[發明專利]基于Retinex與S?SIFT特征結合的低照度車型識別方法

在審

• 申請號: 201710237135.3
• 申請日: 2017-04-12
• 公開（公告）號: CN107092876A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 張斯堯;馬昊辰
• 申請（專利權）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: 北京中濟緯天專利代理有限公司11429
• 代理人: 陸薇薇

技術領域

本發明涉及計算機視覺領域，特指一種基于Retinex與S-SIFT(sparse scale invariant feature transform)特征結合的低照度條件下的車型識別方法。

背景技術

隨著現代化交通、安防等行業的迅速發展，車型自動識別技術越來越受到人們的重視，是近年來計算機視覺與模式識別技術在智能交通領域的重要研究課題之一。車型的自動識別系統可用于公路收費站、停車場、十字路口等場所的車輛管理，也可用于現代化小區或者工業園區的車輛進出管理，對于公共安全，社區安防，道路交通和停車場車輛管理都具有重要的促進作用。

車型識別一般包括三個方面的研究，國內外專家學者也開展了大量的工作，主要包括：車牌的定位與識別，車標的檢測與識別，以及車型大小的分類。其中，根據車前臉圖像來識別具體車型的研究方法是最近幾年的熱點研究方向。

現實中，在實際中采集的圖片通常背景復雜、光照不均、分辨率低、車輛舊、車輛臟等，尤其是當夜晚或者天氣昏暗時，由于光線照度低，導致車輛視頻圖像模糊不清，同時視頻監控系統對于車輛圖像拍攝的角度通常來說都不相同，這些都給車型識別帶來了很大的困難。

發明內容

本發明要解決的技術問題在于：針對現行夜晚低照度的情況下，車型識別系統存在的難點問題，提出一種基于Retinex與S-SIFT(sparse scale invariant feature transform)特征結合的低照度條件下的車型識別方法，有效地提高了監控系統的車型識別的準確程度，并使其滿足實時性需求。

本發明技術方案具體包括如下步驟：

S1)基于Retinex算法和小波變換的低照度圖像增強；

S2)車牌定位；

S3)截取車臉區域圖像；

S4)建立車臉區域圖像的S-SIFT特征模型并結合SVM訓練器進行車型識別。

作為本發明技術方案的進一步改進，所述步驟S1)具體包括：

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

S1.2)通過改進的小波閾值去噪算法實現車型圖像的小波去噪處理，具體包括：

a)對經過Retinex算法處理后的恢復圖像進行N層小波分解；

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

c)遍歷所有尺度，在相鄰的尺度每一點都進行一遍閾值相關性判斷和小波系數置零或增強處理；

d)選取一個增強函數對步驟c)處理后圖像進行增強，然后進行小波重構。

作為本發明技術方案的進一步改進，所述步驟S2)具體包括S2.1)訓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車牌；

S2.1.2)對摳取出的車牌圖像進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LUV通道、梯度幅值通道和梯度直方圖通道得到對應通道的車牌圖像特征；

S2.1.3)基于Adaboost算法訓練檢測器：訓練階段，利用Adaboost算法對提取的積分通道特征訓練出強分類器；在判別階段，計算檢測出定位車牌窗口的積分通道特征，運用強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)采用滑窗法對經過增強處理的目標圖像進行掃描，將每次掃描截取的圖像進行積分通道特征計算，與Adaboost算法訓練出的強檢測器進行比對，選取相似度最高的圖像區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行非極大值抑制處理后的初定位結果進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行積分通道特征提取后輸入強檢測器進行二次定位，得到二次定位后的車牌圖像。

作為本發明技術方案的進一步改進，所述步驟S3)具體包括：在定位出準確的車牌位置后，通常根據車牌的長寬，選取一定的比例進行車臉圖像的截取。

作為本發明技術方案的進一步改進，所述步驟S4)具體包括：