專利名稱：一種出租車綠色標(biāo)志識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機圖像處理與模式識別技術(shù)領(lǐng)域，尤其是利用圖像處理和模式 識別技術(shù)對出租車實行自動檢測的一種出租車綠色標(biāo)志識別方法。
背景技術(shù)：
在中國城市化進程中，城市交通發(fā)展迅速，出租車作為公交系統(tǒng)的有益補充， 在居民出行中發(fā)揮著重要作用。同時，對于出租車的管理問題也日益凸現(xiàn)出來。例如不 按規(guī)定停放，不遵守營運時間與地段規(guī)定，不按指示上下客等。這些違章行為不但給交 通運輸帶來混亂，而且隨時存在著危及乘客的生命財產(chǎn)安全的隱患。因此，加大對于出 租車的規(guī)范管理，是目前城市交通管理刻不容緩的任務(wù)。對于出租車的管理，現(xiàn)有技術(shù)中根據(jù)不同的需要有多種監(jiān)控手段。目前基于視 覺的車輛車牌、車標(biāo)、車型識別管理，具有造價低，保存車輛圖片信息完整，抗干擾強 等多種優(yōu)點，因此，在交通管理領(lǐng)域得到了廣泛的應(yīng)用。對于出租車的管理，同樣也可 以運用視覺技術(shù)來對出租車的特殊標(biāo)志進行識別，并配合成熟的車牌識別技術(shù)，兩者相 結(jié)合，達到對出租車的準(zhǔn)確識別。例如深圳的出租車為了便于統(tǒng)一的管理，在車牌上方 的位置增加安裝了一個半圓型的綠色標(biāo)志，那么，在抓拍到車輛圖片后，可以針對這一 特征進行圖像識別，識別結(jié)果與車牌識別信息一起進入后臺管理軟件，系統(tǒng)可以自動對 是否是出租車進行分類判決，再形成相應(yīng)的管理手段。因此，車牌上方是否有特定的綠 色標(biāo)志供識別，如何精準(zhǔn)識別就成為區(qū)分是否是出租車的重要手段，也是本發(fā)明的創(chuàng)新 所在。基于視頻的出租車綠色標(biāo)志識別技術(shù)是智能型車輛信息采集系統(tǒng)中的一個關(guān)鍵技 術(shù)，是利用圖像處理和模式識別技術(shù)對出租車實行自動檢測的計算機處理系統(tǒng)之一。根據(jù)文獻檢索，目前暫時沒有根據(jù)出租車的特殊標(biāo)志進行識別，并判定是否是 出租車的相關(guān)報道，本方法的實施可以根據(jù)不同城市的出租車的不同特征進行改進，以 提高與增強各個城市的出租車領(lǐng)域的管理水平。

發(fā)明內(nèi)容
本發(fā)明的目的是公開一種基于視頻能自動實時識別出租車的特殊綠色標(biāo)志的方 法，以期應(yīng)用于現(xiàn)有的電子警察、治安卡口等公路交通管理系統(tǒng)中，為交通信息采集以 及規(guī)范出租車行為的管理提供更強有力的支持。實現(xiàn)本發(fā)明之目的的技術(shù)解決措施如下面所述一種出租車綠色標(biāo)志識別方 法，包括基于智能型車輛信息采集系統(tǒng)中的攝像機控制模塊1，運動檢測車輛抓拍模塊 2，車牌定位模塊3，綠色標(biāo)志定位模塊4，綠色標(biāo)志識別模塊5;綠色標(biāo)志定位模塊4包 括如下步驟4.1根據(jù)車牌位置確定檢測區(qū)域；4.2檢測區(qū)域顏色轉(zhuǎn)換；4.3根據(jù)規(guī)則檢測綠色 像素；4.4對綠色非綠色像素進行二值化；4.5對綠色目標(biāo)進行形態(tài)學(xué)閉運算；4.6檢測區(qū) 域內(nèi)綠色連通體；4.7記錄最大連通體面積與位置；4.8按規(guī)則判定是否定位成功；綠色標(biāo)志識別模塊5包括如下步驟5.1水平方向填充區(qū)域空洞；5.2區(qū)域向下對稱映射；5.3 五次形態(tài)學(xué)膨脹運算；5.415X15均值濾波；5.5最優(yōu)閾值二值化；5.6區(qū)域邊界線提??； 5.7計算圓形度形狀參數(shù)F球狀性S ； 5.8按規(guī)則判定是否是綠色標(biāo)志。上述4.8按規(guī)則判定是否定位成功是指根據(jù)二值化的圖像進行是否存在綠色標(biāo) 志，以及綠色標(biāo)志定位的計算，其步驟如下
第一步圖像的值為255的區(qū)域用3X3的結(jié)構(gòu)元素進行形態(tài)學(xué)的基本閉運算操 作；閉運算為先膨脹后腐蝕的形態(tài)學(xué)運算；第二步采用8鄰域的連通特性，對值為255的像素進行連通體的確定；并獲 得各個連通體的外截矩形；第三步計算各個連通體外截矩形的面積，記錄面積最大的連通體的位置與外 截矩形面積；第四步判定規(guī)則，最大連通體外截矩形面積>綠色標(biāo)志待檢測區(qū)域面積/4， 則判定可能存在綠色標(biāo)志，進入標(biāo)志識別步驟；否則，判定該車輛無綠色標(biāo)志，結(jié)束處理。上述綠色標(biāo)志定位模塊4是指綠色標(biāo)志的定位規(guī)則主要依據(jù)是待檢測區(qū)域的顏 色特征和面積特征；所述的顏色特征是在HSV模型空間中完成判斷。上述綠色標(biāo)志識別模塊5的識別步驟共分兩層，第一層是指根據(jù)提取到的綠色 標(biāo)志的待選區(qū)域進行一定的形態(tài)學(xué)變換，得到比較完整與規(guī)則的待處理區(qū)域；第二層是 指依據(jù)第一層的精細處理結(jié)果，計算該區(qū)域的2項圓形度形狀因子，綜合2項圓形度形狀 因子的結(jié)果，根據(jù)判別規(guī)則，得到最終的識別，并輸出識別結(jié)果。本發(fā)明總體上包括了一種自動、實時捕獲移動車輛并識別車輛頭部特殊標(biāo)志的 運動圖像處理技術(shù)。其具體方案是首先由視頻攝像系統(tǒng)獲取實時視頻圖像，然后通過 實時圖像處理判斷是否有車輛通過，其次根據(jù)運動特征從圖像序列中分割出移動車輛， 接著通過車牌特征信息定位綠色標(biāo)志的可能區(qū)域，最后利用顏色與形狀特征對綠色標(biāo)志 進行識別判定。本發(fā)明在技術(shù)方案上與現(xiàn)有技術(shù)相比，主要創(chuàng)新點與有益效果是1、提出并實現(xiàn)了一種出租車綠色標(biāo)志的檢測與識別方法，綠色標(biāo)志識別率達到 98%,識別正確率達到95%，識別時間小于0.5秒；這項技術(shù)屬于首創(chuàng)，并且可以應(yīng)用 到有類似標(biāo)志的出租車標(biāo)志識別系統(tǒng)。2、利用基于視頻的方式，通過對綠色標(biāo)志的識別，解決了出租車與一般車輛的 分類問題；有效地實現(xiàn)了對出租車的智能化管理。3、本發(fā)明方案已在需要對出租車進行監(jiān)控的路段和地點實施應(yīng)用，并且在對出 租車的監(jiān)督管理中取得了成效，例如深圳網(wǎng)格化布控系統(tǒng)中的交通管理系統(tǒng)。


圖1是實施本發(fā)明所需流程的一個實施例示意圖。圖2是本發(fā)明所述綠色標(biāo)志定位模塊4程序總體流程示意圖。圖3是本發(fā)明所述綠色標(biāo)志識別模塊5程序總體流程示意圖。圖4 圖14是本發(fā)明所述對圖片進行處理及其結(jié)果的實施例(圖片方式)。
具體實施例方式參見附圖給出實施例對本發(fā)明做具體的進一步說明。從圖1可知，本發(fā)明的實現(xiàn)主要由五大功能模塊參與攝像機控制模塊1，運動 檢測車輛抓拍模塊2，車牌定位模塊3，綠色標(biāo)志定位模塊4，綠色標(biāo)志識別模塊5。其 中的第1和第2模塊采用我們已有的專利技術(shù)實現(xiàn)，其技術(shù)參見我們已經(jīng)申請的“基于車 牌亮度對比度的攝像機快門與增益綜合控制技術(shù)”，“基于視頻的高速移動車輛標(biāo)志精 確識別方法”兩項專利。第3車牌定位模塊采用目前已經(jīng)成熟 并廣泛應(yīng)用的基于紋理的 車牌定位技術(shù)。其基本原理是攝像機控制模塊根據(jù)獲得的視頻對攝像機——采集卡進行 連動控制，得到滿足綠色標(biāo)志識別要求的視頻圖像。運動檢測車輛抓拍模塊完成奇偶場 的采集，并且根據(jù)奇偶場圖像進行塊運動計算，得到需要的運動參數(shù)。根據(jù)運動跟蹤算 法檢測車輛運動方向，抓拍一張完整的車頭圖片。車牌定位模塊根據(jù)車牌區(qū)域連續(xù)字符 的紋理變化特征對車牌位置進行檢測。本發(fā)明著重于綠色標(biāo)志定位模塊4，綠色標(biāo)志識別 模塊5的工作。綠色標(biāo)志定位模塊4在圖片上利用車牌位置信息，確定綠色標(biāo)志可能所 在的大體位置。根據(jù)HSI顏色空間的綠色分量信息，通過形態(tài)學(xué)閉運算處理計算綠色區(qū) 域的大小，判定是否有綠色標(biāo)志存在。其判定結(jié)果分為無綠色標(biāo)志與可能存在綠色標(biāo)志 兩種，并輸出可能存在綠色標(biāo)志的準(zhǔn)確位置。綠色標(biāo)志識別模塊5是根據(jù)定位模塊傳送 的位置信息，基于形態(tài)學(xué)技術(shù)處理，利用形狀分析的方法，計算區(qū)域的多個形狀因子， 綜合判定，最終得到是否是綠色標(biāo)志的精確識別結(jié)果。參見圖2圖3可知，綠色標(biāo)志定位模塊4包括如下步驟4.1根據(jù)車牌位置確定檢測區(qū)域；4.2檢測區(qū)域顏色轉(zhuǎn)換；4.3根據(jù)規(guī)則檢測綠色 像素；4.4對綠色非綠色像素進行二值化；4.5對綠色目標(biāo)進行形態(tài)學(xué)閉運算；4.6檢測區(qū) 域內(nèi)綠色連通體；4.7記錄最大連通體面積與位置；4.8按規(guī)則判定是否定位成功。綠色 標(biāo)志的定位主要依賴的條件是其顏色特征和面積特征。在車牌位置的上方，選定綠色標(biāo) 志的待檢測區(qū)域。選擇待檢測區(qū)域的方法如下車牌位置(A，B)(車牌左上角在圖像 4.1中的位置)，車牌的寬度W，車牌的高度H;待檢測區(qū)域的位置為(A-2H，B)(待檢 測區(qū)域左上角在圖像4.1中的位置)，待檢測區(qū)域的寬度W，待檢測區(qū)域的高度2H。如 果A-2H超出圖像范圍，則該圖像不進行綠色標(biāo)志的定位識別。顏色特征是在HSV模型空間中完成判斷。彩色圖像從原始的RGB模型空間轉(zhuǎn) 換到HSV模型空間的轉(zhuǎn)換公式如下。其中R是原始圖像紅色分量，G是原始圖像綠色分 量，B是原始圖像藍色分量；H代表色調(diào)值，S代表飽和度值，V代表亮度值。R，G， B的取值范圍為0-255。
ΓΓΛ
(R-G) + (R-B)D ^
arccos]~ v y v ' = \ B <G
I^R-Gf+(R-E)(G-B)H = I(1)
360-arccos^ v 7 v 7 =^ B>G [I^j(R-G)2 +(R-B)(G-B)
max(i , G, B) - min(i , G, B)ο =--Cz；
max(R,G,B)
V = (R+G+B) /3(3)當(dāng)S為0時，對應(yīng)無色，H沒有意義，此時定義H為0。根據(jù)像素點的HSV值確定該像素點是否為綠色點的具體規(guī)則與步驟如下第一步把像素點的RGB值按公式(1) (2) (3)轉(zhuǎn)換為HSV值；第二步如果40 < V < 160，轉(zhuǎn)步驟3 ；否則轉(zhuǎn)步驟5 ；第三步如果90 < H < 150，轉(zhuǎn)步驟4 ；否則轉(zhuǎn)步驟5 ；第四步判定該像素點為綠色；
第五步判定該像素點非綠色；把綠色標(biāo)志待檢測區(qū)域圖像進行二值化處理，標(biāo)記所有判定為綠色的像素點為 255，標(biāo)記所有判定為非綠色的像素點為0。下面根據(jù)已經(jīng)二值化的圖像進行是否存在綠色標(biāo)志，以及綠色標(biāo)志定位的計 算，具體計算步驟如下。第一步對二值化圖像的值為255的區(qū)域用3X3的結(jié)構(gòu)元素進行形態(tài)學(xué)的基本 閉運算操作。閉運算為先膨脹后腐蝕的形態(tài)學(xué)運算；第二步采用8鄰域的連通特性，對值為255的像素進行連通體的確定，并獲得 各個連通體的外截矩形；第三步計算各個連通體外截矩形的面積，記錄面積最大的連通體的位置與外 截矩形面積；第四步判定規(guī)則，最大連通體外截矩形面積>綠色標(biāo)志待檢測區(qū)域面積/4， 則判定可能存在綠色標(biāo)志，進入標(biāo)志識別步驟；否則，判定該車輛無綠色標(biāo)志，結(jié)束處理。綠色標(biāo)志識別模塊5包括如下步驟5.1水平方向填充區(qū)域空洞；5.2區(qū)域向下 對稱映射；5.3五次形態(tài)學(xué)膨脹運算；5.4 15X15均值濾波；5.5最優(yōu)閾值二值化；5.6區(qū) 域邊界線提??；5.7計算圓形度形狀參數(shù)F球狀性S; 5.8按規(guī)則判定是否是綠色標(biāo)志。綠色標(biāo)志識別模塊5的識別步驟共分兩層，第一層是指根據(jù)提取到的綠色標(biāo)志 的待選區(qū)域進行一定的形態(tài)學(xué)變換，得到比較完整與規(guī)則的待處理區(qū)域；第二層是指依 據(jù)第一層的精細處理結(jié)果，計算該區(qū)域的2項圓形度形狀因子，綜合2項圓形度形狀因子 的結(jié)果，根據(jù)判別規(guī)則，得到最終的識別，并輸出識別結(jié)果。第一層的識別步驟如下第1步填充區(qū)域內(nèi)的空洞，形成完整連通體，在水平方向上，如果像素點 A(i，j) = 255，像素點B(k，j) = 255，那么A、B兩點之間的像素點全賦值為255 ；第2步對區(qū)域向下進行對稱映射，得到擴大的檢測區(qū)域；第3步對擴大的檢測區(qū)域用3X3的結(jié)構(gòu)元素進行形態(tài)學(xué)的膨脹運算；該膨脹 運算連續(xù)進行5次，通過處理后的區(qū)域基本去掉明顯不規(guī)則部分；第4步對膨脹后圖像進行15X 15的均值濾波，模糊區(qū)域邊緣；第5步對均值濾波后的圖像用傳統(tǒng)最優(yōu)閾值算法(大津法)進行二值化，重新 得到待檢測區(qū)域二值化圖像；通過處理后，區(qū)域的邊界基本平滑，便于后續(xù)的形狀因子 的準(zhǔn)確計算。第二層的識別方法與判別規(guī)則如下
選擇的2個圓形度形狀因子為圓形度形狀參數(shù)F、球狀性S。F = Β2/4 π A其中，B為連通區(qū)域的周長，A為連通區(qū)域的面積。連通區(qū)域的周長指整個連 通區(qū)域的邊界線的長度。用4鄰域規(guī)則提取連通區(qū)域的8鄰域邊界線，即若圖像中的一 個像素的4鄰域中有一個點與其不同，則該像素點是邊界，否則就是內(nèi)部像素。邊界線 長度計算時，對于單獨方向的路徑點的長度距離記為1，在對角線上的點的長度距離記為 1.414。連通區(qū)域的面積為該區(qū)域像素點的個數(shù)之和。圓形度形狀參數(shù)F的判斷閾值為 1.25。S = T1Zr2 其中Γι代表連通區(qū)域內(nèi)切圓半徑；r2代表連通區(qū)域外切圓半徑。兩個圓的圓心 都在連通區(qū)域的重心上。前面所得連通區(qū)域邊界線與重心的最近距離為內(nèi)切圓半徑；最 遠距離為外切圓半徑。球狀性參數(shù)S的判斷閾值為0.75。連通區(qū)域的重心C (X，Y)計 算公式如下。X = Σ /A (i為連通區(qū)域像素點橫坐標(biāo))Y = Ej'/A (j為連通區(qū)域像素點縱坐標(biāo))綜合2項圓形度形狀因子得到判決規(guī)則如果FS1.25且S^O.75，那么判定該連 通區(qū)域為綠色標(biāo)志；否則為非綠色標(biāo)志。最后輸出判定結(jié)果。圖4 圖14是以圖片方式對本發(fā)明所述的對圖片進行處理及其結(jié)果的示意圖。 其區(qū)域面積A = 13066，邊界線長度B = 431，區(qū)域重心C = (99，77)，內(nèi)切圓半徑= 60，外切圓半徑=69.6，圓形度形狀參數(shù)F = 1.13，球狀性S = 0.86。圖4 圖14是為了進一步說明本方法給出的實施例，即按上述方法對圖片進行 處理步驟及其效果的實施例，包括待檢區(qū)域的確定、綠色像素點提取結(jié)果、形態(tài)學(xué)閉運 算結(jié)果、最大聯(lián)通體及外截矩形、區(qū)域填充結(jié)果、向下對稱映射結(jié)果、5次形態(tài)學(xué)膨脹運 算果、15*15均值濾波結(jié)果、最優(yōu)閾值二值化結(jié)果、區(qū)域邊界線、區(qū)域重心內(nèi)切圓半徑外 切圓半徑的圖形狀態(tài)。需要說明的是由于本方法是屬于圖像處理技術(shù)領(lǐng)域，因此，處理 過程是按圖像像素進行，處理結(jié)果是均以圖片的方式呈現(xiàn)的。整個工作過程包括通過攝像機控制技術(shù)，得到全天候清晰的視頻圖像，保證綠 色標(biāo)志水平分辨率大于80像素；運用運動檢測技術(shù)對車輛進行準(zhǔn)確抓拍，抓拍率達到 99% ；定位車牌，并分割出需要進行綠色標(biāo)志識別的區(qū)域；利用顏色信息結(jié)合面積大小 定位綠色標(biāo)志；基于形態(tài)學(xué)技術(shù)，對綠色區(qū)域進行處理；利用形狀分析的方法，計算區(qū) 域的2項形狀因4子，綜合判定，對綠色標(biāo)志進行精確識別。識別率達到98%，識別正 確率達到95%，識別時間小于0.5秒。
權(quán)利要求
1.一種出租車綠色標(biāo)志識別方法，包括基于智能型車輛信息采集系統(tǒng)中的攝像機控 制模塊(1)，運動檢測車輛抓拍模塊(2)，車牌定位模塊(3)，綠色標(biāo)志定位模塊(4)，綠 色標(biāo)志識別模塊(5)；其特征在于，所述的綠色標(biāo)志定位模塊(4)包括如下步驟(4.1)根據(jù)車牌位置確定檢測區(qū)域；(4.2)檢測區(qū)域顏色轉(zhuǎn)換；(4.3)根據(jù)規(guī)則檢測 綠色像素；(4.4)對綠色非綠色像素進行二值化；(4.5)對綠色目標(biāo)進行形態(tài)學(xué)閉運算； (4.6)檢測區(qū)域內(nèi)綠色連通體；(4.7)記錄最大連通體面積與位置；(4.8)按規(guī)則判定是否 定位成功；所述的綠色標(biāo)志識別模塊5包括如下步驟(5.1)水平方向填充區(qū)域空洞； (5.2)區(qū)域向下對稱映射；(5.3) 5次形態(tài)學(xué)膨脹運算；(5.4) 15 X 15均值濾波；(5.5)最優(yōu) 閾值二值化；(5.6)區(qū)域邊界線提??；(5.7)計算圓形度形狀參數(shù)F球狀性S; (5.8)按規(guī) 則判定是否是綠色標(biāo)志。
2.根據(jù)權(quán)利要求1所述的一種出租車綠色標(biāo)志識別方法，其特征在于，所述的按規(guī)則 判定是否定位成功(4.8)是指根據(jù)二值化的圖像來進行是否存在綠色標(biāo)志，以及綠色標(biāo)志 定位的計算，其步驟如下第一步圖像的值為255的區(qū)域用3X3的結(jié)構(gòu)元素進行形態(tài)學(xué)的基本閉運算操作； 閉運算為先膨脹后腐蝕的形態(tài)學(xué)運算；第二步采用8鄰域的連通特性，對值為255的像素進行連通體的確定；并獲得各 個連通體的外截矩形；第三步計算各個連通體外截矩形的面積，記錄面積最大的連通體的位置與外截矩 形面積；第四步判定規(guī)則，最大連通體外截矩形面積>綠色標(biāo)志待檢測區(qū)域面積/4，則判 定可能存在綠色標(biāo)志，進入標(biāo)志識別步驟；否則，判定該車輛無綠色標(biāo)志，結(jié)束處理。
3.根據(jù)權(quán)利要求1所述的一種出租車綠色標(biāo)志識別方法，其特征在于，所述的綠色標(biāo) 志定位模塊4是指綠色標(biāo)志的定位規(guī)則是依據(jù)待檢測區(qū)域的顏色特征和面積特征；所述 的顏色特征是在HSV模型空間中完成判斷。
4.根據(jù)權(quán)利要求1所述的一種出租車綠色標(biāo)志識別方法，其特征在于，所述的綠色標(biāo) 志識別模塊5的識別步驟共分兩層，第一層是指根據(jù)提取到的綠色標(biāo)志的待選區(qū)域進行 一定的形態(tài)學(xué)變換，得到比較完整與規(guī)則的待處理區(qū)域；第二層是指依據(jù)第一層的精細 處理結(jié)果，計算該區(qū)域的2項圓形度形狀因子，綜合2項圓形度形狀因子的結(jié)果，根據(jù)判 別規(guī)則，得到最終的識別，并輸出識別結(jié)果。
全文摘要
一種出租車綠色標(biāo)志識別方法，涉及交通管理計算機圖像處理與模式識別技術(shù)領(lǐng)域。包括基于智能型車輛信息采集系統(tǒng)中的攝像機控制模塊，運動檢測車輛抓拍模塊，車牌定位模塊，綠色標(biāo)志定位模塊，綠色標(biāo)志識別模塊；綠色標(biāo)志定位模塊的定位規(guī)則是依據(jù)待檢測區(qū)域的顏色特征和面積特征；顏色特征是在HSV模型空間中完成判斷。綠色標(biāo)志識別模塊的識別步驟共分兩層，第一層是根據(jù)提取到的綠色標(biāo)志的待選區(qū)域進行形態(tài)學(xué)變換，得到比較完整與規(guī)則的待處理區(qū)域；第二層是依據(jù)第一層的精細處理結(jié)果，計算該區(qū)域的2項圓形度形狀因子，綜合2項圓形度形狀因子的結(jié)果，根據(jù)判別規(guī)則，得到最終的識別，并輸出識別結(jié)果。
文檔編號G06K9/00GK102024148SQ20111000306
公開日2011年4月20日 申請日期2011年1月7日 優(yōu)先權(quán)日2011年1月7日
發(fā)明者盧曉春, 周欣, 潘薇 申請人:四川川大智勝軟件股份有限公司