[發明專利]一種車輛識別方法、裝置及計算機存儲介質

在審

• 申請號: 202010727897.3
• 申請日: 2020-07-24
• 公開（公告）號: CN111950395A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 唐進君;高軼凡
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06T5/20;G06T5/40;G06T7/13;G06T7/40;G06T7/90
• 代理公司: 深圳市沈合專利代理事務所(特殊普通合伙) 44373
• 代理人: 沈祖鋒

1.一種車輛識別方法，其特征在于，所述方法包括：

獲取基于車輛的視頻監控裝置采集的訓練圖像樣本集，所述訓練圖像樣本集包括包含有車輛尾部圖像的正樣本和不包含有車輛尾部圖像的負樣本；

對所述訓練圖像樣本集中的各圖像樣本進行特征提取，得到所述各圖像樣本分別對應的圖像紋理特征、圖像水平對稱性特征和圖像水平輪廓特征；

基于所述各圖像樣本分別對應的圖像紋理特征、圖像水平對稱性特征和圖像水平輪廓特征對BP神經網絡分類模型進行訓練，得到訓練后的BP神經網絡分類模型；

獲取待處理圖像后，將所述待處理圖像輸入經過訓練的BP神經網絡分類模型，得到所述BP神經網絡分類模型輸出的所述待處理圖像中是否包含車輛的識別結果。

2.根據權利要求1所述的方法，其特征在于，所述對所述訓練圖像樣本集中的各圖像樣本進行特征提取，得到所述各圖像樣本分別對應的圖像紋理特征、圖像水平對稱性特征和圖像水平輪廓特征，包括：

針對每個所述圖像樣本，對所述圖像樣本進行灰度化處理，得到所述圖像樣本的灰度圖；

根據公式計算所述圖像樣本的圖像水平對稱特征；其中，symvalue表示圖像水平對稱性特征，M表示圖像樣本的像素行數，N表示圖像樣本的像素列數，sobelpic(i,j)表示圖像樣本的灰度圖中數字矩陣的像素點，取整數。

3.根據權利要求2所述的方法，其特征在于，所述對所述訓練圖像樣本集中的各圖像樣本進行特征提取，得到所述各圖像樣本分別對應的圖像紋理特征、圖像水平對稱性特征和圖像水平輪廓特征，還包括：

基于所述圖像樣本的灰度圖，按照預設規則統計所述圖像樣本內水平輪廓線的數量；

根據所述水平輪廓線的數量確定所述圖像樣本的圖像水平輪廓特征。

4.根據權利要求3所述的方法，其特征在于，所述基于所述圖像樣本的灰度圖，按照預設規則統計所述圖像樣本內水平輪廓線的數量，包括：

建立一個大小為2*2的檢測滑窗，并設置計數器的初始值和水平輪廓線的數量都為零；

將所述檢測滑窗按照從左至右、從上到下的順序遍歷所述圖像樣本的灰度圖中的所有像素，并對應調整計數器的計數值以及根據計數器的計數值統計水平輪廓線的數量；其中，若所述檢測滑窗每移動一個像素，則將計算器的計數值加1；若所述檢測滑窗中處于同一行的相鄰兩個像素中至少一個像素的像素值為零，則將計算器的計數值置零；若計算器的計數值大于所述圖像樣本水平長度的五分之一，則將計算器的計數值置零，同時將水平輪廓線的數量加1。

5.根據權利要求2所述的方法，其特征在于，所述對所述訓練圖像樣本集中的各圖像樣本進行特征提取，得到所述各圖像樣本分別對應的圖像紋理特征數據、圖像水平對稱性特征和圖像水平輪廓特征，還包括：

計算所述圖像樣本的灰度圖分別在0度、45度、90度和135度四個方向的灰度共生矩陣，分別得到第一灰度共生矩陣、第二灰度共生矩陣、第三灰度共生矩陣和第四灰度共生矩陣；

提取所述第一灰度共生矩陣、第二灰度共生矩陣、第三灰度共生矩陣和第四灰度共生矩陣分別對應的角二階矩、對比度、相關系數和熵；

根據所述第一灰度共生矩陣、第二灰度共生矩陣、第三灰度共生矩陣和第四灰度共生矩陣分別對應的角二階矩、對比度、相關系數和熵，計算角二階矩、對比度、相關系數和熵分別對應的平均值和標準差；

根據所述角二階矩、對比度、相關系數和熵分別對應的平均值和標準差確定所述圖像樣本的圖像紋理特征。

6.根據權利要求1所述的方法，其特征在于，還包括：

對所述圖像樣本進行預處理，所述預處理包括以下處理至少一種：畸變修正、投影變換、灰度化、中值濾波、直方圖均衡化增強、邊緣檢測、二值化。