【技术实现步骤摘要】
一种机动车车窗定位方法
本专利技术涉及计算机领域中的图像处理与模式识别
，特别涉及一种机动车车窗定位方法。
技术介绍
根据GA/T833—2016，即中华人民共和国公共安全行业标准机动车号牌图像自动识别技术规范要求，机动车号牌图像自动识别软件的除了号牌识别、车辆品牌标志、车辆类型、车身颜色等主要功能，还需要覆盖行为特征识别(包括：驾驶人不系安全带、拨打手机、主副驾驶座位放下遮阳板、粘贴临时号牌)、外观特征识别(包括：粘贴年检标志部位、车顶部位、车内挂件装饰等)、提取驾驶人特征图片等扩展功能。如果能够快速、准确定位机动车前部车窗，有利于现实这些比较复杂的扩展功能。目前在机动车车窗定位方面具有代表性的公开现有技术包括：中国专利技术专利：多特征融合的卡口图像前车窗的定位与提取方法，专利号CN201510222612.X；中国专利技术专利：一种建立车窗定位模型和车窗定位方法及装置，专利号CN201710039443.5；中国专利技术专利：一种基于车窗角点检测和多方向投影的车窗精确定位方法，专利号...
【技术保护点】
1.一种机动车车窗定位方法，其特征在于，包括如下步骤：/n步骤A：获取5类机动车车窗图像作为正样本图像，同时获取负样本图像；/n步骤B：对160×160像素的图像计算5方向归一化边缘强度统计特征，得到一个7220维的特征向量；/n步骤C：计算所有训练样本的特征向量，采用LIBSVM工具箱中的线性SVM对样本特征向量进行训练，获取定位车窗右上角和定位车窗左上角的两个分类器；/n步骤D：对抓拍的车辆正面图像进行车牌识别，根据车牌大小获取调整图像；/n步骤E：对步骤D中获取的调整图像，以4像素步长遍历，定位车窗右上角位置与车窗左上角位置，并根据左右位置融合得到机动车车窗最终定位。/n
【技术特征摘要】
1.一种机动车车窗定位方法，其特征在于，包括如下步骤：
步骤A：获取5类机动车车窗图像作为正样本图像，同时获取负样本图像；
步骤B：对160×160像素的图像计算5方向归一化边缘强度统计特征，得到一个7220维的特征向量；
步骤C：计算所有训练样本的特征向量，采用LIBSVM工具箱中的线性SVM对样本特征向量进行训练，获取定位车窗右上角和定位车窗左上角的两个分类器；
步骤D：对抓拍的车辆正面图像进行车牌识别，根据车牌大小获取调整图像；
步骤E：对步骤D中获取的调整图像，以4像素步长遍历，定位车窗右上角位置与车窗左上角位置，并根据左右位置融合得到机动车车窗最终定位。
2.根据权利要求1所述的一种机动车车窗定位方法，其特征在于：步骤A的子步骤如下：
步骤A1：获取轿车、客车、面包车、重中型货车、轻微型货车车辆正面彩色图像各300张；
步骤A2：对步骤A1得到的图像进行车牌识别，并记录车牌矩形的宽度W，单位：像素；彩色图像灰度化，得到灰度图像；用双线性插值法对灰度图像进行缩小/放大变换，车牌矩形宽度标准为100像素，图像缩放倍数λ＝W/100，得到调整图像；
步骤A3：对步骤A2得到的调整图像进行人工切分；获取机动车车窗右上角，A柱与车窗顶部交点的局部图像，图像大小为160×160像素；得到1500张车窗右上角正样本图像；同理可得到1500张机动车车窗左上角正样本图像；
步骤A4：对步骤A2得到的灰度缩小图像进行随机切分，每一张车辆图像获取4张160×160像素的灰度图像，得到6000张负样本图像。
3.根据权利要求2所述的一种机动车车窗定位方法，其特征在于：步骤B的子步骤如下：
步骤B1：以(1,0，-1)算子计算每个像素的垂直边缘Y，以(1,0，-1)T算子计算每个像素的水平边缘X；计算边缘强度e＝sqrt(X2+Y2)；计算每个像素的边缘方向A＝arccot(X/Y)；
T：矩阵转置；sqrt：开方函数；arccot：反余切函数；
步骤B2：对160×160像素的图像按8×8像素进行分块，获得20×20的分块图像；对分块图像在横向和纵向均按块为单位，以1步长、2×2大小标记为单元，即每个单元由4个块组成，每个单元由256个像素组成，由此得到19×19共计361个单元；
步骤B3：以每一个单元为独立单位，计算其中256个像素的边缘强度之和S；对单元内的每一个像素的边缘强度进行归一化计算，得到像素的归一化边缘强度E＝e/S；
步骤B4：一个单元内，按块进行边缘特征...
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。