一种可用于电力巡线的车辆识别方法技术

本发明专利技术提供一种可用于电力巡线的车辆识别方法，涉及智能视频监控领域。该车辆识别方法通过获取包含车辆图像的视频图像，然后检测视频图像中的车辆图像，将检测到的车辆图像按照标准车辆信息进行对齐，接着将对齐的车辆图像进行金字塔变化，同时对车辆图像进行特征点提取，最后运用线性SVM对提取的特征点进行分类，从而识别出车辆的类型。本发明专利技术能够有效解决诸如噪声、光照变化、尺度变化、平移、旋转等问题，从而能够适应复杂环境的车型车辆识别，实现用于电力巡线。

【技术实现步骤摘要】
一种可用于电力巡线的车辆识别方法
本专利技术涉及智能视频监控领域，尤其涉及一种防止输电线路设备跳闸、倒塔等外力破事故发生的可用于电力巡线的基于视频图像的车辆识别方法。
技术介绍
随着国民经济的高速发展，城市大建设呼之而出，高铁、高架、修路等大小施工每年都呈几何倍数增长，城市发展逐渐向郊区蔓延。随之而来的各种施工、违建、树木等引发的输电线路设备跳闸、倒塔等外力破坏事故也呈逐年上升趋势。特别是施工过程中使用的大型、超高机具，车辆（如吊车、挖掘机、泥头车、混凝土泵车等）引发的输电线路设备跳闸、倒塔等外力破坏事故最多。这不仅给电力企业带来巨额经济损失，同时也对电网安全运行、人民生命财产构成了极大的威胁。因此，为了防止输电线路设备跳闸、倒塔等外力破坏事故的发生，亟需对施工过程中使用的大型、超高机具，车辆（如吊车、挖掘机、泥头车、混凝土泵车等）进行监测，便于及时采取行动。而在监测过程中，首要解决的技术问题就是对车辆进行识别。目前，现有的车辆识别技术，一般包括图像预处理、图像分割、特征提取、车辆分类识别等步骤。其中，特征提取步骤中有众多的特征提取方法，如傅里叶描述子、矩特征、变换域特征、边缘轮廓特征、交点特征等。但是，没有一种特征提取方法可以很好地解决诸如噪声、光照变化、尺度变化、平移、旋转等问题。而车辆分类识别步骤中主要有基于模板匹配的识别方法、基于统计模式的识别方法、基于神经网络的识别方法等。然而，由于车辆种类繁多并且差别不大，没有明显的区别特征；受视觉变化的影响，不同角度的汽车特征差别变化大；受自然环境特别是光照条件影响，严重的光照反射使得车辆轮廓线不分明，颜色偏离，难以辨认等一系列原因，致使目前的车辆识别技术无法适应复杂环境的车型车辆识别，无法实现用于电力巡线。
技术实现思路
为解决上述问题，本专利技术提供一种可用于电力巡线的车辆识别方法。本专利技术解决其技术问题所采用的技术方案是：一种可用于电力巡线的车辆识别方法，包括步骤：S101.获取包含车辆图像的视频图像；S102.检测视频图像中的车辆图像；S103.将检测到的车辆图像按照标准车辆信息进行对齐；S104.将对齐的车辆图像进行金字塔变化，同时对车辆图像进行特征点提取；S105.运用线性SVM对提取的特征点进行分类，从而识别出车辆的类型。进一步的，所述步骤S102具体为：选用hog+svm的检测方式检测视频图像中的车辆图像。进一步的，所述步骤S103包括：A.选取车辆图像的局部二值特征；B.根据车辆图像的局部二值特征将车辆图像进行对齐。进一步的，所述步骤S104包括：A.运用SIFT进行特征点检测；B.按照BOF的思想构建包含M个词的字典；C.利用图像金字塔把车辆图像划分为多个尺度的特征袋，然后计算落入每个特征袋中属于不同类别的词的个数，则车辆图像X与最终的匹配度Y之间的关系为：把所有水平下的直方图特征点连接起来组成一个维度为：的特征，作为分类的特征向量。进一步的，所述步骤S105包括：A.将特征向量与数据库中的车辆样本相应的特征向量进行比较，以获取与车辆图像最接近的所述数据库中的车辆样本；B.根据获取的所述数据库中的车辆样本的类型确定所述车辆的类型。所述步骤S105之后包括：根据识别出的车辆类型对造成输电线路设备跳闸、倒塔等外力破事故发生的危险度进行等级划分。本专利技术可用于电力巡线的车辆识别方法的优点在于：有效解决诸如噪声、光照变化、尺度变化、平移、旋转等问题，从而能够适应复杂环境的车型车辆识别，实现用于电力巡线。附图说明图1为本专利技术实施例一可用于电力巡线的车辆识别方法的步骤流程图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步详细的说明。如图1所示，一种可用于电力巡线的车辆识别方法，包括：步骤S101.获取包含车辆图像的视频图像。本实施例中，通过监控设备获取包含车辆图像的视频图像，监控设备安装于电力巡线无人机，监控设备包括摄像头与图像采集卡。本实施例通过摄像头和图像采集卡获取的视频图像，然后通过利用计算机对特定区域的视频图像处理分析，完成车辆检测和车辆分类识别。本方法能准确有效的识别相应种类的车辆，准确率高，误报率低，大大提升了输电线路周边环境的视频监测水平。步骤S102.检测视频图像中的车辆图像。在本步骤中，选用hog+svm的检测方式检测视频图像中的车辆图像。在包含车辆图像的视频图像中，先找到车辆，然后对车辆进行定位，定位后将车辆图像抠出来。步骤S103.将检测到的车辆图像按照标准车辆信息进行对齐。本步骤包括：A.选取车辆图像的局部二值特征。B.根据车辆图像的局部二值特征将车辆图像进行对齐。本实施例对视频图像进行车辆检测，生成一幅二值图像（0代表背景，1代表车辆像素点），同时对二值图像进行数学形态学处理，使车辆运动区域更加完整。把车辆图像从视频图像中抠出来之后，先选取车辆图像的局部二值特征，然后根据车辆图像的局部二值特征将车辆图像进行对齐。步骤S104.将对齐的车辆图像进行金字塔变化，同时对车辆图像进行特征点提取。金字塔是结合降采样操作和平滑操作的一种图像表示方式。它的一个很大的好处是，自下而上每一层的像素数都不断减少，这会大大减少计算量。本步骤包括：A.运用SIFT进行特征点检测。B.按照BOF的思想构建包含M个词的字典。C.利用图像金字塔把车辆图像划分为多个尺度的特征袋，然后计算落入每个特征袋中属于不同类别的词的个数，则车辆图像X与最终的匹配度Y之间的关系为：把所有水平下的直方图特征点连接起来组成一个维度为：的特征，作为分类的特征向量。视频图像中的运动图像的特征点通过以下步骤确定：读取一帧视频图像，该图像为I（x，y），与高斯函数G（x，y，σ）卷积，得到尺度空间的图像L（x，y，σ）；L（x，y，σ）=G（x，y，σ）*I（x，y）其中，G(x,y,σ)=12πσ2e-(x2+y2)/2σ2；σ的取值范围为0～20之间，其大小决定图像的平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特征。大的σ值对应粗糙尺度(低分辨率)，反之，对应精细尺度(高分辨率)。为了有效的在尺度空间检测到稳定的特征点，使用高斯差分尺度空间，通过以下公式获得不同尺度空间的D（x，y，σ）；D(x,y,σ)＝(G(x,y,σ)*I(x,y))＝L(x,y,kσ)-L(x,y,σ)其中，k=1.414，将σ=0～20按照10等分划分，可获得10个差分高斯尺度空间的图像。可看作10个层叠的10个I（x、y）图像。在当前层的尺度的图像内，如果一个像素点在本层及其两个相邻层的8邻域内，Dog算子的响应值的最大值或最小值，则该点为该尺度下的一个特征点。其中，在8邻域内的像素点，分为上、下两个相邻层，每层共9个像素点，本层的像素点不包含自身，共9+9+8=26个像素点。本步骤还包括，除去不适合的特征点。通过拟合三维二次函数以精确确定特征点的位置和尺度（达到亚像素精度），同时去除低对比度的特征点和不稳定的边缘响应点(因为高斯差分算子会产生较强的边缘响应)，以增强匹配稳定性、提高抗噪声能力。本步骤还包括，为每个特征点建立一个描述子，通过描述子的信息进行匹配。建立描述子的过程如下：根据每个尺度下所确定的该特征点及其周围邻域内的像素点的梯度，建立梯度直方图；其中，周围邻域为矩形本文档来自技高网...

【技术保护点】
一种可用于电力巡线的车辆识别方法，其特征在于，包括步骤：S101.获取包含车辆图像的视频图像；S102.检测视频图像中的车辆图像；S103.将检测到的车辆图像按照标准车辆信息进行对齐；S104.将对齐的车辆图像进行金字塔变化，同时对车辆图像进行特征点提取；S105.运用线性SVM对提取的特征点进行分类，从而识别出车辆的类型。

【技术特征摘要】
1.一种可用于电力巡线的车辆识别方法，其特征在于，包括步骤：S101.获取包含车辆图像的视频图像；S102.检测视频图像中的车辆图像；S103.将检测到的车辆图像按照标准车辆信息进行对齐；S104.将对齐的车辆图像进行金字塔变化，同时对车辆图像进行特征点提取；S105.运用线性SVM对提取的特征点进行分类，从而识别出车辆的类型。2.根据权利要求1所述的可用于电力巡线的车辆识别方法，其特征在于，所述步骤S102具体为：选用hog+svm的检测方式检测视频图像中的车辆图像。3.根据权利要求1所述的可用于电力巡线的车辆识别方法，其特征在于，所述步骤S103包括：A.选取车辆图像的局部二值特征；B.根据车辆图像的局部二值特征将车辆图像进行对齐。4.根据权利要求1所述的可用于电力巡线的车辆识别方法，其特征在于，所述步骤S104包括...

【专利技术属性】
技术研发人员：王蒙，
申请(专利权)人：深圳市格视智能科技有限公司，
类型：发明
国别省市：广东,44