一种基于局部特征对齐的车纹识别逃费稽查方法技术

本发明专利技术公开了一种基于局部特征对齐的车纹识别逃费稽查方法，包括以下步骤：S1、从数据库中获取收费站入口车辆图片；S2、对图片通过SURF算法进行特征点的提取；S3、选取图片中进行对齐匹配的局部特征点；S4、计算所选特征点的局部变换矩阵；S5、利用仿射变换得到每个子区域的方向构成旋转矩阵；S6、计算积分图；S7、通过倒角距离作为特征值进行匹配；S8、根据匹配结果找出车辆真实行驶路径计算逃费金额。本发明专利技术在高速公路入口收费站通过对车辆的车纹特征进行提取并建立特征数据库，结合门架车辆识别信息，分析出车辆实际行驶轨迹，有效打击车辆在高速公路中的逃费行为。车辆在高速公路中的逃费行为。

【技术实现步骤摘要】
一种基于局部特征对齐的车纹识别逃费稽查方法


[0001]本专利技术属于高速公路电子收费
，具体涉及一种基于局部特征对齐的车纹识别逃费稽查方法。

技术介绍

[0002]随着高速公路路网不断扩大，一些不法车辆利用各种形式偷逃通行费，逃费形式多样且隐蔽性强，主要包括ETC逃费、CPC逃费、假冒免费逃费、同时申请多个OBU和ETC卡、屏蔽门夹信号实现最小费率等。这扰乱了高速公路收费工作正常秩序，造成了巨大经济损失。为维护高速公路正常收费秩序和公平缴费环境，进一步加强通行费征收管理，有效防范和遏制偷逃漏通行费行为，保证严格按照收费标准依法依规收费，迫在眉睫。
[0003]虽然，管理部门虽然积极采取一些控制手段，但在实践中依然缺少有效的解决方案，尤其是在主动发现偷逃通行费嫌疑车辆的这一环节没有高效的办法，通常通过人力查询的方式进行，效果极其低下。而且，也没有针对套牌、换牌或无牌车辆的逃费监测。因此，一种基于局部特征对齐的车纹识别逃费稽查方法亟待提出。

技术实现思路

[0004]为解决现有技术存在的缺陷，本专利技术提供一种基于局部特征对齐的车纹识别逃费稽查方法。
[0005]为了解决上述技术问题，本专利技术提供了如下的技术方案：
[0006]本专利技术提供一种基于局部特征对齐的车纹识别逃费稽查方法，包括以下步骤：
[0007]S1、从数据库中获取收费站入口车辆图片；
[0008]S2、对图片通过SURF算法进行特征点的提取；
[0009]S3、选取图片中进行对齐匹配的局部特征点；
[0010]S4、计算所选特征点的局部变换矩阵；
[0011]S5、利用仿射变换得到每个子区域的方向构成旋转矩阵；
[0012]S6、计算积分图；
[0013]S7、通过倒角距离作为特征值进行匹配；
[0014]S8、根据匹配结果找出车辆真实行驶路径计算逃费金额。
[0015]进一步地，步骤S1中收费站入口的流水数据为车辆进入高速公路入口时设备对车辆进行拍摄的数据。
[0016]进一步地，步骤S2中使用SURF算法对车辆正面照片进行特征点的提取。
[0017]进一步地，步骤S4与步骤S5中根据特征点进行距离变换增强鲁棒性。
[0018]进一步地，步骤S7中结合算法提取的特征点，利用倒角距离作为车纹特征。
[0019]进一步地，步骤S8中通过倒角距离阈值为对匹配计算结果进行判断的数值，当匹配计算结果小于于阈值时，认定为同一车辆。
[0020]本专利技术相较于现有技术，具有以下有益效果：本专利技术针对套牌、换牌或无牌车辆在
高速中进行逃费行为的识别，在高速公路入口收费站通过对车辆的车纹特征进行提取并建立特征数据库，结合门架车辆识别信息，分析出车辆实际行驶轨迹，有效打击车辆在高速公路中的逃费行为。。
具体实施方式
[0021]以下对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0022]实施例1
[0023]本实施例提供一种基于局部特征对齐的车纹识别逃费稽查方法，其特征在于，包括以下步骤：
[0024]S1、从数据库中获取收费站入口车辆图片；收费站入口的流水数据为车辆进入高速公路入口时设备对车辆进行拍摄的数据；
[0025]S2、对车辆正面照片通过SURF算法进行特征点的提取；
[0026]S3、选取图片中进行对齐匹配的局部特征点；
[0027]S4、计算所选特征点的局部变换矩阵；
[0028]S5、利用仿射变换得到每个子区域的方向构成旋转矩阵；根据特征点进行距离变换增强鲁棒性；
[0029]S6、计算积分图；
[0030]S7、通过倒角距离作为特征值进行匹配；
[0031]S8、根据匹配结果找出车辆真实行驶路径计算逃费金额，通过倒角距离阈值为对匹配计算结果进行判断的数值，当匹配计算结果小于于阈值时，认定为同一车辆。
[0032]本专利技术以SURF(Speeded Up Robust Features)算法作为核心算法。SURF 算法为SIFT算法的改进算法。SIFT算法的优点是特征稳定，对旋转、尺度变换、亮度保持不变性，对视角变换、噪声也有一定程度的稳定性；缺点是实时性不高，并且对于边缘光滑目标的特征点提取能力较弱。SURF算法改进了特征的提取和描述方式，用一种更为高效的方式完成特征的提取和描述。
[0033](1)SURF算法通过黑塞矩阵来生成所有兴趣点，构建黑塞矩阵的目的是为了生成图像稳定的边缘点或突变点从而用于提取特征，黑塞矩阵如下：
[0034][0035]黑塞矩阵用于描述的一个点周围像素梯度大小的变化率，其极值就是生成图像稳定的边缘点或突变点，其两个特征值，代表这其在两个相互垂直方向是的梯度的变化率，当两个特征值越大时，其图像中的像素点的像素值波动越大；我们用两个特征值相加，即黑塞矩阵的判别式来量化；黑塞矩阵的判别式如下：
[0036][0037]当黑塞矩阵的判别式取得局部极大值时，判定当前点是比周围邻域内其他点更亮或更暗的点，由此来定位关键点的位置。
[0038]在SURF算法中，图像像素l(x，y)即为函数值f(x，y)；但是由于我们的特征点需要具备尺度无关性，所以在进行黑塞矩阵构造前，需要对其进行高斯滤波，选用二阶标准高斯函数作为滤波器；
[0039]L(x，t)＝G(t)
·
I(x，t)
[0040]通过特定核间的卷积计算二阶偏导数，这样便能计算出黑塞矩阵的三个矩阵元素L
xx
,L
xy
,L
yy
(高斯二阶微分算子)从而计算出黑塞矩阵；
[0041][0042]由于高斯核是服从正态分布的，从中心点往外，系数越来越低，为了提高运算速度，SURF算法使用了盒式滤波器来近似替代高斯滤波器，提高运算速度。
[0043]盒式滤波器(Boxfilter)对图像的滤波转化成计算图像上不同区域间像素和的加减运算问题，只需要简单几次查找积分图就可以完成。
[0044](2)SURF算法借助积分图，将图像与高斯二阶微分模板的滤波转化为对积分图像的加减运算，从而在特征点的检测时大大缩短了搜索时间。
[0045]积分图主要的思想是将图像从起点开始到各个点所形成的矩形区域像素之和作为一个数组的元素保存在内存中，当要计算某个区域的像素和时可以直接索引数组的元素，不用重新计算这个区域的像素和，从而加快了计算。
[0046]求取积分图时，对图像所有像素遍历一遍，得到积分图后，计算任何矩形区域内的像素灰度和只需进行三次加减运算。
[0047](3)在本专利技术中，由于各高速公路入口收费站摄像机对准车道的角度不同，因此需要进行一些变换操作增加模型鲁棒性。在SURF的匹配点应用到训练过程中，选取一张图片I
std
作为标准图片，为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部特征对齐的车纹识别逃费稽查方法，其特征在于，包括以下步骤：S1、从数据库中获取收费站入口车辆图片；S2、对图片通过SURF算法进行特征点的提取；S3、选取图片中进行对齐匹配的局部特征点；S4、计算所选特征点的局部变换矩阵；S5、利用仿射变换得到每个子区域的方向构成旋转矩阵；S6、计算积分图；S7、通过倒角距离作为特征值进行匹配；S8、根据匹配结果找出车辆真实行驶路径计算逃费金额。2.根据权利要求1所述的基于局部特征对齐的车纹识别逃费稽查方法，其特征在于，步骤S1中收费站入口的流水数据为车辆进入高速公路入口时设备对车辆进行拍摄的数据。3.根据权利要求1...

【专利技术属性】
技术研发人员：谭林睿，李咏梅，林荣斌，
申请(专利权)人：广州天长信息技术有限公司，
类型：发明
国别省市：