[发明专利]一种车辆信息提取方法和系统

说明书

本发明涉及一种车辆信息提取方法和系统，系统的输入为一个现有卡口系统拍摄的图片，通过对比度范围的调整和降噪处理等预处理手段后，采用层次化的分析方法，计算出图片中包含车辆的若干区域以及对应的车型信息、车辆颜色信息，针对轿车区域，通过统一车辆型号识别模型计算得出该车辆的品牌以及具体型号，针对轿车、大型车区域提取车辆牌照信息等。通过该系统，可以在100毫秒的级别内分析得到图片中车辆的车型、品牌及具体型号。

技术领域

本发明属于图像识别技术领域，特别涉及一种车辆信息提取方法和系统。

背景技术

在道路交通日趋便利的情况下，驾车作案开始成为犯罪分子跨区域实施流窜犯罪的主要作案方式，特别是在侵财性案件中尤为突出。与之对应的高清监控的建设已逐步向城市内部发展，形成了内外包围的密集架构，对车辆的控制能力大大提升。现有的卡口系统主要通过图片上车辆的牌照信息来完成对海量图片数据库的查询、检索。这种检索方法，依赖于车辆的牌照信息，无论牌照本身或是识别结果均是正确的这个前提。但根据对涉车案件的分析，发现犯罪分子的反侦查意识越来越强，使用假牌、冒用车牌的情况越来越普遍，这会造成牌照信息和所有人信息的错误关联，从而给案件的侦破带来了极大的困难。因此需要挖掘对于海量图片数据的其他语义查询和检索方式。

在图像识别领域，特别是在行人检测、人脸识别方面，最近产生了一些效果很好的方法。2001年P. Viola和M.Jones提出的“Robust Real-Time Face Detection”，该工作提出了用Adaboost方法结合Haar类特征进行人脸特征的训练，可以达到实时检测的效果。2006年N. Dalal提出了“Histograms of Oriented Gradients for Human Detection”，该工作提出一种基于方向直方图的特征，结合支持向量机技术，在行人检测上取得了非常好的效果。而针对图像中车辆信息相关的识别，还没有报告声称有成熟的高效解决方案。类似的工作主要集中在牌照识别，车辆标志的识别以及车辆类型的识别。

通过车辆标志的方法提取车辆品牌信息主要存在一些问题：1)车标一般较小，因此对车辆区域的大小和清晰度有很高的要求；2）车标的信息量太小，而依赖车标的检测方法无法处理现实情况中出现的更改车标或是车标破损、缺失的图片；3）同样由于车标的信息量太小，很多车辆的车标都不可以被高质量识别，误报率很高。

车辆类型的识别可以区分车辆的种类型号，是车辆信息的一部分。目前应用最广泛的检法方法是通过感应线圈，即当不同类型车辆通过时，感应装置会产生不同的波形，而同一类车的波形具有共性，因此可以用来区分车辆类型。这种方法的问题一是破坏性安装；二是容易受干扰，识别率较低；三是物理接触、消耗大且容易损坏。

再如申请号为201310416016.6的中国专利申请中，提出了一种基于图像的车辆品牌识别方法和系统，通过车牌检测的方法定位图像中车辆的位置，然后通过车牌的位置来计算车辆一些部件的位置，最后再通过对这些位置进行特征匹配获取该车辆的品牌信息。该方法存在一些很严重的问题，会影响该方法的适用范围以及实际效果。这包括：1）其品牌识别性能高度依赖于车辆牌照的精确定位，这就不能处理无牌照车辆或是牌照没有安放在标准位置的车辆，而这些情况在涉车的刑事案件中是经常出现的；2）由于其联合使用了多个车辆部件模块构成特征向量，而多个模块的定位也都依赖于相对牌照的关系，同样不能处理无牌照车辆或是牌照没有安放在标准位置的车辆；3）其在矫正车牌位置时候采用了SIFT特征匹配，该方法速度较慢，会影响整体识别速度。

发明内容

为了解决上述问题,针对大规模卡口图片中的车辆信息，包括车辆类型、车辆品牌型号、颜色、车牌等，进行快速提取,本发明第一个方面涉及一种车辆信息提取方法，包括：

读入待处理的卡口图片；

对待处理的卡口图片进行图像预处理，包括调整对比度范围和降噪处理；

对预处理的图片进行层次化结构分析；