基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及靜態(tài)圖像處理領(lǐng)域，具體是指一種基于邊緣 方向直方圖特征實現(xiàn)車標特征提取的方法。
【背景技術(shù)】
[0002] 社會經(jīng)濟的發(fā)展促使道路交通迅速發(fā)展，機動車數(shù)量不斷增加。伴隨著機動車數(shù) 量不斷增加，盜搶機動車、利用機動車犯罪等類型案件也顯著增加，引起了全社會的關(guān)注。 盜搶車輛案犯往往以小客車、特別是中、高檔轎車作為作案重點，得手后通過更換車輛牌 照，改變車輛外觀如改變車輛顏色等，迅速逃往外地進行銷贓、使用。目前公安部門在得到 失主報警后，在各個治安網(wǎng)點布控的方法主要靠人眼觀察車牌號、顏色，又由于不能使停車 檢查車輛的比例過大，因此偵破率很低。
[0003] 為了解決交通迅速發(fā)展所引發(fā)的各種問題，智能交通系統(tǒng)被提到了重要位置。計 算機視覺作為智能交通系統(tǒng)中的一項重要技術(shù)，受到越來越多的重視。運動車輛類型精確 識別系統(tǒng)的核心技術(shù)主要包括車牌識別和車型識別兩個方面的內(nèi)容。在車型識別系統(tǒng)中， 可以按照車輛大小或汽車標志將車輛進行分類。
[0004] 目前車標識別最常用的特征是車標灰度圖、PCA，HU不變矩等。PCA (Principal component analysis,主成份分析）是基于主元分析的特征提取,它除了計算量大之外，它 對于車標樣本之間的差異而言存在著明顯的缺陷，從這方面講它來描述車標識別的特征是 不充分的。車標灰度圖特征受實際拍攝場景中的復(fù)雜光照條件所影響。
[0005] Hu不變矩是對變換不敏感的基于區(qū)域的幾個矩作為形狀特征，在實際中由于目標 圖像受噪聲、變形、部分遮擋和形狀相似等影響，雖然HU不變矩具有對圖像的旋轉(zhuǎn)、平移和 尺度變化的不變性，但HU不變矩只有7個變量，單靠7個變量進行識別并不穩(wěn)定，會導(dǎo)致識 別準確率嚴重下降。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是克服了上述現(xiàn)有技術(shù)的缺點，提供了一種能夠?qū)崿F(xiàn)既保留車標邊 緣豐富信息、又避免了光照不均等環(huán)境的影響、能較好反映目標圖像的邊緣和形狀特征、全 天識別準確率超過80%、具有更廣泛應(yīng)用范圍的基于邊緣方向直方圖特征實現(xiàn)車標特征提 取的方法。
[0007] 為了實現(xiàn)上述目的，本發(fā)明的具有如下構(gòu)成：
[0008] 該基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其主要特點是，所述的方 法包括以下步驟：
[0009] (1)在車標圖像中對車標進行定位并得到車標灰度圖；
[0010] (2)計算得到所述的車標灰度圖中的各個象素點的梯度大小和邊緣方向角；
[0011] (3)對所述的車標灰度圖進行分塊并分別計算每一塊車標灰度圖的邊緣方向直方 圖特征；
[0012] (4)根據(jù)所述的邊緣方向直方圖特征和HU不變矩特征結(jié)合成的向量確定車標識 別結(jié)果。
[0013] 較佳地，所述的計算得到所述的車標灰度圖中的各個象素點的梯度大小和邊緣方 向角，包括以下兩個步驟：
[0014] (21)計算得到所述的車標灰度圖f(x，y)中各個象素點在各方向上的變化量dx和 dy ；
[0015] (22)計算得到各個象素點的邊緣方向角的弧值Θ。
[0016] 更佳地，所述的計算得到所述的車標灰度圖f(x，y)中各個象素點在各方向上的 變化量dx和dy，具體為 ：
[0017] 對所述的車標灰度圖f(x，y)計算高斯差分圖像并得到各個象素點在各方向上的 變化量dx和dy。
[0018] 更佳地，所述的計算得到所述的車標灰度圖f(x，y)中各個象素點在各方向上的 變化量dx和dy，具體為 ：
[0019] 對所述的車標灰度圖f(x，y)用邊緣算子計算邊緣圖并得到各個象素點在各方向 上的變化量dx和dy。
[0020] 更佳地，所述的計算得到各個象素點的邊緣方向角的弧值Θ，具體為：
[0021] 按照以下公式計算得到各個象素點的邊緣方向角的弧值Θ :
[0022] Θ (X，y) =argtg (dx/dy)。
[0023] 更佳地，所述的計算每一塊車標灰度圖的邊緣方向直方圖特征，包括以下步驟：
[0024] (31)對每一塊車標灰度圖的邊緣方向角的弧值Θ進行量化，量化后的弧值Θ的 值為0~（T-I);
[0025] (32)將所述的量化后的弧值Θ進行直方圖統(tǒng)計得到h(i) (i=0, . . .，T-1);
[0026] (33)將直方圖統(tǒng)計結(jié)果h(i) (i=0, . . .，Τ-l)按照以下公式進行歸一化處理：
【主權(quán)項】
1. 一種基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其特征在于，所述的方法 包括以下步驟： (1) 在車標圖像中對車標進行定位并得到車標灰度圖； (2) 計算得到所述的車標灰度圖中的各個象素點的梯度大小和邊緣方向角； (3) 對所述的車標灰度圖進行分塊并分別計算每一塊車標灰度圖的邊緣方向直方圖特 征； (4) 根據(jù)所述的邊緣方向直方圖特征和HU不變矩特征結(jié)合成的向量確定車標識別結(jié) 果。
2. 根據(jù)權(quán)利要求1所述的基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其特征 在于，所述的計算得到所述的車標灰度圖中的各個象素點的梯度大小和邊緣方向角，包括 以下兩個步驟： (21) 計算得到所述的車標灰度圖f(x，y)中各個象素點在各方向上的變化量dx和dy ; (22) 計算得到各個象素點的邊緣方向角的弧值Θ。
3. 根據(jù)權(quán)利要求2所述的基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其特征 在于，所述的計算得到所述的車標灰度圖f(x，y)中各個象素點在各方向上的變化量dx和 dy，具體為： 對所述的車標灰度圖f(x，y)計算高斯差分圖像并得到各個象素點在各方向上的變化 量dx和dy。
4. 根據(jù)權(quán)利要求2所述的基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其特征 在于，所述的計算得到所述的車標灰度圖f(x，y)中各個象素點在各方向上的變化量dx和 dy，具體為： 對所述的車標灰度圖f(x，y)用邊緣算子計算邊緣圖并得到各個象素點在各方向上的 變化量dx和dy。
5. 根據(jù)權(quán)利要求2所述的基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其特征 在于，所述的計算得到各個象素點的邊緣方向角的弧值Θ，具體為： 按照以下公式計算得到各個象素點的邊緣方向角的弧值Θ : Θ (X，y) =argtg(dx/dy)〇
6. 根據(jù)權(quán)利要求2所述的基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其特征 在于，所述的計算每一塊車標灰度圖的邊緣方向直方圖特征，包括以下步驟： (31) 對每一塊車標灰度圖的邊緣方向角的弧值Θ進行量化，量化后的弧值Θ的值為 O ~（T-I); (32) 將所述的量化后的弧值Θ進行直方圖統(tǒng)計得到h(i)(i=0，...，T-l); (33) 將直方圖統(tǒng)計結(jié)果h(i) (i=0,. . .，T-1)按照以下公式進行歸一化處理：
7. 根據(jù)權(quán)利要求1所述的基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其特征 在于，所述的根據(jù)所述的邊緣方向直方圖特征和HU不變矩特征結(jié)合成的向量確定車標識 別結(jié)果，包括以下步驟： (41) 將所述的邊緣方向直方圖特征和HU不變矩特征結(jié)合成一組向量； (42) 將所述的向量輸入神經(jīng)網(wǎng)絡(luò)模型并輸出車標識別結(jié)果。
【專利摘要】本發(fā)明涉及一種基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，其中包括在車標圖像中對車標進行定位并得到車標灰度圖；計算得到所述的車標灰度圖中的各個象素點的梯度大小和邊緣方向角；對車標灰度圖進行分塊并分別計算每一塊車標灰度圖的邊緣方向直方圖特征；根據(jù)所述的邊緣方向直方圖特征和HU不變矩特征結(jié)合成的向量確定車標識別結(jié)果。采用該種基于邊緣方向直方圖特征實現(xiàn)車標特征提取的方法，可以實現(xiàn)既保留了車標邊緣豐富信息，又避免了光照不均等環(huán)境的影響，具有較高的魯棒性，能較好反映目標圖像的邊緣和形狀特征，結(jié)合HU不變矩組成特征向量和輸入模型，可以得到較好的識別效果，方法應(yīng)用簡便，具有更廣泛的應(yīng)用范圍。
【IPC分類】G06K9-46, G06T5-40
【公開號】CN104680164
【申請?zhí)枴緾N201310610731
【發(fā)明人】張慧
【申請人】上海寶康電子控制工程有限公司
【公開日】2015年6月3日
【申請日】2013年11月26日