专利名称：一种鱼眼图像车辆识别方法
技术领域：
本发明涉及车辆识别领域，特别涉及一种鱼眼图像车辆识别方法，用于在智能交通系统中有效地进行交通路况监测和避免交通事故发生。
背景技术：
随着车辆的不断增多，通过对车辆进行计算机信息化、智能化的管理成为必然，车辆识别技术是智能交通系统的重要组成部分，广泛应用在交通自动管理系统和车辆辅助驾驶系统中。长期以来，各国研究机构对车辆识别技术在不断改进，对识别率的要求也在不断提高。车辆识别技术主要有以下两类方法一种方法是基于模板匹配的方法，这种方法利用预先定义的车辆模板，建立图像中的车辆和模板的关系。常见的模板匹配方法认为车辆具有“U”型样式，如果在候选区域中有“U”型样式出现就认为图像中有车辆存在。基于模板匹配的方法简单，计算速度快，但是由于道路上存在和车辆样式相近的物体，因此误识别率较高。另外一种方法是基于特征的方法。这种方法对大量的训练样本进行特征提取，根据车辆和非车辆特征来建立一个最优决策边界对车辆和非车辆进行分类。在特征提取阶段常见的方法有主元分析法(PCL) ,Haar小波特征提取法，Gabor特征提取法等。在分类器设计阶段，常见的分类器有支持向量机(SVM)，AdaBoost和基于神经网络(NN)的分类器等。 基于特征的车辆识别方法有很好的识别性能，但计算过程相对复杂，有待于在实时性方面进一步改进。
发明内容
本发明要解决的技术问题在于提供一种鱼眼图像车辆识别方法，该方法降低了误识别率、计算过程的复杂度，实时的对车辆进行识别，详见下文描述一种鱼眼图像车辆识别方法，所述方法包括以下步骤101 用鱼眼摄像机获取鱼眼图像；102 对所述鱼眼图像进行校正，获取校正后鱼眼图像；103:以所述校正后鱼眼图像为基础，根据车辆当前环境分别获取车辆下边缘和车辆左右边缘，得到车俩候选区域；104 对所述车辆候选区域进行分类，识别车辆和非车辆；其中，步骤102中所述对所述鱼眼图像进行校正，获取校正后鱼眼图像具体为建立校正图像坐标系中点(u' ,ν')和校正相机坐标系中点(x'，y'，ζ')之间的映射关系；根据校正相机坐标系到世界坐标系的旋转矩阵R'。wl，将校正相机坐标系中点 (χ' ’ι'，Z')转换到世界坐标系中点(x，y，z)；其中
权利要求
1. 一种鱼眼图像车辆识别方法，其特征在于，所述方法包括以下步骤101用鱼眼摄像机获取鱼眼图像；102对所述鱼眼图像进行校正，获取校正后鱼眼图像；103以所述校正后鱼眼图像为基础，根据车辆当前环境分别获取车辆下边缘和车辆左右边缘，得到车俩候选区域；104对所述车辆候选区域进行分类，识别车辆和非车辆；其中，步骤102中所述对所述鱼眼图像进行校正，获取校正后鱼眼图像具体为 建立校正图像坐标系中点(u' ,ν')和校正相机坐标系中点(χ' ,ι' ,ζ')之间的映射关系；根据校正相机坐标系到世界坐标系的旋转矩阵R'。wl，将校正相机坐标系中点(x'， y' ,ζ')转换到世界坐标系中点(x，y，z)；其中
2.根据权利要求1所述的一种鱼眼图像车辆识别方法，其特征在于，所述计算所述粗分割区域的二值轮廓对称轴具体为(a)用Sobel算子在所述粗分割区域内抽取轮廓图像；(b)设定所述粗分割区域内实际车辆在图像中的最小宽度和最大宽度阈值W_min，ff_max ；(C)构造对称轴计数器数组A [col]，并初始化为零数组；(d)在所述粗分割区域内，计算每一行中的任意两个边缘点？10^1，71)，？20^2，72)之间的距离和对称轴；(e)如果两个边缘点的距离满足distance> ff_min且distance < ff_max,则计数 A[axis] = A[axis]+1 ；(f)对所述粗分割区域内不同的行重复执行步骤(d)和(e)，得到对称轴计数器数组 A[col]；(g)获取所述对称轴计数器数组A[col]中最大的元素，其所对应的列就是所述二值轮廓对称轴。
3.根据权利要求1所述的一种鱼眼图像车辆识别方法，其特征在于，所述计算所述粗分割区域的灰度对称轴和HSV色彩空间的S分量对称轴具体包括(a)在所述粗分割区域内抽取车底阴影，计算车底阴影的底边所在的行Row及车底阴影的左右边界&和\ ；(b)计算车底阴影的宽度W= Xr-X1 ；按下述公式计算灰度对称轴或HSV色彩空间的S 分量对称轴，
4.根据权利要求1所述的一种鱼眼图像车辆识别方法，其特征在于，步骤104中的所述对车辆候选区域进行分类，识别车辆和非车辆具体为(1)在车辆候选区域中选择Q个车辆训练样本和Q个非车辆训练样本；(2)把所述Q个车辆训练样本转换为第一灰度图像，统一大小为mXn，mn= d ；(3)利用Sobel算子计算车辆训练样本图像的梯度，并按列排成维数为dXl的梯度向 量Vli，(i = 1,2,…，Q)，梯度向量形成矩阵A1 = [Via, Vlj2,…，V1J ；利用Sobel算子计 算非车辆训练样本图像的梯度，并按列排成维数为dXl的梯度向量V2i，(i = 1,2,…，Q)， 梯度向量形成矩阵A2= [V2a, V2,2,…，V2,Q]，定义矩阵A= [AijA2]为基矩阵；(4)将所述车辆候选区域转化为第二灰度图像，并且统一大小为mXn，将第二灰度图 像定义为测试样本，计算每个测试样本的梯度向量，记为y;如果测试样本为车辆样本，梯 度向量y表示为Vu，Vlj2,…，V1iq的线性组合，即y =も,J1,^a1, J1,2+…+ , J1, Q ；如果测 试样本为非车辆样本，梯度向量y表示为V2,丨，V2,2，…，V2, Q的线性组合，S卩y = B2aV2i^a2,2乂2，2 +…+a2, Q ん，Q ‘(5)通过正交化匹配追踪迭代获取y在基矩阵A下的稀疏系数；(6)定义ー个指标函数7；(X),/ = 1，2，TXx)在稀疏系数x中选取与第i类有 关的指标，保留这些指标对应的元素值，其他指标对应的元素值都设置为0，即AAム(X) = Ia1 ,Ou,…,^e,O,O,0]，r2(X) = [O,O,O,a2l,o2’2,...,aXQ]；⑵根据^= y-AT1(X)，i = 1，2计算残差，若ri<r2，则测试样本为车辆样本；否则.. _ 2测试样本为非车辆样本。
5.根据权利要求4所述的ー种鱼眼图像车辆识别方法，其特征在干，所述通过正交化 匹配追踪迭代获取y在基矩阵A下的稀疏系数具体为(a)初始化稀疏系数、=0，残差r(l= y，迭代次数S= 1，稀疏系数中非零元素对应的 指标集A。=0;(b)在第s次迭代中，计算Cs= AtIv1 ；其中IV1是第s-1次迭代产生的残差，计算方法 见步骤(f)；(c)选择Cs中元素绝对值大于某个阈值所对应的指标集合，即Js={j:|c(j) > ts O J ,其中の=￥，n为残差1V1向量长度，ts根据具体情况在2到3间取值，即2彡ts彡3 ；(d)更新估计的指标集合As= Ap1 U Js ；(e)在指标集合As下的稀疏表示为(X人=( )-ズノ淇中(Xs)As表示在ん中指 标不属于As的元素都为零；(f)更新残差rs= Y-Axs ；(g)如果I|rs| |2彡IO-3, I |rs| |2是向量rs的2范数，令y在基矩阵A下的 稀疏表示X = Xx，终止迭代；否贝U，令s = s+1，重复步骤(b)到(g)，稀疏系数记为Aぶ—[气 1,。1-2,.，气Q，ひ2’1，ひ2 つ’，’ '？ ^2,(9 ] °
全文摘要
本发明公开了一种鱼眼图像车辆识别方法，属于车辆识别领域，所述方法包括以下步骤用鱼眼摄像机获取鱼眼图像；对所述鱼眼图像进行校正，获取校正后鱼眼图像；以所述校正后鱼眼图像为基础，根据车辆当前环境分别获取车辆下边缘和车辆左右边缘，得到车俩候选区域；对所述车辆候选区域进行分类，识别车辆和非车辆。本发明通过检测车辆的固有特征，并且把这些特征有效地融合起来可以提高车辆分割的准确率，保证了后续的车辆识别快速准确的进行；该方法从另外一个角度对车辆和非车辆进行分类，不受特征向量提取方式的影响，在识别率和识别算法复杂性方面都有很大的改进。
文档编号G06K9/46GK102509098SQ20111029950
公开日2012年6月20日 申请日期2011年10月8日 优先权日2011年10月8日
发明者宋占杰, 庞彦伟, 程广涛 申请人:天津大学