[发明专利]一种基于级联集成分类器的车辆品牌类型识别方法

说明书

技术领域

本发明专利涉及智能交通研究领域，尤其是城市车辆监控及管理的研究。

背景技术

随着“平安城市”的发展，车辆品牌类型的识别已成为交通管理领域中研究 热点内容之一。车辆品牌类型识别在通道控制系统(ACS)中尤为重要，如停车场、 大楼和限制区域通过识别车辆品牌类型限制假(套)牌车进入。目前车辆识别的 研究大多局限于将牌照作为车辆的唯一身份特征，对于两辆不同品牌类型的车辆 具有相同牌照(即盗牌)的问题，车牌识别系统无法辨识真伪，因此，车辆品牌 分类系统在城市交通监控、应急指挥和事故检测等领域有着广泛应用。

基于视频图像的车辆品牌类型识别技术具有广泛的应用前景，而实现车辆品 牌类型的识别关键技术是车辆特征的提取及分类器的构建选取。目前，Petrivic 提出了一种根据图像的梯度特征来表征车辆类型，并采用最近距离分类法进行车 辆类型识别，实验结果虽然可以对某些特定类型的车辆进行自动识别，但是整体 准确率还有待提高。

故，需要一种新的技术方案以解决上述问题

发明内容

本发明专利所要解决的问题是自动识别车辆品牌类型，以用于在车辆假(套) 牌以及通道控制系统的应用。

为解决上述技术问题，本发明专利采用如下技术方案：

一种基于级联集成分类器的车辆品牌类型识别方法，包括步骤：

1)对电子警察卡口相机拍摄的车辆图片采用遍历匹配算法搜索车辆的车牌 区域，并根据车脸区域与车牌区域的比例关系来定位和分割车脸图像；

2)分别采用梯度方向直方图和Contourlet变换提取车脸图像特征，构造组 合特征向量，并采用主成分分析法对提取的组合特征向量进行降维处理；

3)基于贝叶斯分类器、k-近邻分类器、多层神经网络分类器和支持向量机 分类器，构造车辆品牌类型识别的第一级集成分类器，并采用经过降维处理后的 组合特征向量对第一级集成分类器进行训练，采用4种决策分类机制对每个输入 样本进行投票表决，使其具有“拒识”功能，分出“拒识”样本；

4)采用多层神经网络作为第二级集成分类器的子分类器，并采用旋转森林 构造车辆品牌识别的第二级集成分类器，对第一级的“拒识”样本再次进行分类识 别；

5)采用经过降维处理后的组合特征向量对所构造的级联集成分类器进行训 练，对于没有“拒识”的情况的测试样本根据其可信度值判断其所属车辆品牌类 型，而对于分类器具有“拒识”选项情况下的测试样本，则采用第二级集成分类 器判断其所属车辆品牌类型。

与现有技术相比，本技术方案以一种基于级联集成分类器的方法来识别车辆 品牌类型，大大增加了识别系统的精度和可靠性，为有效地解决车辆套牌、交 通肇事等交通问题提供了重要的参数依据。

附图说明

图1为本发明中的级联集成分类器示意图；

图2为本发明中的第一级集成分类器的示意图；

图3为本发明中的第二级集成分类器的示意图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于 说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员 对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围

本发明公开的一种基于级联集成分类器的车辆品牌类型识别方法，包括以下 步骤：

1)对电子警察卡口相机拍摄的车辆图片采用遍历匹配算法搜索车辆的车牌 区域，并根据车脸区域与车牌区域的比例关系来定位和分割车脸图像；

2)分别采用梯度方向直方图(HOG)和Contourlet变换提取车脸图像特征， 构造组合特征向量，并采用主成分分析法(PCA)对提取的组合特征向量进行降 维处理；

3)基于贝叶斯分类器(Bayes)、k-近邻分类器(kNN)、多层神经网络分类 器(MLP)和支持向量机分类器(SVM)，构造车辆品牌类型识别的第一级集成 分类器，并采用经过降维处理后的组合特征向量对第一级集成分类器进行训练， 采用4种决策分类机制对每个输入样本进行投票表决，使其具有“拒识”功能， 分出“拒识”样本；