步的，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。
[0021]因为目前公路上里程标识牌的字符区域均由四个相同大小的字符组成，本发明利用里程标识牌的物理特性实现里程标识牌字符区域的提取和里程标识牌的图像分割。
[0022]进一步的，全局二值化采用的计算方法为大津算法。
[0023]进一步的，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。
[0024]进一步的，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。
[0025]进一步的，概率密度矩阵规范化的元素值范围为[0，255)。
[0026]从视频处理技术的复杂性考虑，我们将问题划分为若干小问题分别解决；在进行里程标识牌定位时，首先对样本进行Ga_a颜色标准化处理，利用梯度直方图算子特征训练出支持向量机模型；然后利用滑动窗口进行分类识别，输出概率密度矩阵，并对其进行大津法全局二值化、寻找最大连通域、截取最大外接矩形等处理，定位出R0I区域；最后，根据样本数据实验和多尺度处理，优化算法；在里程牌图像分割过程中，首先对R0I区域进行局部自适应二值化，然后利用里程牌边框与里程牌字符区域背景的灰度值相差较大的物理特性，提取出里程牌边框，计算其倾斜角度并对其进行逆向旋转；最后提取出水平的字符区域并进行四等分，实现里程牌图像分割；在进行里程牌识别时，本发明分别采用小波包纹理特征结合支持向量机分类器的字符识别方法；基于小波包的字符识别方法，主要利用小波包特征训练支持向量机分类模型，该模型的参数通过参数寻优算法确定；最后，进行了小波包分解层数、样本规范化、小波基函数、核函数等试验，并根据实验结果对识别算法进行优化处理。
[0027]采用本发明方法的基于视频检测系统的里程标识牌识别系统，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，解决对视频巡查图像与公路路段间对应关系建立映射的问题。
[0028]基于视频检测系统的里程标识牌识别系统，主要包括样本提取模块、里程标识牌定位模块、里程标识牌图像分割模块和里程标识牌识别模块；摄像机采集的视频数据输入到样本提取模块，里程标识牌定位模块利用样本提取模块输出的正负样本数据进行里程标识牌定位，并将定位结果输入到里程标识牌图像分割模块，里程标识牌识别模块对里程标识牌图像分割模块的分割结果进行里程标识牌识别，并输出识别结果。
[0029]1)里程标识牌定位系统:
根据正负样本的边缘梯度特征和移动窗口技术，在复杂背景下确定里程标识牌的位置，从而提取出里程标识牌的大概区域；
2)里程标识牌图像分割系统:
利用里程标识牌的物理特性，从而实现里程标识牌牌字符区域的提取和里程标识牌的字符分割；
3)里程标识牌识别系统:
利用字符识别引擎或多分辨性特征，实现里程标识牌牌智能化识别。
[0030]本发明利用现有的检测里程标识牌记录路面缺陷的的视频监视硬件设备，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，为记录路面缺陷提供关键标记信息。
【主权项】
1.一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。2.根据权利要求1所述的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: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。3.根据权利要求1所述的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:所述里程标识牌字符区域提取方法如下: 将提取出的ROI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。4.根据权利要求1所述的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:所述全局二值化采用的计算方法为大津算法。5.根据权利要求1所述的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: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。6.根据权利要求1所述的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: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。7.根据权利要求1或5所述的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:概率密度矩阵规范化的元素值范围为[0，255)。
【专利摘要】本发明公开了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；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；将里程标识牌分割，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；本发明识别效率高、准确度高、不受地理因素和环境因素的影响，并且利用现有硬件设备，成本低。
【IPC分类】G06K9/32, G06K9/00
【公开号】CN105279488
【申请号】CN201510674147
【发明人】唐鹏, 金炜东, 韦璞
【申请人】西南交通大学
【公开日】2016年1月27日
【申请日】2015年10月16日