[發明專利]一種基于支持向量機的出租車識別方法

有效

• 申請號: 201210356432.7
• 申請日: 2012-09-21
• 公開（公告）號: CN102902983A
• 公開（公告）日: 2013-01-30
• 發明（設計）人: 田廣;梁龍飛;葉飛;張重陽
• 申請（專利權）人: 博康智能網絡科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 上海勝康律師事務所 31263
• 代理人: 張堅

技術領域

本發明涉及基于視頻圖像的車輛識別方法領域，尤其涉及一種基于支持向量機的出租車識別方法。

背景技術

目前智能交通系統中對交通監控系統的魯棒性和可靠性的要求越來越高，由于基于地感線圈、超聲波和雷達等傳感器的車輛檢測方法無法識別車輛類型，因此基于視頻圖像的車輛檢測和識別技術成為交通監控中的一項重要研究課題，它在計算機視覺導航，交通監視領域有著重要的實用價值，為城市復雜交通網絡的智能化和科學化管理提供自動化和科學的支持。目前，基于視頻圖像的車輛識別方法主要有HAAR-LIKE矩形特征算法、邊緣檢測法以及基于梯度方向直方圖[2](Histogram?of?Oriented?Gradient，簡稱HOG)等方法，以下對于上述三種識別算法進行簡要描述：

一、HAAR-LIKE矩形特征算法

最早的HAAR-LIKE矩形特征庫是Papageorgiou?C.等提出，Viola?P.等的快速人臉識別系統采用了3種類型5種形式的矩形特征，分別為：2矩形特征、3矩形特征和4矩形特征。其特征值的定義為黑色矩形內所有像素值的和減去白色矩形內所有像素值的和。

L?ienhart?R.等對HAAR-LIKE矩形特征庫作了進一步擴展，加入旋轉45度角的矩形特征。擴展后的特征大致分為4種類型：邊緣特征、線特征環、中心環繞特征和對角線特征。如圖1所示。

用HAAR-LIKE矩形特征來表述車輛，是因為這種特征表示的形式簡單，計算速度快，形式多樣，這些矩形特征可派生出豐富的矩形特征。

二、邊緣檢測法

邊緣檢測方法是在不同的光線條件下利用車體的不同部件、顏色等提供的邊緣信息有效的提取車輛的邊緣，從而進行靜止和運動車輛的檢測。相對于背景消減法，由于車輛的表面、形狀及顏色不同，邊緣檢測法所能提供的信息相當顯著。即便車輛與路面的顏色相同，因為車輛要比地面反射更多的光線所以車輛仍能被檢測出來。

三、基于梯度方向直方圖(Histogram?of?Oriented?Gradient，簡稱HOG)算法

HOG算法最重要的思想是：在一副圖像中，局部目標的表象和形狀（appearance?and?shape）能夠被梯度或邊緣的方向密度分布很好地描述。具體的實現方法是：首先將圖像分成小的連通區域，我們把它叫細胞單元。然后采集細胞單元中各像素點的梯度的或邊緣的方向直方圖。最后把這些直方圖組合起來就可以構成特征描述器。為了提高性能，我們還可以把這些局部直方圖在圖像的更大的范圍內（我們把它叫區間或block）進行對比度歸一化（contrast-normalized），所采用的方法是：先計算各直方圖在這個區間（block）中的密度，然后根據這個密度對區間中的各個細胞單元做歸一化。通過這個歸一化后，能對光照變化和陰影獲得更好的效果。

以上所描述的這些技術均已比較成熟，然后在其實際的應用中往往魯棒性和可靠上面臨著諸多挑戰．主要表現為：

(1)車載攝像頭實時拍行駛輛，使得拍攝到的物體尺寸和形態是不斷變化，并且經常會發生車輛重疊現象；

(2)車輛外觀多種多樣，包括形狀、顏色和尺寸等的多樣化，在不同的視角和光照下，車輛外觀存在很大區別；

(3)不同的天氣狀況引起的光照條件、陰天與雨雪等對視覺系統有很大影響；引起的光照條件、陰天與雨雪等對視覺系統有很大影響；

(4)復雜的外界環境如景物陰影、難以預測交通流干擾和混亂背復雜的外界環境等的影響，所有這些都是難以控制和預測。

而且，現有技術中基于視頻圖像的車輛檢測和識別技術主要集中在車牌識別和車型粗分類（將檢測到的車輛分類為小型車、中型車和大型車等）。由于出租車占交通系統中相當大比例，識別車輛是否是出租車在交通監控具有重要的意義，而目前尚無一種專門用于分辨機動車是否為出租車的識別技術。

發明內容

本發明實施例的目的是針對現有技術的空白，提出一種基于支持向量機的出租車識別方法，經過嚴格的實驗證明，該出租車識別方法具有較高的判斷準確率與魯棒性。

為了達到上述發明目的，本發明提出的一種基于支持向量機的出租車識別方法是通過以下技術方案實現的:

一種基于支持向量機的出租車識別方法，其特征在于包括如下步驟：

a、構建樣本庫，包括含有出租車輛的正樣本以及含有其它機動車輛的負樣本；