基于多特征融合的车型分类方法
【专利摘要】本发明涉及一种基于多特征融合的车型分类方法。其步骤为：(1)对视频中的车辆进行检测并定位与分割；(2)对分割出的车辆图像进行形态学处理，并提取出车辆图像的三种特征进行有效融合；(3)利用支持向量机对融合特征进行训练形成车型分类器，对实时视频中的车辆进行有效分类。与现有技术相比，本发明可以降低所提取的特征的经验性成分，使得特征提取理论依据更加充足，从而可以提高车型分类的效果。
【专利说明】基于多特征融合的车型分类方法
【技术领域】
[0001] 本发明涉及一种车型分类方法，特指一种基于多特征融合的车型分类方法。
【背景技术】
[0002] 随着我国社会经济的发展，汽车拥有量迅猛增加，汽车的类型也是错综复杂，交通 调度与收费繁琐已成为日常生活中的普遍问题。随着智能交通系统的发展，借助于逐渐成 熟的视频分析技术，对交通视频中车辆型号的准确识别与分类成为了各类收费监管系统， 大型停车场监管系统以及交通监控和指挥系统等的应用与发展基础。
[0003] 现在，基于视频的车型识别与分类主要基于模板匹配法与模式识别方法，其中模 板匹配法首先针对各种车辆类型建立标准三维模型，利用欧式距离或其他方法对视频中的 待检测车辆与标准模型进行匹配，匹配度最高的车辆即为所对应的车辆类型。模板匹配法 存在计算量复杂，实时性相对较差等缺点。模式识别方法中，特征的提取包括车长、车宽、车 高等几何特征，包括不变矩、灰度共生矩阵等纹理特征，包括HOG、SIFT、Ε0Η等边缘特征等， 这些特征的选取过程均为人为设计，经验性成分偏多，理论依据不是很充分。分类器的选取 包括支持向量机，BP神经网络，Adaboost等常见分类器。
【发明内容】
[0004] 本发明所要解决的技术问题是：
[0005] 本发明从实时视频中定位并分割出车辆图片，在此基础上首先选取人为设计的金 字塔梯度方向直方图（PH0G)，基于LBP算子的边缘方向直方图（LBP-E0H)，然后加入通过深 度信念网络挖掘出的车辆底层特征的高阶描述符，将三种特征进行有效融合，最后利用支 持向量机对融合特征进行训练构建车型分类器，从而对实时视频中的车辆类型做到有效分 类。
[0006] 本发明具体采用如下的技术方案：
[0007] 基于多特征融合的车型分类方法，其特征在于，该方法包括：
[0008] 步骤1 :输入实时视频，对车辆进行检测。
[0009] 步骤2 :对检测到的车辆进行定位与分割。
[0010] 步骤3 :对提取出的车辆图像进行形态学预处理。
[0011] 步骤4 :提取车辆图像的三种特征，对三种特征进行有效融合。
[0012] 步骤5 :利用支持向量机对所提取出的融合特征进行训练，生成车型分类器。
[0013] 步骤6 :利用车型分类器对实时视频中的车辆进行识别与分类。
[0014] 所述的步骤1利用虚拟线圈进行车辆检测，当视频中检测到车辆时作后续处理。
[0015] 所述的步骤2利用寻找连通域的方法定位到车辆所在位置，利用三帧差法对车辆 图像进行分割与提取。
[0016] 所述的步骤3针对所提取的不同特征类型对车辆图像作不同规格的形态学预处 理，包括以下步骤：
[0017] 步骤3-1 :针对传统的特征提取，只需对图像进行大小归一化，以及高斯平滑去噪 处理。
[0018] 步骤3-2 :针对深度信念网络所提取的特征，在图像大小归一化的基础之上需要 对图像的像素值按照公式：
[0019]
【权利要求】
1.基于多特征融合的车型分类方法，其特征在于，该方法包括： 步骤1 :输入实时视频，对车辆进行检测； 步骤2 :对检测到的车辆进行定位与分割； 步骤3 :对提取出的车辆图像进行形态学预处理； 步骤4 :提取车辆图像的三种特征，对三种特征进行有效融合； 步骤5 :利用支持向量机对所提取出的融合特征进行训练，生成车型分类器； 步骤6 :利用车型分类器对实时视频中的车辆进行识别与分类； 所述的步骤1利用虚拟线圈进行车辆检测，当视频中检测到车辆时作后续处理； 所述的步骤2利用寻找连通域的方法定位到车辆所在位置，利用三帧差法对车辆图像 进行分割与提取； 所述的步骤3针对所提取的不同特征类型对车辆图像作不同规格的形态学预处理，包 括以下步骤： 步骤3-1 :针对传统的特征提取，只需对图像进行大小归一化，以及高斯平滑去噪处 理； 步骤3-2 :针对深度信念网络所提取的特征，在图像大小归一化的基础之上需要对图 像的像素值按照公式： χ_?Λ, = (x_i _ x_min)/(;r_max _ x_min )归一化至 〇 ?1 之间； 所述的步骤4提取车辆图像三种类型的特征包括以下步骤： 步骤4-1 :提取车辆图像的三层金字塔梯度方向直方图特征； 步骤4-2 :提取车辆图像的基于LBP算子的边缘方向直方图特征； 步骤4-3 :利用深度信念网络深度挖掘出车辆图像底层像素的高阶特征描述符； 步骤4-4 :对提取的三种特征进行有效融合； 所述的步骤5利用支持向量机对大量的车辆图片样本特征进行训练，得到车型分类 器； 所述的步骤6利用训练完成的车型分类器对实时视频中的车辆进行识别与分类，得到 最终的分类结果。
【文档编号】G06K9/46GK104299008SQ201410489933
【公开日】2015年1月21日 申请日期:2014年9月23日 优先权日:2014年9月23日
【发明者】蒋昌俊, 陈闳中, 闫春钢, 张亚英, 刘春梅, 钱华 申请人:同济大学