[发明专利]一种静态图片中车辆特征检测及识别的方法及系统

说明书

技术领域

本发明涉及一种静态图片中车辆特征检测和识别的方法和系统，属于车辆图像识别领域，具体地讲是在静态图片中进行车辆外观特征检测和车辆品牌的识别。

背景技术

随着电子成像技术和互联网的发展，人们创造图片、分享图片和获得图片的途径越来越方便且多样，从而出现在互联网上的图片也日益增多，除了文字对这些图片的描述，计算机并不知道图片的内容，比如某张图片中是否有车辆，图片中车辆具备什么样的特征，是什么品牌，通常这些都只有通过人为检查判断才可以获知。

传统的以关键词的形式对图片内容做出注释并不能很好地匹配到对应的图片上，人们通过使用计算机依据一定的算法直接去识别图片内容的技术便因此应运而生。这样可以使得，即便是事先没有内容描述的互联网图片，也可以通过图像识别技术去获知其中的内容，其中就包括对车辆的检测和识别。

已有的车辆特征检测和识别技术主要运用在视频中，比如智能交通监控，通过视频的多帧信息可以比较容易地检测出运动的车辆，从而加以定位和识别；然而在静态图片中是不适合采用这些传统方法的，也就是要寻求在静态图片中检测和识别车辆的方法。随着电子商务的发展，越来越多的商品是在网络上直接面对消费者，其中也包括车辆。如果能让计算机知道互联网中的某张图片中是否存在车辆，并知道车辆的品牌，那么将更有利于车辆销售商对车辆的推广，所以在静态图片中检测和识别车辆的技术有广阔的应用前景。

发明内容

本发明的目的是提供了一种静态图片车辆特征的检测和识别的方法，并提供了一种针对互联网图片的车辆特征的检测和识别的系统，包括：对待检测网络图片进行车辆检测并判断车辆的姿态，在车辆的前面区域或后面区域进行车标检测从而识别车辆，流程如图1所示。

一、本发明实施提供了一种静态图片中车辆检测方法，包括训练及检测两部分。

训练阶段的步骤如下：

（1）制作车辆样本：对输入图片进行归一化，即对输入图像的每个颜色分量进行gamma标准化，以适应图像过暗或对比度较低的情况，本发明采用的操作是对颜色分量进行取对数运算；

（2）样本特征计算：对归一化后的图像计算梯度方向直方图（Histogram of Oriented Gradient，HOG）特征金字塔；

（3）训练车辆模型：将样本的特征数据集传入训练分类器隐式支持向量机（Latent Support Vector，LSVM）学习。通过学习产生车辆的根模型、部件模型和对应可变形部件模型的混合模型。

检测阶段的步骤如下：

（1）加载待测图片：对输入图片进行归一化，即对输入图像的每个颜色分量进行gamma标准化；

（2）特征计算：对待检测网络图片计算HOG特征金字塔；

（3）加载车辆模型：加载存储车辆模型的数据文件；

（4）车辆检测：通过尺度空间的多尺度检测算法在特征金字塔上扫描出与可变部件模型相匹配的区域实现车辆的检测定位。

二、本发明实施提供了一种静态图片车辆识别方法，具体来讲是一种基于AdaBoost框架的车标检测方法，包括训练及检测两部分。

训练阶段的步骤如下：

（1）制作车标样本；

（2）样本特征计算；

（3）训练联级分类器。

检测阶段的步骤如下：

（1）加载待测图片；

（2）加载车标分类器；

（3）联级车标检测。

附图说明

图1是静态图片车辆特征检测和识别的流程示意图。

图2是训练车辆模型6模变形部件的组成示意图。

图3是车辆特征检测中的目标变形部件定位的示意图。

图4是样本特征计算的Haar特征的示意图。

图5是联级车标检测的流程示意图。

图6是图5所示联级车标检测流程的结果示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。