[发明专利]一种遮挡下的车辆识别方法及装置

权利要求书

1.一种遮挡下的车辆识别方法，其特征在于，包括：

通过物体前景检测获取待识别图像中车辆区域的第一掩码图，通过将所述第一掩码图中各连续区域的外边缘及外顶点连接，获得车辆区域的第二掩码图；

将所述第二掩码图与第一掩码图相减，得到非车辆空白图，所述非车辆空白图包括多个第一区域；

获取所述多个第一区域的内顶点；

以所述内顶点为端点构建的分割线划分所述第一掩码图中的连续区域为多个第二区域，根据所述多个第二区域的外顶点以及相邻内顶点构成的分割线构建多个矩形框；

获取待识别图像中所述多个矩形框位置分别对应的单个车辆图像；

将所述单个车辆图像输入训练好的识别神经网络进行识别，获得所述车辆的分类信息。

2.根据权利要求1所述的遮挡下的车辆识别方法，其特征在于，通过物体前景检测获取待识别图像中车辆区域的第一掩码图，包括：

获取待识别图像的视频流，采用Codebook算法从所述视频流中提取前景图像；

对所述前景图像做形态操作，所述形态操作包括膨胀和侵蚀；

对形态操作后的所述前景图像采用Canny算法获取轮廓，所述轮廓内区域即为车辆区域的第一掩码图。

3.根据权利要求2所述的遮挡下的车辆识别方法，其特征在于，所述采用Codebook算法从所述视频流中提取前景图像，包括：

从所述视频流中提取待识别图像，计算待识别图像的全局平均灰度值；

根据所述全局平均灰度值查找所对应的编码本，若查找成功，则待识别图像的所有像素均为前景，若查找失败，遍历待识别图像的每个像素的每个编码元，如果存在匹配当前像素值的编码元，则当前像素为背景，否则，当前像素为前景。

4.根据权利要求2所述的遮挡下的车辆识别方法，其特征在于，所述对形态操作后的所述前景图像采用Canny算法获取轮廓，包括：

使用高斯滤波平滑所述前景图像；

应用高斯模糊去除所述前景图像的噪声，降低伪边缘的识别；

计算所述前景图像的梯度幅值和梯度方向，其中，梯度模G的计算公式如下：

式中：Gx为水平方向的差分，Gy为垂直方向的差分；

梯度方向θ的计算公式如下：

θ＝atan2(G_y,G_x)；

遍历所述前景图像中轮廓曲线模糊部分的像素点，比较当前像素点的梯度强度和正负梯度方向的梯度强度，如果当前像素点的梯度强度大于同方向的其他点的梯度强度，则保留其值，否则，将该值设为0，将保留的所有像素点拼接成轮廓。

5.根据权利要求1所述的遮挡下的车辆识别方法，其特征在于，

所述识别神经网络包括卷积模块、自编码模块和识别模块；

其中，所述卷积模块包括N个并联的子卷积模块，所述子卷积模块包括卷积层和最大池化层，所述卷积模块用于将单个车辆图像分别在N个子卷积模块中提取特征信息；所述自编码模块包括2层卷积层，用于将N个子卷积模块提取的特征信息进行融合；所述识别模块用于根据提取的特征信息识别车辆。

6.一种遮挡下的车辆识别装置，其特征在于，包括：

第一获取模块，用于通过物体前景检测获取待识别图像中车辆区域的第一掩码图，通过将所述第一掩码图中各连续区域的外边缘及外顶点连接，获得车辆区域的第二掩码图；

第一处理模块，用于将所述第二掩码图与第一掩码图相减，得到非车辆空白图，所述非车辆空白图包括多个第一区域；

第二获取模块，用于获取所述多个第一区域的内顶点；

分割模块，用于以所述内顶点为端点构建的分割线划分所述第一掩码图中的连续区域为多个第二区域，根据所述多个第二区域的外顶点以及相邻内顶点构成的分割线构建多个矩形框；

第三获取模块，用于获取待识别图像中所述多个矩形框位置分别对应的单个车辆图像；

分类识别模块，用于将所述单个车辆图像输入训练好的识别神经网络进行识别，获得所述车辆的分类信息。