[发明专利]一种车型识别方法

摘要

本发明公开了一种车型识别方法，包括以下步骤（1）视频图像采集，车型分别为轿车、面包车和公共汽车三类，从视频中提取多幅关键帧图像构建了车辆图像库；（2）图像分割及预处理；（3）图像特征提取及降维，然后经过LDA算法计算类内散布矩阵及类间散布矩阵，最后取矩阵的前k个特征向量作为LDA特征子空间的投影矩阵，训练样本和测试样本最后均以k维的特征向量表示；（4）构造支持向量机核函数的选择与参数的确定；（5）多类分类器的设计构造3个一对一分类器，即（C，B），（C，V）及（B，V），构造有向无环图，并通过决策有向无环图多分类方法进行车型的分类。

主权项

一种车型识别方法，其特征在于，包括以下步骤：(1)视频图像采集，车型分别为轿车(包括小轿车、吉普车)、面包车(包括商务车及普通面包车)和公共汽车(公交车)三类，分别用C、V、B表示；从视频中提取多幅关键帧图像构建了车辆图像库，其中训练样本采集和测试样本采集包括：轿车、面包车、公共汽车；(2)图像分割及预处理：将每个样本经过图像剪裁成85×60像素大小且含车辆目标的图片，进行边缘检测和形态学操作；(3)图像特征提取及降维：首先，对进行形态学操作后的图像进行形状及纹理特征提取，由区域像素数、均值、标准差、三阶矩、熵组成的5维的特征向量；其中，区域像素数是区域内总的像素数，均值是纹理平均亮度的度量，标准差是纹理灰度级对比度度量，三阶矩表示直方图偏斜度的度量，熵是描述图像亮度随机性的度量；然后，对去除背景后的原图像进行HOG(梯度方向直方图)特征提取，形成高维的特征向量；最后，将高维特征向量进行主成分分析法(PCA)降维处理，加上描述形状和纹理的特征，形成特征向量，然后经过LDA算法计算类内散布矩阵Sw及类间散布矩阵Sb，最后取矩阵Sb的前k个特征向量作为LDA特征子空间的投影矩阵，训练样本和测试样本最后均以k维的特征向量表示；(4)构造支持向量机核函数的选择与参数的确定：利用支持向量机进行分类时，选用径向基核函数，并确定径向基核函数本身的参数γ以及惩罚参数C；(5)多类分类器的设计：构造3个一对一分类器，即(C，B)(将轿车划分为正类，公共汽车划为负类)，(C，V)及(B，V)，构造有向无环图，并通过决策有向无环图多分类方法进行车型的分类。