[发明专利]基于车窗特征提取的车辆识别方法

权利要求书

1.基于车窗特征提取的车辆识别方法，其特征在于，包括以下步骤：

在视频图像中检测出车窗区域，并将其与源图像分离出来；

找到车窗张贴物的重心，选择颜色序列和面积比序列作为车窗张贴物的特征，进行特征提取。

2.根据权利要求1所述的方法，其特征在于，所述在视频图像中检测出车窗区域，并将其与源图像分离出来，包括以下步骤：

读取监控视频图像，转换为灰度图像，运用背景差法获得只有车辆前景的二值化图像；

对得到的二值化图像做sobel算法边缘检测，再进行模板滤波，保留水平直线部分；

采用相位编组的霍夫变换来检测直线，找到车窗上下边界。

3.根据权利要求1所述的方法，其特征在于，所述找到车窗张贴物的重心，选择颜色序列和面积比序列作为车窗张贴物的特征，进行特征提取，包括以下步骤：

采用Otsu算法前景分割，得到二值化图像；

轮廓检测，去除面积小于预设最小值或大于预设最大值或小于预设宽度的轮廓；

提取感兴趣区域，计算感兴趣区域的重心，算出重心连线、颜色直方图和面积，以轮廓顺序建立重心连线比序列、颜色序列和面积比序列。

4.根据权利要求2所述的方法，其特征在于，所述读取监控视频图像，转换为灰度图像，运用背景差法获得只有车辆前景的二值化图像中，用该二值化图像将灰度图像中车辆以外的像素的灰度值置零，设灰度图像的像素为，二值化图像中像素的灰度值为，遍历图像的每一个像素，依照下式改变值，

。

5.根据权利要求2所述的方法，其特征在于，所述对得到的二值化图像做sobel算法边缘检测，再进行模板滤波，保留水平直线部分中，运用矩阵式w=[-1 -1 -1；8 8 8；-1 -1 -1]进行模板滤波。

6.根据权利要求2所述的方法，其特征在于，所述采用相位编组的霍夫变换来检测直线，依照下式，

其中，f为处理后的图像，为每个像素的梯度相位，

将梯度方向内且相邻的点编为一个编组区N，把每个编组区进行两点组合快速霍夫变换，得到每个编组区所支持直线的参数，采用下式对整个编组区进行峰值检查，找从最大值到0.8倍最大值的直线参数及组成该直线像素的梯度方向均值来检测出车窗的上下边缘线部分，

。

7.根据权利要求3所述的方法，其特征在于，所述轮廓检测，去除面积小于预设最小值或大于预设最大值或小于预设宽度的轮廓，采用opencv函数cvFindContours实现轮廓检测。

8.根据权利要求3所述的方法，其特征在于，所述提取感兴趣区域，计算感兴趣区域的重心，采用下式，

，

其中，Xc,Yc表示区域重心的坐标，M₀₀ 、M₁₀ 、M₀₁表示区域的面积，由下式确定，

M_pq = sigma(i)sigma(j) i^p j^q f(i,j)，

其中，x,y,i,j是区域点的坐标，p、q取0或1。

9.根据权利要求3所述的方法，其特征在于，所述颜色直方图采用HSV颜色模型的色度H来描述，统计色度分布，以分布最多的色度值作为颜色特征。

10.根据权利要求9所述的方法，其特征在于，所述色度H用角度度量，取值范围为0°～360°，颜色直方图的矩形条个数设为30。