一種基於圖像識別的車輛分類方法
2023-10-09 18:22:29
專利名稱：一種基於圖像識別的車輛分類方法
技術領域：
本發明涉及一種基於圖像識別的車輛分類方法，屬於圖像識別技術領域。
背景技術：
近年來，智能交通系統發展快速(ITS)，隨著計算機視覺和模式識別技術的發展， 為智能交通系統更有效的應用提供了契機。計算機視覺是利用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理並加以理解，最終用於實際檢測、測量和控制。基於圖像識別的車輛分類過程主要包括從圖像中提取目標車輛並提取特徵參數； 在分類器中輸入特徵參數並得到分類結果兩個階段。第一階段，特徵參數的選取主要集中在對車輛幾何尺寸的度量，有絕對幾何尺寸和相對幾何尺寸。絕對幾何尺寸是根據攝像機與車輛之間的距離和拍攝的角度算出車輛的實際大小，這種方法存在的缺陷是，攝像機與車輛之間的距離必須保持不變，而這在實際應用中是難以實現的。第二階段，最簡單的方法就是對得到參數與已有的標準進行匹配，這種方法運算量小，但是只適用於參數個數較少的情況下，而且參數太少就無法對車輛進行有效分類。模板匹配法把得到的特徵參數與標準模板進行比較，這需要耗費很多的計算時間而且容錯性差。另一個更實際的問題是，目前的分類將車輛分為大中小或者轎車、客車、卡車三類，而在實際應用中都要求按照車輛的座位數和噸數來收費，因此上述分類結果很難應用在實際之中。
發明內容
本發明所要解決的技術問題在於克服現有技術在進行特徵提取時，圖像採集設備與車輛之間的距離必須保持不變的缺陷，提供一種基於圖像識別的車輛分類方法，該方法採用相對幾何參數作為特徵參數，對圖像採集設備的安裝位置無嚴苛要求。本發明採用以下技術方案來解決上述技術問題
一種基於圖像識別的車輛分類方法，首先從圖像中提取目標車輛並提取目標車輛的特徵參數，然後根據特徵參數進行分類，所述特徵參數為Hu幾何不變矩。進一步地，所述根據特徵參數進行分類是使用BP (Back I^ropagation)神經網絡分類器。本發明採用Hu幾何不變矩作為車輛圖像識別的特徵參數，從而克服了現有技術圖像採集設備與車輛之間的距離必須保持不變的缺陷；並進一步利用BP神經網絡分類器進行車輛分類，對於車輛圖像中常見的模糊、殘缺等情況，具有更好的識別準確率。
圖1為本發明的基於圖像識別的車輛分類方法的流程示意圖；圖2為本發明具體實施方式
中所述背景圖像； 圖3為本發明具體實施方式
中所述包含車輛的圖像； 圖4為本發明具體實施方式
中所述分割後的圖像； 圖5為本發明具體實施方式
中所述濾波後的圖像； 圖6為本發明具體實施方式
中所述增強後的圖像； 圖7為本發明具體實施方式
中所述分類結果。
具體實施例方式下面結合附圖對本發明的技術方案進行詳細說明
本發明的基於圖像識別的車輛分類方法，如圖1所示，具體包括以下步驟 步驟A、採集目標車輛的圖像；
本步驟中可以利用照相機、攝像機、攝像頭等現有設備進行圖像採集，本發明方法中對圖像採集設備與車輛之間的距離無特別要求；圖1、圖2分別顯示了採集到的背景圖像及包括車輛的圖像(即目標圖像)；
步驟B、對採集到的圖像進行預處理；具體包括以下各子步驟 步驟Bi、將採集到的圖像進行灰度化；
步驟B2、分割出目標圖像中的車輛區域；本具體實施方式
中採用背景幀差法，當然，也可採用現有的其它圖像分割方法；分割出的圖像如圖4所示；
步驟B3、對分割出的的圖像進行中值濾波；中值濾波後的圖像如圖5所示； 步驟B4、對濾波後的圖像進行目標區域增強；增強後的圖像如圖6所示； 步驟B5、對圖像進行腐蝕膨脹；
步驟B6、對圖像進行二值化處理；本具體實施方式
中，在進行二值化處理時，目標區域為1，背景區域為0;
上述各步驟中涉及的灰度化、圖像分割、中值濾波、圖像增強、圖像腐蝕膨脹以及二值化等均採用現有技術，其詳細原理及過程此處不再贅述。步驟C、對預處理後的圖像，提取其Hu幾何不變矩特徵參數；其具體算法如下，
定義1、圖像的(P + q)階矩。給定二維連續函數f( X，y)，式(1)定義了其( ρ + q)
階矩:Mpq = / xp yq f( χ, y) dxdy, p, q =0，1，2
按照式(1)，一幅大小為MXN的二維圖像{ f( i, j) I i = 0， ，Μ; j = 0， ，N}，其(ρ + q)階矩定義如式(2)所示
P和q可取所有的非負整數值，它產生一個矩的無限集。根據帕普利斯(Papoulis )唯一性定理，這個無限集完全可以確定二維圖像函數f( i, j)本身。其零階矩只有一
權利要求
1.一種基於圖像識別的車輛分類方法，首先從圖像中提取目標車輛並提取目標車輛的特徵參數，然後根據特徵參數進行分類，其特徵在於，所述特徵參數為Hu幾何不變矩。
2.如權利要求1所述基於圖像識別的車輛分類方法，其特徵在於，所述根據特徵參數進行分類是使用BP神經網絡分類器。
3.如權利要求2所述基於圖像識別的車輛分類方法，其特徵在於，該方法將車輛分為小轎車、吉普車、麵包車、客車這四類。
4.如權利要求2或3所述基於圖像識別的車輛分類方法，其特徵在於，該方法具體包括以下步驟步驟A、採集目標車輛的圖像；步驟B、對採集到的圖像進行預處理；步驟C、對預處理後的圖像，提取其Hu幾何不變矩特徵參數；步驟D、將提取的特徵參數輸入預先訓練好的BP神經網絡分類器，輸出車輛的分類結
5.如權利要求4所述基於圖像識別的車輛分類方法，其特徵在於，步驟B所述預處理具體包括以下各子步驟步驟Bi、將採集到的圖像進行灰度化； 步驟B2、分割出目標圖像中的車輛區域； 步驟B3、對分割出的的圖像進行中值濾波； 步驟B4、對濾波後的圖像進行目標區域增強； 步驟B5、對圖像進行腐蝕膨脹； 步驟B6、對圖像進行二值化處理。
6.如權利要求5所述基於圖像識別的車輛分類方法，其特徵在於，對圖像進行二值化處理時，目標區域為1，背景區域為0。
7.如權利要求5所述基於圖像識別的車輛分類方法，其特徵在於，所述分割出目標圖像中的車輛區域，具體採用背景幀差法。
全文摘要
本發明公開了一種基於圖像識別的車輛分類方法，屬於圖像識別技術領域。本發明方法採用Hu幾何不變矩作為車輛圖像識別的特徵參數，從而克服了現有技術圖像採集設備與車輛之間的距離必須保持不變的缺陷；並進一步利用BP神經網絡分類器進行車輛分類，對於車輛圖像中常見的模糊、殘缺等情況，具有更好的識別準確率。相比現有技術，本發明具有適用範圍廣、分類精度高的優點，尤其適合於智能交通系統中的應用。
文檔編號G06K9/00GK102194130SQ201110129858
公開日2011年9月21日 申請日期2011年5月19日 優先權日2011年5月19日
發明者馮玉璽, 陳國慶 申請人:蘇州兩江科技有限公司