[发明专利]一种基于可变形部件模型的车牌及驾驶员人脸定位方法

摘要

本发明为涉及一种基于可变形部件模型的车牌及驾驶员人脸定位方法，属于物体检测领域。该方法通过可变形部件模型对正面视图中的车辆进行建模，将车牌和驾驶员人脸作为模型中的部件，通过训练得到模型中的参数；基于所建立的模型进行精确的车牌定位和驾驶员人脸定位，并基于车牌与驾驶员人脸的相对位置关系进行车型识别。本发明可以充分的利用车牌和驾驶员人脸之间的位置信息，可以准确的定位车牌和驾驶员人脸，并得到车型信息。

主权项

1.一种基于可变形部件模型的车牌及驾驶员人脸定位方法，其特征在于，一种基于可变形部件模型的车牌及驾驶员人脸定位方法，具体实现步骤如下：步骤一：建立正面车辆的可变形部件模型将车牌和驾驶员人脸作为部件，建立正面车辆的可变形部件模型，通过训练数据，得到车牌与驾驶员人脸之间的位置关系，作为模型参数；正面视图中的车辆的可变形部件模型M定义如下M={part_plate，part_face，pos_plate，face}                    (1)其中，part_plate表示模型中的车牌部件，part_face表示模型中的人脸部件，pos_plate，face={p_plate，face，d_plate，face}表示车牌与驾驶员人脸之间的位置关系；其中p_plate,face表示车牌与驾驶员人脸的空间位置关系；对于不同国家和地区，由于驾驶员所在的位置不同，此位置关系也不同；对于大陆地区，需满足plate.x<face.x,plate.y<face.y，其中plate.x,face.x表示车牌和人脸的x坐标，plate.y,face.y表示车牌和人脸的y坐标，既车牌在人脸的左下方；d_plate，face表示车牌与人脸之间的距离，且d_plate，face∈N_i(μ_i，δ_i)，i∈{big,middle,samll}          (2)N(μ，δ)表示均值为μ，方差为δ的高斯模型；通过统计标注的车牌与人脸之间的距离，得到每一类型的车辆所对应的高斯模型的均指和方差，既得到了车辆的可变形部件模型；步骤二：采用基于成对形态学算子的车牌定位方法进行车牌的粗定位，得到车牌的候选区域和对应的可信度步骤三：采用基于AdaBoost的人脸检测方法进行驾驶员人脸的粗定位，得到人脸的候选区域和对应的可信度步骤四：基于步骤一建立的正面车辆的可变形部件模型、步骤二得到的车牌候选区域和可信度以及步骤三得到的人脸候选区域和可信度进行车牌及驾驶员人脸的精细定位；设L={l_plate，l_face}为模型M在图像中的一个实现；其中l_plate表示车牌在图像中的位置，l_face表示人脸在车牌中的位置；设m(l_plate)表示车牌位置在l_plate的可信度，m(l_face)表示人脸位置在l_face的可信度；m(l_plate，l_face)表示车牌与人脸之间的位置关系与模型的符合度，且m(lplate,lface)=argmaxiP(dlplate,lface∈Ni(μi,δi))---(3)]]>其中为车牌候选区域与人脸候选区域之间的距离，N_i(μ_i，δ_i)为步骤一中通过训练得到的高斯模型，i∈{big,middle,samll}；根据可变形部件模型进行车牌及驾驶员人脸精细定位，既找到L^*使得L*={l*plate,l*face}=argmaxL(m(lplate)+m(lface)+m(lplate,lface))---(4)]]>通过步骤二可提取到车牌后续区域，通过步骤三可提取到人脸候选区域，根据候选区域的可信度，对候选区域进行排序；设排序后的车牌候选区域为l_{plate_1}，...l_{plate_n}，n为车牌候选区域的数目，排序后的驾驶员人脸候选区域为l_{face_1}，...l_{face_m}，m为驾驶员人脸候选区域；则通过可变形部件模型进行车牌及驾驶员人脸定位的过程为：对应i＝1，...，n，j=1，...，m，计算打分值m(l_{plate_i})+m(l_{face_j})+m(l_{plate_i}，l_{face_j})，记录最大的打分值及其对应的车牌和驾驶员人脸位置作为最终的车牌和驾驶员人脸定位的结果；步骤五：基于步骤四得到的车牌及驾驶员人脸的位置进行车型识别通过步骤四找到最佳的车牌位置l^*_plate及驾驶员人脸位置l^*_face后，通过计算i*=argmaxiP(d(l*plate,l*face)∈Ni(μi,δi))---(5)]]>i∈{big,middle,samll}，可得到最终的车型识别结果。