[發明專利]一種車輛智能化識別方法、裝置及存儲介質

在審

• 申請號: 202010445949.8
• 申請日: 2020-05-25
• 公開（公告）號: CN111914614A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 林凡;張秋鎮;陳健民;楊峰;周芳華
• 申請（專利權）人: 廣州杰賽科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明公開了一種車輛智能化識別方法、裝置及存儲介質。所述車輛智能化識別方法包括：對待識別車輛圖像進行預處理，得到所述待識別車輛圖像的可觀測狀態的觀測值序列、隱含狀態的狀態序列；根據所述觀測值序列和所述狀態序列，建立所述待識別車輛圖像的統計分析模型；通過參數估計算法對所述統計分析模型的參數進行估算，得到最優參數，并以所述最優參數更新所述統計分析模型得到新模型；將所述新模型的參數與經過預先訓練的每一樣本車輛圖像的統計分析模型的參數進行匹配，并將與所述新模型匹配概率最大的所述樣本車輛圖像的統計分析模型作為車輛識別結果。本發明能夠有效消除車輛打光不均、車輛背景環境隨機多變的干擾，提高車輛識別的準確率。

技術領域

本發明涉及車輛識別技術領域，尤其涉及一種車輛智能化識別方法、裝置及存儲介質。

背景技術

隨著汽車保有量的快速增長，道路交通壓力不斷加大，與汽車相關的安全管理問題也日益凸顯。為實現對運行汽車的優化管理和調度，可通過檢測和識別汽車特征來獲取車輛數量等信息，從而向駕駛員和車輛管理調度中心提供可視化的參考信息。

近幾年提出的車輛識別方法大都側重研究如何提取車輛圖像的特征，比如CN201910091807.3一種道路交通車輛的特征提取系統，通過邊緣輪廓檢測模塊、增強處理模塊對采集的車輛圖像進行邊緣和信息增強處理，并通過特征提取模塊在仿真對不變區域對車輛角點分布信息進行處理，以實現車輛像素特征點的提取，具有特征提取的準確性高的特點。但其在實際應用中，容易受車輛打光不均、車輛所在背景環境隨機多變的干擾，往往不能穩定準確地識別車輛。

發明內容

為了克服現有技術的缺陷，本發明提供一種車輛智能化識別方法、裝置及存儲介質，能夠有效消除車輛打光不均、車輛背景環境隨機多變的干擾，提高車輛識別的準確率。

為了解決上述技術問題，第一方面，本發明一實施例提供一種車輛智能化識別方法，包括：

對待識別車輛圖像進行預處理，得到所述待識別車輛圖像的可觀測狀態的觀測值序列、隱含狀態的狀態序列；

根據所述觀測值序列和所述狀態序列，建立所述待識別車輛圖像的統計分析模型；

通過參數估計算法對所述統計分析模型的參數進行估算，得到最優參數，并以所述最優參數更新所述統計分析模型得到新模型；

將所述新模型的參數與經過預先訓練的每一樣本車輛圖像的統計分析模型的參數進行匹配，并將與所述新模型匹配概率最大的所述樣本車輛圖像的統計分析模型作為車輛識別結果。

進一步地，所述車輛智能化識別方法，還包括：通過最優路徑算法確定所述新模型的最優狀態序列。

進一步地，所述對待識別車輛圖像進行預處理，得到所述待識別車輛圖像的可觀測狀態的觀測值序列、隱含狀態的狀態序列，包括：

采用中值濾波器對所述待識別車輛圖像進行濾波，并通過奇異值分解算法獲取所述觀測值序列。

進一步地，所述通過奇異值分解算法獲取所述觀測值序列，具體為：

使用寬度為W像素，高度為L像素的滑動窗遍歷經過濾波的所述待識別車輛圖像；其中，相鄰兩個所述滑動窗之間的重疊高度為P像素；

對每一所述滑動窗區域內的圖像進行奇異值分解，得到U矩陣和Σ矩陣，并取∑₁₁、∑₂₂、U₁₁作為與所述圖像對應的觀測值；

將所有所述滑動窗經過的圖像對應的觀測值組成所述待識別車輛圖像的觀測值序列。

進一步地，所述統計分析模型為λ＝(Π,A,B)；其中，Π，A表示輸出為所述狀態序列的隨機過程，B表示所述狀態序列到所述觀測值序列的隨機過程。