[发明专利]车辆识别方法

说明书

技术领域

本发明涉及车辆检测领域，特别是指一种车辆识别方法。

背景技术

随着社会经济的发展，车辆的增多，通过计算机信息化、智能化的管理车辆成为必然。由于机动车辆的保有量的急速攀升导致城市和道路交通面临的问题尤为突出。由主观或客观原因导致使得交通违法行为、交通事故频繁发生，在影响了正常交通秩序的同时，对国民经济、社会发展和人们的生命及财产安全造成了极大的威胁，城市交通管理面临的压力与日俱增，单纯依靠人力已经愈来愈难以满足日益艰巨的管理要求。当车辆违规逃离后，由于存在同样的车辆，如果没有其他的如车牌或关键标识的特征，存在不容易在其经过的位置成功识别的问题。

发明内容

本发明提出了一种车辆识别方法，以解决上述现有技术不能对车辆进行成功识别的问题。

为了达到上述目的，本发明的技术方案是这样实现的，包括：

对当前帧的视频图像进行前景检测；

提取在当前帧中的检测到的车辆图像的特征点；

如果当前帧中的车辆图像的特征点与预先记录的一个车辆图像的特征点相匹配，则比较所述当前帧中的车辆图像与匹配到的车辆图像的颜色特征，如果一致，则确定匹配成功。

通过本发明的方法，可比较摄像头中的车辆图像与预先记录的车辆图像是否一致，从而对可能存在违章逃逸的车辆进行查找确认。

例如，当前摄像头拍摄到交通肇事逃逸的车辆，记录该逃逸车辆图像的一组特征点，通过其它摄像头监控到的图像，可辨别出是否为逃逸的车辆。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是实施例的流程图；

图2是实施例中采用SIFT算法和BBF算法进行匹配的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明的实施例包括以下步骤：

S11：对当前帧的视频图像进行前景检测；

S12：提取在当前帧中的检测到的车辆图像的特征点；

S13：如果当前帧中的车辆图像的特征点与预先记录的一个车辆图像的特征点相匹配，则比较所述当前帧中的车辆图像与匹配到的车辆图像的颜色特征，如果一致，则确定匹配成功。

通过本发明的方法，可比较摄像头中的车辆图像与预先记录的车辆图像是否一致，从而对可能存在违章逃逸的车辆进行查找确认。

例如，当前摄像头拍摄到交通肇事逃逸的车辆，记录该逃逸车辆图像的一组特征点，通过其它摄像头监控到的图像，可辨别出是否为逃逸的车辆。

优选地，上述实施例中，可采用SIFT算法提取特征点，并通过BBF算法判断是否匹配。

参见图2，包括以下步骤：

S21：读取视频图像；

用一个固定视场的监控摄像机，对公路中行驶的车辆获取视频图像。为了保证对车辆检测和跟踪的准确性，采样间隔应在0.05-0.2秒之间。

S22：对每帧图像去噪等预处理；

S23：采用高斯混合模型对车辆进行检测；

本方法采用混合高斯模型对背景进行建模。混合高斯建模由有限个高斯函数的加权和组成。对每一个像素点，定义K个高斯模型（K可以取3至6）。然后高斯混合模型初始化计算视频序列图像像素的均值μ₀和方差σ₀。

检查每一个新的像素值是否与背景的高斯混合模型匹配，如果不匹配，该像素是前景图像，不对高斯混合模型参数进行更新。如果匹配则对相应的参数进行更新。高斯模型参数（权值w_i、均值μ_i、方差）更新方程如公式（1）（2）（3）（4）：