[发明专利]一种基于En-ULLELDA的多视角车型识别方法

说明书

技术领域

本发明属于图像识别方法，具体涉及一种基于集成的局部线性嵌入与线性判 别分析结合(En-ULLELDA)的多视角车型识别方法。

背景技术

车型识别是指通过采集到的车辆图像或信息来识别车辆的生产厂商和型号。 如，奥迪(生产厂商)A6(型号)。车型识别具有很强的应用背景，如可用于调查 某种车型的市场占有率，查找通过路口或收费站的某种型号的车辆以协助警方破 案等。车型识别属于模式识别问题，目前对车型识别的研究比较少，只有少数研 究者做了这方面的研究。目前的车型识别方法可以分为三种：一种是采用边缘匹 配的方法进行车型识别，另一种是用SIFT特征点匹配的方法，第三种是采用车头 部对称变换的方法。这三种方法都是使用车头部作为感兴趣区域(ROI，Region of  Interest)进行识别，其中前两种方法是根据定位车牌来提取车头部。而这三种 方法在识别率与实际应用中都存在局限性，适合停车场，收费站这类固定视角下 的车型识别。

而在实际应用中，如城市道路、高速公路等，在道路上方架设的摄像机视野 开阔，那么进入摄像机视野的车辆视角会由于位置不同和车辆方向不同而产生差 异。这样，仅根据定位到的车牌来提取ROI会产生差异，进而影响识别结果。也 就是说，固定视角的车型识别方法已经不适用于解决多视角问题，因此，需要研 究多视角情况下的车型识别技术，固定视角下的车辆识别方法很少，而在多视角 情况下的车型识别的方法则更加匮乏。

车型识别提取的是车辆头部信息，这与人脸结构较为相似。目前关于人脸识 别方法的文献比较丰富，对于多视角人脸识别的研究是这几年来的一个研究热点。 近年来，利用子空间方法进行多视角的人脸识别已经有了显著的成果，其中，基 于流形学习的人脸识别方法便是子空间方法中的一种，它被证明是一种行之有效 的处理多视角问题的方法。

发明内容

本发明的主要目的是提供了一种基于集成的局部线性嵌入与线性判别分析结 合的多视角车型识别方法，可以有效地处理城市道路中的多视角车型识别问题。

为了达到上述目的，本发明采用的技术方案是：

包括离线训练模块与在线识别模块；其中离线训练模块对训练样本集进行车 辆感兴趣区域ROI提取与预处理，其次选用Gabor小波变换对车辆感兴趣区域ROI 进行初始的特征提取得到初始特征，训练模块中对训练样本集的初始特征进行集 成的局部线性嵌入与线性判别分析结合，得到其在子空间的表示，建立不同车型 Gabor特征模型作为后续识别的依据；其中在线识别模块对测试样本进行车辆感兴 趣区域ROI提取与预处理，其次选用Gabor小波变换对车辆感兴趣区域ROI进行 初始的特征提取得到初始特征，在线识别模块对测试样本的初始特征根据离线训 练模块建立好的不同车型Gabor特征模型进行线性组合得到表示测试样本自身的 低维空间特征，然后将测试样本自身的低维空间特征送入分类器进行车辆识别最 终得到车型识别结果。

所说的车辆感兴趣区域ROI提取与预处理是通过基于自适应阈值的垂直投影 算法定位车辆的车牌，即对车辆图像计算其垂直方向的梯度，然后进行OTSU自适 应二值分割，对分割后的二值图通过水平和垂直两个方向的定位，最终得到定位 结果，将定位结果即对定位到的车牌位置进行比例缩放对车头部进行定位和提取， 预处理包括尺寸归一化、直方图均衡化和灰度归一化三步：尺寸归一化是以提取 到的ROI以车牌宽度为依据进行插值使得ROI尺寸变成统一大小；直方图均衡化 是通过灰度变换将图像转换为具有均衡的直方图分布曲线的图像；灰度归一化是 通过线性变换使得变换后的图像在灰度分布上具有均值为0，方差为1的归一化特 性。

所说的提取车辆感兴趣区域ROI的Gabor小波初始特征包括以下步骤：