一種公路視頻巡檢的里程標(biāo)識牌自動識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及目標(biāo)自動檢測和識別技術(shù)，具體涉及一種公路視頻巡檢的里程標(biāo)識牌自動識別方法。
【背景技術(shù)】
[0002]近幾年來，我國公路交通運(yùn)輸網(wǎng)絡(luò)的規(guī)模和能力迅速擴(kuò)大，結(jié)構(gòu)不斷優(yōu)化，服務(wù)水平不斷提升，已經(jīng)建立了較為完善的公路運(yùn)輸系統(tǒng)；到2012年年底我國公路總里程達(dá)424萬公里，高速公路通車?yán)锍桃堰_(dá)9.6萬公里；高速公路覆蓋了全國90%以上的中等城市，普通干線公路基本實(shí)現(xiàn)了對縣級及以上行政區(qū)的連接和覆蓋，農(nóng)村公路通達(dá)幾乎所有的鄉(xiāng)鎮(zhèn)和建制村；我國公路總里程、公路客貨運(yùn)量和周轉(zhuǎn)量等多項(xiàng)指標(biāo)均居世界第一；回顧我國公路發(fā)展歷程，對比世界公路發(fā)展趨勢，可以認(rèn)為，我國公路交通正處于擴(kuò)大規(guī)模、提高質(zhì)量的快速發(fā)展時期；盡管如此，但由于我國公路建設(shè)基礎(chǔ)十分薄弱，總體上還不能適應(yīng)國民經(jīng)濟(jì)和社會發(fā)展的需要，與發(fā)達(dá)國家的先進(jìn)水平相比還有較大差距；從公路技術(shù)等級看，技術(shù)等級構(gòu)成仍不理想；從行政區(qū)劃分布看，由于經(jīng)濟(jì)發(fā)展和人口分布的不平衡，公路發(fā)展在各地區(qū)之間存在著較大差距；因此，為逐步實(shí)現(xiàn)我國交通運(yùn)輸現(xiàn)代化的總體戰(zhàn)略目標(biāo)，按照道路的使用功能和交通需求，重點(diǎn)提高公路技術(shù)等級，大力扶持基礎(chǔ)設(shè)施建設(shè)，將是本世紀(jì)末以至下世紀(jì)初我國公路交通發(fā)展的戰(zhàn)略重點(diǎn)；在此發(fā)展形勢下，對道路養(yǎng)護(hù)和管理提出了更高要求。
[0003]基于視頻技術(shù)的公路巡檢是公路養(yǎng)護(hù)狀態(tài)評估的關(guān)鍵技術(shù)；隨著車輛速度的提升和重載車輛的廣泛使用，高等級公路路基易受高頻激擾發(fā)生共振，引起振動加劇和老化加快，將影響公路運(yùn)行品質(zhì)和增加養(yǎng)護(hù)成本，并且會加速路面瀝青的結(jié)構(gòu)疲勞損傷程度；若破損的公路路面不及時發(fā)現(xiàn)并得以修補(bǔ)，將會在車輛行進(jìn)作用下加速破損程度，影響道路舒適性甚至危及行車安全；里程標(biāo)識牌反應(yīng)了巡檢視頻所代表的公路路段，是公路視頻巡檢自動化處理的關(guān)鍵內(nèi)容；通常公路路面容易受環(huán)境因素影響出現(xiàn)裂紋和破損，為保證其正常工作，在視頻巡檢過程中除了對裂紋進(jìn)行檢測提取以外，需要對里程標(biāo)識牌進(jìn)行內(nèi)容識別，從而對檢測出的安全隱患及時進(jìn)行修復(fù)。
[0004]里程標(biāo)識牌是公路路段的關(guān)鍵識別標(biāo)志，當(dāng)記錄故障信息時需要通過里程標(biāo)識牌來標(biāo)記；目前里程標(biāo)識牌識別的主流方式仍然是肉眼識別，其容易受到地理因素和環(huán)境因素的影響，誤差大，效率低。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種基于公路視頻巡檢的智能化里程標(biāo)識牌檢測和自動識別方法。
[0006]本發(fā)明采用的技術(shù)方案是:一種公路視頻巡檢的里程標(biāo)識牌自動識別方法，其特征在于包括以下步驟:
獲取視頻數(shù)據(jù)，將視頻數(shù)據(jù)轉(zhuǎn)換成幀圖像；
用矩形框選取里程標(biāo)識牌將幀圖像分為正負(fù)樣本區(qū)域，進(jìn)行正負(fù)樣本的校正； 提取校正之后的正負(fù)樣本的梯度直方圖特征算子，將特征向量訓(xùn)練出分類模型；設(shè)置一個與待測幀圖像大小相同的全零矩陣為概率密度矩陣；采用移動窗口技術(shù)，利用特征向量的分類模型，判斷窗口內(nèi)的待檢測樣本，形成規(guī)范化的概率密度矩陣；將概率密度矩陣與待測幀圖像疊加，輸出概率密度矩陣的灰度圖像；
計(jì)算待測幀圖像進(jìn)行全局二值化閾值；將輸出的概率密度矩陣灰度圖像進(jìn)行全局二值化，尋找最大連通域；在待測幀圖像中截取相對應(yīng)的最大連通域區(qū)域ROI ;將里程標(biāo)識牌分害J，提取里程標(biāo)識牌的字符區(qū)域；
利用小波包紋理特征結(jié)合向量機(jī)分類器進(jìn)行里程標(biāo)識牌字符識別。
[0007]進(jìn)一步的，所述正負(fù)樣本校正過程如下:
在正負(fù)樣本區(qū)域隨機(jī)生成多個特定大小的正負(fù)樣本；
對正負(fù)樣本進(jìn)行Gamma顏色標(biāo)準(zhǔn)化處理；
所述正樣本區(qū)域?yàn)閹瑘D像中包含里程標(biāo)識牌的區(qū)域；
所述負(fù)樣本區(qū)域?yàn)閹瑘D像中不包含里程標(biāo)識牌的區(qū)域。
[0008]進(jìn)一步的，所述里程標(biāo)識牌字符區(qū)域提取方法如下:
將提取出的R0I區(qū)域進(jìn)行局部自適應(yīng)二值化，利用里程標(biāo)識牌邊框與里程標(biāo)識牌背景色明顯的顏色差別，提取出里程牌矩形邊框的四個頂點(diǎn)坐標(biāo)；
利用里程牌矩形邊框的四個頂點(diǎn)坐標(biāo)計(jì)算里程標(biāo)識牌的傾斜角度，并將圖像逆向旋轉(zhuǎn)計(jì)算得到的角度值，使圖像水平；
再次提取里程標(biāo)識牌邊框，并沿著里程標(biāo)識牌切割，提取出里程標(biāo)識牌的字符區(qū)域。
[0009]進(jìn)一步的，所述全局二值化采用的計(jì)算方法為大津算法。
[0010]進(jìn)一步的，所述窗口內(nèi)的待檢測樣本的判斷方法如下:
若窗口內(nèi)的待檢測樣本為正樣本，則概率密度矩陣相應(yīng)位置的元素值加1 ;
若窗口內(nèi)的待檢測樣本為負(fù)樣本，則概率密度矩陣相應(yīng)位置的元素值不變。
[0011]進(jìn)一步的，所述公路里程標(biāo)識牌的字符識別過程如下:
將提取出的里程標(biāo)識牌字符區(qū)域進(jìn)行四等分割；
提取待檢測字符的小波包特征，并訓(xùn)練出10類分類器；
通過分類器進(jìn)行里程標(biāo)識牌字符識別。
[0012]進(jìn)一步的，概率密度矩陣規(guī)范化的元素值范圍為[0，255)。
[0013]本發(fā)明的有益效果是:
(1)本發(fā)明利用現(xiàn)有的檢測公路路面缺陷的視頻監(jiān)視硬件設(shè)備，不需要安裝新的設(shè)備，在視頻信號采集的基礎(chǔ)上對里程標(biāo)識牌進(jìn)行智能化的識別，為記錄公路路面缺陷提供關(guān)鍵標(biāo)記信息，并且提高了識別的效率；
(2)本發(fā)明進(jìn)行正負(fù)樣本的提取，提高了里程標(biāo)識牌檢測的準(zhǔn)確度；
(3)本發(fā)明考慮里程標(biāo)識牌的復(fù)雜背景，結(jié)合里程標(biāo)識牌明顯的邊框，采用結(jié)合邊緣梯度信息的機(jī)器學(xué)習(xí)復(fù)合方法，檢測準(zhǔn)確度高；
(4)采用本發(fā)明方法的識別系統(tǒng)，不受地理因素和環(huán)境因素的影響。
【附圖說明】
[0014]圖1為里程標(biāo)識牌自動識別方法流程圖。
【具體實(shí)施方式】
[0015]下面結(jié)合附圖和具體實(shí)施例對本發(fā)明做進(jìn)一步說明。
[0016]如圖1所示，一種公路視頻巡檢的里程標(biāo)識牌自動識別方法，包括以下步驟: 獲取視頻數(shù)據(jù)，將視頻數(shù)據(jù)轉(zhuǎn)換成幀圖像；
用矩形框選取里程標(biāo)識牌將幀圖像分為正負(fù)樣本區(qū)域，進(jìn)行正負(fù)樣本的校正；
提取校正之后的正負(fù)樣本的梯度直方圖特征算子，將特征向量訓(xùn)練出分類模型；設(shè)置一個與待測幀圖像大小相同的全零矩陣為概率密度矩陣；采用移動窗口技術(shù)，利用特征向量的分類模型，判斷窗口內(nèi)的待檢測樣本，形成規(guī)范化的概率密度矩陣；將概率密度矩陣與待測幀圖像疊加，輸出概率密度矩陣的灰度圖像；
計(jì)算待測幀圖像進(jìn)行全局二值化閾值；將輸出的概率密度矩陣灰度圖像進(jìn)行全局二值化，尋找最大連通域；在待測幀圖像中截取相對應(yīng)的最大連通域區(qū)域R0I ;將里程標(biāo)識牌分害J，提取里程標(biāo)識牌的字符區(qū)域；
利用小波包紋理特征結(jié)合向量機(jī)分類器進(jìn)行里程標(biāo)識牌字符識別。
[0017]通常，目標(biāo)定位需要提取的特征有:圖像紋理特征、圖像邊緣特征、圖像數(shù)學(xué)形態(tài)特征、多分辨性特征；考慮里程標(biāo)識牌視頻數(shù)據(jù)中有著復(fù)雜的背景，結(jié)合里程標(biāo)識牌牌明顯的邊框，本發(fā)明對于里程標(biāo)識牌識別采用的是結(jié)合邊緣梯度信息的機(jī)器學(xué)習(xí)復(fù)合方法，采集分析結(jié)果更加準(zhǔn)確。
[0018]進(jìn)一步的，正負(fù)樣本校正過程如下:
在正負(fù)樣本區(qū)域隨機(jī)生成多個特定大小的正負(fù)樣本；
對正負(fù)樣本進(jìn)行Gamma顏色標(biāo)準(zhǔn)化處理；
所述正樣本區(qū)域?yàn)閹瑘D像中包含里程標(biāo)識牌的區(qū)域；
所述負(fù)樣本區(qū)域?yàn)閹瑘D像中不包含里程標(biāo)識牌的區(qū)域。
[0019]通過正負(fù)樣本的提取，提高了里程標(biāo)識牌檢測的準(zhǔn)確度。
[0020]進(jìn)一