车辆辨识系统与方法
【技术领域】
[0001]本发明涉及车辆辨识的技术领域，特别是一种不经由辨识经蓄意涂消或变异的车牌，而能准确地识别出车辆的身分的车辆身分辨识系统与方法。
【背景技术】
[0002]随着影像辨识技术的提升，车辆辨识系统已经被广泛地应用在智慧交通运输领域，该智慧交通运输领域包含国道自动化收费系统、偷窃车辆侦测与车祸侦测等。以下说明，是以该国道自动化收费系统为例说明。
[0003]国道系统中的自动收费站，藉由该车辆辨识系统监控通过该自动收费站的车辆，以达成自动化收费与车辆监控的目的。
[0004]传统中，该车辆辨识系统是拍摄该车辆的车牌影像或是拍摄车牌的特征资讯，并且与资料库中的车牌资料进行比对，以识别出该车辆。
[0005]然而，该车辆辨识系统虽节省了人力，却也衍伸了其它的问题，例如不当的该车辆的驾驶，藉由涂改车牌、破坏车牌、变更车牌或遮盖车牌等方式，企图逃避该车辆辨识系统辨识等的问题。
[0006]有鉴于此，本发明提出一种车辆辨识系统与方法，以解决常见技术的缺失。
【发明内容】
[0007]本发明的一目的提供一种车辆辨识系统，在不透过辨识一车辆的一车牌的情形下，仍可有效率地与准确地辨识出该车辆的身份。
[0008]本发明的另一目的提供一种车辆辨识方法，藉由侦测一车辆的车体(或称车型)而识别出该车辆。
[0009]为达上述目的及其他目的，本发明提供一种车辆辨识系统，供辨识多个车辆的车体，以确认该等车辆之身份，该车辆辨识系统包含一车辆资料库、一模型资料库、一影像拍摄单元与一处理单元。该车辆资料库储存该等车辆的多个车体影像。该模型资料库连接该车辆资料库。该模型资料库自该车辆资料库取得该等车体影像，并藉由一演算法演算该等车体影像与一基准影像，以分别地取得一第一特征点集及一第二特征点集，以及比对该第一特征点集与该第二特征点集，让该基准影像校准每一该等车体影像，而建立具有一梯度基底的一斜面距离转换(Chamfer distance transform)的多个车辆模型影像。该影像拍摄单元拍摄每一该车辆的一即时车体影像。该影像拍摄单元藉由该演算法演算该即时车体影像与该基准影像，以分别地取得一第三特征点集与该第二特征点集，以及比对该第二特征点集与该第三特征点集，让该基准影像校准该即时车体影像。该处理单元连接该模型资料库与该影像拍摄单元。该处理单元计算该即时车体影像中每一像素的梯度基底与每一该等车体模型影像中每一像素的梯度基底之间的乘积，以及自多个该乘积的数值中挑选最大者，以确定该即时车体影像对应该等车辆模型影像的其中之一。
[0010]为达上述目的及其他目的，本发明提供一种车辆辨识方法，供辨识多个车辆的车体，该车辆辨识方法包含步骤(a)，藉由一演算法演算每一该等车辆的一车体影像与一基准影像，以分别地取得一第一特征点集与一第二特征点集。步骤(b)，比对该第一特征点集与该第二特征点集，以校准每一该等车辆的该车体影像。步骤(C)，建立具有一梯度基底的斜面距离转换(Chamfer distance transform)的该等车辆的多个车辆模型影像。步骤(d)，拍摄该车辆的一即时车体影像。步骤(e)，藉由该演算法演算该即时车体影像与该基准影像，以分别地取得一第三特征点集与该第二特征点集。步骤(f)，比对该第二特征点集与该第三特征点集，以校准该即时车体影像。步骤(g)，判断该即时车体影像中每一像素的梯度基底与每一该等车辆模型影像的梯度基底的二者乘积的最大者，以确定该即时车体影像对应该等车辆模型影像的其中之一。
[0011]相较常见技术，本发明提供一车辆辨识系统与方法，主要藉由例如一加速强健特征点(Speeded up robust features)演算法演算一车辆的一车体影像的特征点集，并藉由该特征点集校准该车体影像，同时藉由梯度基底的斜面距离转换(Chamfer distancetransform)建立一车辆模型影像。藉由本发明，可在不需要直接地辨识该车辆的车牌的情况下，仍可藉由判断该一即时车体本身的校准后的梯度特征影像(例如车型纹理或是该车体独有的标记、物件以及缺陷)，而识别出该车辆的身份。
[0012]校准的该车辆影像透过斜面距离转换来建造该车辆模型影像，并且计算该车辆模型影像与即时车体影像之间的相似度，以产生一比对结果。另外，该车辆模型影像可以将多个车体影像中显著的特征加以整合成一张影像，而能同时地达到整合模型资料库及建构出完整车体及其独特性的功效。
【附图说明】
[0013]图1为本发明实施例的车辆辨识系统的示意框图。
[0014]图2为本发明实施例的车辆辨识方法的步骤示意图。
[0015]图3为本发明实施例的方框滤波器模板。
[0016]图4为本发明实施例的尺度空间示意图。
[0017]图5为本发明实施例的决定特征点主方向的示意图。
[0018]图6为本发明实施例的加速强健特征点演算法的特征点描述子的示意图。
[0019]符号说明:
[0020]2车辆
[0021]10车辆辨识系统
[0022]12车辆资料库
[0023]14模型资料库
[0024]16影像拍摄单元
[0025]18处理单元
[0026]VBIMG 车体影像
[0027]VMIMG 车辆模型影像
[0028]BI基准影像
[0029]FFPS 第一特征点集
[0030]SFPS 第二特征点集
[0031]TFPS 第三特征点集
[0032]RTVBIMG 即时车体影像
[0033]S21-S27 步骤
【具体实施方式】
[0034]为充分了解本发明的目的、特征及功效，兹藉由下述具体的实施例，并配合所附的图式，对本发明做一详细说明，说明如后:
[0035]请参考图1，为本发明实施例的车辆辨识系统的示意框图。于图1中，该车辆辨识系统10辨识出多个车辆2的车体，以确认该等车辆的身份。在本实施例中，该车辆识别系统10以设置在国道系统中的自动收费站为例说明，于其它实施例中，亦可应用在偷窃车辆侦测、车祸侦测或停车场等应用领域。
[0036]该车辆辨识系统10包含一车辆资料库12、一模型资料库14、一影像拍摄单元16与一处理单元18。
[0037]该车辆资料库12预先地储存该等车辆2的多个车体影像VBMG (vehicle bodyimage)。实际上，该车辆资料库12可透过例如监理机构或是申办ETC的门市拍摄该等车体影像VBMG。
[0038]该模型资料库14连接该车辆资料库12。该模型资料库14自该车辆资料库12取得该等车体影像VBMG，以及该模型资料库14根据该等车体影像VBMG，建立对应该等车辆2的多个车辆模型影像VMIMG (vehicle model image)。
[0039]该等车辆模型影像VMMG可藉由至少一种以上的演算法演算该车体影像VBMG而取得对应的该等车辆模型影像VMIMG。
[0040]于本实施例中，该模型资料库14藉由一演算法演算每一该等车辆2的该车体影像VBIMG，以取得一第一特征点集FFPS (First feature point set)，以及该演算法演算一基准影像 BI (Base image)，以取得一第二特征点集 SFPS (Second feature point set)。举例而言，该演算法为一加速强健特征点(Speeded up robust feature，SURF)演算法、一尺度不变特征转换(Scale-1nvariant feature transform, SIFT)演算法与一方向梯度直方图(Histogram of oriented gradient,HOG)演算法的至少其中之一。值得注意的是，该演算法除上述所提及的类型外，还包含其它未列举的演算法，只要其它演算法能够达成上述比对的功效，皆符合本实施例中该演算法的定义。为便于说明，以下是以加速强健特征点演算法为例进行说明。
[0041 ] 该模型资料库14比对该第一特征点集FFPS与该第二特征点集SFPS，让该基准影像BI校准每一该等车辆2的该车体影像VBMG，而建立包含一梯度基底的斜面距离转换(Chamfer distance transform)的该等车辆模型影像 VMIMG。
[0042]该影像拍摄单元16拍摄该车辆2的一即时车体影像RTVBMG (Real time VBIMG) ο该影像拍摄单元16藉由该加速强健特征点演算法演算该即时车体影像RTVBIMG，以取得一第三特征点集TFPS (Third feature point set)，以及该加速强健特征点演算法演算该基准影像BI，以取得该第二特征点集SFPS。
[0043]该影像拍摄单元16比对该第二特征点集SFPS与该第三特征点集TFPS，让该基准影像BI校准该即时车体影像VBIMG。
[0044]该处理单元18连接该模型资料库14与该影像拍摄单元16。
[0045]该处理单元18计算该即时车体影像RTVBMG中每一像素的梯度基底与每一该等车辆模型影像VMMG中每一像素的梯度基底之间的乘积，以及自多个该乘积的数值中挑选最大者，以确定该即时车体影像RTVBMG对应该等车辆模型影像VMMG的其中之一。换言之，藉由该乘积的最大值，可确认该即时车体影像RTVBMG即是当下该车辆模型影像VMIMG所对应的该车辆2。
[0046]请参考图2，为本发明实施例的车辆辨识方法的步骤示意图。于图2中，该车辆辨识方法辨识多个车辆的车体，其步骤起始于步骤S21，藉由一演算法演算每一该等车辆的一车体影像与一基准影像，以分别地取得一第一特征点集与一第二特征点集，例如该演算法为一加速强健特征点演算法、一尺度不变特征转换演算法与一方向梯度直方图演算法的至少其中之一。
[0047]步骤S22，比对该第一特征点集与该第二特征点集，以校准每一该等车辆的该车体影像。
[0048]步骤S23，建立具有一梯度基底的斜面距离转换的该等车辆的多个车辆模型影像。
[0049]上述步骤S21至步骤S23详细说明如下。
[0050]由于每一辆车的水平位移、垂直位移以及旋转角度皆不相同，并且非保证涵括全车体，因而必须对该车体影像进行校准。于本实施例中，采用该演算法来进行校准该车体影像。
[0051]于本实施例中，该演算法以该加速强健特