息； 步驟(f).將待檢索車輛與嫌疑車輛特征區(qū)域進(jìn)行特征匹配，首先匹配顏色，如果兩者顏色匹配不成功，則檢索圖像庫(kù)中的下一張待檢索車輛圖片，如果匹配成功，則轉(zhuǎn)彎步驟(g); 步驟(g).進(jìn)行sift特征的匹配，即:對(duì)于待檢索車輛的標(biāo)志性特征區(qū)域圖像的三組Sift特征和嫌疑車輛的標(biāo)志性特征區(qū)域圖像的三組Sift特征，分別按照顏色通道的對(duì)應(yīng)關(guān)系，即R-R、G-G、B-B進(jìn)行Sift特`征匹配，匹配后，獲取表征待檢索車輛相對(duì)于嫌疑車輛相似度的匹配值； 步驟(h).重復(fù)步驟(d)~(g)，直至圖像庫(kù)中所有的待檢索車輛圖片與嫌疑車輛圖片匹配完成；最后進(jìn)行檢索結(jié)果排序，將所有待檢索車輛相對(duì)于嫌疑車輛相似度的匹配值從高到低的進(jìn)行全排序，按照匹配值的排序結(jié)果依次展示輸出與匹配值對(duì)應(yīng)的待檢索車輛圖片。
2.如權(quán)利要求1所述的基于sift特征的嫌疑車輛檢索方法，其特征在于:選擇的嫌疑車輛的標(biāo)志性特征區(qū)域位于車的前部，為車前窗上粘貼年檢、保險(xiǎn)和/或環(huán)保標(biāo)志或標(biāo)志性貼圖的區(qū)域或懸掛標(biāo)志性物件的區(qū)域。
3.如權(quán)利要求1所述的基于sift特征的嫌疑車輛檢索方法，其特征在于:所述步驟(b)具體包括:對(duì)標(biāo)志性特征區(qū)域的圖像的R圖，G圖，B圖分別提取η個(gè)特征點(diǎn)，然后對(duì)每個(gè)特征點(diǎn)提取一個(gè)128維的向量；η為非零自然數(shù)； 用標(biāo)志性特征區(qū)域圖像的R圖，G圖，B圖的原圖分別構(gòu)造差分高斯金字塔DOG，然后遍歷DOG的每一個(gè)像素點(diǎn)，如果該像素點(diǎn)比周圍26個(gè)像素點(diǎn)的值都大或者小,就選它為一個(gè)特征點(diǎn)；然后對(duì)每個(gè)特征點(diǎn)提取一個(gè)128維的向量:統(tǒng)計(jì)每個(gè)特征點(diǎn)周圍16*16個(gè)像素點(diǎn)信息，以4*4窗口大小生成一個(gè)梯度直方圖,共有4*4個(gè)直方圖，每個(gè)直方圖8個(gè)方向,所以是128維。
4.如權(quán)利要求1所述的基于sift特征的嫌疑車輛檢索方法，其特征在于: 所述步驟(c)具體包括:在車前蓋選擇一塊像素區(qū)域，將該區(qū)域從RGB顏色空間轉(zhuǎn)到HSV顏色空間，H表示色彩，S表示純度，V表示明度，統(tǒng)計(jì)出這塊區(qū)域的H、S、V的平均值，然后利用HSV顏色空間的量 化方法來(lái)獲取這輛車的顏色信息。
【文檔編號(hào)】G06F17/30GK103678558SQ201310656833
【公開(kāi)日】2014年3月26日 申請(qǐng)日期:2013年12月6日 優(yōu)先權(quán)日:2013年12月6日
【發(fā)明者】趙康, 封少坤, 梅俊琪 申請(qǐng)人:中科聯(lián)合自動(dòng)化科技無(wú)錫有限公司