專利名稱：一種基于圖像特征的卡口車輛圖像識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及交通圖像處理領(lǐng)域，更具體地，涉及一種基于圖像特征的卡口車輛圖像識(shí)別方法。
背景技術(shù)：
車輛識(shí)別系統(tǒng)(Vehicle Recognition System, VRS)是智能交通系統(tǒng)的一個(gè)重要組成部分。廣義的車輛識(shí)別系統(tǒng)指識(shí)別車輛的車牌、顏色、廠家、型號(hào)、特殊標(biāo)記等信息。但目前應(yīng)用的車輛識(shí)別系統(tǒng)基本都僅通過車牌識(shí)別實(shí)現(xiàn)車輛身份確定，主要用于區(qū)間測(cè)速及高速公路、停車場(chǎng)出入口管理當(dāng)中。雖然車牌是車輛唯一的合法標(biāo)識(shí)，但基于圖像處理的車牌識(shí)別技術(shù)在應(yīng)用中存在準(zhǔn)確率不高、使用條件受限等問題，尤其對(duì)于假牌、套牌、遮擋牌照情況無(wú)法應(yīng)對(duì)。因此，對(duì)車牌以外的其他車輛特征進(jìn)行識(shí)別是非常重要的。當(dāng)前也有對(duì)區(qū)分大、中、小等車型的技術(shù)，以及通過車標(biāo)識(shí)別進(jìn)行車輛品牌識(shí)別的技術(shù)，但分類很粗略，顏色的識(shí)別率也不高。對(duì)于具體的車輛型號(hào)、款式的識(shí)別以及特定車輛的搜尋還是依賴于工人判斷及人工檢索，該工作往往需要花費(fèi)大量人力資源以及時(shí)間，對(duì)于海量圖像數(shù)據(jù)進(jìn)行搜索時(shí)工作量無(wú)法估計(jì)。因此以計(jì)算機(jī)替代人工，進(jìn)行車輛型號(hào)、款式的識(shí)別及更加準(zhǔn)確的顏色判別是非常必要的。目前主要的車輛圖像識(shí)別方法按所識(shí)別的對(duì)象不同，可分為三類:直接識(shí)別、車輛局部特征識(shí)別和圖像特征識(shí)別。直接識(shí)別。該類方法直接識(shí)別人類對(duì)車輛的感知信息，主要包括車輛牌照和車輛外觀信息(如顏色、形狀、大小等)。前者的識(shí)別結(jié)果雖然可以作為執(zhí)法依據(jù)，但準(zhǔn)確率有限；后者對(duì)于拍攝場(chǎng)景通常有著特殊的要求，而且往往需要事先標(biāo)定，無(wú)法精確計(jì)算。車輛局部特征。車輛局部特征主要包括車輛標(biāo)志信息和車臉信息。但前者只包含車輛廠家信息，后者往往由于車臉信息過于復(fù)雜而導(dǎo)致難以提取及準(zhǔn)確定義。圖像特征識(shí)別。圖像特征一般并不代表人類對(duì)車輛的感知信息，因此對(duì)圖像的特征識(shí)別，往往需要有模板圖像，通過計(jì)算待識(shí)別圖像與模板圖像特征的匹配度來(lái)進(jìn)行識(shí)別。車輛圖像特征主要包括顏色分布特征(如直方圖、顏色矩等)和圖像空間局部特征。對(duì)于前者，不同的車輛圖像可能會(huì)對(duì)應(yīng)相同的分布特征；后者則以SIFT、SURF、PCA-SIFT為代表，計(jì)算復(fù)雜度較高。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種識(shí)別準(zhǔn)確度高的基于圖像特征的卡口車輛圖像識(shí)別方法。為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下:
一種基于圖像特征的卡口車輛圖像識(shí)別方法，包括如下步驟:
建立模板數(shù)據(jù)庫(kù):
在模板數(shù)據(jù)庫(kù)中存儲(chǔ)有拍攝所得的不同款式不同顏色車輛的模板圖像，在模板數(shù)據(jù)庫(kù)中對(duì)應(yīng)每張模板圖像存儲(chǔ)車輛屬性數(shù)據(jù)、車身顏色數(shù)據(jù)；
對(duì)模板數(shù)據(jù)庫(kù)中的每張模板圖像進(jìn)行數(shù)據(jù)處理，獲取車輛SIFT特征數(shù)據(jù)并存儲(chǔ)在模板數(shù)據(jù)庫(kù)中；
對(duì)待識(shí)別圖像進(jìn)行識(shí)別:
對(duì)待識(shí)別圖像進(jìn)行顏色識(shí)別；
根據(jù)顏色識(shí)別結(jié)果從模板數(shù)據(jù)庫(kù)中選取符合車身顏色的模板圖像；
利用SIFT算子原理對(duì)待識(shí)別圖像提取特征，并和所選取的模板圖像進(jìn)行比對(duì)，獲取與待識(shí)別圖像相匹配的模板圖像；
將相匹配的模板圖像所對(duì)應(yīng)的車輛屬性數(shù)據(jù)輸出。本發(fā)明將車輛顏色識(shí)別和基于SIFT算子原理的識(shí)別相結(jié)合，根據(jù)顏色識(shí)別結(jié)果在模板數(shù)據(jù)庫(kù)中每種車型下選擇顏色信息相符合的模板圖像數(shù)據(jù)，并進(jìn)行基于SIFT算子原理的比對(duì)，使得待識(shí)別圖像與對(duì)應(yīng)顏色的模板圖像進(jìn)行匹配操作，為識(shí)別過程加入了顏色信息，克服了 SIFT算子丟棄顏色信息的缺點(diǎn)，能夠提高識(shí)別的準(zhǔn)確度；而且在模板數(shù)據(jù)庫(kù)中對(duì)應(yīng)每一種車型都存儲(chǔ)有對(duì)應(yīng)的車輛屬性數(shù)據(jù)，對(duì)車輛的分類更加精細(xì)，使得識(shí)別結(jié)果更加具體，識(shí)別準(zhǔn)確率更高。改進(jìn)之一:對(duì)模板數(shù)據(jù)庫(kù)中的每張模板圖像進(jìn)行數(shù)據(jù)處理獲取車輛SIFT特征數(shù)據(jù)存儲(chǔ)在模板數(shù)據(jù)庫(kù)中的具體步驟為:
對(duì)每張模板圖像中車輛車牌所在的圖像坐標(biāo)進(jìn)行標(biāo)記；
對(duì)每張模板圖像進(jìn)行車輛SIFT特征點(diǎn)的確定，即將模版圖像中位于車牌標(biāo)記區(qū)域內(nèi)的SIFT特征點(diǎn)信息剔除，保留模版圖像中其余的SIFT特征信息作為每張模板圖像的車輛SIFT特征數(shù)據(jù)。本發(fā)明將模板圖像中車牌區(qū)域的特征點(diǎn)排除，使得后續(xù)在將待識(shí)別圖像與模板圖像進(jìn)行匹配時(shí)排除了車牌區(qū)域特征點(diǎn)的干擾，能夠大大降低識(shí)別為不同車型的可能性，從而提高識(shí)別的準(zhǔn)確率。改進(jìn)之二:對(duì)待識(shí)別圖像進(jìn)行顏色識(shí)別的具體步驟為:
預(yù)先對(duì)車身顏色分為綠、黃、紅、藍(lán)、白和黑六類，其中黃色包括人眼感知的黃色、橙色和褐色，紅色包括人眼感知的紅色、粉色和紫色，白色包括人眼感知的白色、銀色、淺灰色，黑色包括人眼感知的黑色、深灰色；
對(duì)于綠、黃、紅、藍(lán)、白五種顏色，結(jié)合r、g、b兩兩差值,設(shè)置經(jīng)驗(yàn)閾值對(duì)r、g、b、h、s、v值劃出一定的范圍，統(tǒng)計(jì)待識(shí)別圖像上車身范圍內(nèi)綠、黃、紅、藍(lán)、白五種顏色像素點(diǎn)占該圖像車身范圍內(nèi)像素點(diǎn)的比例；
按綠、黃、紅、藍(lán)、白的順序?qū)ΥR(shí)別圖像的各種顏色比例進(jìn)行判斷，當(dāng)當(dāng)前顏色的比例超過對(duì)應(yīng)顏色的經(jīng)驗(yàn)閾值時(shí)，則判斷待識(shí)別圖像的車身為當(dāng)前顏色，當(dāng)待識(shí)別圖像車身顏色比例均沒有超出綠、黃、紅、藍(lán)、白五種顏色的經(jīng)驗(yàn)閾值時(shí)，則判斷該待識(shí)別圖像的車身顏色為黑色，從而得到顏色識(shí)別結(jié)果。本發(fā)明結(jié)合了圖像的RGB和HSV值進(jìn)行車身顏色的判斷，并按照一定的顏色順序?qū)嚿眍伾M(jìn)行判定，使得顏色識(shí)別的結(jié)果更加穩(wěn)定。改進(jìn)之三:所述待識(shí)別圖像的車身范圍排除車窗范圍、車前臉排氣柵格范圍和車燈范圍。本發(fā)明對(duì)車身顏色進(jìn)行識(shí)別時(shí)剔除了車窗范圍、車前臉排氣柵格范圍和車燈范圍，能夠減少車窗、車前臉排氣柵格以及車燈等顏色對(duì)車輛顏色判斷的不利影響，進(jìn)而提高車身顏色判斷的準(zhǔn)確度。改進(jìn)之四:所述利用SIFT算子原理對(duì)待識(shí)別圖像提取特征，并和所選取的模板圖像進(jìn)行比對(duì)，獲取與待識(shí)別圖像相匹配的模板圖像的具體步驟為:
對(duì)待識(shí)別圖像利用SIFT算子原理確定其SIFT特征數(shù)據(jù)；
將待識(shí)別圖像的SIFT特征數(shù)據(jù)與每張選取的模板圖像的SIFT特征數(shù)據(jù)進(jìn)行比對(duì)，獲取相匹配的特征點(diǎn)對(duì)；
根據(jù)相匹配的特征點(diǎn)對(duì)計(jì)算兩圖像的匹配度，根據(jù)匹配度判定出與該待識(shí)別圖像相匹配的模板圖像。改進(jìn)之五:獲取相匹配的特征點(diǎn)對(duì)后還進(jìn)行數(shù)據(jù)提純步驟，具體如下:
把每張選取的模板圖像與待識(shí)別圖像中對(duì)應(yīng)相匹配的特征點(diǎn)對(duì)的位置映射關(guān)系作為RANSAC算法的輸入值，使用RANSAC方法估算圖像變換的單應(yīng)性矩陣，剔除不滿足幾何一致性的特征點(diǎn)對(duì)，獲取保留的特征點(diǎn)對(duì)作為最終的相匹配的特征點(diǎn)對(duì)。本發(fā)明為了提高算法的魯棒性，使用RANSAC算法對(duì)匹配結(jié)果進(jìn)行數(shù)據(jù)提純。改進(jìn)之六:獲取相匹配的特征點(diǎn)對(duì)后還判斷每張選取的模板圖像與待識(shí)別圖像對(duì)應(yīng)的相匹配特征點(diǎn)對(duì)的對(duì)數(shù)是否大于閾值U，若大于則執(zhí)行數(shù)據(jù)提純步驟，否則直接判定兩圖像匹配度為O。由于在RANSAC算法中，對(duì)單應(yīng)性矩陣的估算至少需要4對(duì)匹配的特征點(diǎn)，為了增強(qiáng)算法的穩(wěn)定性，在匹配結(jié)束后，在相匹配的特征點(diǎn)對(duì)的對(duì)數(shù)大于閾值U時(shí)才進(jìn)行數(shù)據(jù)提純操作，閾值y建議取值為6。改進(jìn)之七:所述根據(jù)相匹配的特征點(diǎn)對(duì)計(jì)算兩圖像的匹配度，根據(jù)匹配度判定出與該待識(shí)別圖像相匹配的模板圖像的具體步驟為:
根據(jù)待識(shí)別圖像與各張選取的模板圖像相匹配的特征點(diǎn)對(duì)計(jì)算圖像匹配度MD=N/N。，其中N表示相匹配的特征點(diǎn)對(duì)數(shù)，N0為待識(shí)別圖像中SIFT特征點(diǎn)的總數(shù)；
從所有頂D值中選擇最大值MDmax，將MDmax與設(shè)定閾值\比較，判斷MDmax是否大于入，若是則判斷該IMDmax對(duì)應(yīng)的模板圖像與待識(shí)別圖像匹配成功，否則判斷模板數(shù)據(jù)庫(kù)中沒有與該待識(shí)別圖像相匹配的模板圖像。本發(fā)明采用匹配的特征點(diǎn)對(duì)數(shù)的相對(duì)值作為圖像匹配度MD，能夠更客觀地對(duì)圖像間的匹配程度進(jìn)行衡量，能夠提高圖像間匹配的準(zhǔn)確度。改進(jìn)之九:所述車輛屬性包括車輛品牌、車輛型號(hào)和車輛年款。本發(fā)明將車輛品牌、車輛型號(hào)和車輛年款作為車輛屬性數(shù)據(jù)存入模板數(shù)據(jù)庫(kù)中，實(shí)現(xiàn)對(duì)車輛更加精細(xì)的分類，當(dāng)待識(shí)別圖像在模板數(shù)據(jù)庫(kù)中找到相匹配的模板圖像時(shí)，即可從模板數(shù)據(jù)庫(kù)中找到對(duì)應(yīng)的車輛屬性數(shù)據(jù)輸出，使得識(shí)別結(jié)果更加具體，大大提高了識(shí)別的精準(zhǔn)度。與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是:
(I)本發(fā)明將車輛顏色識(shí)別和基于SIFT算子原理的識(shí)別相結(jié)合，為識(shí)別過程加入了顏色信息，克服了 SIFT算子丟棄顏色信息的缺點(diǎn)，能夠提高識(shí)別的準(zhǔn)確度。(2)本發(fā)明在對(duì)車輛顏色進(jìn)行識(shí)別了結(jié)合了圖像的RGB和HSV值，并按照一定的顏色順序進(jìn)行判定，使得識(shí)別結(jié)果更加穩(wěn)定可靠。(3)本發(fā)明在模板數(shù)據(jù)庫(kù)中對(duì)應(yīng)每一種車型都存儲(chǔ)有對(duì)應(yīng)的車輛屬性數(shù)據(jù)，當(dāng)待識(shí)別圖像在模板數(shù)據(jù)庫(kù)中匹配到對(duì)應(yīng)的模板圖像時(shí)，能夠輸出對(duì)應(yīng)的車輛屬性數(shù)據(jù)，使得識(shí)別結(jié)果更加具體，識(shí)別準(zhǔn)確度更高。(4)本發(fā)明能夠減少車窗、車前臉排氣柵格及車燈的顏色對(duì)車輛顏色判定的影響，能夠提高車輛顏色識(shí)別的準(zhǔn)確率。(5)本發(fā)明在基于SIFT算子的車型識(shí)別時(shí)排除了車牌區(qū)域特征點(diǎn)的干擾，能夠大大降低識(shí)別為不同車型的可能性。(6)本發(fā)明通過定義圖像匹配度MD來(lái)表示待識(shí)別圖像與模板圖像的相似度，通過用一客觀的評(píng)價(jià)方法來(lái)對(duì)識(shí)別結(jié)果進(jìn)行描述，能夠提高車輛識(shí)別的準(zhǔn)確率。(7)本發(fā)明通過使用RANSAC算法對(duì)匹配結(jié)果進(jìn)行數(shù)據(jù)提純，能夠提高算法的魯棒性，降低識(shí)別錯(cuò)誤率。


圖1為本發(fā)明中一種基于圖像特征的卡口車輛圖像識(shí)別方法具體實(shí)施例的流程圖。圖2為模板數(shù)據(jù)庫(kù)中的模板圖像的示例圖。圖3為模板數(shù)據(jù)庫(kù)中一模板圖像的SIFT特征點(diǎn)計(jì)算結(jié)果示例圖。圖4為待識(shí)別圖像及其SIFT特征示例。圖5為把圖4的待識(shí)別圖像與圖2所示的白色模板圖像進(jìn)行匹配的示意圖。圖6為對(duì)圖5的匹配結(jié)果進(jìn)行數(shù)據(jù)提純的結(jié)果示意圖。圖7為本發(fā)明中一種基于圖像特征的卡口車輛圖像識(shí)別方法一較佳實(shí)施例的流程圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的說(shuō)明。實(shí)施例1
如圖1所示，為本發(fā)明中一種基于圖像特征的卡口車輛圖像識(shí)別方法具體實(shí)施例的流程圖。參見如1，本具體實(shí)施例的一種基于圖像特征的卡口車輛圖像識(shí)別方法的具體步驟包括:
步驟SlOO:建立模板數(shù)據(jù)庫(kù):
步驟SlOl:在模板數(shù)據(jù)庫(kù)中存儲(chǔ)有拍攝所得的不同款式不同顏色車輛的模板圖像，在模板數(shù)據(jù)庫(kù)中對(duì)應(yīng)每張模板圖像存儲(chǔ)車輛屬性數(shù)據(jù)、車身顏色數(shù)據(jù)，其中車輛屬性數(shù)據(jù)可以包括車輛品牌、車輛型號(hào)和車輛年款；如圖2所示，為“豐田，花冠，第九代”的兩張模板圖像；
步驟S102:對(duì)模板數(shù)據(jù)庫(kù)中的每張模板圖像進(jìn)行數(shù)據(jù)處理，獲取車輛SIFT特征數(shù)據(jù)并存儲(chǔ)在模板數(shù)據(jù)庫(kù)中，其中SIFT特征數(shù)據(jù)一般包括SIFT特征點(diǎn)和各特征點(diǎn)的SIFT描述子;
步驟S200:對(duì)待識(shí)別圖像進(jìn)行車輛識(shí)別:
步驟S201:對(duì)待識(shí)別圖像進(jìn)行顏色識(shí)別；
步驟S202:根據(jù)顏色識(shí)別結(jié)果從模板數(shù)據(jù)庫(kù)中選取符合車身顏色的模板圖像；步驟S203:利用SIFT算子原理對(duì)待識(shí)別圖像提取特征，并和所選取的模板圖像進(jìn)行比對(duì)，獲取與待識(shí)別圖像相匹配的模板圖像；
步驟S204:將相匹配的模板圖像所對(duì)應(yīng)的車輛屬性數(shù)據(jù)輸出。本具體實(shí)施例將車輛顏色識(shí)別和基于SIFT算子原理的識(shí)別相結(jié)合，根據(jù)顏色識(shí)別結(jié)果在模板數(shù)據(jù)庫(kù)中每種車型下選擇符合顏色結(jié)果的模板圖像數(shù)據(jù)進(jìn)行基于SIFT算子原理的比對(duì)，在模板數(shù)據(jù)庫(kù)中找到匹配模板圖像，并根據(jù)匹配的模板圖像輸出對(duì)應(yīng)的車輛屬性數(shù)據(jù)。在步驟S102中，為排除車輛車牌區(qū)域特征點(diǎn)對(duì)圖像匹配的干擾，提高識(shí)別的準(zhǔn)確率，本具體實(shí)施例在具體實(shí)施過程中，事先對(duì)模板數(shù)據(jù)庫(kù)中每張模板圖像進(jìn)行車牌區(qū)域的劃定，并對(duì)每張模板圖像車牌區(qū)域之內(nèi)的SIFT特征進(jìn)行去除，具體步驟如下:
步驟S1021:對(duì)每張模板圖像中車輛車牌所在的圖像坐標(biāo)進(jìn)行標(biāo)記；
步驟S1022:對(duì)每張模板圖像進(jìn)行車輛SIFT特征點(diǎn)的確定，即將模版圖像中位于車牌標(biāo)記區(qū)域內(nèi)的SIFT特征點(diǎn)信息剔除，保留模版圖像中其余的SIFT特征信息作為每張模板圖像的車輛SIFT特征數(shù)據(jù)。若模板圖像中存在車牌，則對(duì)車牌所在的圖像坐標(biāo)進(jìn)行標(biāo)記，對(duì)位于車牌標(biāo)記坐標(biāo)范圍內(nèi)的SIFT特征點(diǎn)信息剔除，并計(jì)算其余特征點(diǎn)的SIFT描述子，最終獲得每張模板圖像的車輛SIFT特征數(shù)據(jù)。如圖3所示，為模板圖像的SIFT特征計(jì)算結(jié)果，其中，圖示的箭頭起點(diǎn)表示特征點(diǎn)位置，箭頭方向表示特征點(diǎn)主方向，箭頭方向表示描述子模值。在步驟S201中，本具 體實(shí)施例基于人眼對(duì)顏色的感知差異，結(jié)合光照影響的因素，對(duì)車身顏色進(jìn)行自定義，從而根據(jù)自定的顏色對(duì)車身顏色進(jìn)行判定，并結(jié)合了圖像的RGB和HSV值進(jìn)行車身顏色的判斷，以及按照一定的顏色順序?qū)嚿眍伾M(jìn)行判定，使得顏色識(shí)別的結(jié)果更加穩(wěn)定。具體步驟如下:
步驟S2011:預(yù)先對(duì)車身顏色分為綠、黃、紅、藍(lán)、白和黑六類，其中黃色包括人眼感知的黃色、橙色和褐色，紅色包括人眼感知的紅色、粉色和紫色，白色包括人眼感知的白色、銀色、淺灰色，黑色包括人眼感知的黑色、深灰色；
步驟S2012:對(duì)于綠、黃、紅、藍(lán)、白五種顏色，結(jié)合r、g、b兩兩差值，設(shè)置經(jīng)驗(yàn)閾值對(duì)r、g、b、h、S、v值劃出一定的范圍；如下表I所示:
表1顏色判斷
權(quán)利要求
1.一種基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，包括如下步驟: 建立模板數(shù)據(jù)庫(kù): 在模板數(shù)據(jù)庫(kù)中存儲(chǔ)有拍攝所得的不同款式不同顏色車輛的模板圖像，在模板數(shù)據(jù)庫(kù)中對(duì)應(yīng)每張模板圖像存儲(chǔ)車輛屬性數(shù)據(jù)、車身顏色數(shù)據(jù)； 對(duì)模板數(shù)據(jù)庫(kù)中的每張模板圖像進(jìn)行數(shù)據(jù)處理，獲取車輛SIFT特征數(shù)據(jù)并存儲(chǔ)在模板數(shù)據(jù)庫(kù)中； 對(duì)待識(shí)別圖像進(jìn)行車輛識(shí)別: 對(duì)待識(shí)別圖像進(jìn)行顏色識(shí)別； 根據(jù)顏色識(shí)別結(jié)果從模板數(shù)據(jù)庫(kù)中選取符合車身顏色的模板圖像； 利用SIFT算子原理對(duì)待識(shí)別圖像提取特征，并和所選取的模板圖像進(jìn)行比對(duì)，獲取與待識(shí)別圖像相匹配的模板圖像； 將相匹配的模板圖像所對(duì)應(yīng)的車輛屬性數(shù)據(jù)輸出。
2.根據(jù)權(quán)利要求1所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，對(duì)模板數(shù)據(jù)庫(kù)中的每張模板圖像進(jìn)行數(shù)據(jù)處理，獲取車輛SIFT特征數(shù)據(jù)并存儲(chǔ)在模板數(shù)據(jù)庫(kù)中的具體步驟為: 對(duì)每張模板圖像中車輛車牌所在的圖像坐標(biāo)進(jìn)行標(biāo)記； 對(duì)每張模板圖像進(jìn)行車輛SIFT特征點(diǎn)的確定，即將模版圖像中位于車牌標(biāo)記區(qū)域內(nèi)的SIFT特征點(diǎn)信息剔除，保留模版圖像中其余的SIFT特征信息作為每張模板圖像的車輛SIFT特征數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，對(duì)待識(shí)別圖像進(jìn)行顏色識(shí)別的具體步驟為: 預(yù)先對(duì)車身顏色分為綠、黃、紅、藍(lán)、白和黑六類，其中黃色包括人眼感知的黃色、橙色和褐色，紅色包括人眼感知的紅色、粉色和紫色，白色包括人眼感知的白色、銀色、淺灰色，黑色包括人眼感知的黑色、深灰色； 對(duì)于綠、黃、紅、藍(lán)、白五種顏色，結(jié)合r、g、b兩兩差值,設(shè)置經(jīng)驗(yàn)閾值對(duì)r、g、b、h、s、v值劃出一定的范圍； 統(tǒng)計(jì)待識(shí)別圖像上車身范圍內(nèi)綠、黃、紅、藍(lán)、白五種顏色像素點(diǎn)占該圖像車身范圍內(nèi)像素點(diǎn)的比例； 按綠、黃、紅、藍(lán)、白的順序?qū)ΥR(shí)別圖像的各種顏色比例進(jìn)行判斷，當(dāng)當(dāng)前顏色的比例超過對(duì)應(yīng)顏色的經(jīng)驗(yàn)閾值時(shí)，則判斷待識(shí)別圖像的車身為當(dāng)前顏色，當(dāng)待識(shí)別圖像車身顏色比例均沒有超出綠、黃、紅、藍(lán)、白五種顏色的經(jīng)驗(yàn)閾值時(shí)，則判斷該待識(shí)別圖像的車身顏色為黑色，從而得到顏色識(shí)別結(jié)果。
4.根據(jù)權(quán)利要求3所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，所述待識(shí)別圖像的車身范圍排除車窗范圍、車前臉排氣柵格范圍和車燈范圍。
5.根據(jù)權(quán)利要求1所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，利用SIFT算子原理對(duì)待識(shí)別圖像提取特征，并和所選取的模板圖像進(jìn)行比對(duì)，獲取與待識(shí)別圖像相匹配的模板圖像的具體步驟為: 對(duì)待識(shí)別圖像利用SIFT算子原理確定其SIFT特征數(shù)據(jù)； 將待識(shí)別圖像的SIFT特征數(shù)據(jù)與每張選取的模板圖像的SIFT特征數(shù)據(jù)進(jìn)行比對(duì)，獲取相匹配的特征點(diǎn)對(duì)； 根據(jù)相匹配的特征點(diǎn)對(duì)計(jì)算兩圖像的匹配度，根據(jù)匹配度判定出與該待識(shí)別圖像相匹配的模板圖像。
6.根據(jù)權(quán)利要求5所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，獲取相匹配的特征點(diǎn)對(duì)后還進(jìn)行數(shù)據(jù)提純步驟，具體如下: 把每張選取的模板圖像與待識(shí)別圖像中對(duì)應(yīng)相匹配的特征點(diǎn)對(duì)的位置映射關(guān)系作為RANSAC算法的輸入值，使用RANSAC方法估算圖像變換的單應(yīng)性矩陣，剔除不滿足幾何一致性的特征點(diǎn)對(duì)，獲取保留的特征點(diǎn)對(duì)作為最終的相匹配的特征點(diǎn)對(duì)。
7.根據(jù)權(quán)利要求6所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，獲取相匹配的特征點(diǎn)對(duì)后還判斷待識(shí)別圖像與每張選取的模板圖像對(duì)應(yīng)的相匹配特征點(diǎn)對(duì)的對(duì)數(shù)是否大于閾值U，若大于則執(zhí)行數(shù)據(jù)提純步驟，否則直接判定兩圖像的匹配度為O。
8.根據(jù)權(quán)利要求5-7任一項(xiàng)所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，所述根據(jù)相匹配的特征點(diǎn)對(duì)計(jì)算兩圖像的匹配度，根據(jù)匹配度判定出與該待識(shí)別圖像相匹配的模板圖像的具體步驟為: 根據(jù)待識(shí)別圖像與各張選取的模板圖像相匹配的特征點(diǎn)對(duì)計(jì)算圖像匹配度MD=N/N。，其中N表示相匹配的特征點(diǎn)對(duì)數(shù)，N0為待識(shí)別圖像中SIFT特征點(diǎn)的總數(shù)； 從所有頂D值中選擇最大值MDmax，將MDmax與設(shè)定閾值\比較，判斷MDmax是否大于入，若是則判斷該IMDmax對(duì)應(yīng)的模板圖像與待識(shí)別圖像匹配成功，否則判斷模板數(shù)據(jù)庫(kù)中沒有與該待識(shí)別圖像相匹配的模板圖像。
9.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的基于圖像特征的卡口車輛圖像識(shí)別方法，其特征在于，所述車輛屬性包 括車輛品牌、車輛型號(hào)和車輛年款。
全文摘要
本發(fā)明涉及交通圖像處理領(lǐng)域，更具體地涉及一種基于圖像特征的卡口車輛圖像識(shí)別方法。其包括步驟建立模板數(shù)據(jù)庫(kù)存儲(chǔ)有拍攝不同款式不同顏色車輛的模板圖像，并對(duì)應(yīng)每張模板圖像存儲(chǔ)車輛屬性數(shù)據(jù)、車身顏色數(shù)據(jù)及通過數(shù)據(jù)處理獲取到的車輛SIFT特征數(shù)據(jù)；對(duì)待識(shí)別圖像進(jìn)行車輛識(shí)別對(duì)待識(shí)別圖像進(jìn)行顏色識(shí)別；根據(jù)顏色識(shí)別結(jié)果從模板數(shù)據(jù)庫(kù)中選取符合車身顏色的模板圖像；對(duì)待識(shí)別圖像提取SIFT特征并和所選取的模板圖像進(jìn)行比對(duì)，獲取與待識(shí)別圖像相匹配的模板圖像；將相匹配的模板圖像所對(duì)應(yīng)的車輛屬性數(shù)據(jù)輸出。本發(fā)明將車輛顏色識(shí)別和基于SIFT算子原理的識(shí)別相結(jié)合，為識(shí)別過程加入顏色信息，克服SIFT算子丟棄顏色信息的缺點(diǎn)，能提高識(shí)別的準(zhǔn)確度。
文檔編號(hào)G08G1/017GK103150904SQ20131004515
公開日2013年6月12日 申請(qǐng)日期2013年2月5日 優(yōu)先權(quán)日2013年2月5日
發(fā)明者李熙瑩, 江倩殷, 龔峻峰, 羅東華, 陳玲 申請(qǐng)人:中山大學(xué), 廣州市方緯交通科技有限公司