[发明专利]在视频图像中检索车辆信息的方法

说明书

技术领域

本发明涉及一种车辆信息检索技术，具体的说是一种在视频图像中检索车辆信息的方法。

背景技术

由于视频监控技术的发展，越来越多的监控设备用于对道路的监控，电子警察和城市监控的普及，国内各个城市，每天都可以生成大量的视频录像，这些信息为提高交通公安部门对信息的掌握，起到了非常及时和重要的作用。

但如何有效的在海量的视频数据中自动查找特定的、有效的车辆信息，在技术上还是空白，需要人为干预，参与大量的工作，检索效率低。

发明内容

针对现有技术中没有有效的在海量的视频数据中自动查找特定的、有效的车辆信息技术等不足之处，本发明要解决的技术问题是提供一种可自动查找、提高搜索效率的在视频图像中检索车辆信息的方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明在视频图像中检索车辆信息的方法包括以下步骤：

对视频图像的视频数据进行解码、分离数据帧，形成可以进行数字图像分析的YUV数据或RGB数据；

利用上述YUV数据或RGB数据对每帧视频图像进行车辆的粗搜索，得到车辆轮廓特征、颜色特征及车牌识别结果；

根据数据帧间轮廓特征、颜色特征以及车牌识别结果在图像上的坐标变化确定运动轨迹；

记录相邻数据帧间的同一轮廓特征、颜色特征和车牌识别结果数据，从时间上分离视频数据中每辆车出现在视频流里的完整时间段；

结合上述完整时间段内车辆的几何特征、颜色特征、运动轨迹以及车牌识别结果，建立每辆车的出现时间，车辆离开视频画面时间、车辆的行驶方向、车身型号、车身颜色、车牌颜色、车牌号码、行驶路径的车辆信息数据库供用户查询和检索。

所述根据数据帧间轮廓特征、颜色特征以及车牌识别结果在图像上的坐标变化确定运动轨迹的过程为：

对连续的数据帧多帧数据结合分析，采用小波边缘检测与主动轮廓模型相结合的运动目标检测算法，自动提取出运动目标，并自动设置主动轮廓模型的初始轮廓点；

采用卡尔曼主动轮廓线跟踪方法，对当前运动目标的每个初始轮廓点的状态向量进行预测，将预测结果作为下一时刻该目标的初始轮廓点的状态向量；

根据初始轮廓点的状态向量计算目标特征值，对相邻帧目标进行相似性判断，建立运动目标间的关联关系；

根据运动目标间的关联关系更新运动模型，形成运动目标链，得到运动目标的运动轨迹。

还包括以下步骤：对运动目标的运动轨迹进行唯一性判断，即通过运动目标的轮廓点分析目标的几何不变矩和所在区域的颜色特征，作为目标跟踪过程中关联性是否准确的加权判断依据之一；并且在目标轮廓范围内采用神经网络和模版匹配相结合的车牌识别方法，由车牌识别结果进一步确定上述运动目标轨迹的唯一性，准确性。

本发明具有以下有益效果及优点：

1.本发明充分运用的人工智能的图像处理算法，大大提高了对视频数据的分析效力，可以极大地减少人工方法对视频所进行的分检工作，对海量数据进行及时有效的分析，可以大大提高交通部门和交警部门对于数据的有效利用率，与其他的系统及平台结合，可以为后续系统和平台提供详实可靠的数据资料，提高自动化程度和数据利用率。

2.用户只需要手工输入需要检索的车辆信息(包括车牌、行驶方向、车型、车牌颜色、行驶路径)等进行组合，则系统可以自动完成相关信息的检索，大大降低人工成本和工作效率，提高视频数据的利用率，信息定位检索准确率大于99％。

附图说明

图1为视频图像中检索车辆信息的系统结构图；

图2为视频图像中检索车辆信息流程图。

具体实施方式

如图1所示，将实现本发明方法的软件装载于智能分析检索系统中，主要应用于交通部门对历史视频数据或实时视频数据进行分析，对于历史数据，智能分析检索系统对视频流进行分析，需要部署相应的程序，指明视频数据所处的物理介质后，系统对视频数据进行索引编制和搜索操作，分析相关的用户需求信息，对于实时数据，系统可以处在数据传输的中间层(软件层面)或者通过硬件中转需要分析的视频数据(物理层面)来进行用户需求信息的索引编制和完成搜索任务。

本发明在视频图像中检索车辆信息的方法包括以下步骤：

对视频图像的视频数据进行解码、分离数据帧，形成可以进行数字图像分析的YUV数据或RGB数据；

利用上述YUV数据或RGB数据对每帧视频图像进行车辆的粗搜索，得到车辆轮廓特征、颜色特征及车牌识别结果；