本发明专利技术公开了一种视频监控模式下的快速车型识别方法，按照以下步骤实施：设置道路监控装置，并将车辆分成轿车、以特殊色彩标识的出租车、面包车、中型车、公交车及大型货车，步骤1、初始化，对视频监控装置进行训练学习；步骤2、提取车辆目标区域的面积及其外接矩形的长和宽，构造相应特征，并将车辆目标粗分类为小型车、中型车、大型车；步骤3、对小型车多个目标分别提取车身的主色调特征识别出出租车，再提取小型车车窗相对位置特征参数，进一步确定面包车或轿车；步骤4、提取车顶亮度特征参数及车顶纹理特征参数，确定大型车是否为公交车。本发明专利技术的方法按照分类特征，能够对多种车辆进行快速、准确的识别。
【技术实现步骤摘要】
本专利技术属于智能交通管理
，涉及一种视频监控模式下的快速车型识别方法。
技术介绍
快速准确的对监控区域的车辆进行特征提取和分类，是智能交通系统中一个重要的研究方向，车型识别除了在高速公路的自动收费和企事业单位的车辆管理系统中应用外，在一般城市道路上的应用对于建设畅通城市也是非常重要的。现有的普通监控场景的视频采集要求是，监控摄像机需要固定在所监控的道路的正上方，离地面6-10m高度，所监视区域的最远距离不超过离地高度10倍，一般俯角的设置为10°-20°，监视画面中心距离监控摄像机的水平距离在20m-50m之间，可以根据需要调整。正常行驶车辆由远而近行驶，根据不同车型特征的提取方法，并根据所计算得到的特征，完成车型的分类，不足之处在于所使用的图像处理方法，其识别算法的时间复杂度比较大，算法执行的效率低，识别精确度不够高。
技术实现思路
本专利技术的目的是提供一种视频监控模式下的快速车型识别方法，解决了现有技术中存在识别时间复杂度比较大，算法执行的效率低，识别精确度不够高的问题。本专利技术所采用的技术方案是，一种视频监控模式下的快速车型识别方法，按照以下步骤实施：设置道路视频监控装置，并根据交通调度所需的基本车型信息，将车辆分成小型车、中型车、大型车，其中小型车分为轿车、以特殊色彩标识的出租车和面包车，大型车分为公交车及大型货车，共计六种车型，步骤1、初始化对视频监控装置进行训练学习，包括进行目标检测，以及后续的车型识别时所需要参数的自动学习，1a)、目标检测通过单高斯建模方法获得背景帧之后，采用背景差分法进行目标检测，即：设Fk＝[fk(i，j)]m×n为监视视频的当前帧，B＝[b(i，j)]m×n为背景模型，Rk＝[rk(i，j)]m×n为当前帧的目标区域检测结果，则：rk(i,j)=1if|fk(i,j)-b(i,j)|>th0if|fk(i,j)-b(i,j)|≤th---(1)]]>其中，th为判断阈值，该阈值为背景标准差的两倍，之后，将检测出的结果图像Rk再进行数学形态学运算，以获得完整的目标区域；1b)、目标的色度均值统计对步骤1a)得到的所有目标点集合Ω＝{(i，j)|rk(i，j)＝1本文档来自技高网...
【技术保护点】
1.一种视频监控模式下的快速车型识别方法，按照以下步骤实施：设置道路视频监控装置，并根据交通调度所需的基本车型信息，将车辆分成小型车、中型车、大型车，其中小型车分为轿车、以特殊色彩标识的出租车和面包车，大型车分为公交车及大型货车，共计六种车型，步骤1、初始化对视频监控装置进行训练学习，包括进行目标检测，以及后续的车型识别时所需要参数的自动学习，1a)、目标检测通过单高斯建模方法获得背景帧之后，采用背景差分法进行目标检测，即：设Fk＝[fk(i，j)]m×n为监视视频的当前帧，B＝[b(i，j)]m×n为背景模型，Rk＝[rk(i，j)]m×n为当前帧的目标区域检测结果，则：rk(i,j)=1if|fk(i,j)-b(i,j)|>th0if|fk(i,j)-b(i,j)|≤th---(1)]]>其中，th为判断阈值，该阈值为背景标准差的两倍，之后，将检测出的结果图像Rk再进行数学形态学运算，以获得完整的目标区域；1b)、目标的色度均值统计对步骤1a)得到的所有目标点集合Ω＝{(i，j)|rk(i，j)＝1}中的点(i，j)，计算其颜色度值C(i，j)：C(i，j)＝|Fr(i，j)-Fg(i，j)|+|Fr(i，j)-Fb(i，j)|+|Fg(i，j)-Fb(i，j)| (2)其中，(i，j)∈Ω，Fr(i，j)Fg(i，j)，Fb(i，j)分别为目标在点(i，j)上的红绿蓝三通道的像素值，之后，求在初始化过程中，视频帧序列中所有目标的色度值的均值，记作μC，另外，对驶过的出租车通过人机交互标识出后，计算其色彩分布范围[Cmin，Cmax]；1c)、目标范围的标定在监视画面上设置一虚拟检测线，根据监视场所包括的道路面积及长度的物理尺寸与监视画面中像素间的映射关系，以及虚拟检测线所标定的位置，确定汽车区域的面积分布范围[Smin，Smax]，以及车辆的长、宽分布范围[Hmin，Hmax]，[Wmin，Wmax]，中型车的车辆长度分布范围[Hmid1，Hmid2]，初始化过程结束；步骤2、从步骤1的结果图像中提取车辆目标区域的面积Sv及其外接矩形的长H和宽W，构造相应特征，剔除候选目标中的伪目标，并将车辆目标粗分类为小型车、中型车、大型车，具体步骤如下：对初始化环节中检测得到的目标区域，通过贴标签的方法标识出每个不同的目标区域，得到N个目标区域Ωk，k＝1，2，...，N，然后，对每个区域进行如下的处理与识别：2a)、统计图像中每个目标区域的面积Svk，k＝1，2，...，N面积计算公式如下：k＝1，2，...，N (3)其中，Ωk，k＝1，2，...，N为当前判断的目标区域，如果Svk＜Smin，则该区域是非车辆目标，删除；如果该区域为无效目标区域，删除；如果Smin≤Svk≤Smax，则判断出是一个有效的候选目标；2b)、对该有效的候选目标区域求其外接矩形，得到外接矩形的长Hk和宽Wk，根据初始化时得到的参数值，如果Hk≤Wk，或者Hk＜Hmin，或者Wk＜Wmin，或者Hk＞Hmax，或者Wk＞Wmax，则该区域视为无效目标区域，删除；如果Hmin≤Hk≤Hmax，Wmin≤Wk≤Wmax，则进行如下的判断：根据初始化中获得的中型车的分布参数Hmid1和Hmid2，如果Hk＜Hmid1，则判断为小型车；如果Hk＞Hmid2，则判断为大型车；否则，即Hmid1≤Hk≤Hmid2，则判断为中型车；2c)、提取目标区域的面积占空比特征ρs将车辆目标所在区域的实际面积与其最小外接矩形面积的比值，定义为面积占空比特征ρs，按照公式4进行计算：按照摄像机所拍摄的车辆均接近于矩形，设置阈值ρth＝70％，如ρs＜ρth，即判定为无效目标删除；步骤3、将步骤2判定为小型车的目标设k＝1，2，...，L，L≤N，对该L个目标分别提取车身的主色调特征KC，并识别出其中的用特殊颜色标识的出租车，具体步骤如下：将车身主色调的特征分为三类，分别编码为0，1，2，浅色调车辆编码为0，深色调车辆编码为1，特殊颜色编码为2，3a)、深色调的特征提取首先计算车辆目标区域上R，G，B三个通道的像素值与相同位置上背景区域的像素值的差值，即：Dr(i，j)＝Fr(i，j)-Br(i，j)Dg(i，j)＝Fg(i，j)-Bg(i，j) (5)Db(i，j)＝Fb(i，j)-Bb(i，j)其中，k＝1，2，...，L，为当前判断的小型车目标区域，Fr(i，j)，Fg(i，j)，Fb(i，j)分别为目标的红绿蓝三通道的像素值，Br(i，j)，Bg(i，j)，Bb(i，j)分别为该k＝1，2，...，L，区域对应位置上的背景帧的红绿蓝三通道的像素值，然后，找出k＝1，2，...，L中所有符合深色调特征的像素点，即：其中，阈值th1是根据初始化中得到的...
【技术特征摘要】
1.一种视频监控模式下的快速车型识别方法，按照以下步骤实施：设置道路视频监控装置，并根据交通调度所需的基本车型信息，将车辆分成小型车、中型车、大型车，其中小型车分为轿车、以特殊色彩标识的出租车和面包车，大型车分为公交车及大型货车，共计六种车型，步骤1、初始化对视频监控装置进行训练学习，包括进行目标检测，以及后续的车型识别时所需要参数的自动学习，1a)、目标检测通过单高斯建模方法获得背景帧之后，采用背景差分法进行目标检测，即：设Fk＝[fk(i，j)]m×n...
【专利技术属性】
技术研发人员：朱虹，李丽贤，刘薇，齐振华，王栋，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。