一種基于嵌入式系統(tǒng)的實時出租車識別方法
【專利摘要】本發(fā)明公開了一種基于嵌入式系統(tǒng)的實時出租車識別方法，該方法包括以下步驟：在視頻圖像中設定若干檢測區(qū)域；將檢測區(qū)域映射為矩陣圖像；判斷檢測區(qū)域中是否存在車牌，若是進入下一步驟，若否，對其它檢測區(qū)域進行判斷；得到存在車牌的檢測區(qū)域中的車頂區(qū)域，并提取其特征向量；提取車身顏色分布特征向量；擬合得到關于出租車特征向量的回歸方程；根據所述回歸方程，以及車頂區(qū)域特征向量和車身顏色特征向量組合構成的復合特征向量，來對于出租車進行識別。本發(fā)明時空間花銷小，故能滿足嵌入式系統(tǒng)對于出租車的實時識別要求。
【專利說明】一種基于嵌入式系統(tǒng)的實時出租車識別方法
【技術領域】
[0001]本發(fā)明涉及基于嵌入式物聯(lián)網視頻智能監(jiān)控和車輛類型識別領域，尤其涉及一種基于嵌入式系統(tǒng)的實時出租車識別方法。
【背景技術】
[0002]隨著嵌入式系統(tǒng)軟硬件功能水平的不斷提高，嵌入式系統(tǒng)漸漸進入到現(xiàn)實生活中的方方面面，最常見的莫過于平常所見的各種大大小小攝像機組成的視頻監(jiān)控系統(tǒng)，視頻監(jiān)控系統(tǒng)通過多年來不斷的發(fā)展，被廣泛地應用于各種領域、各種環(huán)境、場景下的監(jiān)控管理任務。而隨著計算機視覺和人工智能、模式識別技術理論發(fā)展和實踐探索，視頻監(jiān)控系統(tǒng)現(xiàn)在正朝智能化這個方向去發(fā)展。
[0003]智能交通系統(tǒng)是視頻智能監(jiān)控系統(tǒng)在交通領域一個重要的應用。在智能交通系統(tǒng)中，有一個核心功能是對過往車輛進行準確的檢測、車輛類型的識別?？v觀目前國內外車型識別的研究和應用，主要都是根據車體的三維尺寸來把車輛劃分為:大中小這樣的類別，這種簡單的分類往往難以滿足某些監(jiān)控場景的需求。
[0004]據資料顯示，在占道路車流機動車中，出租車在其中往往占據比較大的比例。由此可見，合理的出租車管理與調配具有十分重要的現(xiàn)實意義。而要實現(xiàn)這個目的，首要條件是能自動識別路面上的出租車。
[0005]目前可查閱到的出租車識別算法主要是通過提取HAAR-LIKE矩形特征、灰度方向直方圖(HOG)特征等等，再結合SVM分類器實現(xiàn)的。這類方法的缺點主要就是時空間花銷比較大，只能放在一些配置較高的PC端上運行以實現(xiàn)實時檢測，在嵌入式系統(tǒng)上是無法做到實時檢測的，同時目前市場上還沒有發(fā)現(xiàn)能在嵌入式系統(tǒng)中實現(xiàn)的出租車識別方法。
【發(fā)明內容】
[0006]本發(fā)明的目的是針對目前現(xiàn)有出租車識別方法的不足與缺陷，提出一種基于嵌入式系統(tǒng)的實時出租車識別方法，經過多次嚴格實驗數(shù)據證明，該出租車識別方法具有較高的實時性、準確性，以及魯棒性。
[0007]為了實現(xiàn)本發(fā)明的目的，本發(fā)明所提出的一種實時出租車識別方法包括以下步驟:
[0008]步驟1，在視頻圖像中設定若干虛擬線圈，即檢測區(qū)域；
[0009]步驟2，將所述檢測區(qū)域經過透視變換映射為矩陣圖像；
[0010]步驟3，判斷變換后的檢測區(qū)域中是否存在車牌，若是，則反映所述檢測區(qū)域中存在車輛，進入步驟4，若否，則反映所述檢測區(qū)域中不存在車輛，繼續(xù)對其它檢測區(qū)域進行判斷；
[0011]步驟4，根據車牌與車頂之間的相互位置關系，得到存在車牌的檢測區(qū)域中的車頂區(qū)域，并提取所述車頂區(qū)域的特征向量；
[0012]步驟5，基于所述車頂區(qū)域，勾畫出整個車身區(qū)域，然后基于RGB色彩空間，通過直方圖分析顏色，提取得到車身顏色分布特征向量；
[0013]步驟6，通過人工標識汽車圖像樣本是否為出租車，計算得到出租車特征向量，進一步得到所述出租車特征向量與是否為出租車的相關性，擬合出關于出租車特征向量的回歸方程，得到該回歸方程的系數(shù)向量；
[0014]步驟7，根據所述回歸方程的系數(shù)向量，以及車頂區(qū)域特征向量和車身顏色特征向量組合構成的復合特征向量，來判斷該車輛是否為出租車，最終實現(xiàn)對于出租車的識別。
[0015]本發(fā)明基于嵌入式系統(tǒng)的實時出租車識別方法與現(xiàn)有技術中的其他出租車識別方法相比具有以下有益效果:
[0016](I)基于計算機視覺的視頻分析，以實現(xiàn)出租車的識別。
[0017](2)在嵌入式前端實現(xiàn)出租車的識別，大幅降低PC服務器的負荷。
[0018](3)特征提取、特征向量判斷方法較為簡單，時空間花銷都比較小，能夠滿足實時識別的需求。
[0019](4)基于嵌入式系統(tǒng)實現(xiàn)，易于擴展整合其他模塊形成大型管理系統(tǒng)，實現(xiàn)出租車資源管理的云計算化。
[0020]( 5)無需事先建立正負樣本庫。
【專利附圖】
【附圖說明】
[0021]圖1是本發(fā)明基于嵌入式系統(tǒng)的實時出租車識別方法的流程圖；
[0022]圖2是根據本發(fā)明一實施例的檢測區(qū)域定義示意圖；
[0023]圖3是檢測區(qū)域經透視變換后的效果示意圖；
[0024]圖4是車牌定位效果示意圖；
[0025]圖5是車頂燈定位的效果示意圖；
[0026]圖6是車體定位效果示意圖。
【具體實施方式】
[0027]為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，以下結合具體實施例，并參照附圖，對本發(fā)明進一步詳細說明。
[0028]本發(fā)明著重從出租車與普通機動車的外觀差異特征來實現(xiàn)出租車的識別，主要體現(xiàn)在出租車都是小型轎車，車頂處有一個標識燈，車身存在兩種或兩種以上的顏色。
[0029]雖然同樣是出租車，但不同地區(qū)或不同公司所屬的出租車之間的外觀差異也是不小的，比如說廣州的出租車車身就有好幾種顏色，有青色、紅色、黃色等等，而對于車頂燈的形狀更是千奇百怪，有長方形、三角形、正方形等，這樣就給出租車的識別增加了難度。
[0030]圖1是本發(fā)明基于嵌入式系統(tǒng)的實時出租車識別方法的流程圖，如圖1所示，所述出租車識別方法包括以下步驟:
[0031]步驟1，在視頻圖像中設定若干虛擬線圈，即檢測區(qū)域；
[0032]所述步驟I進一步包括以下步驟:
[0033]步驟1.1，在所述視頻圖像的若干車道中，設定多個檢測區(qū)域，并記錄下每個檢測區(qū)域各個頂點的坐標位置；
[0034]在設定檢測區(qū)域時，首先選定能連接成四邊形的任意四個點，這四個點連接形成的四邊形就構成了虛擬線圈，即檢測區(qū)域，如圖2所示。值得注意的是，檢測區(qū)域的設置不宜過大，剛好能框住完整的一輛小型轎車就可以了，這樣做的目的主要在于減少檢索范圍以及減少不必要的干擾，以減小識別時間便于實現(xiàn)實時識別。
[0035]步驟1.2，記錄多個檢測區(qū)域中車牌的寬度值int plateWidth，并對不同檢測區(qū)域中車牌區(qū)域的大小進行歸一化，該步驟主要是為了后續(xù)能夠快速的進行車牌定位。
[0036]步驟2，將所述檢測區(qū)域經過透視變換映射為矩陣圖像；
[0037]由于攝像機架設角度的問題，檢測區(qū)域通常都不是矩形的，而計算機圖像算法操作通常都是基于矩形，為了簡化后面的操作，首先必須將檢測區(qū)域透視變換成矩形形狀，所述步驟2進一步包括以下步驟:
[0038]步驟2.1，將所述檢測區(qū)域的四個頂點定義為變換源點，指定所述視頻圖像內的任意四個點分別對應于四個變換源點，并將這四個點定義為變換目標點，按照以下公式計算出大小為3X3的透視變換矩陣:
【權利要求】
1.一種實時出租車識別方法，其特征在于，該方法包括以下步驟: 步驟1，在視頻圖像中設定若干虛擬線圈，即檢測區(qū)域； 步驟2，將所述檢測區(qū)域經過透視變換映射為矩陣圖像； 步驟3，判斷變換后的檢測區(qū)域中是否存在車牌，若是，則反映所述檢測區(qū)域中存在車輛，進入步驟4，若否，則反映所述檢測區(qū)域中不存在車輛，繼續(xù)對其它檢測區(qū)域進行判斷；步驟4，根據車牌與車頂之間的相互位置關系，得到存在車牌的檢測區(qū)域中的車頂區(qū)域，并提取所述車頂區(qū)域的特征向量； 步驟5，基于所述車頂區(qū)域，勾畫出整個車身區(qū)域，然后基于RGB色彩空間，通過直方圖分析顏色，提取得到車身顏色分布特征向量； 步驟6，通過人工標識汽車圖像樣本是否為出租車，計算得到出租車特征向量，進一步得到所述出租車特征向量與是否為出租車的相關性，擬合出關于出租車特征向量的回歸方程，得到該回歸方程的系數(shù)向量； 步驟7，根據所述回歸方程的系數(shù)向量，以及車頂區(qū)域特征向量和車身顏色特征向量組合構成的復合特征向量，來判斷該車輛是否為出租車，最終實現(xiàn)對于出租車的識別。
2.根據權利要求1所述的方法，其特征在于，所述步驟I進一步包括以下步驟: 步驟1.1，在所述視頻圖像的若干車道中，設定多個檢測區(qū)域，并記錄下每個檢測區(qū)域各個頂點的坐標位置； 步驟1.2，記錄多個檢測區(qū)域中車牌的寬度值，并對不同檢測區(qū)域中車牌區(qū)域的大小進行歸一化。
3.根據權利要求2所述的方法，其特征在于，在設定檢測區(qū)域時，首先選定能連接成四邊形的任意四個點，這四個點連接形成的四邊形就構成了虛擬線圈，即檢測區(qū)域。
4.根據權利要求1所述的方法，其特征在于，所述步驟2進一步包括以下步驟: 步驟2.1，將所述檢測區(qū)域的四個頂點定義為變換源點，指定所述視頻圖像內的任意四個點分別對應于四個變換源點，并將這四個點定義為變換目標點，計算得到透視變換矩陣； 步驟2.2，根據所述透視變換矩陣計算得到所述檢測區(qū)域經過透視變換后的矩陣圖像dst(X，y)。
5.根據權利要求4所述的方法，其特征在于，所述透視變換矩陣是根據下式得到的: f 、
[virCualCoU[1-\.x~\
inputVector = virtualCoil[i].y , i = 0,1,2,3<LlJ
C[i] ^ d.stRect[i].x
outputVector = t[i] * dstRect[i].y } i[i] = 2,i = 0,1,2,3 ? t[i] ' J
、 outputVector = matrixMapping x inputVector > 其中，inputVector表示源向量，virtualCoil [i]表示第i個變換源點，virtualCoil [i].x 和 virtualCoil [i].y 表不該變換源點的橫縱坐標，outputVector表示目標向量，t[i]表示形變參數(shù)，dstRect[i]表示第i個目標點，dstRect[i].x和dstRect[i].y表示該目標點的橫縱坐標,matrixMapping表示透視變換矩陣，i表示點集內標號。
6.根據權利要求4所述的方法，其特征在于，所述矩陣圖像dst(dx，dy)根據下式計算得到:
7.根據權利要求1所述的方法，其特征在于，所述步驟3中存在車牌的檢測區(qū)域的判斷進一步包括以下幾個步驟: 步驟3.1，對于所述檢測區(qū)域進行灰度化處理得到灰度圖像，然后將所述灰度圖像進行均衡化處理，然后基于均衡化處理后的圖像使用Sobel算子得到X方向邊緣圖像，最后在所述邊緣圖像中搜索滿足以下條件的子圖像subimg，得到子圖像集合:
8.根據權利要求1所述的方法，其特征在于，所述步驟4進一步包括以下步驟: 步驟4.1，根據車牌與車頂之間的相互位置關系，計算得到車頂區(qū)域； 步驟4.2，對所述車頂圖像進行中值濾波，使用Sobel算子得到Y方向上的邊緣圖像，然后對所述邊緣圖像進行二值化，最后統(tǒng)計二值化圖像中的非零元的個數(shù)，作為所述車頂區(qū)域的邊緣紋理特征向量； 步驟4.3，檢測所述二值化圖像中的輪廓，統(tǒng)計輪廓點的個數(shù)，作為所述車頂區(qū)域的輪廓細節(jié)密度特征向量； 步驟4.4，所述邊緣特征與輪廓特征共同組成了所述車頂區(qū)域的特征向量。
9.根據權利要求1所述的方法，其特征在于，所述步驟5中，根據下式提取得到車身顏色分布特征向量:
10.根據權利要求1所述的方法，其特征在于，所述步驟7中，根據下式對于出租車進行識別:
【文檔編號】G06K9/62GK103646241SQ201310746005
【公開日】2014年3月19日 申請日期:2013年12月30日 優(yōu)先權日:2013年12月30日
【發(fā)明者】王飛躍, 胡斌, 熊剛, 周維斯, 李逸岳, 田秋常 申請人:中國科學院自動化研究所, 東莞中國科學院云計算產業(yè)技術創(chuàng)新與育成中心