一种公路视频巡检的里程标识牌自动识别方法
【技术领域】
[0001]本发明涉及目标自动检测和识别技术，具体涉及一种公路视频巡检的里程标识牌自动识别方法。
【背景技术】
[0002]近几年来，我国公路交通运输网络的规模和能力迅速扩大，结构不断优化，服务水平不断提升，已经建立了较为完善的公路运输系统；到2012年年底我国公路总里程达424万公里，高速公路通车里程已达9.6万公里；高速公路覆盖了全国90%以上的中等城市，普通干线公路基本实现了对县级及以上行政区的连接和覆盖，农村公路通达几乎所有的乡镇和建制村；我国公路总里程、公路客货运量和周转量等多项指标均居世界第一；回顾我国公路发展历程，对比世界公路发展趋势，可以认为，我国公路交通正处于扩大规模、提高质量的快速发展时期；尽管如此，但由于我国公路建设基础十分薄弱，总体上还不能适应国民经济和社会发展的需要，与发达国家的先进水平相比还有较大差距；从公路技术等级看，技术等级构成仍不理想；从行政区划分布看，由于经济发展和人口分布的不平衡，公路发展在各地区之间存在着较大差距；因此，为逐步实现我国交通运输现代化的总体战略目标，按照道路的使用功能和交通需求，重点提高公路技术等级，大力扶持基础设施建设，将是本世纪末以至下世纪初我国公路交通发展的战略重点；在此发展形势下，对道路养护和管理提出了更高要求。
[0003]基于视频技术的公路巡检是公路养护状态评估的关键技术；随着车辆速度的提升和重载车辆的广泛使用，高等级公路路基易受高频激扰发生共振，引起振动加剧和老化加快，将影响公路运行品质和增加养护成本，并且会加速路面沥青的结构疲劳损伤程度；若破损的公路路面不及时发现并得以修补，将会在车辆行进作用下加速破损程度，影响道路舒适性甚至危及行车安全；里程标识牌反应了巡检视频所代表的公路路段，是公路视频巡检自动化处理的关键内容；通常公路路面容易受环境因素影响出现裂纹和破损，为保证其正常工作，在视频巡检过程中除了对裂纹进行检测提取以外，需要对里程标识牌进行内容识别，从而对检测出的安全隐患及时进行修复。
[0004]里程标识牌是公路路段的关键识别标志，当记录故障信息时需要通过里程标识牌来标记；目前里程标识牌识别的主流方式仍然是肉眼识别，其容易受到地理因素和环境因素的影响，误差大，效率低。
【发明内容】
[0005]本发明提供一种基于公路视频巡检的智能化里程标识牌检测和自动识别方法。
[0006]本发明采用的技术方案是:一种公路视频巡检的里程标识牌自动识别方法，其特征在于包括以下步骤:
获取视频数据，将视频数据转换成帧图像；
用矩形框选取里程标识牌将帧图像分为正负样本区域，进行正负样本的校正； 提取校正之后的正负样本的梯度直方图特征算子，将特征向量训练出分类模型；设置一个与待测帧图像大小相同的全零矩阵为概率密度矩阵；采用移动窗口技术，利用特征向量的分类模型，判断窗口内的待检测样本，形成规范化的概率密度矩阵；将概率密度矩阵与待测帧图像叠加，输出概率密度矩阵的灰度图像；
计算待测帧图像进行全局二值化阈值；将输出的概率密度矩阵灰度图像进行全局二值化，寻找最大连通域；在待测帧图像中截取相对应的最大连通域区域ROI ;将里程标识牌分害J，提取里程标识牌的字符区域；
利用小波包纹理特征结合向量机分类器进行里程标识牌字符识别。
[0007]进一步的，所述正负样本校正过程如下:
在正负样本区域随机生成多个特定大小的正负样本；
对正负样本进行Gamma颜色标准化处理；
所述正样本区域为帧图像中包含里程标识牌的区域；
所述负样本区域为帧图像中不包含里程标识牌的区域。
[0008]进一步的，所述里程标识牌字符区域提取方法如下:
将提取出的R0I区域进行局部自适应二值化，利用里程标识牌边框与里程标识牌背景色明显的颜色差别，提取出里程牌矩形边框的四个顶点坐标；
利用里程牌矩形边框的四个顶点坐标计算里程标识牌的倾斜角度，并将图像逆向旋转计算得到的角度值，使图像水平；
再次提取里程标识牌边框，并沿着里程标识牌切割，提取出里程标识牌的字符区域。
[0009]进一步的，所述全局二值化采用的计算方法为大津算法。
[0010]进一步的，所述窗口内的待检测样本的判断方法如下:
若窗口内的待检测样本为正样本，则概率密度矩阵相应位置的元素值加1 ;
若窗口内的待检测样本为负样本，则概率密度矩阵相应位置的元素值不变。
[0011]进一步的，所述公路里程标识牌的字符识别过程如下:
将提取出的里程标识牌字符区域进行四等分割；
提取待检测字符的小波包特征，并训练出10类分类器；
通过分类器进行里程标识牌字符识别。
[0012]进一步的，概率密度矩阵规范化的元素值范围为[0，255)。
[0013]本发明的有益效果是:
(1)本发明利用现有的检测公路路面缺陷的视频监视硬件设备，不需要安装新的设备，在视频信号采集的基础上对里程标识牌进行智能化的识别，为记录公路路面缺陷提供关键标记信息，并且提高了识别的效率；
(2)本发明进行正负样本的提取，提高了里程标识牌检测的准确度；
(3)本发明考虑里程标识牌的复杂背景，结合里程标识牌明显的边框，采用结合边缘梯度信息的机器学习复合方法，检测准确度高；
(4)采用本发明方法的识别系统，不受地理因素和环境因素的影响。
【附图说明】
[0014]图1为里程标识牌自动识别方法流程图。
【具体实施方式】
[0015]下面结合附图和具体实施例对本发明做进一步说明。
[0016]如图1所示，一种公路视频巡检的里程标识牌自动识别方法，包括以下步骤: 获取视频数据，将视频数据转换成帧图像；
用矩形框选取里程标识牌将帧图像分为正负样本区域，进行正负样本的校正；
提取校正之后的正负样本的梯度直方图特征算子，将特征向量训练出分类模型；设置一个与待测帧图像大小相同的全零矩阵为概率密度矩阵；采用移动窗口技术，利用特征向量的分类模型，判断窗口内的待检测样本，形成规范化的概率密度矩阵；将概率密度矩阵与待测帧图像叠加，输出概率密度矩阵的灰度图像；
计算待测帧图像进行全局二值化阈值；将输出的概率密度矩阵灰度图像进行全局二值化，寻找最大连通域；在待测帧图像中截取相对应的最大连通域区域R0I ;将里程标识牌分害J，提取里程标识牌的字符区域；
利用小波包纹理特征结合向量机分类器进行里程标识牌字符识别。
[0017]通常，目标定位需要提取的特征有:图像纹理特征、图像边缘特征、图像数学形态特征、多分辨性特征；考虑里程标识牌视频数据中有着复杂的背景，结合里程标识牌牌明显的边框，本发明对于里程标识牌识别采用的是结合边缘梯度信息的机器学习复合方法，采集分析结果更加准确。
[0018]进一步的，正负样本校正过程如下:
在正负样本区域随机生成多个特定大小的正负样本；
对正负样本进行Gamma颜色标准化处理；
所述正样本区域为帧图像中包含里程标识牌的区域；
所述负样本区域为帧图像中不包含里程标识牌的区域。
[0019]通过正负样本的提取，提高了里程标识牌检测的准确度。
[0020]进一