一种基于显著性检测和颜色直方图模型的车辆识别方法
【技术领域】
[0001] 本发明属于目标识别与图像处理领域，涉及一种车辆识别方法，特别涉及一种基 于显著性检测和颜色直方图模型的车辆识别方法。
【背景技术】
[0002] 车辆识别在智能交通、无人驾驶或自动驾驶等领域有着重要的应用价值，一直是 计算机视觉领域的热点研宄问题。由于车辆种类较多、形状各异，所处的背景通常又较为复 杂，因此准确有效地实现车辆的自动识别具有较大的难度。
[0003] 因此，设计一种具有较强抗干扰能力的车辆识别方法具有很好的应用价值。
【发明内容】
[0004] 本发明所要解决的技术问题是，针对具有较为复杂的背景图像，设计一种能够自 动识别车辆目标的方法。
[0005] 本发明所采用的技术方案是：一种基于显著性检测和颜色直方图模型的车辆识别 方法，根据被检测图像的局部特征对被检测图像进行显著性检测，确定出图像中的车辆候 选区域，将各候选区域的颜色从RGB空间转换到HSV空间，利用HSV空间中的H分量构建各 候选区域的颜色直方图模型，根据颜色直方图模型的分布特征完成车辆的识别。
[0006] 本发明的目的在于设计一种基于显著性检测和颜色直方图模型的车辆识别方法， 利用显著性检测抑制图像中大部分背景信息对车辆识别的影响，根据候选区直方图的分布 特征实现车辆的识别。提高车辆识别的准确性，具有很好的实用性。
【附图说明】
[0007] 图1是像素块分布图。
[0008] 图2是原始监控图像。
[0009] 图3是基于局部特征的显著性检测结果。
[0010] 图4是二值显著区域图像。
[0011] 图5是左数第3辆车的颜色直方图。
[0012] 图6最终车辆识别结果。
【具体实施方式】
[0013] 下面结合附图对本发明作进一步详细说明。
[0014] 本发明采用基于局部特征的显著性检测方法从场景图像中提取显著性区域作为 候选区域。如图1所示，在提取局部特征时，将图像分割成aXa的像素小块，选取以块B(i， j)为中心的1X1块的区域作为局部区域，本发明中1取值为3。
[0015] 通过中心块与邻域块的颜色差异来确定每一块的显著性程度。中心块B(i，j)与 邻域块B(m，n)的差异DisK(；B(B(i，j)，B(m，n))表示为：
[0016] DisKGB(B(i，j)，B(m，n))=取，厂〇2+叫，厂6_)2+他，厂Bm，n)2 (1)
[0017] 其中，111=卜1，1，1+1;11 =」-1，」，」+1;1^、6"、8"分别为中心块8(1，」）在1?8 三原色的三个分量值，Rm,n、Gm,n、Bm,n分别为邻域块B(m，n)在RGB三原色的三个分量值。
[0018] 中心块B(i，j)与邻域块B(m，n)的颜色显著值Dis^cfBQ，j)，B(m，n))计算为：
【主权项】
1. 一种基于显著性检测和颜色直方图模型的车辆识别方法，其特征在于，采用基于局 部特征的显著性检测方法从场景图像中提取显著性区域作为候选区域，将候选区域的颜色 空间由RGB空间转换到HSV空间，统计HSV中H分量的直方图分布情况，将含有两个主要颜 色等级分量的候选区确定为车辆区域。
【专利摘要】本发明属于目标识别与图像处理领域，具体为一种基于显著性检测和颜色直方图模型的车辆识别方法，采用基于局部特征的显著性检测方法从场景图像中提取显著性区域作为候选区域，将候选区域的颜色空间由RGB空间转换到HSV空间，统计HSV中H分量的直方图分布情况，将含有两个主要颜色等级分量的候选区确定为车辆区域。本发明适用于车辆监控系统中。
【IPC分类】G06K9-46, G06K9-00
【公开号】CN104616007
【申请号】CN201510108662
【发明人】修春波, 王甜甜, 魏世安
【申请人】天津工业大学
【公开日】2015年5月13日
【申请日】2015年3月11日