[發明專利]基于多層描述子的車輛標識方法與系統

有效

• 申請號: 201410055852.0
• 申請日: 2014-02-19
• 公開（公告）號: CN103810505B
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 田永鴻;陳佳秋;王耀威
• 申請（專利權）人: 北京大學
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46
• 代理公司: 北京市商泰律師事務所11255
• 代理人: 毛燕生

1.一種基于多層描述子的車輛標識方法，該方法利用車輛的全局特征和基于奇異區域的局部特征構成車輛的多層描述子，并且在綜合考慮匹配精度與匹配速度的情況下，利用多種匹配策略獲得最終車輛標識的結果；該方法主要包括以下步驟：

(1)車輛全局特征提取，得到整個車身的全局特征；

(2)車輛奇異區域局部特征提取，提取車輛的奇異區域，并提取奇異區域的局部特征；

(3)多層描述子構造，利用車輛的全局特征、奇異區域的局部特征、車輛的先驗知識以及某些語義信息來構造車輛的多層描述子；所述的多層描述子的構造方法是：通過把高維空間的特征映射到低維空間，用低維空間的精簡表示來描述原來的高維特征，主要包括碼本和降維的方法；所述碼本方法是指：把得到的視覺特征用一種編碼方式進行表示；所述降維方法是指：把通過一些方法提取特征中特性比較顯著的那些維度，去掉特征沒有區分性的那些維度；多層描述子的具體構造方法包括但不僅限于：詞袋方法、主成分分析、線性判別分析、局部線性嵌入方法；

(4)基于多層描述子的車輛標識，綜合考慮匹配精度與匹配速度的情況下，利用多種匹配策略獲得最終車輛標識的結果。

2.根據權利要求1所述的方法，其特征在于，步驟(2)中所述的車輛奇異區域主要指車輛特性獨特的局部區域，包括但不限于：車輛的車標、車牌、車頭、車輛車頂、車窗玻璃的明顯特征以及與其他車輛有明顯特征差異的區域。

3.根據權利要求1或2所述的方法，其特征在于，步驟(2)中所述的車輛奇異區域的檢測，可以運用多種檢測方法，具體方法包括但不僅限于：

(a)基于視覺顯著的方法：通過圖像中能量分布來確定我們需要的顯著區域的位置，顯著區域為能量較為集中的區域；

(b)基于輪廓的方法：通過檢測圖像中的多輪廓的區域來獲取車輛的奇異區域；

(c)基于特征點的方法：通過現有的特征點檢測算法來獲取圖像中特征點，尋找特征點相對集中的區域作為車輛的奇異區域；

(d)基于凸區域劃分的方法：將車輛劃分為若干個凸區域，用時域上特征比較穩定的凸區域與其他車輛的特征進行相比，選取差異明顯的區域作為指定車輛的奇異區域；

(e)具體區域的定位的方法：通過先驗知識或訓練好的模型來獲取定位目標的相應位置。

4.根據權利要求1所述的方法，其特征在于：步驟(4)中所述的基于多層描述子的車輛標識中所涉及的多種匹配策略，主要包括并行匹配策略與自頂向下匹配策略，可根據具體得到的描述子的構成及實際需求選擇需要的匹配策略；在并行匹配策略中，每一層的描述子都被用于匹配，從而得出最終結果；自頂向下匹配策略中，逐層對描述子進行匹配，并且在得到需要的結果后停止后面層的匹配操作。

5.一種基于多層描述子的車輛標識系統，該系統主要包括以下模塊：

(1)車輛全局特征提取模塊，得到整個車身的全局特征；

(2)車輛奇異區域局部特征提取模塊，提取車輛的奇異區域，并提取奇異區域的局部特征；

(3)多層描述子構造模塊，利用車輛的全局特征、奇異區域的局部特征、車輛的先驗知識以及某些語義信息來構造車輛的多層描述子；多層描述子的構造通過碼本的方式以及降維的方式獲得；其中：a)碼本方式是通過把現有的特征量化到一定數量上，并且對量化后的結果進行相應的編碼，最常用的碼本方式為詞袋模型；b)降維的方式是把不同的特征進行線性或者非線性的組合，然后再進行降維操作；降維方法如下：(i)主成分分析，(ii)線性判別分析，(iii)局部線性嵌入方法；

(4)基于多層描述子的車輛標識模塊，綜合考慮匹配精度與匹配速度的情況下，利用多種匹配策略獲得最終車輛標識的結果。