基于靜態(tài)圖片的自動(dòng)套牌車檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于靜態(tài)圖片的自動(dòng)套牌車檢測(cè)方法，包括以下步驟：（1）檢測(cè)車輛品牌：提取靜態(tài)圖片中車輛前部圖片，確定車頭燈、散熱器、品牌和保險(xiǎn)杠區(qū)域；提取車輛圖片的特征，并采用隨機(jī)子空間分類器集成方法合并圖片特征；根據(jù)車頭燈、散熱器、品牌和保險(xiǎn)杠信息確定車輛品牌；（2）車型識(shí)別步驟：提取靜態(tài)圖片中整體車輛特征，確定車輛在靜態(tài)圖片中的位置，應(yīng)用分類矢量量化（CVQ）模型判斷車型；（3）車牌識(shí)別步驟：提取靜態(tài)圖片中車輛車牌，然后對(duì)車輛車牌上的字符進(jìn)行分割，按照基于遺傳算法的選擇性集成方法進(jìn)行字符識(shí)別；根據(jù)識(shí)別的結(jié)果判斷是否為套牌車。三個(gè)方面獲得的數(shù)據(jù)整合并同數(shù)據(jù)庫(kù)中存在的注冊(cè)時(shí)的信息進(jìn)行比對(duì)以此來進(jìn)行套牌車的檢測(cè)。
【專利說明】基于靜態(tài)圖片的自動(dòng)套牌車檢測(cè)方法
【技術(shù)領(lǐng)域】[0001]本發(fā)明屬于智能視頻監(jiān)控領(lǐng)域，具體涉及一種基于靜態(tài)圖片的自動(dòng)套牌車檢測(cè)方法。
【背景技術(shù)】
[0002]近年來，智能交通可以被視為非常熱的研究。目前，基于靜態(tài)圖片的車型分類仍然存在兩大難題，一是如何確定車輛在圖像中的位置。不同于一般的視頻圖像檢索，靜態(tài)圖像中背景無法良好地提取出來。在車型分類中，一種替代方法被提出，這種方法忽略了圖像中的背景因素，直接通過分類器來判斷輸入?yún)^(qū)域是否包含車輛。第二大難題是對(duì)車輛圖片進(jìn)行分類，現(xiàn)有技術(shù)中無法根據(jù)車輛圖片進(jìn)行車輛分類。因此現(xiàn)有技術(shù)中缺乏一種檢測(cè)套牌車的具體方法。本發(fā)明因此而來。

【發(fā)明內(nèi)容】

[0003]本發(fā)明目的在于提供一種基于靜態(tài)圖片的自動(dòng)套牌車檢測(cè)方法，解決了現(xiàn)有技術(shù)中缺乏檢測(cè)套牌車的具體方法，以及車輛無法分類、車牌無法識(shí)別等問題。
[0004]為了解決現(xiàn)有技術(shù)中的這些問題，本發(fā)明提供的技術(shù)方案是:
[0005]一種基于靜態(tài)圖片的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法包括以下步驟:
[0006](I)檢測(cè)車輛品牌:提取靜態(tài)圖片中車輛前部圖片，確定車頭燈、散熱器、品牌和保險(xiǎn)杠區(qū)域；提取車輛圖片的特征，并采用隨機(jī)子空間分類器集成方法合并圖片特征；根據(jù)車頭燈、散熱器、品牌和保險(xiǎn)杠信息確定車輛品牌；
[0007](2)車型識(shí)別步驟:提取靜態(tài)圖片中整體車輛特征，確定車輛在靜態(tài)圖片中的位置，應(yīng)用分類矢量量化(CVQ)模型判斷車型；
[0008](3)車牌識(shí)別步驟:提取靜態(tài)圖片中車輛車牌，然后對(duì)車輛車牌上的字符進(jìn)行分害I]，按照基于遺傳算法的選擇性集成方法進(jìn)行字符識(shí)別；根據(jù)識(shí)別的結(jié)果判斷是否為套牌車。
[0009]優(yōu)選的，所述方法步驟(1)中提取靜態(tài)圖片中車輛前部圖片是先通過在二值圖像中用長(zhǎng)矩形集群方法，通過找到一個(gè)近似矩形區(qū)域來確定車牌的位置，然后按照預(yù)先設(shè)定的長(zhǎng)度和寬度的閥值擴(kuò)展車牌區(qū)域分割取得車頭燈，散熱器，車牌和保險(xiǎn)杠區(qū)域。
[0010]優(yōu)選的，所述方法步驟(1)中提取車輛圖片的特征是采用基于有向梯度多層直方圖(PHOG)或基于曲波變換的方法獲得的。
[0011]優(yōu)選的，所述方法步驟(1)中隨機(jī)子空間分類器集成方法為:
[0012]假設(shè)一個(gè)訓(xùn)練集X=I X2，…XJ，每個(gè)訓(xùn)練樣本Xi由一個(gè)p維向量來描述，Xi=Ixil, xi2,...，xip} (1=1,...，n),從原始的p維特征向量中隨機(jī)選擇pkp個(gè)特征，取得一
個(gè)新的P*維特征向量，使得該原始訓(xùn)練樣本集X被修改成
【權(quán)利要求】
1.一種基于靜態(tài)圖片的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法包括以下步驟: (1)檢測(cè)車輛品牌:提取靜態(tài)圖片中車輛前部圖片，確定車頭燈、散熱器、品牌和保險(xiǎn)杠區(qū)域；提取車輛圖片的特征，并采用隨機(jī)子空間分類器集成方法合并圖片特征；根據(jù)車頭燈、散熱器、品牌和保險(xiǎn)杠信息確定車輛品牌； (2)車型識(shí)別步驟:提取靜態(tài)圖片中整體車輛特征，確定車輛在靜態(tài)圖片中的位置，應(yīng)用分類矢量量化(CVQ)模型判斷車型； (3)車牌識(shí)別步驟:提取靜態(tài)圖片中車輛車牌，然后對(duì)車輛車牌上的字符進(jìn)行分割，按照基于遺傳算法的選擇性集成方法進(jìn)行字符識(shí)別；根據(jù)識(shí)別的結(jié)果判斷是否為套牌車。
2.根據(jù)權(quán)利要求1所述的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法步驟(1)中提取靜態(tài)圖片中車輛前部圖片是先通過在二值圖像中用長(zhǎng)矩形集群方法，通過找到一個(gè)近似矩形區(qū)域來確定車牌的位置，然后按照預(yù)先設(shè)定的長(zhǎng)度和寬度的閥值擴(kuò)展車牌區(qū)域分割取得車頭燈，散熱器，車牌和保險(xiǎn)杠區(qū)域。
3.根據(jù)權(quán)利要求1所述的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法步驟(1)中提取車輛圖片的特征是采用基于有向梯度多層直方圖(PHOG)或基于曲波變換的方法獲得的。
4.根據(jù)權(quán)利要求1所述的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法步驟(1)中隨機(jī)子空間分類器集成方法為: 假設(shè)一個(gè)訓(xùn)練集X= (X1, X2,…XJ，每個(gè)訓(xùn)練樣本Xi由一個(gè)p維向量來描述，Xi=Ixil, xi2,...，xip} (1=1,...，n),從原始的p維特征向量中隨機(jī)選擇pkp個(gè)特征，取得一個(gè)新的P*維特征向量，使得該原始訓(xùn)練樣本集X被修改成= {d2J^}，X中每個(gè)訓(xùn)練樣本通過一個(gè)P*特征向量來描述，Xrl = (X^1, X1il,}(i =其中每個(gè)特征分m.AjU = I<p勺:是根據(jù)均勻分布隨機(jī)選取的；然后在隨機(jī)子空間f中構(gòu)建R個(gè)分類器，并且通過最終多數(shù)表決規(guī)則來聚合這些分類器。
5.根據(jù)權(quán)利要求1所述的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法步驟(2)中提取靜態(tài)圖片中整體車輛特征是通過提取Haar特征來獲得的，并將圖像像素灰度值轉(zhuǎn)化為多維數(shù)據(jù)。
6.根據(jù)權(quán)利要求1所述的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法步驟(2)中應(yīng)用分類矢量量化模型判斷車型是在分類前進(jìn)行訓(xùn)練圖片事先被分為小轎車，卡車，公交車，面包車4類，且每類的樣本都將進(jìn)行一次聚類處理；在訓(xùn)練樣本聚類完成后，所得的4類車型的碼本用于進(jìn)行車型的分類，按照如下步驟進(jìn)行分類處理: I)根據(jù)訓(xùn)練階段生成的4類碼本，輸入圖片將會(huì)嘗試復(fù)原圖像:
7.根據(jù)權(quán)利要求1所述的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法步驟(3)中車輛車牌提取后采用主成分分析(Principal Component Analysis)的方法判斷車牌是否傾斜以及傾斜的程度；然后通過向水平方向的映射進(jìn)行各個(gè)字符的分割。
8.根據(jù)權(quán)利要求1所述的自動(dòng)套牌車檢測(cè)方法，其特征在于所述方法步驟(3)中主成分分析(Principal Component Analysis)的方法的具體步驟是: 1)獲取數(shù)據(jù)集，即二值化圖像中各個(gè)白色像素點(diǎn)的坐標(biāo)軸位置； 2)計(jì)算此數(shù)據(jù)集的協(xié)方差矩陣:
【文檔編號(hào)】G06K9/54GK103679191SQ201310397152
【公開日】2014年3月26日 申請(qǐng)日期:2013年9月4日 優(yōu)先權(quán)日:2013年9月4日
【發(fā)明者】張百靈, 周逸凡, 管文杰 申請(qǐng)人:西交利物浦大學(xué)