The invention discloses a bus and freight car classification method based on vehicle image. The vehicle image captured by the camera is processed to obtain the monochrome image of the vehicle. The vehicle monochrome image is searched and matched according to the average template to determine the head and tail of the vehicle. After that, the vehicle is judged by the passenger and freight eigenvalue algorithm model. Whether the gray value distribution between the front and rear of the vehicle is uniform or symmetrical in the monochrome image, if the gray value distribution is uniform or symmetrical, the vehicle image is determined to be a bus, otherwise, the vehicle image is determined to be a truck. The invention can distinguish bus and truck concretely, overcome the limitation of the existing method, adopt the top layout on the camera, is convenient to install, solves the vehicle occlusion problem caused by the camera side layout, has strong environmental adaptability, can work stably for a long time, and is suitable for detecting and counting multi-lane. Traffic information.
【技术实现步骤摘要】
基于车辆图像的客车和货车分类方法
本专利技术属于图像检测
,具体涉及一种基于车辆图像的客车和货车分类方法。
技术介绍
现有的车辆分类方法主要有外形轮廓扫描法、车轴计数法、环形线圈检测法。外形轮廓扫描法使用红外线、激光对车辆轮廓进行扫描,获取到车辆外部几何形状特征,根据其外部长宽高参数对车辆分类。由于客车和货车在外部几何特征参数方面区别不显著,所以对客车及货车的分类误差较大。车轴计数法为使用传感器检测的方法,将获得到的车轴数量作为车辆的特征信息应用到车辆的分类识别中。由于客车和货车轴数存在重叠范围,只知道车辆的轴数并不能准确地判断出客车和货车的类别。环形线圈检测的原理是,当车辆从埋设在路面下的环形线圈上经过时,车辆底盘上的铁磁材料会和线圈产生的磁场发生作用,导致环形线圈中的频率发生改变,通过感应曲线的变化特征获取车辆的参数进行分类。因此,在对客车、货车分类过程仍存在一定的局限性。
技术实现思路
有鉴于此,本专利技术的主要目的在于提供一种基于车辆图像的客车和货车分类方法。为达到上述目的,本专利技术的技术方案是这样实现的:本专利技术实施例提供一种基于车辆图像的客车和货车分类方法,该方法为:对摄像机采集的车辆图像进行处理获得车辆单色图像,根据平均模板对车辆单色图像进行搜索匹配确定车辆的车头和车尾,之后,通过客货特征值算法模型判断所述车辆单色图像中车头和车尾之间的灰度值分布是否均匀或者对称,如果灰度值分布均匀或者对称确定该车辆图像中为客车,反之,确定该车辆图像中为货车。上述方案中,所述对摄像机采集的车辆图像进行处理获得车辆单色图像,具体为:对所述车辆图像将像素单位 ...
【技术保护点】
1.一种基于车辆图像的客车和货车分类方法,其特征在于,该方法为:对摄像机采集的车辆图像进行处理获得车辆单色图像,根据平均模板对车辆单色图像进行搜索匹配确定车辆的车头和车尾,之后,通过客货特征值算法模型判断所述车辆单色图像中车头和车尾之间的灰度值分布是否均匀或者对称,如果灰度值分布均匀或者对称确定该车辆图像中为客车,反之,确定该车辆图像中为货车。
【技术特征摘要】
1.一种基于车辆图像的客车和货车分类方法,其特征在于,该方法为:对摄像机采集的车辆图像进行处理获得车辆单色图像,根据平均模板对车辆单色图像进行搜索匹配确定车辆的车头和车尾,之后,通过客货特征值算法模型判断所述车辆单色图像中车头和车尾之间的灰度值分布是否均匀或者对称,如果灰度值分布均匀或者对称确定该车辆图像中为客车,反之,确定该车辆图像中为货车。2.根据权利要求1所述的基于车辆图像的客车和货车分类方法,其特征在于,所述对摄像机采集的车辆图像进行处理获得车辆单色图像,具体为:对所述车辆图像将像素单位转换成物理尺寸单位,再根据积分思想将车辆图像划分为若干个均等的感兴趣区域,最后对所述车辆图像进行二值化处理获得车辆单色图像。3.根据权利要求1或2所述的基于车辆图像的客车和货车分类方法,其特征在于,所述平均模板为:其中:x≥0,y≥0;i≥0,j≥0。4.根据权利要求3所述的基于车辆图像的客车和货车分类方法,其特征在于,所述根据积分思想将车辆图像划分为若干个均等的感兴趣区域,具体为:将车辆检测区域划分为若干个AOI区域,其中各区域实际道路长度相等,沿车道走向平行展开与图像水平轴方向平行,根据透视投影原理各区域在图像上的长度根据摄像机实际安装位置确定;当摄像机安装完成后,摄像机的视角α及光轴与垂直方向的夹角β被确定,设焦点C到车道平面的距离为H,AOI区域的边界点A0、An之间的距离是视野内道路的最长距离,通过分界点A1...、Am、...、An-1将视野内道路长度等分为n等份,对应于把整个AOI区域等分为n个子区域,即A0、A1...、Am、...、An的像点分别为像平面上的点B0、B1...、Bm、...、Bn,从A0点作光轴的垂线,分别与CA1、CA2、CAm...、CAn交于点D1、D2、Dm...、Dn;设CO与CA0之间的夹角为θ,O为焦点C在车道平面上的投影点,CAn与A0Dn之间的夹角为λ,则由三角原理知:AOI区域在车道平面上的长度为LrAOI=H[tan(θ+α)-tanθ],则每个AOI区域的实际长度为于是记直线A0B0、AmBm的夹角为γm,m=1,2,...,n,而显然有故有而于是有在三角形CA0Dm中,由三角形正弦定理得即因而有γn=α,故有由和得设AOI1至AOIm共有m个AOI区域对应的图像长度之和占整个AOI区域对应的图像长度的比例为fm,而直线B0Bn显然与A0Dn平行,因而不难证明三角形B0BmC与A0DmC(m=1,2,...,n)相似,由相似三角形知识可知设在拍摄的图像中,AOIm区域对应的图像长度lm占整个AOI区域对应的图像长度的l的比例为pm(m=1,2,...,n),则显然pm可按下面的迭代公式求得图像中AOI区域总长度l乘以pm即可得到AOIm,m=1,2,...,n区域在图像中的长度lm,lm=lpm;在象平面上,从上到下依次以,m=1,2,...,n长度,把整个道路交通画面划分为n个子区域。5.根据权利要求4所述的基于车辆图像的客车和货车分类方法,其特征在于,所述对所述车辆...
【专利技术属性】
技术研发人员:李得俊,杨晓东,李国强,王维娜,唐治金,葛文渊,李威,张羽西,
申请(专利权)人:西安金路交通工程科技发展有限责任公司,
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。