[发明专利]基于多层描述子的车辆标识方法与系统

说明书

技术邻域

本发明属于数字图像与视频处理领域，具体涉及智能交通中的车辆标识领域。

背景技术

社会经济的发展，车辆的数目的激增，使得如何高效地管理车辆，规划交通成为交通监管部门的一大挑战。由于各种主观或客观原因导致的交通事故，违法行为，不仅影响了正常的交通秩序，更是对国民经济、社会发展以及人们的生命财产安全造成了极大的威胁。单纯的靠传统的人力来完成各种需求已经越来越难以满足日益剧增的监管需求。近年来，智能交通的概念被引入到交通监管领域，并且在人们的生产生活中发挥越来越大的作用。

车辆标识是智能交通中的重要领域。在很多重要的交通监管领域都发挥着重要作用，例如套牌车辆检测，一车多牌检测，车辆追踪，车辆检索等。套牌车辆检测：套牌车辆就是非法套用他人机动车的车牌，以致犯罪行为剧增，严重扰乱了正常的社会秩序。车辆标识能通过车辆本身的特征唯一标识一辆车，从而能很好的检测套牌车辆；一车多牌检测：车辆在行驶过程中，使用不同的车牌，从而可以逃避因超速、闯红灯、逆行等违章行为，车辆标识可以通过车辆特征唯一标识出车辆来检测这种行为；车辆检索：从车辆数据库中检索当前车辆，并或得当前车辆的各种信息，车辆标识能从车辆数据库中检索出相对应的车辆。

现有的车辆标识方法主要是依赖车牌与车标，但是这种方法当发生套牌行为以后就会失去方法原来的功效，从而导致车辆标志的结果不正确；还有一些方法通过检测车辆的颜色和一些其他特征，比如sift，surf来标识车辆，但是这些方法一般都会把所有的特征都用一遍，增加了算法的复杂度。对此，本发明提出了基于多层特征的车辆标识方法，先用简单的特征进行初步筛选，可以剔除大量完全不匹配的目标；然后再用复杂的局部特征进行精确匹配从而使在节约了时间的情况下还能保证车辆标识的准确性。

发明内容

由于现有的车辆标识算法的上述缺陷，本发明提出了一种基于多层描述子的车辆标识方法，并且在该方法的基础上开发了基于多层描述子的车辆标识系统。

本发明能很好的克服现有车辆标识方法上的缺陷，同时考虑车辆的全局信息及奇异区域局部信息，构成能够准确表征车辆特性的多层描述子，并且采用多种匹配策略对多层描述子进行匹配，不仅减少了算法复杂度，而且提高的车辆标识的准确性，使得车辆标识有更高的准确性，本发明包括以下步骤，如图1所示：

1、车辆全局特征提取，得到整个车身的全局特征；

2、车辆奇异区域局部特征提取，提取车辆的奇异区域，并提取奇异区域的局部特征；

3、多层描述子构造，利用车辆的全局特征、奇异区域的局部特征、车辆的先验知识以及某些语义信息来构造车辆的多层描述子；

4、基于多层描述子的车辆标识，综合考虑匹配精度与匹配速度的情况下，利用多种匹配策略获得最终车辆标识的结果。

下面具体说明上述步骤：

1、车辆全局特征提取

车辆的全局特征是指综合考虑整个车辆的信息之后产生的能表征车辆的特征。经过量化之后的车辆全局描述子与车辆的尺寸、大小、分辨率关系都不是很大，每一幅车辆图像对应相同维度的车辆全局描述子，这里介绍一些常用的车辆全局特征：

a）颜色直方图特征是一种很常用的全局特征。该特征能够有效地抵御翻转、旋转等对于像素点之间相对位置发生改变的变形。颜色直方图可以在不同的颜色空间得到，比如：RGB颜色空间、HSV颜色空间、Lab颜色空间等。颜色直放图提取的一般步骤如下：

(i)将彩色图像拆分成三个通道；

(ii)统计每个通道所有像素的像素值的直方图；

(iii)把三个直方图合成一个直放图，作为全局特征。

b）离散余弦变换(DCT):DCT特征可以有效地抵御一些的视觉变形，比如压缩、Gamma变换和加噪等。此外，它还具有紧凑性好、提取与检索效率高的优点，DCT特征提取的一般步骤如下：

(i)将彩色图片转换成灰度图，并且把图片的尺寸设置到某一固定大小；

(ii)把图片划分成一系列小的子块，对每个子块进行DCT，并且得到子块对应的系数举证；

(iii)计算每个子块对用的系数矩阵的前4个子带能量，然后把所有子块的前4个子带能量写成一个向量，作为全局的DCT特征。

2、车辆奇异区域局部特征提取

车辆奇异区域的提取模块的作用在于提取车辆特征明显的区域，这些区域包括：车标、车牌、车头、车辆车顶、车窗玻璃等。本发明提出的检测方法可以但不局限于以下方法：