专利名称：一种基于图像识别的车辆分类方法
技术领域：
本发明涉及一种基于图像识别的车辆分类方法，属于图像识别技术领域。
背景技术：
近年来，智能交通系统发展快速(ITS)，随着计算机视觉和模式识别技术的发展， 为智能交通系统更有效的应用提供了契机。计算机视觉是利用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。基于图像识别的车辆分类过程主要包括从图像中提取目标车辆并提取特征参数； 在分类器中输入特征参数并得到分类结果两个阶段。第一阶段，特征参数的选取主要集中在对车辆几何尺寸的度量，有绝对几何尺寸和相对几何尺寸。绝对几何尺寸是根据摄像机与车辆之间的距离和拍摄的角度算出车辆的实际大小，这种方法存在的缺陷是，摄像机与车辆之间的距离必须保持不变，而这在实际应用中是难以实现的。第二阶段，最简单的方法就是对得到参数与已有的标准进行匹配，这种方法运算量小，但是只适用于参数个数较少的情况下，而且参数太少就无法对车辆进行有效分类。模板匹配法把得到的特征参数与标准模板进行比较，这需要耗费很多的计算时间而且容错性差。另一个更实际的问题是，目前的分类将车辆分为大中小或者轿车、客车、卡车三类，而在实际应用中都要求按照车辆的座位数和吨数来收费，因此上述分类结果很难应用在实际之中。
发明内容
本发明所要解决的技术问题在于克服现有技术在进行特征提取时，图像采集设备与车辆之间的距离必须保持不变的缺陷，提供一种基于图像识别的车辆分类方法，该方法采用相对几何参数作为特征参数，对图像采集设备的安装位置无严苛要求。本发明采用以下技术方案来解决上述技术问题
一种基于图像识别的车辆分类方法，首先从图像中提取目标车辆并提取目标车辆的特征参数，然后根据特征参数进行分类，所述特征参数为Hu几何不变矩。进一步地，所述根据特征参数进行分类是使用BP (Back I^ropagation)神经网络分类器。本发明采用Hu几何不变矩作为车辆图像识别的特征参数，从而克服了现有技术图像采集设备与车辆之间的距离必须保持不变的缺陷；并进一步利用BP神经网络分类器进行车辆分类，对于车辆图像中常见的模糊、残缺等情况，具有更好的识别准确率。
图1为本发明的基于图像识别的车辆分类方法的流程示意图；图2为本发明具体实施方式
中所述背景图像； 图3为本发明具体实施方式
中所述包含车辆的图像； 图4为本发明具体实施方式
中所述分割后的图像； 图5为本发明具体实施方式
中所述滤波后的图像； 图6为本发明具体实施方式
中所述增强后的图像； 图7为本发明具体实施方式
中所述分类结果。
具体实施例方式下面结合附图对本发明的技术方案进行详细说明
本发明的基于图像识别的车辆分类方法，如图1所示，具体包括以下步骤 步骤A、采集目标车辆的图像；
本步骤中可以利用照相机、摄像机、摄像头等现有设备进行图像采集，本发明方法中对图像采集设备与车辆之间的距离无特别要求；图1、图2分别显示了采集到的背景图像及包括车辆的图像(即目标图像)；
步骤B、对采集到的图像进行预处理；具体包括以下各子步骤 步骤Bi、将采集到的图像进行灰度化；
步骤B2、分割出目标图像中的车辆区域；本具体实施方式
中采用背景帧差法，当然，也可采用现有的其它图像分割方法；分割出的图像如图4所示；
步骤B3、对分割出的的图像进行中值滤波；中值滤波后的图像如图5所示； 步骤B4、对滤波后的图像进行目标区域增强；增强后的图像如图6所示； 步骤B5、对图像进行腐蚀膨胀；
步骤B6、对图像进行二值化处理；本具体实施方式
中，在进行二值化处理时，目标区域为1，背景区域为0;
上述各步骤中涉及的灰度化、图像分割、中值滤波、图像增强、图像腐蚀膨胀以及二值化等均采用现有技术，其详细原理及过程此处不再赘述。步骤C、对预处理后的图像，提取其Hu几何不变矩特征参数；其具体算法如下，
定义1、图像的(P + q)阶矩。给定二维连续函数f( X，y)，式(1)定义了其( ρ + q)
阶矩:Mpq = / xp yq f( χ, y) dxdy, p, q =0，1，2
按照式(1)，一幅大小为MXN的二维图像{ f( i, j) I i = 0， ，Μ; j = 0， ，N}，其(ρ + q)阶矩定义如式(2)所示
P和q可取所有的非负整数值，它产生一个矩的无限集。根据帕普利斯(Papoulis )唯一性定理，这个无限集完全可以确定二维图像函数f( i, j)本身。其零阶矩只有一
权利要求
1.一种基于图像识别的车辆分类方法，首先从图像中提取目标车辆并提取目标车辆的特征参数，然后根据特征参数进行分类，其特征在于，所述特征参数为Hu几何不变矩。
2.如权利要求1所述基于图像识别的车辆分类方法，其特征在于，所述根据特征参数进行分类是使用BP神经网络分类器。
3.如权利要求2所述基于图像识别的车辆分类方法，其特征在于，该方法将车辆分为小轿车、吉普车、面包车、客车这四类。
4.如权利要求2或3所述基于图像识别的车辆分类方法，其特征在于，该方法具体包括以下步骤步骤A、采集目标车辆的图像；步骤B、对采集到的图像进行预处理；步骤C、对预处理后的图像，提取其Hu几何不变矩特征参数；步骤D、将提取的特征参数输入预先训练好的BP神经网络分类器，输出车辆的分类结
5.如权利要求4所述基于图像识别的车辆分类方法，其特征在于，步骤B所述预处理具体包括以下各子步骤步骤Bi、将采集到的图像进行灰度化； 步骤B2、分割出目标图像中的车辆区域； 步骤B3、对分割出的的图像进行中值滤波； 步骤B4、对滤波后的图像进行目标区域增强； 步骤B5、对图像进行腐蚀膨胀； 步骤B6、对图像进行二值化处理。
6.如权利要求5所述基于图像识别的车辆分类方法，其特征在于，对图像进行二值化处理时，目标区域为1，背景区域为0。
7.如权利要求5所述基于图像识别的车辆分类方法，其特征在于，所述分割出目标图像中的车辆区域，具体采用背景帧差法。
全文摘要
本发明公开了一种基于图像识别的车辆分类方法，属于图像识别技术领域。本发明方法采用Hu几何不变矩作为车辆图像识别的特征参数，从而克服了现有技术图像采集设备与车辆之间的距离必须保持不变的缺陷；并进一步利用BP神经网络分类器进行车辆分类，对于车辆图像中常见的模糊、残缺等情况，具有更好的识别准确率。相比现有技术，本发明具有适用范围广、分类精度高的优点，尤其适合于智能交通系统中的应用。
文档编号G06K9/00GK102194130SQ201110129858
公开日2011年9月21日 申请日期2011年5月19日 优先权日2011年5月19日
发明者冯玉玺, 陈国庆 申请人:苏州两江科技有限公司