[发明专利]计算机通过视频图像识别车辆类型的方法

说明书

技术领域

本发明属于图像识别技术领域，具体涉及一种计算机通过视频图像识别车辆类型的方法。

背景技术

近年来，智能交通系统发展快速（ITS），随着计算机视觉和模式识别技术的发展，为智能交通系统更有效的应用提供了契机。计算机视觉是利用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

基于图像识别的车辆分类过程主要包括从图像中提取目标车辆并提取特征参数；在分类器中输入特征参数并得到分类结果两个阶段。

第一阶段，特征参数的选取主要集中在对车辆几何尺寸的度量，有绝对几何尺寸和相对几何尺寸。绝对几何尺寸是根据摄像机与车辆之间的距离和拍摄的角度算出车辆的实际大小，这种方法存在的缺陷是，摄像机与车辆之间的距离必须保持不变，而这在实际应用中是难以实现的。

第二阶段，最简单的方法就是对得到参数与已有的标准进行匹配，这种方法运算量小，但是只适用于参数个数较少的情况下，而且参数太少就无法对车辆进行有效分类。模板匹配法把得到的特征参数与标准模板进行比较，这需要耗费很多的计算时间而且容错性差。

另一个更实际的问题是，目前的分类将车辆分为大中小或者轿车、客车、卡车三类，而在实际应用中都要求按照车辆的座位数和吨数来收费，因此上述分类结果很难应用在实际之中。本发明因此而来。

发明内容

本发明目的在于提供一种计算机通过视频图像识别车辆类型的方法，解决了现有技术中计算机通过视频图像识别车辆类型耗费很多的计算时间而且容错性差等问题。

为了解决现有技术中的这些问题，本发明提供的技术方案是：

一种计算机通过视频图像识别车辆类型的方法，其特征在于所述方法包括以下步骤：

（1）计算机获取视频图像，从视频图像中提取出目标关键帧，通过背景剪除提取出待识别的目标区域，并对视频图像进行预处理；

（2）对预处理完毕的图像进行特征提取，选用图像形状特征中的Hu几何不变矩作为车辆特征参数，计算目标区域的形状特征；

（3）通过机器学习方法进行所有车辆类型的样本训练，当样本训练完毕后对待识别的目标区域进行分类预测识别出车辆类型。

优选的，所述方法步骤（2）中计算目标区域的形状特征采用的HU矩计算公式为：

h₁＝η₂₀+η₀₂；

h₂＝(η₂₀-η₀₂)²+η₁₁²；

h₃＝(η₃₀-3η₁₂)²+(3η₂₁-η₀₃)²；

h₄＝(η₃₀+η₁₂)²+(η₂₁+η₀₃)²；

h₅＝(η₃₀-3η₁₂)(η₃₀+η₁₂)[(η₃₀+η₁₂)²-3(η₂₁+η₀₃)²]

+(3η₂₁-η₀₃)(η₂₁+η₀₃)[3(η₂₁+η₀₃)²

-(η₂₁+η₀₃)²]；

h₆＝(η₂₀-η₀₂)[(η₃₀+η₁₂)²-(η₂₁+η₀₃)²]

+4η₁₁(η₃₀+η₁₂)(η₂₁+η₀₃)；