[發明專利]一種基于HOG特征和MB-LBP特征的SVM車輛軸數檢測方法

在審

• 申請號: 202011275906.6
• 申請日: 2020-11-13
• 公開（公告）號: CN112270380A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 徐貴力;母丹羽;侯岳青;程月華;王正盛;董文德;馬櫟敏
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明公開了一種基于HOG特征和MB?LBP特征的SVM車輛軸數檢測方法，包括（a）搭建基于視覺的車輛軸數軸距測量系統；（b）采集樣本圖像，其中分別拍攝輪胎圖像和非輪胎圖像作為正樣本和負樣本；（c）提取出樣本的HOG特征向量；（d）提取出樣本的MB?LBP特征向量；（e）將樣本的HOG特征向量和MB?LBP特征向量融合為樣本最終的特征向量；（f）將最終的特征向量作為SVM的訓練樣本對SVM進行訓練，得到輪胎識別的SVM模型；（g）拍攝待檢測車輛的輪胎圖像，利用訓練好的SVM模型識別出輪胎并統計出車輛的軸數。本發明方法將HOG特征與MB?LBP特征進行融合，增強了特征描述的準確性，提高了檢測算法的實時性，并可以用于對車輛軸距進行計量。

技術領域

本發明屬于計算機視覺技術領域，具體來說涉及一種基于HOG特征和MB-LBP特征的SVM車輛軸數檢測方法。

背景技術

軸數和軸型是貨運車輛稱重過程中需要考慮的一個重要指標。技術人員在對車輛的稱重過程中應準確識別出目標車輛的軸數和軸型，并用相應的技術標準對車輛是否超重進行衡量。目前，我國大多數地區仍以人工方式來判斷車輛的軸數和軸型，效率低下、結果準確性難以保證，在稱重過程中也存在不少徇私舞弊的現象，繼而不可避免地給國家政府帶來經濟損失，也給道路運輸交通安全帶來嚴重威脅。因此，如何設計出一套高精度的自動化軸數軸型檢測系統是亟待解決的問題。在目標識別領域，依托視覺監控的智能系統因其便利性、有效性和使用壽命長等特點被廣泛應用。通過攝像機對車輛輪胎圖像的捕捉，計算機視覺方法能夠自動識別出車輛輪胎并通過設計好的邏輯算法計算出車輛的軸數和軸型，不但提高了檢測速率，還體現了稱重作業過程的公正性和透明性，這是目前軸數軸型檢測的發展方向。

發明內容

針對現有技術的缺點，本發明通過將HOG特征與MB-LBP特征進行融合，開發了一種基于HOG特征和MB-LBP特征的SVM車輛軸數檢測方法。

具體來說，本發明的方案如下：

一種基于HOG特征和MB-LBP特征的SVM車輛軸數檢測方法，其特征在于，包括以下步驟：

(a)搭建基于視覺的車輛軸數軸距測量系統；

(b)采集樣本圖像，其中分別拍攝輪胎圖像和非輪胎圖像作為正樣本和負樣本(正樣本和負樣本下面統稱為樣本)；

(c)提取出樣本的HOG特征向量；

(d)提取出樣本的MB-LBP特征向量；

(e)將樣本的HOG特征向量和MB-LBP特征向量融合為樣本最終的特征向量；

(f)將最終的特征向量作為SVM的訓練樣本對SVM進行訓練，得到輪胎識別的SVM模型；

(g)拍攝待檢測車輛的輪胎圖像，利用訓練好的SVM模型識別出輪胎并統計出車輛的軸數。

其中，所述步驟(a)搭建基于視覺的車輛軸數軸距測量系統具體為在車輛側面架設一臺相機用以拍攝輪胎圖像，并在車輛前方架設位置檢測相機用以確定車輛位置。

在以上方法中，所述步驟(b)采集樣本圖像時具體為正負樣本各采集3300張圖片，正樣本為不同光照和不同天氣情況下的輪胎圖像，負樣本為車輛除輪胎外的其余部位和行人等易出現在檢測視頻中的圖像。

在本發明方法中，所述步驟(c)提取樣本的HOG特征向量時具體包括以下步驟：

(c1)圖像處理。將樣本圖片轉換成64×64大小的灰度圖，并利用公式Y(x，y)＝I(x，y)^γ(γ＝0.4)對灰度圖進行伽馬變換，減小陰影和光照對圖像的影響；