[发明专利]一种基于多部件空间位置关系GMM建模的车辆检测方法

摘要

本发明公开了一种基于多部件空间位置关系GMM建模的车辆检测方法，通过对车牌和车尾灯颜色特征的训练，得出各自针对彩色图像‑灰度图像的转换模型，用它们分别处理原始道路交通视频图像，得到突显车牌区域和车尾灯区域的灰度图像；对尾灯灰度图像经过阈值分割、连通域分析完成尾灯对的进一步准确定位；最后，用高斯混合建模理论建立尾灯对和车牌检测结果在同一空间上的位置关系概率模型，来进一步判断检测到的部件所构成的目标是同一辆车还是不同辆车，从而完成车辆的准确识别。本发明的方法，具有较高的稳定性和检测精度，尤其针对光照条件较差和部件被遮挡的情形，本发明提出的方法有较好的效果。

主权项

一种基于多部件空间位置关系GMM建模的车辆检测方法，其特征在于，包括以下步骤：步骤一，获取道路交通视频中的大量包含有车辆的样本图像，根据样本图像中的车牌区域和车尾灯区域，得到车辆的车尾灯颜色模型和车牌颜色模型；根据车牌区域和尾灯对区域之间的位置关系，得到位置关系的概率模型，包括尾灯对概率模型、左尾灯和车牌概率模型以及右尾灯和车牌概率模型；步骤二，针对道路交通视频中的一帧视频图像，采用车牌颜色模型进行转换，得到该帧视频图像对应的车牌灰度图像；并采用车尾灯颜色模型进行转换，得到该帧视频图像对应的车尾灯灰度图像；步骤三，针对车牌灰度图像，计算每个像素点处的灰度梯度值，所有像素点处的灰度梯度值形成车牌梯度图像；步骤四，选取一个与车牌大小相同的平滑窗，针对车牌梯度图像中的每一个像素点，计算平滑窗内所有像素点的灰度梯度值的平均值，将该平均值作为该像素点的像素值，所有像素点的像素值形成车牌平均梯度图像；步骤五，针对车牌平均梯度图像，划分多个网格块，对每个网格块进行判断，并计算得到多个车牌区域；步骤六，针对车尾灯灰度图像，采用阈值二值化分割和8点邻域连通法标记出多个连通区域；步骤七，统计每个连通区域内灰度值是1的像素点的个数，若大于阈值，则该连通区域是车尾灯区域，否则该连通区域不是车尾灯区域，得到多个车尾灯区域，每个车尾灯区域包括左尾灯区域和右尾灯区域；步骤八，在多个车牌区域和多个车尾灯区域中任意选取一个车牌区域和一个车尾灯区域，计算车牌区域的质心和左尾灯区域的质心之间的间距，以及两个质心的连线与水平方向的夹角；计算车牌区域的质心和右尾灯区域的质心之间的间距，以及两个质心的连线与水平方向的夹角；计算左尾灯区域的质心和右尾灯区域的质心之间的距离，以及两个尾灯区域的质心离地面的高度；步骤九，将车牌区域的质心和左尾灯区域的质心之间的间距，以及两个质心的连线与水平方向的夹角代入左尾灯和车牌概率模型，将车牌区域的质心和右尾灯区域的质心之间的间距，以及两个质心的连线与水平方向的夹角代入右尾灯和车牌概率模型，将左尾灯区域的质心和右尾灯区域的质心之间的距离，以及两个尾灯区域的质心离地面的高度代入尾灯对概率模型，并分别计算3个概率模型对应的概率似然度，如果至少有一个概率模型的概率似然度大于预设阈值，则认为检测到的车牌和尾灯属于同一车辆；步骤十，重复步骤八和步骤九，完成视频图像中所有车辆的检测。