[发明专利]一种基于嵌入式系统的实时出租车识别方法

说明书

技术领域

本发明涉及基于嵌入式物联网视频智能监控和车辆类型识别领域，尤其涉及一种基于嵌入式系统的实时出租车识别方法。

背景技术

随着嵌入式系统软硬件功能水平的不断提高，嵌入式系统渐渐进入到现实生活中的方方面面，最常见的莫过于平常所见的各种大大小小摄像机组成的视频监控系统，视频监控系统通过多年来不断的发展，被广泛地应用于各种领域、各种环境、场景下的监控管理任务。而随着计算机视觉和人工智能、模式识别技术理论发展和实践探索，视频监控系统现在正朝智能化这个方向去发展。

智能交通系统是视频智能监控系统在交通领域一个重要的应用。在智能交通系统中，有一个核心功能是对过往车辆进行准确的检测、车辆类型的识别。纵观目前国内外车型识别的研究和应用，主要都是根据车体的三维尺寸来把车辆划分为：大中小这样的类别，这种简单的分类往往难以满足某些监控场景的需求。

据资料显示，在占道路车流机动车中，出租车在其中往往占据比较大的比例。由此可见，合理的出租车管理与调配具有十分重要的现实意义。而要实现这个目的，首要条件是能自动识别路面上的出租车。

目前可查阅到的出租车识别算法主要是通过提取HAAR-LIKE矩形特征、灰度方向直方图(HOG)特征等等，再结合SVM分类器实现的。这类方法的缺点主要就是时空间花销比较大，只能放在一些配置较高的PC端上运行以实现实时检测，在嵌入式系统上是无法做到实时检测的，同时目前市场上还没有发现能在嵌入式系统中实现的出租车识别方法。

发明内容

本发明的目的是针对目前现有出租车识别方法的不足与缺陷，提出一种基于嵌入式系统的实时出租车识别方法，经过多次严格实验数据证明，该出租车识别方法具有较高的实时性、准确性，以及鲁棒性。

为了实现本发明的目的，本发明所提出的一种实时出租车识别方法包括以下步骤：

步骤1，在视频图像中设定若干虚拟线圈，即检测区域；

步骤2，将所述检测区域经过透视变换映射为矩阵图像；

步骤3，判断变换后的检测区域中是否存在车牌，若是，则反映所述检测区域中存在车辆，进入步骤4，若否，则反映所述检测区域中不存在车辆，继续对其它检测区域进行判断；

步骤4，根据车牌与车顶之间的相互位置关系，得到存在车牌的检测区域中的车顶区域，并提取所述车顶区域的特征向量；

步骤5，基于所述车顶区域，勾画出整个车身区域，然后基于RGB色彩空间，通过直方图分析颜色，提取得到车身颜色分布特征向量；

步骤6，通过人工标识汽车图像样本是否为出租车，计算得到出租车特征向量，进一步得到所述出租车特征向量与是否为出租车的相关性，拟合出关于出租车特征向量的回归方程，得到该回归方程的系数向量；

步骤7，根据所述回归方程的系数向量，以及车顶区域特征向量和车身颜色特征向量组合构成的复合特征向量，来判断该车辆是否为出租车，最终实现对于出租车的识别。

本发明基于嵌入式系统的实时出租车识别方法与现有技术中的其他出租车识别方法相比具有以下有益效果：

（1）基于计算机视觉的视频分析，以实现出租车的识别。

（2）在嵌入式前端实现出租车的识别，大幅降低PC服务器的负荷。

（3）特征提取、特征向量判断方法较为简单，时空间花销都比较小，能够满足实时识别的需求。

（4）基于嵌入式系统实现，易于扩展整合其他模块形成大型管理系统，实现出租车资源管理的云计算化。

（5）无需事先建立正负样本库。

附图说明

图1是本发明基于嵌入式系统的实时出租车识别方法的流程图；

图2是根据本发明一实施例的检测区域定义示意图；

图3是检测区域经透视变换后的效果示意图；

图4是车牌定位效果示意图；

图5是车顶灯定位的效果示意图；

图6是车体定位效果示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明着重从出租车与普通机动车的外观差异特征来实现出租车的识别，主要体现在出租车都是小型轿车，车顶处有一个标识灯，车身存在两种或两种以上的颜色。