[发明专利]一种基于图像特征的卡口车辆图像识别方法

说明书

技术领域

本发明涉及交通图像处理领域，更具体地，涉及一种基于图像特征的卡口车辆图像识别方法。

背景技术

车辆识别系统(Vehicle Recognition System, VRS)是智能交通系统的一个重要组成部分。广义的车辆识别系统指识别车辆的车牌、颜色、厂家、型号、特殊标记等信息。但目前应用的车辆识别系统基本都仅通过车牌识别实现车辆身份确定，主要用于区间测速及高速公路、停车场出入口管理当中。虽然车牌是车辆唯一的合法标识，但基于图像处理的车牌识别技术在应用中存在准确率不高、使用条件受限等问题，尤其对于假牌、套牌、遮挡牌照情况无法应对。因此，对车牌以外的其他车辆特征进行识别是非常重要的。当前也有对区分大、中、小等车型的技术，以及通过车标识别进行车辆品牌识别的技术，但分类很粗略，颜色的识别率也不高。对于具体的车辆型号、款式的识别以及特定车辆的搜寻还是依赖于工人判断及人工检索，该工作往往需要花费大量人力资源以及时间，对于海量图像数据进行搜索时工作量无法估计。因此以计算机替代人工，进行车辆型号、款式的识别及更加准确的颜色判别是非常必要的。

目前主要的车辆图像识别方法按所识别的对象不同，可分为三类：直接识别、车辆局部特征识别和图像特征识别。

直接识别。该类方法直接识别人类对车辆的感知信息，主要包括车辆牌照和车辆外观信息（如颜色、形状、大小等）。前者的识别结果虽然可以作为执法依据，但准确率有限；后者对于拍摄场景通常有着特殊的要求，而且往往需要事先标定，无法精确计算。

车辆局部特征。车辆局部特征主要包括车辆标志信息和车脸信息。但前者只包含车辆厂家信息，后者往往由于车脸信息过于复杂而导致难以提取及准确定义。

图像特征识别。图像特征一般并不代表人类对车辆的感知信息，因此对图像的特征识别，往往需要有模板图像，通过计算待识别图像与模板图像特征的匹配度来进行识别。车辆图像特征主要包括颜色分布特征（如直方图、颜色矩等）和图像空间局部特征。对于前者，不同的车辆图像可能会对应相同的分布特征；后者则以SIFT、SURF、PCA-SIFT为代表，计算复杂度较高。

发明内容

本发明所要解决的技术问题是提供一种识别准确度高的基于图像特征的卡口车辆图像识别方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于图像特征的卡口车辆图像识别方法，包括如下步骤：

建立模板数据库：

在模板数据库中存储有拍摄所得的不同款式不同颜色车辆的模板图像，在模板数据库中对应每张模板图像存储车辆属性数据、车身颜色数据；

对模板数据库中的每张模板图像进行数据处理，获取车辆SIFT特征数据并存储在模板数据库中；

对待识别图像进行识别：

对待识别图像进行颜色识别；

根据颜色识别结果从模板数据库中选取符合车身颜色的模板图像；

利用SIFT算子原理对待识别图像提取特征，并和所选取的模板图像进行比对，获取与待识别图像相匹配的模板图像；

将相匹配的模板图像所对应的车辆属性数据输出。

本发明将车辆颜色识别和基于SIFT算子原理的识别相结合，根据颜色识别结果在模板数据库中每种车型下选择颜色信息相符合的模板图像数据，并进行基于SIFT算子原理的比对，使得待识别图像与对应颜色的模板图像进行匹配操作，为识别过程加入了颜色信息，克服了SIFT算子丢弃颜色信息的缺点，能够提高识别的准确度；而且在模板数据库中对应每一种车型都存储有对应的车辆属性数据，对车辆的分类更加精细，使得识别结果更加具体，识别准确率更高。

改进之一：对模板数据库中的每张模板图像进行数据处理获取车辆SIFT特征数据存储在模板数据库中的具体步骤为：

对每张模板图像中车辆车牌所在的图像坐标进行标记；

对每张模板图像进行车辆SIFT特征点的确定，即将模版图像中位于车牌标记区域内的SIFT特征点信息剔除，保留模版图像中其余的SIFT特征信息作为每张模板图像的车辆SIFT特征数据。

本发明将模板图像中车牌区域的特征点排除，使得后续在将待识别图像与模板图像进行匹配时排除了车牌区域特征点的干扰，能够大大降低识别为不同车型的可能性，从而提高识别的准确率。

改进之二：对待识别图像进行颜色识别的具体步骤为：

预先对车身颜色分为绿、黄、红、蓝、白和黑六类，其中黄色包括人眼感知的黄色、橙色和褐色，红色包括人眼感知的红色、粉色和紫色，白色包括人眼感知的白色、银色、浅灰色，黑色包括人眼感知的黑色、深灰色；