一种基于多特征融合与检测特征集成的违法车辆检索方法技术

本发明专利技术提出了一种基于多特征融合与检测特征集成的违法车辆检索方法。所述违法车辆检索方法包括：图像分割；使用卷积神经网络对图像进行车辆检测与整体特征提取；计算每辆车的灰度直方图特征；对图像中的车辆进行筛选；计算目标违法相似车辆的包络框中点；判断当前车辆是否为目标违法车辆。本发明专利技术通过深度学习实现对车辆的目标检测与特征提取，并且通过多特征融合进行车辆筛选，再结合车辆行驶轨迹对车辆进行检索，能够准确的检索出目标违法车辆，检索效率及准确率高。

【技术实现步骤摘要】
一种基于多特征融合与检测特征集成的违法车辆检索方法
本专利技术涉及智能交通
，具体为一种基于多特征融合与检测特征集成的违法车辆检索方法。
技术介绍
近年来，随着城市化发展进程的不断推进，城市交通的需求量也逐年提升，车辆保有量不断增加，产生的交通违法事件也随之增多。交通违法事件一般会经由电子摄像头拍摄，将包含违法行为动态过程的多张图像记录下来，并且合成上传到交通管理平台，由交通管理平台进行违法事件的查处。而违法事件查处的首要步骤就是目标违法车辆的检索。随着社会的发展与科学技术的进步，目标违法车辆的检索方式也经历了多种演变，从最初的人为匹配识别演变为现在的计算机自动匹配。目前，随着科学技术的发展，开始使用深度学习方法进行目标违法车辆的检索。当前已有许多学者提出了不同的车辆违法检索方法，其中与本专利技术较为接近的技术方案为：专利技术专利(专利技术人：黄诗盛，申请号：201911010388.2，名称：一种违章车辆车型及车牌识别的方法。)阐述了一种通过车辆的车型以及车牌来进行目标违法车辆检索的车辆检索方法。该专利技术公开的检索方法本文档来自技高网...

【技术保护点】
1.一种基于多特征融合与检测特征集成的违法车辆检索方法，其特征在于包括如下步骤：/n步骤1：读取四合一的车辆压线违法图像，并将其进行四等分为四张子图像，将等分得到的左上、右上、左下、右下的子图像分别记得I

【技术特征摘要】
1.一种基于多特征融合与检测特征集成的违法车辆检索方法，其特征在于包括如下步骤：
步骤1：读取四合一的车辆压线违法图像，并将其进行四等分为四张子图像，将等分得到的左上、右上、左下、右下的子图像分别记得Ii,i＝1,2,3,4，图像I4中车辆唯一，且为目标违法车辆；
步骤2：采用深度卷积神经检测模型，检测出Ii中的所有车辆，并构成集合Fij＞|i＝1,2,3,4；j＝1,2,…,mi}，其中，表示图像Ii中的第j辆车的包络框，表示左上角的坐标，和分别表示的宽和高，Fij表示图像Ii中的第j辆车的整体特征向量，Fij＝{fijk|k＝1,2,...,K}，fijk表示Fij中的第k个特征，K表示车辆整体特征向量维度，mi表示第i张子图像检测出车的数量,且m4＝1；
步骤3：计算每辆车的灰度直方图特征，得到集合其中，表示图像Ii中的第j辆车的灰度直方图向量，表示中的第l个灰度特征，mi表示第i张子图像检测出车的数量，且m4＝1；
步骤4：对步骤2和步骤3得到的集合C与GR进行初步筛选，具体为：
步骤4.1：通过公式(1)、(2)和(3)，计算目标违法车辆与所有车辆之间的联合特征相似度集合









其中，式(1)中，表示图像I4中的目标违法车辆与图像Ii中的第j辆车的联合特征相似度，δ表示车辆整体特征相似度的占比，
式(2)中，表示目标...

【专利技术属性】
技术研发人员：高飞，周明明，翁立波，卢书芳，张元鸣，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33