一種基于顯著性檢測和顏色直方圖模型的車輛識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于目標識別與圖像處理領(lǐng)域，涉及一種車輛識別方法，特別涉及一種基 于顯著性檢測和顏色直方圖模型的車輛識別方法。
【背景技術(shù)】
[0002] 車輛識別在智能交通、無人駕駛或自動駕駛等領(lǐng)域有著重要的應用價值，一直是 計算機視覺領(lǐng)域的熱點研宄問題。由于車輛種類較多、形狀各異，所處的背景通常又較為復 雜，因此準確有效地實現(xiàn)車輛的自動識別具有較大的難度。
[0003] 因此，設(shè)計一種具有較強抗干擾能力的車輛識別方法具有很好的應用價值。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是，針對具有較為復雜的背景圖像，設(shè)計一種能夠自 動識別車輛目標的方法。
[0005] 本發(fā)明所采用的技術(shù)方案是：一種基于顯著性檢測和顏色直方圖模型的車輛識別 方法，根據(jù)被檢測圖像的局部特征對被檢測圖像進行顯著性檢測，確定出圖像中的車輛候 選區(qū)域，將各候選區(qū)域的顏色從RGB空間轉(zhuǎn)換到HSV空間，利用HSV空間中的H分量構(gòu)建各 候選區(qū)域的顏色直方圖模型，根據(jù)顏色直方圖模型的分布特征完成車輛的識別。
[0006] 本發(fā)明的目的在于設(shè)計一種基于顯著性檢測和顏色直方圖模型的車輛識別方法， 利用顯著性檢測抑制圖像中大部分背景信息對車輛識別的影響，根據(jù)候選區(qū)直方圖的分布 特征實現(xiàn)車輛的識別。提高車輛識別的準確性，具有很好的實用性。
【附圖說明】
[0007] 圖1是像素塊分布圖。
[0008] 圖2是原始監(jiān)控圖像。
[0009] 圖3是基于局部特征的顯著性檢測結(jié)果。
[0010] 圖4是二值顯著區(qū)域圖像。
[0011] 圖5是左數(shù)第3輛車的顏色直方圖。
[0012] 圖6最終車輛識別結(jié)果。
【具體實施方式】
[0013] 下面結(jié)合附圖對本發(fā)明作進一步詳細說明。
[0014] 本發(fā)明采用基于局部特征的顯著性檢測方法從場景圖像中提取顯著性區(qū)域作為 候選區(qū)域。如圖1所示，在提取局部特征時，將圖像分割成aXa的像素小塊，選取以塊B(i， j)為中心的1X1塊的區(qū)域作為局部區(qū)域，本發(fā)明中1取值為3。
[0015] 通過中心塊與鄰域塊的顏色差異來確定每一塊的顯著性程度。中心塊B(i，j)與 鄰域塊B(m，n)的差異DisK(；B(B(i，j)，B(m，n))表示為：
[0016] DisKGB(B(i，j)，B(m，n))=取，廠〇2+叫，廠6_)2+他，廠Bm，n)2 (1)
[0017] 其中，111=卜1，1，1+1;11 =」-1，」，」+1;1^、6"、8"分別為中心塊8(1，」）在1?8 三原色的三個分量值，Rm,n、Gm,n、Bm,n分別為鄰域塊B(m，n)在RGB三原色的三個分量值。
[0018] 中心塊B(i，j)與鄰域塊B(m，n)的顏色顯著值Dis^cfBQ，j)，B(m，n))計算為：
【主權(quán)項】
1. 一種基于顯著性檢測和顏色直方圖模型的車輛識別方法，其特征在于，采用基于局 部特征的顯著性檢測方法從場景圖像中提取顯著性區(qū)域作為候選區(qū)域，將候選區(qū)域的顏色 空間由RGB空間轉(zhuǎn)換到HSV空間，統(tǒng)計HSV中H分量的直方圖分布情況，將含有兩個主要顏 色等級分量的候選區(qū)確定為車輛區(qū)域。
【專利摘要】本發(fā)明屬于目標識別與圖像處理領(lǐng)域，具體為一種基于顯著性檢測和顏色直方圖模型的車輛識別方法，采用基于局部特征的顯著性檢測方法從場景圖像中提取顯著性區(qū)域作為候選區(qū)域，將候選區(qū)域的顏色空間由RGB空間轉(zhuǎn)換到HSV空間，統(tǒng)計HSV中H分量的直方圖分布情況，將含有兩個主要顏色等級分量的候選區(qū)確定為車輛區(qū)域。本發(fā)明適用于車輛監(jiān)控系統(tǒng)中。
【IPC分類】G06K9-46, G06K9-00
【公開號】CN104616007
【申請?zhí)枴緾N201510108662
【發(fā)明人】修春波, 王甜甜, 魏世安
【申請人】天津工業(yè)大學
【公開日】2015年5月13日
【申請日】2015年3月11日