[發(fā)明專利]基于Retinex與S?SIFT特征結(jié)合的低照度車型識別方法

在審

• 申請?zhí)枺?/td>: 201710237135.3
• 申請日: 2017-04-12
• 公開（公告）號: CN107092876A
• 公開（公告）日: 2017-08-25
• 發(fā)明（設(shè)計(jì)）人: 張斯堯;馬昊辰
• 申請（專利權(quán)）人: 湖南源信光電科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京中濟(jì)緯天專利代理有限公司11429
• 代理人: 陸薇薇

1.一種基于Retinex與S-SIFT特征結(jié)合的低照度條件下的車型識別算法，其特征在于，包括以下步驟：

S1)基于Retinex算法和小波變換的低照度圖像增強(qiáng)；

S2)車牌定位；

S3)截取車臉區(qū)域圖像；

S4)建立車臉區(qū)域圖像的S-SIFT特征模型并結(jié)合SVM訓(xùn)練器進(jìn)行車型識別。

2.根據(jù)權(quán)利要求1所述的一種基于Retinex與S-SIFT特征結(jié)合的低照度條件下的車型識別算法，其特征在于，所述步驟S1)具體包括：

S1.1)通過采用單尺度Retinex算法恢復(fù)車牌圖像的色度的恒常性和增強(qiáng)圖像的清晰度；

S1.2)通過改進(jìn)的小波閾值去噪算法實(shí)現(xiàn)車型圖像的小波去噪處理，具體包括：

a)對經(jīng)過Retinex算法處理后的恢復(fù)圖像進(jìn)行N層小波分解；

b)選定一小波閾值T^j，比較小波系數(shù)與小波閾值T^j的差值從而判斷相關(guān)性，相關(guān)性大的是主要信息，需要增強(qiáng)。相關(guān)性小，則為噪聲部分，將該噪聲部分小波系數(shù)置零；

c)遍歷所有尺度，在相鄰的尺度每一點(diǎn)都進(jìn)行一遍閾值相關(guān)性判斷和小波系數(shù)置零或增強(qiáng)處理；

d)選取一個增強(qiáng)函數(shù)對步驟c)處理后圖像進(jìn)行增強(qiáng)，然后進(jìn)行小波重構(gòu)。

3.根據(jù)權(quán)利要求1所述的一種基于Retinex與S-SIFT特征結(jié)合的低照度條件下的車型識別算法，其特征在于，所述步驟S2)具體包括S2.1)訓(xùn)練車牌樣本特征提取及特征組織和S2.2)車牌的檢測定位；

所述S2.1)包括：

S2.1.1)手動摳取出任意正常國標(biāo)車牌；

S2.1.2)對摳取出的車牌圖像進(jìn)行積分通道特征提取：首先分別建立LUV通道、梯度幅值通道和梯度直方圖通道，并根據(jù)LUV通道、梯度幅值通道和梯度直方圖通道得到對應(yīng)通道的車牌圖像特征；

S2.1.3)基于Adaboost算法訓(xùn)練檢測器：訓(xùn)練階段，利用Adaboost算法對提取的積分通道特征訓(xùn)練出強(qiáng)分類器；在判別階段，計(jì)算檢測出定位車牌窗口的積分通道特征，運(yùn)用強(qiáng)分類器判別車牌位置的自信度，最后存儲一段視頻中自信最高的那一幀或者幾幀圖像；

所述S2.2)包括：

S2.2.1)采用滑窗法對經(jīng)過增強(qiáng)處理的目標(biāo)圖像進(jìn)行掃描，將每次掃描截取的圖像進(jìn)行積分通道特征計(jì)算，與AdaBoost算法訓(xùn)練出的強(qiáng)檢測器進(jìn)行比對，選取相似度最高的圖像區(qū)域作為初定位車牌圖像；

S2.2.2)將檢測器輸出的初定位圖像進(jìn)行非極大值抑制處理后的初定位結(jié)果進(jìn)行基于霍夫變換的傾斜校正，并對傾斜校正后的圖像再次進(jìn)行積分通道特征提取后輸入強(qiáng)檢測器進(jìn)行二次定位，得到二次定位后的車牌圖像。

4.根據(jù)權(quán)利要求1或2或3所述的一種基于Retinex與S-SIFT特征結(jié)合的低照度條件下的車型識別算法，其特征在于，所述步驟S3)具體包括：在定位出準(zhǔn)確的車牌位置后，通常根據(jù)車牌的長寬，選取一定的比例進(jìn)行車臉圖像的截取。

5.根據(jù)權(quán)利要求4所述的一種基于Retinex與S-SIFT特征結(jié)合的低照度條件下的車型識別算法，其特征在于，所述步驟S4)具體包括：

S4.1)建立車臉區(qū)域圖像的S-SIFT特征模型，其包括采用S-SIFT算法處理車臉區(qū)域圖像SIFT特征描述子得到稀疏編碼，并采用池化方法統(tǒng)計(jì)稀疏編碼結(jié)果，獲取車臉區(qū)域圖像的概要統(tǒng)計(jì)特征；

S4.2)車臉區(qū)域圖像車型特征分類與識別，其包括在提取S-SIFT特征以后，利用SVM訓(xùn)練器進(jìn)行訓(xùn)練分類；訓(xùn)練分類后，將截取的包含車型特征信息的車臉區(qū)域圖像輸入SVM訓(xùn)練器中，并輸出識別的車型信息。