本发明专利技术公开车辆识别方法、系统及设备，涉及通信与信息处理领域。获取视频数据；得到第k‑1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像；对第k‑1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像进行三帧差分运算得到差分图像；对差分图像进行分割得到二值图像；得到形态学处理后的二值图像；对形态学处理后的二值图像进行逻辑运算得到初步的动态目标；对初步的动态目标进行FAST特征点检测得到M个FAST特征点；对二值图像进行轮廓提取和查找正外接矩形得到候选框；得到筛选后的候选框；将筛选后的候选框与视频数据相结合输出处理后的视频数据。本发明专利技术实现了利用FAST角点特征检测来判断车辆位置，提高了识别车辆位置的效率。
【技术实现步骤摘要】
本专利技术涉及通信与信息处理，特别是涉及一种车辆识别方法、系统及设备。
技术介绍
1、随着经济的发展，科技和多媒体技术的进步，人们的生活水平质量不断提高，汽车的数量保持在高位，在城市管理中，监控起到了很重要的作用，在道路之中或停车场内车辆的识别问题就摆在了我们的面前。
2、目前使用的动态车辆识别方法主要依靠，帧间差进行车辆识别，通过前一帧和后一帧车辆的移动来识别目标，但如摄像头移动就会导致前一帧与后一帧相比全图都在移动，因此会出现大规模的误检，传统的方法只能通过候选框大小对候选框进行筛选，但在摄像头移动时这种方法就没有了用武之地，因此车辆识别系统需要设计一个能够根据之前摄像头不动时车辆位置信息来对摄像头运动时的候选框进行筛选的模块。
技术实现思路
1、本专利技术实施例的目的是提供一种车辆识别方法、系统及设备，利用fast角点特征检测来判断车辆位置，提高了识别车辆位置的效率。
2、为实现上述目的，本专利技术实施例提供了如下方案：
3、一种车辆识别方法，包括：
4、获取包含待识别车辆的视频数据；所述视频数据包括n帧图像；
5、读取所述n帧图像中的第k-1幅图像、第k幅图像和第k+1幅图像；并将所述第k-1幅图像、第k幅图像和第k+1幅图像均转为灰度图，得到第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像；
6、对所述第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像进行三帧差分运算，得到差分图像；
7、使用阈值分割方法对所述差分图像进行分割，得到二值图像；对所述二值图像进行形态学处理，得到形态学处理后的二值图像；
8、对所述形态学处理后的二值图像进行逻辑运算，得到初步的动态目标；对所述初步的动态目标进行fast特征点检测，得到m个fast特征点；
9、对所述二值图像进行轮廓提取和查找正外接矩形，得到候选框；
10、根据fast特征点的数量对所述候选框进行筛选，得到筛选后的候选框；将所述筛选后的候选框与所述视频数据相结合，输出处理后的视频数据；所述处理后的视频数据用于表征车辆识别结果。
11、可选地，对所述第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像进行三帧差分运算，得到差分图像，具体包括：
12、
13、f(x,y)为视频数据序列；fk-1(x,y)为第k-1幅灰度图像中点(x,y)的像素值；fk(x,y)第k幅灰度图像中点(x,y)的像素值；fk+1(x,y)第k+1幅灰度图像中点(x,y)的像素值。
14、可选地，使用阈值分割方法对所述差分图像进行分割，得到二值图像，具体包括：
15、
16、其中，th表示预设的阈值，rk(x,y)和rk+1(x,y)分别表示第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像两两差分后的二值图像。
17、可选地，所述形态学处理具体包括：
18、先膨胀后腐蚀的闭运算；
19、所述腐蚀用于将所述二值图像中的目标细化，得到变小后的目标；
20、所述膨胀用于将所述二值图像中的目标粗化，得到变大后的目标。
21、可选地，对所述形态学处理后的二值图像进行逻辑运算，得到初步的动态目标，具体包括：
22、将两个二值图像执行逻辑“与”运算，得到初步的动态目标；计算公式如下：
23、r(x,y)＝rk(x,y)&rk+1(x,y)；
24、r(x,y)表示三帧间差法检测到的动态目标图像。
25、可选地，对所述二值图像进行轮廓提取和查找正外接矩形，得到候选框，具体包括：
26、判断所述候选框的大小，筛选出大于第一预设阈值或者小于第二预设阈值的目标候选框进行剔除，得到剩余目标候选框；
27、判断剩余目标候选框中的fast特征点数量是否大于第三预设阈值；
28、若否，则剔除对应的目标候选框；
29、若是，则对剩余目标候选框进行筛选，将剩余目标候选框在图像中的位置与待识别车辆全局变量的位置分布进行比对，得到对比结果；若对比结果相同，则保留对应的目标候选框；若对比结果不同，则剔除对应的目标候选框。
30、一种车辆识别系统，包括：
31、数据获取模块，用于获取包含待识别车辆的视频数据；所述视频数据包括n帧图像；
32、灰度图转换模块，与所述数据获取模块连接，用于读取所述n帧图像中的第k-1幅图像、第k幅图像和第k+1幅图像；并将所述第k-1幅图像、第k幅图像和第k+1幅图像均转为灰度图，得到第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像；
33、差分运算模块，与所述灰度图转换模块连接，用于对所述第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像进行三帧差分运算，得到差分图像；
34、二值图像模块，与所述差分运算模块连接，用于使用阈值分割方法对所述差分图像进行分割，得到二值图像；对所述二值图像进行形态学处理，得到形态学处理后的二值图像；
35、特征点检测模块，与所述二值图像模块连接，用于对所述形态学处理后的二值图像进行逻辑运算，得到初步的动态目标；对所述初步的动态目标进行fast特征点检测，得到m个fast特征点；
36、候选框模块，与所述特征点检测模块连接，用于对所述二值图像进行轮廓提取和查找正外接矩形，得到候选框；
37、输出模块，与所述候选框模块连接，用于根据fast特征点的数量对所述候选框进行筛选，得到筛选后的候选框；将所述筛选后的候选框与所述视频数据相结合，输出处理后的视频数据；所述处理后的视频数据用于表征车辆识别结果。
38、一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述的车辆识别方法。
39、一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现所述的车辆识别方法。
40、在本专利技术实施例中，将摄像头拍摄的视频信号或读取本地的视频文件转为灰度图。之后用对灰度图用三帧差分法，之后对差分图像进行自适应阈值化，得到二值图像，对二值图进行形态学处理。本专利技术实施例采用先膨胀后腐蚀的闭运算，使灰度图的中车辆的边缘信息得到加强，对形态学处理后的二值图像图像进行逻辑与运算，得到新图像，对该图像进行角点检测，并判断识别的主要目标所在图像的区域。之后进行轮廓提取与正外接矩形框的查找，并筛选出大小合适的候选框，并判断是否因为摄像头本身转动导致候选框数量大幅增加，如果增加，通过角点检测得到的数据对候选框进行进一步筛选。之后在原图像上绘制候选框并输出处理后的视频。使用c语言编写并成功实现了车辆识别算法，以实现对车辆的识别。
本文档来自技高网...
【技术保护点】
1.一种车辆识别方法，其特征在于，包括：
2.根据权利要求1所述的车辆识别方法，其特征在于，对所述第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像进行三帧差分运算，得到差分图像，具体包括：
3.根据权利要求2所述的车辆识别方法，其特征在于，使用阈值分割方法对所述差分图像进行分割，得到二值图像，具体包括：
4.根据权利要求1所述的车辆识别方法，其特征在于，所述形态学处理具体包括：
5.根据权利要求3所述的车辆识别方法，其特征在于，对所述形态学处理后的二值图像进行逻辑运算，得到初步的动态目标，具体包括：
6.根据权利要求1所述的车辆识别方法，其特征在于，对所述二值图像进行轮廓提取和查找正外接矩形，得到候选框，具体包括：
7.一种车辆识别系统，其特征在于，包括：
8.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中所述的车辆识别方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-6中所述的车辆识别方法。
...
【技术特征摘要】
1.一种车辆识别方法，其特征在于，包括：
2.根据权利要求1所述的车辆识别方法，其特征在于，对所述第k-1幅灰度图像、第k幅灰度图像和第k+1幅灰度图像进行三帧差分运算，得到差分图像，具体包括：
3.根据权利要求2所述的车辆识别方法，其特征在于，使用阈值分割方法对所述差分图像进行分割，得到二值图像，具体包括：
4.根据权利要求1所述的车辆识别方法，其特征在于，所述形态学处理具体包括：
5.根据权利要求3所述的车辆识别方法，其特征在于，对所述形态学处理后的二值图像进行逻辑运算，得到初步的动...
【专利技术属性】
技术研发人员：王波涛，陈聪实，胡意晖，王子祎，杨志娟，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
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。