The invention discloses a bayonet image target search method based on multi feature detection. The invention comprises the following steps: acquiring the target vehicle image, manually selecting the more obvious features on the target vehicle, intercepting the feature image as the target feature image, detecting the matching feature points in the target feature image and the jack image, and screening the feature points with higher matching degree, and determining the relevant feature points of the matching feature points. Candidate matching image region in group and Jack image; similarity R1, R2, R3 of target feature image and candidate matching image region are calculated according to the number of feature points in related feature group, perceptual hash algorithm, gray color histogram; similarity R1, R2, R3 are weighted to calculate target feature image and candidate matching. The final similarity R of the image region is obtained. The image of the slot is retrieved sequentially according to the above steps, and the image of the slot where the candidate matching image region whose similarity value is greater than P is screened out and displayed. The invention effectively reduces the investigation range of the target vehicle.
【技术实现步骤摘要】
一种基于多特征检测的卡口图像目标搜索方法
本专利技术涉及智能交通信息
,尤其是涉及一种基于多特征检测的卡口图像目标搜索方法。
技术介绍
车辆追踪是打击交通违法、肇事逃逸、涉车犯罪等行为的有效手段。因此,在一些交通卡口,都会安装摄像头采集并保存来往车辆图像,以便在需要的时候进行查看。一般的卡口平台通过车牌识别、车型识别等软件,在车辆通过的时候采集该车辆的车牌号、车辆型号,保存该车辆所通过的路段位置和具体时间等信息以备后续搜索。但是,车牌和车型的识别会存在错误,常见的套牌、假牌、遮挡车牌等行为更是违法犯罪人员逃避车牌搜索的常用手段。此外,车型识别分类等手段目前来说还较为粗糙,并不能细致的划分车辆类型,需要人工进行筛选,费时费力。
技术实现思路
为了弥补现有技术的不足,本专利技术提供了一种基于多特征检测的卡口图像目标搜索方法。本专利技术采用的技术方案为:一种基于多特征检测的卡口图像目标搜索方法,包括以下步骤:步骤1:获取目标车辆图像,并手动选取目标车辆上较为明显的特征,截取该特征图像作为目标特征图像;步骤2:通过SIFT特征匹配算法检测目标特征图像和卡口图像中的匹配特征点,并筛选匹配度较高的特征点;步骤3:确定匹配特征点的相关特征点群,并根据相关特征点群确定卡口图像中的候选匹配图像区域;步骤4:根据相关特征群中特征点的数量计算目标特征图像和候选匹配图像区域的相似度R1;步骤5:用感知哈希算法计算目标特征图像和候选匹配图像区域的相似度R2;步骤6:计算目标特征图像和候选匹配图像区域的灰度颜色直方图,并根据灰度颜色直方图计算目标特征图像和候选匹配图像区域的相似度R ...
【技术保护点】
1.一种基于多特征检测的卡口图像目标搜索方法,其特征在于:所述方法包括以下步骤:步骤1:获取目标车辆图像,手动选取目标车辆上较为明显的特征,截取该特征图像作为目标特征图像;步骤2:通过SIFT特征匹配算法检测目标特征图像和卡口图像中的匹配特征点,并筛选匹配度较高的特征点;步骤3:确定匹配特征点的相关特征点群,并根据相关特征点群确定卡口图像中的候选匹配图像区域;步骤4:根据相关特征群中特征点的数量计算目标特征图像和候选匹配图像区域的相似度R1;步骤5:用感知哈希算法计算目标特征图像和候选匹配图像区域的相似度R2;步骤6:计算目标特征图像和候选匹配图像区域的灰度颜色直方图,并根据灰度颜色直方图计算目标特征图像和候选匹配图像区域的相似度R3;步骤7:对相似度R1、R2、R3进行加权,计算目标特征图像和候选匹配图像区域最终的相似度R;步骤8:按照上述步骤依次检索卡口图像,将相似度值大于P的候选匹配图像区域所在的卡口图像筛选出来并按照相似度值由大到小的顺序依次排列显示。
【技术特征摘要】
1.一种基于多特征检测的卡口图像目标搜索方法,其特征在于:所述方法包括以下步骤:步骤1:获取目标车辆图像,手动选取目标车辆上较为明显的特征,截取该特征图像作为目标特征图像;步骤2:通过SIFT特征匹配算法检测目标特征图像和卡口图像中的匹配特征点,并筛选匹配度较高的特征点;步骤3:确定匹配特征点的相关特征点群,并根据相关特征点群确定卡口图像中的候选匹配图像区域;步骤4:根据相关特征群中特征点的数量计算目标特征图像和候选匹配图像区域的相似度R1;步骤5:用感知哈希算法计算目标特征图像和候选匹配图像区域的相似度R2;步骤6:计算目标特征图像和候选匹配图像区域的灰度颜色直方图,并根据灰度颜色直方图计算目标特征图像和候选匹配图像区域的相似度R3;步骤7:对相似度R1、R2、R3进行加权,计算目标特征图像和候选匹配图像区域最终的相似度R;步骤8:按照上述步骤依次检索卡口图像,将相似度值大于P的候选匹配图像区域所在的卡口图像筛选出来并按照相似度值由大到小的顺序依次排列显示。2.根据权利要求1所述的一种基于多特征检测的卡口图像目标搜索方法,其特征在于:所述步骤1中,对目标车辆特征选择时,手动选取目标车辆上的多个目标特征图像。3.根据权利要求1所述的一种基于多特征检测的卡口图像目标搜索方法,其特征在于:所述步骤2中筛选匹配度较高的特征点的方法,包括以下步骤:步骤a:通过SIFT特征匹配算法检测目标特征图像和卡口图像中的匹配特征点,统计得出匹配特征点的数量N1和所有匹配特征点之间的最小欧式距离Lmin;步骤b:根据待搜索目标特征图像和卡口图像的纹理特点、尺寸和清晰度,分别设置一个大于1的系数α1和一个小于1的系数α2,统计欧式距离小于α1×Lmin的匹配特征点,如果匹配特征点的数量小于α2×N1,则认为两幅图像不匹配,然后继续筛选下一张卡口图像,否则进行步骤c;步骤c:设置一个匹配特征点最大保留数量阈值N2,如果满足欧式距离条件的匹配特征点的数量大于α2×N1,继续判断其数量是否大于N2,如果匹配特征点的数量大于N2,则只选取欧式距离最小的前N2个特征点进行后续处理,否则保留匹配特征点数目不变。4.根据权利要求1所述的一种基于多特征检测的卡口图像目标搜索方法,其特征在于:所述步骤3中的相关特征点群是指由大于等于3个的相关特征点组成的集合,其确定方法如下:步骤a:任意连接卡口图像和目标特征图像中3...
【专利技术属性】
技术研发人员:张森,刘泽,
申请(专利权)人:山东神博数字技术有限公司,
类型:发明
国别省市:山东,37
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。