[发明专利]一种基于支持向量机的车型识别方法

说明书

技术领域

本发明涉及一种基于支持向量机的车型识别方法，属视频图像处理和车辆检测领域。 

背景技术

随着我国的城市化进展，道路交通和车辆运输发展迅速，基于视频的交通监控系统迅速发展起来。同时，为了解决数据量巨大的视频检索问题，基于内容的视频检索技术迅速发展。它通过对视频数据中所包含的视觉内容自动进行分析和特征提取，使人们可以直接利用计算机搜索符合主观感受的相似内容。交通视频中机动车辆检索的研究作为内容检索的一个特例，有着十分重要的意义。交管部门可以利用检索提取车辆的各种特征参数，提高了交通执法效率；还可以提取车辆速度、车流量等信息，为交通规划提供一定依据。 

车型识别是车辆检索的基础，目前在车型识别中应用较多的方法是模糊神经网络和BP 网络等方法,但这些方法难以解决模式识别中存在的复杂性和推广性的矛盾,本发明采用支持向量机方法,具有计算量小,能较好地解决小样本、非线性和局部极小点等问题。 

发明内容

本发明针对当前车型识别技术的不足，提供了基于支持向量机的车型识别方法。本发明的目的在于采用支持向量机的方法快速地对视频流中的车辆类型进行识别和分类。具体的技术方案如下所述。 

一种基于支持向量机的车型识别方法，包括以下步骤： 

（1）构建运动背景图像；（2）从视频流中获取图像帧，利用步骤（1）中所获取的运动背景图像，进行运动目标检测，获取运动前景图像，同时利用所获取的图像对背景图像进行更新；（3）对步骤（2）中所获取的运动前景图像进行阴影检测，并对阴影区域利用第三色值进行标记；（4）对步骤（3）处理后的图像进行形态学滤波，然后去除阴影区域的标记；（5）利用步骤（4）处理后的图像提取出车辆目标；（6）对步骤（5）提取出的目标车辆通过树形跟踪图的方法进行跟踪并提取关键帧；（7）利用步骤（6）所得到的关键帧提取出车辆的外型特征；（8）利用步骤（7）得到的车辆的外型特征，采用支持向量机的方法对车辆进行分类并输出分类结果。

更具体的， 步骤（1）中所述构建运动背景的方法为快速背景建模方法，包括以下几个步骤：（a）提取视频流的前N帧图像；（b）统计步骤（a）中的N帧图像里面每个像素出现的各个颜色通道强度值出现的频度，并把具有最大统计概率的值作为该像素点在对应的颜色通道的值。 

更具体的，所述步骤（2）运动目标检测的方法为结合背景差分和帧间差分的运动目标检测方法，包括以下几个步骤： 

（a）对从视频流中获取的当前图像帧与视频流中的前一帧进行帧间差分，与步骤（1）获取的背景图像进行背景差分；（b）对步骤（a）操作所得的两个结果分别进行高斯平滑滤波处理并对高斯滤波后的结果分别进行阀值分割；（c）对步骤（b）所得的两个结果对于每个对应位置像素点的像素值进行数乘运算并再次进行阀值分割，生成二值图。

更具体的，所述步骤（2）中更新背景图像的方法为：将背景图像与所获取的当前图像帧进行比较, 对每一个像素点，若当前图像的像素值比背景图像中的对应像素点的像素值大, 则背景图像中该像素点的像素值增1, 如果比对应像素点的像素值小, 则减1。 

  

更具体的，所述步骤（3）中阴影检测与标记的方法为：对运动前景的像素点逐个扫描，对于像素点(x,y)，若其满足如下两个特征则为阴影点，同时将该像素点的像素值设为第三色值，以标注阴影点：

（a） ，其中分别表示背景图像与运动前景的像素点（x,y）相对应的像素点的RGB各通道的亮度值，分别表示当前图像与运动前景的像素点（x,y）处对应的像素点的RGB各通道的亮度值。

（b），其中C是前景，是背景， 是阀值，C和是选取RGB三个通道所占的百分比中最大的值。 

  

更具体的，所述步骤（4）中形态学滤波的方法为：对步骤（3）处理后的图像先进行一次腐蚀操作，然后再进行一次膨胀操作。

更具体的，所述步骤（4）中阴影去除的方法为：进行形态学滤波后的图像中的像素点进行逐个扫描，去除其中的阴影点，即将其中标记阴影点的第三色值改为0。 

更具体的，所述步骤（5）提取车辆目标的方法包括以下几个步骤： 

（a）对步骤（4）处理后得到的二值图，在其中寻找所有的连通区域并进行标记；（b）统计步骤（a）所找到的各个连通区域的所占的像素点的数量、最小外接矩的长宽比和面积，并利用这些数据过滤掉一些细小和狭长的区域；（c）对车辆区域可能存在的内部空洞和轮廓处的缺口进行填充。

更具体的，步骤（6）所述的树形跟踪图的方法为：