[發(fā)明專利]一種基于支持向量機(jī)的車型識別方法

有效

• 申請?zhí)枺?/td>: 201210534099.4
• 申請日: 2012-12-12
• 公開（公告）號: CN103136537B
• 公開（公告）日: 2017-02-08
• 發(fā)明（設(shè)計）人: 蔡昭權(quán)
• 申請（專利權(quán)）人: 惠州學(xué)院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G08G1/017
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司44102
• 代理人: 任海燕

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于支持向量機(jī)的車型識別方法，屬視頻圖像處理和車輛檢測領(lǐng)域。?

背景技術(shù)

隨著我國的城市化進(jìn)展，道路交通和車輛運(yùn)輸發(fā)展迅速，基于視頻的交通監(jiān)控系統(tǒng)迅速發(fā)展起來。同時，為了解決數(shù)據(jù)量巨大的視頻檢索問題，基于內(nèi)容的視頻檢索技術(shù)迅速發(fā)展。它通過對視頻數(shù)據(jù)中所包含的視覺內(nèi)容自動進(jìn)行分析和特征提取，使人們可以直接利用計算機(jī)搜索符合主觀感受的相似內(nèi)容。交通視頻中機(jī)動車輛檢索的研究作為內(nèi)容檢索的一個特例，有著十分重要的意義。交管部門可以利用檢索提取車輛的各種特征參數(shù)，提高了交通執(zhí)法效率；還可以提取車輛速度、車流量等信息，為交通規(guī)劃提供一定依據(jù)。?

車型識別是車輛檢索的基礎(chǔ)，目前在車型識別中應(yīng)用較多的方法是模糊神經(jīng)網(wǎng)絡(luò)和BP?網(wǎng)絡(luò)等方法,但這些方法難以解決模式識別中存在的復(fù)雜性和推廣性的矛盾,本發(fā)明采用支持向量機(jī)方法,具有計算量小,能較好地解決小樣本、非線性和局部極小點(diǎn)等問題。?

發(fā)明內(nèi)容

本發(fā)明針對當(dāng)前車型識別技術(shù)的不足，提供了基于支持向量機(jī)的車型識別方法。本發(fā)明的目的在于采用支持向量機(jī)的方法快速地對視頻流中的車輛類型進(jìn)行識別和分類。具體的技術(shù)方案如下所述。?

一種基于支持向量機(jī)的車型識別方法，包括以下步驟：?

（1）構(gòu)建運(yùn)動背景圖像；（2）從視頻流中獲取圖像幀，利用步驟（1）中所獲取的運(yùn)動背景圖像，進(jìn)行運(yùn)動目標(biāo)檢測，獲取運(yùn)動前景圖像，同時利用所獲取的圖像對背景圖像進(jìn)行更新；（3）對步驟（2）中所獲取的運(yùn)動前景圖像進(jìn)行陰影檢測，并對陰影區(qū)域利用第三色值進(jìn)行標(biāo)記；（4）對步驟（3）處理后的圖像進(jìn)行形態(tài)學(xué)濾波，然后去除陰影區(qū)域的標(biāo)記；（5）利用步驟（4）處理后的圖像提取出車輛目標(biāo)；（6）對步驟（5）提取出的目標(biāo)車輛通過樹形跟蹤圖的方法進(jìn)行跟蹤并提取關(guān)鍵幀；（7）利用步驟（6）所得到的關(guān)鍵幀提取出車輛的外型特征；（8）利用步驟（7）得到的車輛的外型特征，采用支持向量機(jī)的方法對車輛進(jìn)行分類并輸出分類結(jié)果。

更具體的，?步驟（1）中所述構(gòu)建運(yùn)動背景的方法為快速背景建模方法，包括以下幾個步驟：（a）提取視頻流的前N幀圖像；（b）統(tǒng)計步驟（a）中的N幀圖像里面每個像素出現(xiàn)的各個顏色通道強(qiáng)度值出現(xiàn)的頻度，并把具有最大統(tǒng)計概率的值作為該像素點(diǎn)在對應(yīng)的顏色通道的值。?

更具體的，所述步驟（2）運(yùn)動目標(biāo)檢測的方法為結(jié)合背景差分和幀間差分的運(yùn)動目標(biāo)檢測方法，包括以下幾個步驟：?

（a）對從視頻流中獲取的當(dāng)前圖像幀與視頻流中的前一幀進(jìn)行幀間差分，與步驟（1）獲取的背景圖像進(jìn)行背景差分；（b）對步驟（a）操作所得的兩個結(jié)果分別進(jìn)行高斯平滑濾波處理并對高斯濾波后的結(jié)果分別進(jìn)行閥值分割；（c）對步驟（b）所得的兩個結(jié)果對于每個對應(yīng)位置像素點(diǎn)的像素值進(jìn)行數(shù)乘運(yùn)算并再次進(jìn)行閥值分割，生成二值圖。

更具體的，所述步驟（2）中更新背景圖像的方法為：將背景圖像與所獲取的當(dāng)前圖像幀進(jìn)行比較,?對每一個像素點(diǎn)，若當(dāng)前圖像的像素值比背景圖像中的對應(yīng)像素點(diǎn)的像素值大,?則背景圖像中該像素點(diǎn)的像素值增1,?如果比對應(yīng)像素點(diǎn)的像素值小,?則減1。?

??

更具體的，所述步驟（3）中陰影檢測與標(biāo)記的方法為：對運(yùn)動前景的像素點(diǎn)逐個掃描，對于像素點(diǎn)(x,y)，若其滿足如下兩個特征則為陰影點(diǎn)，同時將該像素點(diǎn)的像素值設(shè)為第三色值，以標(biāo)注陰影點(diǎn)：

（a）?，其中分別表示背景圖像與運(yùn)動前景的像素點(diǎn)（x,y）相對應(yīng)的像素點(diǎn)的RGB各通道的亮度值，分別表示當(dāng)前圖像與運(yùn)動前景的像素點(diǎn)（x,y）處對應(yīng)的像素點(diǎn)的RGB各通道的亮度值。

（b），其中C是前景，是背景，?是閥值，C和是選取RGB三個通道所占的百分比中最大的值。?

??

更具體的，所述步驟（4）中形態(tài)學(xué)濾波的方法為：對步驟（3）處理后的圖像先進(jìn)行一次腐蝕操作，然后再進(jìn)行一次膨脹操作。

更具體的，所述步驟（4）中陰影去除的方法為：進(jìn)行形態(tài)學(xué)濾波后的圖像中的像素點(diǎn)進(jìn)行逐個掃描，去除其中的陰影點(diǎn)，即將其中標(biāo)記陰影點(diǎn)的第三色值改為0。?

更具體的，所述步驟（5）提取車輛目標(biāo)的方法包括以下幾個步驟：?

（a）對步驟（4）處理后得到的二值圖，在其中尋找所有的連通區(qū)域并進(jìn)行標(biāo)記；（b）統(tǒng)計步驟（a）所找到的各個連通區(qū)域的所占的像素點(diǎn)的數(shù)量、最小外接矩的長寬比和面積，并利用這些數(shù)據(jù)過濾掉一些細(xì)小和狹長的區(qū)域；（c）對車輛區(qū)域可能存在的內(nèi)部空洞和輪廓處的缺口進(jìn)行填充。

更具體的，步驟（6）所述的樹形跟蹤圖的方法為：?