[发明专利]一种基于视频分析的车辆识别方法和系统

说明书

技术领域

本发明属于计算机视觉领域，涉及一种基于视频分析的车辆识别方法和系统。

背景技术

近些年来，随着国民经济的发展，工业水平的提高，人们的物质生活水平也迅猛发展，人们对于交通运输系统的依赖程度也越来越强。然而交通问题却成了当今城市生活的热点问题，成为影响人们城市生活质量水平的重要因素之一，交通问题的原因是多方面的，其中交通运输承载能力与管理软硬件条件不匹配的矛盾是引发交通问题的重要原因之一。另一方面，视频监控设备的发展，模式是被以及图像处理等学科理论的成熟，计算机视觉技术的提高，基于计算机视觉的智能交通监控系统已经成为现在智慧城市的一项重要组成部分。

智能交通系统是结合网络通讯技术、计算机视觉技术和传感器技术，为交通参与者提供多样化服务的先进交通综合管理系统。它利用便捷的信息采集、处理和发布技术，有效地改善了交通拥堵、环境污染、交通事故、能源消耗等问题，相比于传统的人工管理交通系统，采用计算机辅助的只能管理方案提高交通运输效率的同时，也提供了一体化的资源共享、信息服务，使人、车、路紧密的结合起来。其主要应用方向包括跨区域、多模式的公路收费系统，交通环境实时监控，公路布控、交通信息服务系统以及公共交通的调度和指挥等。

智能交通管理系统对车辆识别的要求越来越高，所需要的车辆信息也是越来越多。车辆识别系统是智能交通管理系统中十分重要的一环，它通过车辆检测和车辆识别可以准确地获取路面交通车流量信息，同时能获取基本的车辆信息，这些都是路面交通管理系统的重要基础信息。随之深度学习在近几年的火热发展，特别是卷积神经网络在计算机视觉领域的取得的重大突破，卷积神经网络已经成为计算机视觉领域的重要研究方向。随着最近几年深度学习的发展，作为传统机器学习的分支和延伸，深度学习如今已经在很多领域取得了辉煌的成绩，尤其是在图像识别领域，卷积神经网络在图像特征提取上的优势是人工提取所不能比拟的。卷积神经网络以原始图像作为输入，通过大量图像数据训练，能够自动提取用于识别图像目标的特征，简化了图像目标识别模型。而且卷积神经网络对图像目标的平移、缩放、旋转等形变具有很强的鲁棒性，可以极大提高目标的识别率，同时具有更好的泛化能力。

发明内容

有鉴于此，本发明的目的在于提供一种基于视频分析的车辆识别方法和一种基于分布式的车辆识别系统。

为达到上述目的，本发明提供如下技术方案：

一种基于视频分析的车辆识别系统，包括客户层、应用层和计算层，采用模块化的分布式架构；

(1)所述客户层为界面交互层，用于完成人机交互，提供用户登录和注册的窗口，用户等级分为普通用户和高级用户，为不同等级的用户提供不同等级的服务；系统提供可视化窗口，实现用户上传文件和结果显示；系统对用户上传的文件进行格式检测，将符合系统格式要求的视频送入下一模块进行处理；

其中，对文件检测是检测用户选择的视频文件格式是否符合系统要求，包括上传文件是否为视频文件或者视频文件是否符合要求格式，以及视频文件大小进行检测，超过系统处理能力的超大视频进行警告提醒；对于符合系统要求的文件会进入一下模块进行操作，对于不符合系统要求的文件会返回警告信息，提醒用户重新选择文件；系统要求的视频文件格式为avi格式的视频文件；

所述结果显示包括返回结果显示和返回信息提示；其中，返回结果窗口显示系统的返回信息，返回信息包括：警告信息、错误信息和最终车辆识别结果；警告信息包括：用户选择文件格式不符合要求和无系统检测结果；错误信息包括检测过程意外中断信息；车辆识别结果包括：车辆的车型和品牌车辆属性的识别结果；

(2)所述应用层负责对视频进行处理，包括背景提取、运动车辆检测和车辆图像提取；系统初始化参数之后，读取视频序列，通过计算视频序列的前几帧获取视频中的背景图像；得出视频的背景图之后，通过逐帧与背景图进行差分来得到运动物体差值图像，接下来对差值图像进行二值化和腐蚀膨胀图像处理操作，得到车辆图像；

(3)所述计算层是基于卷积神经网络的车辆识别，对车辆图像经过神经网络的卷积和池化操作提取车辆特征，经过全连接层计算目标损失函数，完成车辆的识别任务，并返回结果，然后将结果显示在客户层。

进一步，所述应用层采用celery分布式架构，能对多个视频任务进行分布式处理，即多个视频能分别在不同的主机上处理；其中，celery是一个基于Python开发的分布式异步消息任务队列，用于实现系统任务的异步处理；