一种基于监控视频的多特征融合的车辆体型分类方法
【专利摘要】本发明公开了一种基于监控视频的多特征融合的车辆体型分类方法。包括依次进行的训练过程和识别过程：训练过程中，将所有各种车辆样本图像逐个输入到训练数据库中，计算各个车辆样本图像的HU矩特征、LBPS特征和长宽比特征并进行融合，再和类别标注一起输入到支持向量机中训练，并利用改进的粒子群方法来对支持向量机进行参数优化；识别过程中，先提取车辆前景，根据车辆前景计算得到该车辆图像序列的特征向量后输入到支持向量机中，输出识别结果。本发明方法能有效解决监控视频中车型分类准确率不高的问题，减少了后续的SVM训练的时间，且能满足实时性的需求，也避免了传统的粒子群方法容易陷入局部极小值和后期易震荡的缺点。
【专利说明】一种基于监控视频的多特征融合的车辆体型分类方法
【技术领域】
[0001]本发明涉及一种车辆体型分类方法，涉及一种基于监控视频的多特征融合的车辆体型分类方法。
【背景技术】
[0002]随着社会经济的高速发展，整个社会对交通运输的需求逐渐增高，交通密度也逐渐增大，在工作生活当中，道路容易出现拥堵，交通事故发生的频率也很高。因而，现在世界各国逐渐加大了对交通系统的管理，对交通问题也更加重视，道路交通管理领域也逐渐形成。
[0003]其中车型的分类与识别是智能交通系统中的一个重要分支，已有的车型识别分类方法主要是利用电子标签、感应线圈、压电传感还有各种光波手段在内的车型识别方法，大多容易受到外界环境的干扰，并且安装维护的成本较高，使用效果不甚理想。
【发明内容】
[0004]本发明所要解决的技术问题是提供一种基于监控视频的多特征融合的车辆体型分类方法，可以实时有效地进行运动车辆的检测与车型识别，并有效的提高了识别的准确率和实时性。
[0005]为解决上述技术问题，本发明所采用的技术方案包括:
[0006]本发明方法包括依次进行的训练过程和识别过程:
[0007]I)训练过程包括如下步骤:
[0008]1.1)将所有各种车辆样本图像逐个输入到训练数据库中，各种车辆样本图像包含车辆完整轮廓；
[0009]1.2)计算各个车辆样本图像的HU矩特征，并对其进行归一化处理，记为以下式1:
[0010]HU= (hu” hu2, hu3, hu4, hu5, hu6, hu7)(I)
[0011]其中，hUl~hu7分别表示HU矩特征的每一个子分量；
[0012]1.3)计算各个车辆样本图像的LBPS特征:
[0013]对各个车辆样本图像分别进行2X2和3X3分块，计算每一个子块的LBP特征，接着计算每个子块的LBPS，LBPS以下公式2:
【权利要求】
1.一种基于监控视频的多特征融合的车辆体型分类方法，其特征在于:包括依次进行的训练过程和识别过程: 1)训练过程包括如下步骤: 1.1)将所有各种车辆样本图像逐个输入到训练数据库中，各种车辆样本图像包含车辆完整轮廓； 1.2)计算各个车辆样本图像的HU矩特征，并对其进行归一化处理，记为以下式1:
HU= Oiu1, hu2, hu3, hu4, hu5, hu6, hu7)(I) 其中，Iiu1~hu7分别表示HU矩特征的每一个子分量； 1.3)计算各个车辆样本图像的LBPS特征: 对各个车辆样本图像分别进行2 X 2和3 X 3分块，计算每一个子块的LBP特征，接着计算每个子块的LBPS，LBPS以下公式2:
2.根据权利要求1所述的一种基于监控视频的多特征融合的车辆体型分类方法，其特征在于:所述的改进的粒子群方法为:在粒子群方法的速度更新式中，增加对粒子群中随机粒子的追随，速度位置更新公式为以下式6:
【文档编号】G06K9/62GK103886331SQ201410123000
【公开日】2014年6月25日 申请日期:2014年3月28日 优先权日:2014年3月28日
【发明者】于慧敏, 李洋 申请人:浙江大学