[发明专利]基于车辆正面图像与模板匹配的车型自动识别方法

说明书

技术领域

本发明一般涉及计算机智能交通监控领域，具体涉及基于车辆正面图像与模板匹配的车型自动识别方法。

背景技术

随着我国的城市化进展，道路交通和车辆运输发展迅速，车辆数目大幅增加，而城市的道路交通建设和人们的交通法制意识却跟不上相应发展，导致交通环境恶化，交通事故频发，给交通监管部门突出了更高的要求。传统的交通车辆图像数据库是用关键字对图像进行人工标注，然后对语义关键字进行存储，索引和检索。这要需要耗费大量的人力物力，而且对图像内容的理解因人而异因此基于图像的交通监控系统就迅速发展起来。基于图像的交通监控系统就是从监控摄像机采集到的图像中提取对交通监控有用的信息，车辆车型作为车辆一种重要特征，在实际应用中能为城市交通规划和交通违章肇事查找提供重要作用。

现有的基于图像的车型识别方法从拍摄角度上主要有车辆正上方和车辆侧面两种，这两种拍摄的角度都与目前普及的交通监控系统的摄像机的不一致，导致无法实际应用，本发明采用的方法是基于车辆正面图像的，可以利用原先交通监控系统的摄像机采集的图像直接进行处理，与车牌的采集角度也一致，可以方便地应用在现有系统的。另一方面，现有的基于图像的识别方法大多基于车辆的长宽比或者车辆的长与高比等一些简单的几何比例，只能对车辆进行大致的分类，如分为小车、客车和大货车，而本发明采用的方法，不但利用了车辆的体型大小的信息，还利用了车辆的内部轮廓信息，结合人工神经网络，能将车型细分为八类，而且准确率极高。

发明内容

本发明针对现有交通监控系统与车型识别方法的不足，提供了基于车辆正面图像与模板匹配的车型自动识别方法。本发明的目的在于提供兼容现有交通监控设备并且能自动化高准确率地识别车辆车型的方法，能为交通监控系统提供可靠的车辆车型信息，从而为为城市交通规划与交通肇事查找提供重要依据。

基于车辆正面图像与模板匹配的车型自动识别方法，包括以下步骤：

(a)将输入图像灰度化并计算其横向梯度图；

(b)使用基于模板的方法对步骤(a)中的横向梯度图进行车牌扫描，得到车牌位置；

(c)利用步骤(b)中得到的车牌位置信息，计算车牌处的局部梯度直方图确定车牌的宽度；

(d)以步骤(b)中得到车牌的中心为参考点，以车牌的宽度的F_w倍作为车辆区域的宽和高，从灰度图中截取车辆区域图像并缩放到特征提取模板中；

(e)计算步骤(c)的特征提取模板中的图像的梯度值，并归一化处理；

(f)将步骤(d)中的归一化后的图像看作矩阵向量直接作为人工神经网络的输入，训练或者识别对应的车型。

上述基于车辆正面图像与模板匹配的车型自动识别方法的步骤(a)中的横向梯度图的计算方法是采用Sobel算子10-120-210-1]]>对灰度图进行卷积运算，对于负值的计算结果，取其绝对值。

上述基于车辆正面图像与模板匹配的车型自动识别方法的步骤(b)中，车牌定位方法为，以宽为L_w，高为H_w的窗口，在步骤(a)中得到的横向梯度图中从上至下，从左到右进行扫描，计算窗口内的梯度值之和，作为当前窗口中心位置的得分。其中L_w和H_w都是预设值，例如默认分别为200和50，可以根据实际应用中图像的质量进行调整。扫描完整个图之后，得分最高的位置即为车牌中心点P_c＝(x_c,y_c)。其中x_c和y_c分别是P_c的横坐标和纵坐标，本方法采用图像处理领域惯用的坐标系统，也即以图像左上角像素点位置为坐标原点，x轴的正方向向右，y轴的正方向向下。