[發(fā)明專利]實(shí)時(shí)的基于交通視頻的車型檢測(cè)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410142327.2
• 申請(qǐng)日: 2014-04-02
• 公開（公告）號(hào): CN103886760A
• 公開（公告）日: 2014-06-25
• 發(fā)明（設(shè)計(jì)）人: 李濤;葉茂;向濤;李冬梅;朱曉珺;張棟梁;包志均;唐紅強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 李濤
• 主分類號(hào): G08G1/017
• 分類號(hào): G08G1/017;G06K9/00;G06K9/66
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種實(shí)時(shí)的基于交通視頻的車型檢測(cè)系統(tǒng)，其特征在于，包括線下訓(xùn)練和線上匹配兩部分；

所述線下訓(xùn)練部分包括以下步驟：(1)計(jì)算Harris角點(diǎn)，獲得顯著區(qū)域；然后對(duì)顯著區(qū)域密集采點(diǎn)，對(duì)非顯著區(qū)域稀疏采點(diǎn)；(2)在采點(diǎn)完成后的圖像中，計(jì)算相應(yīng)的擴(kuò)展梯度形成車型模板圖，并進(jìn)行車型模板圖的二進(jìn)制編碼，根據(jù)余弦相似預(yù)先存儲(chǔ)梯度響應(yīng)圖表，完成并行計(jì)算設(shè)計(jì)；(3)最后根據(jù)車型特征描述的不同利用k-means聚類的方式構(gòu)建不同子空間，建立有層次的車型模板索引，記錄模板相關(guān)信息；

所述線上匹配包括以下步驟：(1)通過(guò)交通場(chǎng)景下獲得帶識(shí)別的車型圖像；(2)計(jì)算圖像車輛的顯著區(qū)域和非顯著區(qū)域，然后非均勻采點(diǎn)獲得梯度圖；(3)梯度點(diǎn)進(jìn)行擴(kuò)展和二進(jìn)制編碼；(4)通過(guò)余弦相似獲得相應(yīng)梯度響應(yīng)圖；(5)采用并行計(jì)算的方式進(jìn)行快速查表匹配；(6)獲得車型匹配結(jié)果，判斷車型，完成車型檢測(cè)。

2.根據(jù)權(quán)利要求1所述的實(shí)時(shí)的基于交通視頻的車型檢測(cè)系統(tǒng)，其特征在于，所述線下訓(xùn)練部分的步驟(1)中，計(jì)算獲得顯著區(qū)域和非顯著區(qū)域的非均勻采樣點(diǎn)的梯度圖的詳細(xì)步驟是：

(1.1)首先獲得車輛輪廓線上的Harris角點(diǎn)；

(1.2)以Harris角點(diǎn)為圓心，像素鄰域半徑R=6畫圓到大小與車型模板圖像一樣的空白圖像上，再在這張圖像上尋找連通域，從而定位出車輛圖像的顯著區(qū)域；

(1.3)在獲得的顯著區(qū)域密集采點(diǎn)，非顯著區(qū)域的進(jìn)行稀疏采點(diǎn)；計(jì)算非均勻采樣后的圖像的RGB三個(gè)通道的圖像梯度，對(duì)于每個(gè)梯度點(diǎn)的梯度值取該點(diǎn)在三個(gè)通道中的最大梯度值；然后通過(guò)閾值保留梯度值比較大的梯度點(diǎn)；把求得的梯度，量化為N個(gè)梯度方向，然后把各個(gè)梯度點(diǎn)領(lǐng)域內(nèi)出現(xiàn)次數(shù)最多的梯度方向作為該梯度點(diǎn)的梯度方向；

(1.4)量化之后的梯度方向進(jìn)行相應(yīng)的二進(jìn)制編碼標(biāo)，將梯度方向用長(zhǎng)度為N的二進(jìn)制串表示，形成二進(jìn)制表示的梯度圖。

3.根據(jù)權(quán)利要求1所述的實(shí)時(shí)的基于交通視頻的車型檢測(cè)系統(tǒng)，其特征在于，所述線下訓(xùn)練部分的步驟(2)還包括獲得模板的梯度特征信息并預(yù)先存儲(chǔ)響應(yīng)表，包括以下步驟：

(2.1)圖像梯度點(diǎn)擴(kuò)展是對(duì)二進(jìn)制化的圖像梯度圖進(jìn)行處理，梯度點(diǎn)擴(kuò)展過(guò)程對(duì)每個(gè)梯度點(diǎn)在T×T鄰域內(nèi)進(jìn)行梯度擴(kuò)展，從而獲得擴(kuò)展后的二進(jìn)制編碼圖；

(2.2)獲得擴(kuò)展后的梯度圖像后，模板匹配的相似度采用求取余弦相似度的方法來(lái)實(shí)現(xiàn)；匹配的過(guò)程中，該梯度點(diǎn)在T×T鄰域內(nèi)所有梯度方向中，會(huì)有一個(gè)梯度方向與當(dāng)前匹配的梯度方向所得到的余弦響應(yīng)值最大，那么就認(rèn)為該梯度方向?yàn)樽钇ヅ涞奶荻确较颍灰驗(yàn)樘荻攘炕癁镹個(gè)等級(jí)，所以獲得N張?zhí)荻软憫?yīng)圖，每一個(gè)梯度方向都分別對(duì)應(yīng)一張?zhí)荻软憫?yīng)表，每個(gè)梯度響應(yīng)表與二進(jìn)制編碼所代表的領(lǐng)域內(nèi)梯度方向集合的最大余弦響應(yīng)值是可以預(yù)先計(jì)算出來(lái)，保存在內(nèi)存中以供查找編碼所對(duì)應(yīng)的最大余弦響應(yīng)值。

4.根據(jù)權(quán)利要求1所述的實(shí)時(shí)的基于交通視頻的車型檢測(cè)系統(tǒng)，其特征在于，所述線下訓(xùn)練部分的步驟(3)中，K-means聚類確定車型子空間，建立層次性索引包括以下步驟：

(3.1)為了提高搜素速度，減少每一次進(jìn)行匹配時(shí)的車型的模板數(shù)量，本方法采用k-means聚類方法對(duì)模板庫(kù)圖形按照外觀進(jìn)行粗聚類；形成不同的車型空間分布；

(3.2)在車型空間分布的基礎(chǔ)上，對(duì)車型模板庫(kù)分成兩層建立層次性索引，第一層模板是車型大類模板，第二層模板是車型具體模板。

5.根據(jù)權(quán)利要求1所述的實(shí)時(shí)的基于交通視頻的車型檢測(cè)系統(tǒng)，其特征在于，所述線上匹配部分的步驟(1)獲得待識(shí)別的車輛檢測(cè)圖像，首先通過(guò)混合高斯模型和自適應(yīng)背景更新的方式獲得待識(shí)別的車輛檢測(cè)圖像；在這個(gè)步驟中，盡可能地去除不必要的前景，縮小后續(xù)匹配算法的計(jì)算范圍，提高檢測(cè)效率。