車輛識別方法
【專利摘要】本發(fā)明提供一種可靠的車輛識別方法,該車輛識別方法通過改進Canny算子提取輛前臉圖像的邊緣快速識別車輛前部的擋風(fēng)玻璃輪廓,通過識別擋風(fēng)玻璃范圍內(nèi)的圖像特征來識別車輛,提高了車輛識別的效果。
【專利說明】車輛識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種車輛識別方法,尤其是一種通過識別車輛前部的擋風(fēng)玻璃輪廓來進行車輛識別的方法。
【背景技術(shù)】
[0002]當前在城市交通、市政和公安等領(lǐng)域,電子眼等監(jiān)控系統(tǒng)的應(yīng)用越來越普及。這些系統(tǒng)采集的視頻和圖像等數(shù)據(jù)經(jīng)過機器視覺的方法進行分析處理后,能提供更全面深入的信息,有助于相關(guān)管理部門進一步開展科學(xué)管理和決策。比如在城市主干道路口和高速路關(guān)鍵位置,采用車牌識別技術(shù)來幫助進行車輛跟蹤、流量分析等智能處理,已經(jīng)取得了很大成功。但在對社會公共安全要求越來越高的當下,針對特定犯罪嫌疑車輛的跟蹤識別對圖像分析技術(shù)提出了更高要求:由于嫌疑車輛可以很輕易地更換車牌,因此有必要識別出更多車輛圖像中難以更換的特征信息。
[0003]因此,有必要設(shè)計一種可靠的車輛識別方法。
【發(fā)明內(nèi)容】
[0004]針對現(xiàn)有技術(shù)存在的缺陷,本發(fā)明的目的在于提供一種可靠的車輛識別方法該車輛識別方法通過識別車輛前部的擋風(fēng)玻璃輪廓來實現(xiàn),包括以下步驟:
[0005]使用雙邊濾波方式對圖像進行保邊緣去噪的預(yù)處理;
[0006]使用區(qū)域自適應(yīng)閾值的Canny算子求取邊緣圖;
[0007]在邊緣圖中搜索接近水平的橫線條和接近垂直的豎線條,并對線條進行聚合和篩選;
[0008]對橫線進行直線擬合,篩選出擬合度高的橫線,并計算主要水平傾斜角度;
[0009]對豎線進行篩選和直線擬合;
[0010]根據(jù)直線擬合參數(shù),從水平線集合選擇兩條橫線,與從左右豎線集中各選一條線組合為一個四邊形,不同的組合構(gòu)成四邊形集;
[0011]計算四邊形集中每一個四邊形與車擋風(fēng)玻璃樣本參數(shù)的形狀相似度和邊緣吻合度,據(jù)此計算該四邊形的權(quán)重;
[0012]選擇權(quán)重最高的四邊形,以擬合四邊形的四條邊為擋風(fēng)玻璃基本輪廓,沿四邊形的四條邊方向搜索梯度較高的像素點以補全并封閉擋風(fēng)玻璃輪廓,再加以曲線濾波平滑得到最終輪廓。
[0013]提取輪廓內(nèi)年檢標記以及其他明顯標記物作為圖像特征,進行車輛識別。
[0014]優(yōu)選的,所述車輛識別方法在使用區(qū)域自適應(yīng)閾值的Canny算子求取邊緣圖的過程中,包括以下步驟:
[0015]I)將圖像劃分為4*4共16塊子區(qū)域;
[0016]2)在每一個子區(qū)域,計算該區(qū)域內(nèi)的累積灰度直方圖;[0017]
【權(quán)利要求】
1.一種車輛識別方法,其特征在于:所述車輛識別方法通過識別車輛前部的擋風(fēng)玻璃輪廓來實現(xiàn),包括以下步驟: 使用雙邊濾波方式對圖像進行保邊緣去噪的預(yù)處理; 使用區(qū)域自適應(yīng)閾值的Canny算子求取邊緣圖; 在邊緣圖中搜索接近水平的橫線條和接近垂直的豎線條,并對線條進行聚合和篩選; 對橫線進行直線擬合,篩選出擬合度高的橫線,并計算主要水平傾斜角度;對豎線進行篩選和直線擬合; 根據(jù)直線擬合參數(shù),從水平線集合選擇兩條橫線,與從左右豎線集中各選一條線組合為一個四邊形,不同的組合構(gòu)成四邊形集; 計算四邊形集中每一個四邊形與車擋風(fēng)玻璃樣本參數(shù)的形狀相似度和邊緣吻合度,據(jù)此計算該四邊形的權(quán)重; 選擇權(quán)重最高的四邊形,以擬合四邊形的四條邊為擋風(fēng)玻璃基本輪廓,沿四邊形的四條邊方向搜索梯度較高 的像素點以補全并封閉擋風(fēng)玻璃輪廓,再加以曲線濾波平滑得到最終輪廓。 提取輪廓內(nèi)年檢標記以及其他明顯標記物作為圖像特征,進行車輛識別。
2.根據(jù)權(quán)利要求1所述的車輛識別方法,其特征在于:所述車輛識別方法在使用區(qū)域自適應(yīng)閾值的Canny算子求取邊緣圖的過程中,包括以下步驟: 1)將圖像劃分為4*4共16塊子區(qū)域; 2)在每一個子區(qū)域,計算該區(qū)域內(nèi)的累積灰度直方圖;
/-/(/) =Σ/(g) 其中i為第i個灰度級,范圍O~255, 1 (g)為圖像中灰度為g的像素個數(shù); 3)根據(jù)累積灰度直方四選取高閾值Thh和低閾值Th1;Th, =argmin//(/) > 0.7 *//(255)
i
Th1=0.4*Thh 4)根據(jù)區(qū)域閾值運行Canny算子,算子處理到某子區(qū)域時,采用該區(qū)域內(nèi)的 高低閾值進行處理,跨區(qū)域的邊界鄰域內(nèi)采用相鄰子區(qū)域的閾值均值處理。
3.根據(jù)權(quán)利要求1所述的車輛識別方法,其特征在于:所述車輛識別方法在對橫線進行直線擬合,篩選出擬合度高的橫線,并計算主要水平傾斜角度的過程中,根據(jù)橫線集Horz_Lines計算主要水平傾斜角度; 根據(jù)Horz_Lines集中滿足條件的橫線來投票確定主水平傾斜角度Horz_Angle。投票過程如下: 1)根據(jù)各條擬合直線的k值范圍確定角度范圍[Ang_Min,Ang_Max]; 2)將[Ang_Min,Ang_Max]等分為20個bin,每個bin角度跨度為Angbin。由于篩選出的橫線在±10°之間,故Angbin小于等于1° ; 3)對每一條橫線,根據(jù)其k值求出其角度Ang,根據(jù)該角度與距離最近的第i個bin中心角度Angi的距離,對第i個bin和與i相鄰的兩個bin進行投票。投票值vote計算如下:
4.根據(jù)權(quán)利要求1所述的車輛識別方法,其特征在于:所述車輛識別方法在計算四邊形集中每一個四邊形Q與車擋風(fēng)玻璃樣本參數(shù)的形狀相似度Similarity和邊緣吻合度Fitness,據(jù)此計算該四邊形的權(quán)重Priority ; 計算過程如下: 1)選擇若干輛包括小汽車、面包車、貨車、SUV等不同類型的車輛樣本,人工選擇車擋風(fēng)玻璃處的四個點Pt1, pt2, pt3, Pt4,據(jù)此算出平均上下邊之比t2b與標準差O t2b ;高與底邊之比h2b和標準差oh2b;底角均值Θ和標準差σ 0 ; 2)對四邊形集中的每一個四邊形Qi,計算其圖1所示的參數(shù),并計算四個特征值f1;f2,f3,f4:
【文檔編號】G06K9/46GK103927512SQ201410087512
【公開日】2014年7月16日 申請日期:2014年3月11日 優(yōu)先權(quán)日:2014年3月11日
【發(fā)明者】彭浩宇 申請人:浙江工商大學(xué)