[发明专利]一种基于图像匹配和识别技术的车辆监控方法

说明书

技术领域

本发明涉及车辆监控，特别是一种基于图像识别的车辆监控方法，适用于物流行业的车辆监控。

背景技术

随着车辆管理信息系统在各个行业的广泛运用，对车辆活动状态的跟踪、监控尤其的重要，尤其是车辆的加油、配送等会影响运营成本的车辆活动更加需要可靠的监控手段和方法，以实现用户透明化管理和控制成本的目标。以车辆的加油活动为例，目前通过车机上传的经纬度、时间、速度、活动状态、传感器电压等数据，我们可以计算出该车辆在对应时刻的油箱油位和油耗，通过对相邻时刻的油位比较，可以得到车辆的加油时刻点。但是由于车辆的行驶活动以及其他因素会影响车机上传的数据，该时间点是否属于正常的加油时刻点，很难断定。同样车辆的其他类似活动也具有不可靠、难判断等特点。

发明内容

本发明的目的是针对上述不足之处提供一种基于图像匹配和识别技术的车辆监控方法，结合图像匹配和识别技术，能够监控车辆的配送活动、加油活动等，对车辆的活动状态进行跟踪和监控，以实现用户透明化管理和控制成本，具有可靠性强、成本低、自动化率高等特点。

本发明一种基于图像匹配和识别技术的车辆监控方法是采取以下技术方案实现的：该方法包括下述步骤，

1）利用数字图像匹配和处理的方法，在地图图像中寻找到每个目的地图标，得出各个目的地图标的经纬度，并将经纬度信息记录在地图系统中；

2）车辆进行配送活动时，当车辆的经纬度和步骤1）中记录的目的地的图标经纬度近似相等时，得出车辆正在进行配送活动；否则认为配送活动不成立。

步骤1）中的数字图像匹配和处理，包括如下步骤：

第1步，彩色地图图像灰度化

所述灰度化即将彩色图像转换成灰色图像；在彩色RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。从真彩色图像中求取对应像素灰度值的方程式为：

                                                

其中(x,y)代表像素点坐标。

经过这步运算，灰度值被归一化到0～255之内，从而实现彩色地图图像灰度化。

第2步，将第1步中得到的灰度图像二值化

在进行了灰度化处理后，图像中的每个像素都有一个灰度值，它体现了像素的明暗程度。为了展开后续算法，还需要对灰度图像做一个二值化处理。图像的二值化处理就是将图像上的点的灰度置为0或255，也就是使整个图像呈现出明显的黑白效果。即将256个亮度登记的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。关于图像的二值化，已有许多成熟的算法，可以采用自适应阈值法，也可以采用给定阈值法；而进行图像二值变换的关键是确定合适的阈值，使得对象与背景能够分割开来，而且二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。同时，智能交通系统要求处理的速度快、信息量大，采用二值图像进行处理，能大大地提高处理效率。

二值化的关键是要找到合适的阈值t来区分对象和背景。

二值化的过程表示如下:

其中，原来灰度图像为f(x，y)，二值化后的图像为G(x，y)。

阈值t的选择是关键，它可以表示为一个三元组，即

其中，(x，y)是图像中像素位置，f(x，y)代表图像中(x，y)处的灰度值， N(x，y)是周围邻域的灰度特征。

二值化的阀值选取有很多方法，主要分为3类:全局阀值法、局部阀值法和动态阀值法。

（1）全局阀值法

全局阀值二值化方法是根据图像的直方图或灰度的空间分布确定一个阀值，并根据此阀值实现灰度图像到二值化图像的转化。典型的全局阀值方法包括Ostu法、最大熵法等。

（2）局部阀值法

局部阀值法则是由象素灰度值和像素周围点局部灰度特性来确定象素的阀值的，Bernsen算法是典型的局部阀值方法，非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质。此时邻域的规定及邻域计算模板的选取都是决定算法效果的关键因素。

（3）动态阀值法

动态阈值法的阀值选择不仅取决于该象素灰度值以及它周围象素的灰度值，而且还和该象素的坐标位置有关。

第2步中采用全局阀值法中的Ostu法来实现灰度图像二值化，利用matlab工具箱的中graythresh函数实现。