基于空间位置信息的同一品牌车辆的车型识别方法
【专利摘要】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。
【专利说明】基于空间位置信息的同一品牌车辆的车型识别方法
【技术领域】
[0001]本发明属于智能交通中的图像处理领域，具体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。
【背景技术】
[0002]现阶段智能交通对车辆信息要求越来越高，识别出车辆信息具有很高的实用价值。目前，车型识别主要有基于物理参数的模式识别方法和基于图像处理的模式识别方法。基于物理参数的模式识别方法，通过线圈等感应器获得车辆的某些物理参数，但是只能识别出大型车、中型车、小型车等车型的大小，而不能识别出车辆的具体类型信息，例如不同品牌的汽车，以及同一品牌汽车下的不同车型等。而基于图像的车型识别方法，不仅可以得到车辆的大小信息，还可以识别出具体的车辆类型。
[0003]但是，基于图像的车型识别方法通常采用直接对图像进行分割的方法，分割出特征区域，再进行特征提取。其存在以下问题:直接提取出特征区域十分困难，难以控制提取精度，易产生错误，以及不同车型所分割出的特征区域可能非常相似，从而导致识别错误。因此直接分割提取特征识别，常常导致识别率达不到要求，并且算法的鲁棒性不够。
【发明内容】
[0004]本发明的目的在于克服上述现有技术的不足而提供一种基于空间位置信息的同一品牌车辆的车型识别方法，该识别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的识别精度。
[0005]实现本发明目的采用的技术方案是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:
[0006]( I)米集车辆正面的图像；
[0007](2)对所述车辆的图像进行直方图均衡化；
[0008](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；
[0009](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；
[0010](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；
[0011](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。
[0012]本发明利用不同类型车辆的车辆图像特征区域相对于车牌的空间距离不同，从而对车牌的空间位置信息提取车辆的特征，进行车型识别，本方法能够有效减少因区域分割而导致的车辆错误识别，使得识别的结果更加的准确，提高了车型识别的正确率，该方法具有很高的实用价值。【专利附图】
【附图说明】
[0013]图1为本发明基于空间位置信息的同一品牌车辆的车型识别方法的流程图。
[0014]图2a为一车辆特征向量提取效果示意图。
[0015]图2b为另一车辆与图2a中车辆相同位置处特征向量提取效果示意图。
【具体实施方式】
[0016]下面结合附图和具体实施例对本发明作进一步的详细说明。
[0017]如图1所示，本发明基于空间位置信息的同一品牌车辆的车型识别方法包括以下步骤:
[0018]步骤S100、采集车辆正面的图像，可以通过摄像机直接采集车辆的一张图片，如收费站进出口处采集的车辆信息图片，也可以从摄像机摄取的车牌视频中采集一帧所需的车辆信息图片。
[0019]步骤S200、对采集的车辆图像进行直方图均衡化，具体通过以下公式进行直方图均衡化:
【权利要求】
1.一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； (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； (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； (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； (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。
2.根据权利要求1所述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，步骤(2)中通过以下公式进行图像的直方图均衡化:
3.根据权利要求1所述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，步骤(3)中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.根据权利要求1所述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:按分辨率设定车牌的大小为长120个像素，高30个像素。
5.根据权利要求1所述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，步骤(4)中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:
Ieft=X-1enl right=x+len2 top=y-widthl 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，IenU len2、widthl、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。
6.根据权利要求5所述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，对每个待测车型的特征区域计算待测车型的特征向量，包括以下步骤:对特征区域进行金子塔分解，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，gl=f*g? gkZgk-dg，其中g为二维高斯函数，{gl，g2，一，gk}为高斯金字塔；对高斯金子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，AAt的特征值为A1S λ2≥…≥λ?+1=...= λη=0,Ai为图像的奇异值，(A1, λ2)..., λη)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按上述规则组合并到一起为w=( λ η, λ12，...，λ 1η, λ 21, λ22，...，λ2η，…，^kl, Ak2,..., λ kn)，其中k为高斯金字塔的层数，η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。
7.根据权利要求6所述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: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-Wi | | i=l, 2,..., η 式中，W为待测车辆的特征向量，Wi为已知车型的特征向量，||||为欧式距离，最小距离对应的类型io就为待测车辆图像的类型。
【文档编号】G06K9/46GK103500327SQ201310484379
【公开日】2014年1月8日 申请日期:2013年10月16日 优先权日:2013年10月16日
【发明者】黄樟灿, 刘海明, 苏清华 申请人:武汉理工大学