[发明专利]基于视频的高速移动车辆标志精确识别方法

摘要

一种基于视频的高速移动车辆标志精确识别方法，属采用图像和模式识别来实现车辆检测和车辆标志识别的计算处理方法。主要由5大功能模块组成：摄像机控制模块、运动检测模块、车辆抓拍模块、车辆定位模块、车标识别模块组成。它由摄像系统获取实定视频图像，通过对视频图像处理判断是否是车辆通过，并根据运动特征判断车辆的运动方向，并从图像序列中分割出移动车辆图片，通过车辆纹理特定位车标，前后利用车标特征对车头标志或车尾标志进行分类识别。本发明能解决高速行驶车辆的车型及车标识别，尤其是车尾标志的识别。

主权项

1.一种基于视频的高速移动车辆标志精确识别方法，其特征是：按以下步骤进行：a)、首先对摄像机与采集卡实时捕获的连续视频图象进行平均灰度的计算，平均灰度范围有3个等级：80-110，110-160，160-190，，通过调整摄像机建国快门、摄像头增益和采集卡增益，控制整个图象的平均灰度在110-160之间，接着进行运动检测，如果长时间不能检测到运动，或者一直检测到运动不间断，则继续调整快门和增益，使平均灰度在所取等级范围内变化，直到检测到有规律的运动出现，即一段运动后有一个空闲时间，接着再一段运动，完成摄像机的粗调过程；经过运动检测，可以对车辆进行抓拍和对有牌车辆进行快速的牌照定位，调整摄像机参数，使车牌的平均灰度在90-100之间，以满足车辆标志的识别，细调每5分钟进行一次，把这5分钟内能检测到的车牌累计起来，计数平均灰度，与标准灰度范围比较，并作相应快门调整，如果在3个连续的细调周期都不能找到车牌，则返回粗调，以另一个平均灰度范围等级作上述处理；b)、上述运动检测采用视频中一帧的奇偶场进行块运动检测、且场间时间间隔限制在20毫秒内；一帧的奇偶场图象大小为768×288，把图象分成18×18大小的块，每块对应像素值差的绝对值之和再除以块的总像素数，作为块的运动参数，这个参数大于给定阈值30的块，作为运动块，小于30的块，作为静止块；记录每一帧运动块的数目以及运动块的位置，作位运动参数；比较一个序列帧的运动块数目与位置的变化，获得运动方向以及运动位置的变化情况，对正向车辆来说，当记录运动块数目达到极大值而且运动的前沿还设有离开图象下沿时，对车辆进行抓拍，对反向车辆来说，当记录运动块数目达到极小值而且运动的后沿还没有离开图象下沿时，对车辆进行抓拍；c)、根据运动区域、边缘信息和纹理信息在抓拍的图象中确定车头或车尾的定位区域；d)、车辆标志的定位：首先对定位区域进行边缘提取；边缘信息在Y方向投影，根据投影直方图，确定纹理丰富的区域；结合车辆定位位置，在纹理丰富的带状区域计算对称轴；与车牌位置比较，如果车辆对称轴与车牌中心距离在20像素之内，用车牌中心代替得到的车辆对称轴；以8连通对边缘信息进行标记，找出车辆定位区域的各个连通区域；对连通区域大小进行判别，保留在车辆标志大小范围内的区域，作为待识别区域；e)、根据特制模板对上述待识别区域进行筛选：按互相关系数公式计算待识别区域中每一像素点与车标模板中每一像素的互相关系数，并取互相关系数最小的5个车标模板，进入下一级特征识别；互相关系数公式为：$\gamma =\frac{\underset{i}{\Sigma }\underset{j}{\Sigma }S(x,a,b,c)[f(i,j)-v][g(i,j)-w]}{\underset{i}{\Sigma }\underset{j}{\Sigma }{[f(i,j)-v]}^2\underset{i}{\Sigma }\underset{j}{\Sigma }{[g(i,j)-w]}^2}$ 其中，f(i，j)为候选区域(i，j)位置的灰度值，v为候选区域的平均灰度，g(i，j)为模板(i，j)位置的灰度值，w为模板的平均灰度，x为(i，j)点到中心的欧氏距离。S(x，a，b，c)为车标模块的隶属度函数，其定义为：$S(x,a,b,c)=\left\{\begin{array}{c}0,x>a,a=r\\ {(x-a)}^2/(b-a)(c-a),b\le x<a,b=3r/4\\ 1-{(x-c)}^2/(c-b)(c-a),c\le x<b,c=r/2\\ 1,x\le c\end{array}\right.$ f)、根据方向分形算法对筛选后的车标进行精确识别：计算出待定区域的0度、45度、90度、135度的4方向分形维后，把它作为一个一维向量，与筛选后的车标模板的标准4方向分形维的一维向量之间计算欧式距离，以欧式距离最短者，作为识别的车标类型。