一種基于局部區(qū)域特征的車(chē)型識(shí)別方法和裝置的制造方法
【專(zhuān)利說(shuō)明】一種基于局部區(qū)域特征的車(chē)型識(shí)別方法和裝置 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車(chē)型識(shí)別技術(shù)領(lǐng)域，特別是涉及一種基于局部區(qū)域特征的車(chē)型識(shí)別方 法和裝置。 【【背景技術(shù)】】
[0002] 隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，汽車(chē)數(shù)量正在持續(xù)快速增加，而道路設(shè)施與汽車(chē)數(shù)量 高速增長(zhǎng)的矛盾顯現(xiàn)，交通擁擠嚴(yán)重影響人們的出行，多發(fā)的交通事故進(jìn)一步加劇交通擁 擠。如何在這樣的背景下識(shí)別出車(chē)輛的類(lèi)型、車(chē)輛的特征模型及特征獲取是解決問(wèn)題的關(guān) 鍵。
[0003] 車(chē)型識(shí)別方法是對(duì)現(xiàn)有的車(chē)牌自動(dòng)識(shí)別系統(tǒng)的一次較大擴(kuò)展。針對(duì)不同的應(yīng)用， 研宄人員也釆用了不同的研宄方法。在現(xiàn)階段，車(chē)型識(shí)別的研宄主要應(yīng)用在兩個(gè)方面：車(chē) 輛結(jié)構(gòu)（大型車(chē)，小型車(chē)）和車(chē)輛型號(hào)上（不同品牌型號(hào)）。在目前的車(chē)輛類(lèi)型判別中，通 過(guò)小波分析、模糊理論、神經(jīng)網(wǎng)絡(luò)等技術(shù)，主要集中在車(chē)輛結(jié)構(gòu)上進(jìn)行車(chē)型識(shí)別，如客車(chē)、貨 車(chē)，轎車(chē)車(chē)型分類(lèi)，沒(méi)有對(duì)車(chē)型進(jìn)行具體的分類(lèi)識(shí)別。 【
【發(fā)明內(nèi)容】
】
[0004] 本發(fā)明要解決的技術(shù)問(wèn)題是目前的車(chē)輛類(lèi)型判別中，通過(guò)小波分析、模糊理論、神 經(jīng)網(wǎng)絡(luò)等技術(shù)，主要集中在車(chē)輛結(jié)構(gòu)上進(jìn)行車(chē)型識(shí)別，如客車(chē)、貨車(chē)，轎車(chē)車(chē)型分類(lèi)，沒(méi)有一 種對(duì)車(chē)型進(jìn)行具體的分類(lèi)識(shí)別的方法。
[0005] 本發(fā)明一方面，提出了一種基于局部區(qū)域特征的車(chē)型識(shí)別方法，包括：
[0006] 調(diào)取視頻監(jiān)控設(shè)備記錄的一幀圖片數(shù)據(jù)；截取所述圖片中的目標(biāo)區(qū)域，匹配出該 目標(biāo)區(qū)域所對(duì)應(yīng)的特征庫(kù)，所述目標(biāo)區(qū)域包括車(chē)頭區(qū)域、車(chē)尾區(qū)域和/或車(chē)身區(qū)域；調(diào)用匹 配出的特征庫(kù)，并基于所述目標(biāo)區(qū)域的特征檢測(cè)，識(shí)別所述目標(biāo)區(qū)域所對(duì)應(yīng)的車(chē)型。
[0007] 優(yōu)選的，所述匹配出該目標(biāo)區(qū)域所對(duì)應(yīng)的特征庫(kù)，具體包括：
[0008] 根據(jù)車(chē)輛中駕駛員和/或車(chē)輪的輪廓特性，識(shí)別該目標(biāo)區(qū)域式屬于車(chē)頭區(qū)域、車(chē) 尾區(qū)域或車(chē)身區(qū)域。
[0009] 優(yōu)選的，所述基于所述目標(biāo)區(qū)域的特征檢測(cè)，具體包括：
[0010] 對(duì)目標(biāo)區(qū)域進(jìn)行Sobe 1邊緣檢測(cè)，獲得目標(biāo)區(qū)域的輪廓數(shù)據(jù)，對(duì)輪廓圖像計(jì)算Hu 不變矩；利用SUrf算法對(duì)目標(biāo)區(qū)域進(jìn)行特征點(diǎn)檢測(cè)，計(jì)算surf特征描述子；將Hu不變矩和 surf特征描述子的特征參數(shù)輸入到BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行識(shí)別。
[0011] 優(yōu)選的，在進(jìn)行所述車(chē)型識(shí)別之前，所述方法還包括：進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，并 在訓(xùn)練誤差在預(yù)設(shè)閾值內(nèi)時(shí)，結(jié)束所述BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)。
[0012] 本發(fā)明在另一方面，提供了一種基于局部區(qū)域特征的車(chē)型識(shí)別方法，其特征在于， 包括：
[0013] 從監(jiān)控視頻中獲取一幀圖片數(shù)據(jù)；截取所述圖片中的目標(biāo)區(qū)域，對(duì)目標(biāo)區(qū)域進(jìn)行 Sobel邊緣檢測(cè)，獲得目標(biāo)區(qū)域的輪廓數(shù)據(jù)，對(duì)所述輪廓數(shù)據(jù)計(jì)算Hu不變矩；利用surf算 法對(duì)目標(biāo)區(qū)域進(jìn)行特征點(diǎn)檢測(cè)，計(jì)算surf特征描述子；將Hu不變矩和surf特征描述子的 特征參數(shù)輸入到BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行識(shí)別，得出所述目標(biāo)的車(chē)型結(jié)果數(shù)據(jù)。
[0014] 優(yōu)選的，所述目標(biāo)區(qū)域包括車(chē)頭區(qū)域、車(chē)尾區(qū)域和/或車(chē)身區(qū)域。
[0015] 優(yōu)選的，在進(jìn)行所述車(chē)型識(shí)別之前，所述方法還包括：進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，并 在訓(xùn)練誤差在預(yù)設(shè)閾值內(nèi)時(shí)，結(jié)束所述BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)。
[0016] 本發(fā)明另一方面，還提供了一種基于局部區(qū)域特征的車(chē)型識(shí)別裝置，包括I/O裝 置、存儲(chǔ)裝置、處理裝置和顯示裝置，具體的：
[0017] 所述I/O裝置，用于接收操作人員調(diào)取視頻監(jiān)控裝置記錄的一幀圖片數(shù)據(jù)的操作 指令；所述存儲(chǔ)裝置，用于存儲(chǔ)特征庫(kù)；所述處理裝置，用于截取所述圖片中的目標(biāo)區(qū)域， 匹配出該目標(biāo)區(qū)域所對(duì)應(yīng)的特征庫(kù)，所述目標(biāo)區(qū)域包括車(chē)頭區(qū)域、車(chē)尾區(qū)域和/或車(chē)身區(qū) 域；調(diào)用匹配出的特征庫(kù)，并基于所述目標(biāo)區(qū)域的特征檢測(cè)，識(shí)別所述目標(biāo)區(qū)域所對(duì)應(yīng)的車(chē) 型；
[0018] 所述顯示裝置，用于顯示識(shí)別出的車(chē)型結(jié)果。的特征檢測(cè)，識(shí)別所述目標(biāo)特征檢 測(cè)，識(shí)別所述目標(biāo)區(qū)域所對(duì)應(yīng)的車(chē)型；所述顯示裝置，用于顯示識(shí)別出的車(chē)型結(jié)果。
[0019] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：本發(fā)明利用圖像理論及計(jì)算機(jī)視覺(jué)技 術(shù)快速對(duì)車(chē)型進(jìn)行識(shí)別，進(jìn)而對(duì)電子警察監(jiān)控，肇事（車(chē)輛在發(fā)生事故后，會(huì)呈現(xiàn)不同的車(chē) 輛姿態(tài)）、嫌疑、被盜車(chē)輛進(jìn)行智能識(shí)別，并為進(jìn)一步對(duì)交通事故責(zé)任的認(rèn)定提供技術(shù)支持。 【【附圖說(shuō)明】】
[0020] 圖1是本發(fā)明實(shí)施例提供的一種基于局部區(qū)域特征的車(chē)型識(shí)別方法的流程圖；
[0021] 圖2是本發(fā)明實(shí)施例提供的一種基于局部區(qū)域特征的車(chē)型識(shí)別方法的流程圖；
[0022] 圖3是本發(fā)明實(shí)施例提供的一種基于局部區(qū)域特征的車(chē)型識(shí)別裝置的結(jié)構(gòu)示意 圖。 【【具體實(shí)施方式】】
[0023] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0024] 此外，下面所描述的本發(fā)明各個(gè)實(shí)施方式中所涉及到的技術(shù)特征只要彼此之間未 構(gòu)成沖突就可以相互組合。
[0025] 實(shí)施例1:
[0026] 本發(fā)明實(shí)施例1提供了一種基于局部區(qū)域特征的車(chē)型識(shí)別方法，如圖1所示，包 括：
[0027] 在步驟201中，調(diào)取視頻監(jiān)控設(shè)備記錄的一幀圖片數(shù)據(jù)。
[0028] 在步驟202中，截取所述圖片中的目標(biāo)區(qū)域，匹配出該目標(biāo)區(qū)域所對(duì)應(yīng)的特征庫(kù)， 所述目標(biāo)區(qū)域包括車(chē)頭區(qū)域、車(chē)尾區(qū)域和/或車(chē)身區(qū)域。
[0029] 在步驟203中，調(diào)用匹配出的特征庫(kù)，并基于所述目標(biāo)區(qū)域的特征檢測(cè)，識(shí)別所述 目標(biāo)區(qū)域所對(duì)應(yīng)的車(chē)型。
[0030] 本發(fā)明根據(jù)視頻監(jiān)控設(shè)備記錄車(chē)輛的特性，將其記錄的圖片數(shù)據(jù)做了特性歸類(lèi)， 分為了車(chē)頭區(qū)域、車(chē)尾區(qū)域和車(chē)身區(qū)域，并利用圖像理論及計(jì)