一种基于车载装饰品特征稀疏编码的车辆检索方法技术

本发明专利技术公开了一种基于车载装饰品特征稀疏编码的车辆检索方法，包括获取车辆图像数据，并采用灰度共生矩阵特征及支持向量机检测图像中的车辆区域；获取的车辆图像中的车载装饰品区域图像；构建车载装饰品区域图像的超完备字典；求解待查询车辆所对应的车载装饰品区域图像的稀疏向量；重构待查询车载装饰品区域图像，并计算该重构图像与待查询车载装饰品区域图像之间的欧氏距离；更新待查询车载装饰品区域图像的稀疏向量，并根据大小排序该稀疏向量的元素，设定阈值，得到车载装饰品区域图像的检索结果。与现有技术相比，本发明专利技术以基于车载装饰品特征来进行车辆检索，大大增加了检索精度和可靠性，为有效解决违法车辆追踪问题提供了重要依据。

【技术实现步骤摘要】

本专利技术专利涉及智能交通研究领域，尤其是车辆图像检索方法的研究。
技术介绍
为了解决城市发展难题，实现城市的可持续发展，“智慧城市”建设已经成为当今我国城市发展不可逆转的历史潮流；同时，为了满足城市治安防控和城市管理的需要，政法委发起公安部联合工信部共同建设了“天网工程”。“天网工程”是利用图像采集、传输、控制、显示等设备和控制软件对固定地区进行实时监控和信息记录，对于城市中存在的车辆的违法犯罪活动提取证据提供技术支持。但是，在取证过程中的主要问题是要在当前存储的海量监控数据中采用人工查找的方法搜寻违法犯罪车辆，该搜寻的过程不仅耗费大量的人力、物力和财力，而且人工搜寻存在较大的不可靠性。目前，从视频或图片数据中自动搜索可疑车辆信息主要根据车辆固有的号牌号码、车辆品牌和车辆颜色的自动识别。但是，在现实生活中涉及到车辆的违法案件中，涉案车辆往往是假(套)牌车，此时根据车辆号牌进行侦查将发挥不了任何作用；同时，根据车辆品牌和车辆颜色检索可疑车辆在减少工作量方面起到的作用微乎其微。因此，基于车辆固有属性特征的检索方法对于假(套)牌车辆达不到预期的检索效果。解决该难题的有效办法是借助可疑车辆的车载装饰品，例如车辆的摆件、年检标签等特征进行嫌疑车辆的检索。
技术实现思路
本专利技术专利所要解决的问题是为有效地解决车辆图像检索问题。为解决上述技术问题，本专利技术专利采用如下技术方案：一种基于车载装饰品特征稀疏编码的车辆检索方法，包括步骤：1)获取车辆图像数据，并采用灰度共生矩阵特征及支持向量机检测图像中的车辆区域；2)根据车辆前挡风玻璃与车辆的相对位置定位步骤1)获取的车辆图像中的车载装饰品区域图像；3)采用K-奇异值分解法构建车载装饰品区域图像的超完备字典；4)采用稀疏度自适应匹配追踪算法求解待查询车辆所对应的车载装饰品区域图像的稀疏向量；5)根据步骤3)得到的车载装饰品区域图像的超完备字典及步骤4)求得的稀疏向量重构待查询车载装饰品区域图像，并计算该重构图像与待查询车载装饰品区域图像之间的欧氏距离；6)根据步骤5)中得到的欧式距离更新待查询车载装饰品区域图像的稀疏向量，并根据大小排序该稀疏向量的元素，设定阈值，得到车载装饰品区域图像的检索结果，即得到图像数据库中的待查询车辆。所述步骤1)中获取的车辆图像数据由安装在城市道路交叉口的300w像素的卡口相机于每天8:00～18:00的时间段内获取；该图像数据集包含不同的天气、光照及车辆角度等情况，并且每张图片包含完整的车辆图像，原始图像大小均为2048×1536像素。所述步骤1)中采用灰度共生矩阵特征及支持向量机检测图像中的车辆区域具体如下：11)选取只包含车辆正样本图片和只包含背景负样本图片，并进行训练得到检测的特征库；12)对车辆图像进行灰度化处理，并将图像网格化为M×N个W×H大小的子图；计算每个网格窗口图像的灰度共生矩阵特征，利用(1)训练好的特征库预测该网格图像是否属于车辆部分，对所有被识别为车辆区域的网格中心的坐标进行统计，得到网格中心坐标的均值；13)根据网格中心坐标与每个被识别为车辆区域的坐标均值进行欧式距离的计算，并设定一定的阈值；若计算得到的距离大于设定的均值则被认定为背景噪声；根据坐标的均值得到检测的车辆图像。所述步骤2)中，车载装饰品位于车辆前挡风玻璃区域，即车辆前挡风玻璃区域为感兴趣区域；根据车辆前挡风玻璃区域与车辆整体的相对位置进行车辆前挡风玻璃区域定位。所述车辆前挡风玻璃区域定位具体为：21)根据其相对位置关系最终得到的粗定位车辆前挡风玻璃区域的图像；并对得到的车辆前挡风玻璃区域图像预处理：所述预处理包括灰度化处理、运用Canny算子进行边缘检测以及计算图像的横纵方向的投影；22)根据统计横向和纵向的投影直方图找到前挡风玻璃区域的左右和上下边界，采用Hough变换进行车辆前挡风玻璃边缘图像的直线拟合，并计算出图像的旋转角度，对原始的车辆前挡风玻璃区域图像进行旋转从而得到水平的车辆前挡风玻璃区域图像。所述步骤3)采用K-奇异值分解法构建车载装饰品区域图像的超完备字典具体如下：31)用训练样本集初始化字典D，利用正交匹配追踪算法求得输入样本的最优系数向量；假设用Y表示待训练字典的所有样本集合，对字典D作为未知量进行求解，x表示待求解的稀疏向量，T0表示稀疏度约束参数，则字典的学习可以转化为下式进行求解，即32)更新字典，字典D的其他列保持不变，更新其新列dk，新列dk用奇异值分解的方法求得，并求得新列的系数假设固定稀疏向量X和字典D，则对于字典的某一列dk和该列对应的系数，目标信号的惩罚项为其中，矩阵Ek表示去掉dk向量后所有样本的误差；定义ωk用于成功存储字典更新列dk的索引，即系数向量的非零元素索引，即定义矩阵Ωk＝N×|ωk|，令则目标信号的惩罚项表示为此时，直接对进行奇异值分解得：其中U的第一列为V乘以Δ(1,1)为33)重复步骤32)，迭代到初始化定义的最大迭代次数，得到最终字典。所述步骤4)中采用稀疏度自适应匹配追踪算法求解待查询车载装饰品区域图像的稀疏向量过程具体如下：在算法中，L表示初始化稀疏度，rt表示信号残差，t表示迭代次数，Λt表示t次迭代的索引集合，αj表示字典A的第j列，At表示通过索引集合Λt从字典A中选出的列集合，列的数量为Lt，θt为Lt×1列向量；算法的输入为信号y，步长的大小S；a)初始化信号残差r0＝y，Λ0为空集，L＝S，t＝1；b)令h＝<rt-1,A>，并计算向量h中前L个最大值元素，将这些值在字典A的列序号构成集合Sk；c)令Ck＝Λt-1∪Sk，At＝{αj本文档来自技高网...

【技术保护点】
一种基于车载装饰品特征稀疏编码的车辆检索方法，其特征在于：包括步骤：1)获取车辆图像数据，并采用灰度共生矩阵特征及支持向量机检测图像中的车辆区域；2)根据车辆前挡风玻璃与车辆的相对位置定位步骤1)获取的车辆图像中的车载装饰品区域图像；3)采用K‑奇异值分解法构建车载装饰品区域图像的超完备字典；4)采用稀疏度自适应匹配追踪算法求解待查询车辆所对应的车载装饰品区域图像的稀疏向量；5)根据步骤3)得到的车载装饰品区域图像的超完备字典及步骤4)求得的稀疏向量重构待查询车载装饰品区域图像，并计算该重构图像与待查询车载装饰品区域图像之间的欧氏距离；6)根据步骤5)中得到的欧式距离更新待查询车载装饰品区域图像的稀疏向量，并根据大小排序该稀疏向量的元素，设定阈值，得到车载装饰品区域图像的检索结果，即得到图像数据库中的待查询车辆。

【技术特征摘要】
1.一种基于车载装饰品特征稀疏编码的车辆检索方法，其特征在于：包括步骤：1)获取车辆图像数据，并采用灰度共生矩阵特征及支持向量机检测图像中的车辆区域；2)根据车辆前挡风玻璃与车辆的相对位置定位步骤1)获取的车辆图像中的车载装饰品区域图像；3)采用K-奇异值分解法构建车载装饰品区域图像的超完备字典；4)采用稀疏度自适应匹配追踪算法求解待查询车辆所对应的车载装饰品区域图像的稀疏向量；5)根据步骤3)得到的车载装饰品区域图像的超完备字典及步骤4)求得的稀疏向量重构待查询车载装饰品区域图像，并计算该重构图像与待查询车载装饰品区域图像之间的欧氏距离；6)根据步骤5)中得到的欧式距离更新待查询车载装饰品区域图像的稀疏向量，并根据大小排序该稀疏向量的元素，设定阈值，得到车载装饰品区域图像的检索结果，即得到图像数据库中的待查询车辆。2.根据权利要求1所述的车辆检索方法，其特征在于：所述步骤1)中获取的车辆图像数据由安装在城市道路交叉口的300w像素的卡口相机于每天8:00～18:00的时间段内获取；图像数据集包含不同的天气、光照及车辆角度情况，并且每张图片包含完整的车辆图像，原始图像大小均为2048×1536像素。3.根据权利要求1所述的车辆检索方法，其特征在于：所述步骤1)中采用灰度共生矩阵特征及支持向量机检测图像中的车辆区域具体如下：11)选取只包含车辆正样本图片和只包含背景负样本图片，并进行训练得到检测的特征库；12)对车辆图像进行灰度化处理，并将图像网格化为M×N个W×H大小的子图；计算每个网格窗口图像的灰度共生矩阵特征，利用(1)训练好的特征库预测该网格...

【专利技术属性】
技术研发人员：赵池航，林盛梅，陈爱伟，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32