一種基于嵌入式系統的實時出租車識別方法
【專利摘要】本發明公開了一種基于嵌入式系統的實時出租車識別方法，該方法包括以下步驟：在視頻圖像中設定若干檢測區域；將檢測區域映射為矩陣圖像；判斷檢測區域中是否存在車牌，若是進入下一步驟，若否，對其它檢測區域進行判斷；得到存在車牌的檢測區域中的車頂區域，并提取其特征向量；提取車身顏色分布特征向量；擬合得到關于出租車特征向量的回歸方程；根據所述回歸方程，以及車頂區域特征向量和車身顏色特征向量組合構成的復合特征向量，來對于出租車進行識別。本發明時空間花銷小，故能滿足嵌入式系統對于出租車的實時識別要求。
【專利說明】一種基于嵌入式系統的實時出租車識別方法
【技術領域】
[0001]本發明涉及基于嵌入式物聯網視頻智能監控和車輛類型識別領域，尤其涉及一種基于嵌入式系統的實時出租車識別方法。
【背景技術】
[0002]隨著嵌入式系統軟硬件功能水平的不斷提高，嵌入式系統漸漸進入到現實生活中的方方面面，最常見的莫過于平常所見的各種大大小小攝像機組成的視頻監控系統，視頻監控系統通過多年來不斷的發展，被廣泛地應用于各種領域、各種環境、場景下的監控管理任務。而隨著計算機視覺和人工智能、模式識別技術理論發展和實踐探索，視頻監控系統現在正朝智能化這個方向去發展。
[0003]智能交通系統是視頻智能監控系統在交通領域一個重要的應用。在智能交通系統中，有一個核心功能是對過往車輛進行準確的檢測、車輛類型的識別。縱觀目前國內外車型識別的研究和應用，主要都是根據車體的三維尺寸來把車輛劃分為:大中小這樣的類別，這種簡單的分類往往難以滿足某些監控場景的需求。
[0004]據資料顯示，在占道路車流機動車中，出租車在其中往往占據比較大的比例。由此可見，合理的出租車管理與調配具有十分重要的現實意義。而要實現這個目的，首要條件是能自動識別路面上的出租車。
[0005]目前可查閱到的出租車識別算法主要是通過提取HAAR-LIKE矩形特征、灰度方向直方圖(HOG)特征等等，再結合SVM分類器實現的。這類方法的缺點主要就是時空間花銷比較大，只能放在一些配置較高的PC端上運行以實現實時檢測，在嵌入式系統上是無法做到實時檢測的，同時目前市場上還沒有發現能在嵌入式系統中實現的出租車識別方法。

【發明內容】

[0006]本發明的目的是針對目前現有出租車識別方法的不足與缺陷，提出一種基于嵌入式系統的實時出租車識別方法，經過多次嚴格實驗數據證明，該出租車識別方法具有較高的實時性、準確性，以及魯棒性。
[0007]為了實現本發明的目的，本發明所提出的一種實時出租車識別方法包括以下步驟:
[0008]步驟1，在視頻圖像中設定若干虛擬線圈，即檢測區域；
[0009]步驟2，將所述檢測區域經過透視變換映射為矩陣圖像；
[0010]步驟3，判斷變換后的檢測區域中是否存在車牌，若是，則反映所述檢測區域中存在車輛，進入步驟4，若否，則反映所述檢測區域中不存在車輛，繼續對其它檢測區域進行判斷；
[0011]步驟4，根據車牌與車頂之間的相互位置關系，得到存在車牌的檢測區域中的車頂區域，并提取所述車頂區域的特征向量；
[0012]步驟5，基于所述車頂區域，勾畫出整個車身區域，然后基于RGB色彩空間，通過直方圖分析顏色，提取得到車身顏色分布特征向量；
[0013]步驟6，通過人工標識汽車圖像樣本是否為出租車，計算得到出租車特征向量，進一步得到所述出租車特征向量與是否為出租車的相關性，擬合出關于出租車特征向量的回歸方程，得到該回歸方程的系數向量；
[0014]步驟7，根據所述回歸方程的系數向量，以及車頂區域特征向量和車身顏色特征向量組合構成的復合特征向量，來判斷該車輛是否為出租車，最終實現對于出租車的識別。
[0015]本發明基于嵌入式系統的實時出租車識別方法與現有技術中的其他出租車識別方法相比具有以下有益效果:
[0016](I)基于計算機視覺的視頻分析，以實現出租車的識別。
[0017](2)在嵌入式前端實現出租車的識別，大幅降低PC服務器的負荷。
[0018](3)特征提取、特征向量判斷方法較為簡單，時空間花銷都比較小，能夠滿足實時識別的需求。
[0019](4)基于嵌入式系統實現，易于擴展整合其他模塊形成大型管理系統，實現出租車資源管理的云計算化。
[0020]( 5)無需事先建立正負樣本庫。
【專利附圖】

【附圖說明】
[0021]圖1是本發明基于嵌入式系統的實時出租車識別方法的流程圖；
[0022]圖2是根據本發明一實施例的檢測區域定義示意圖；
[0023]圖3是檢測區域經透視變換后的效果示意圖；
[0024]圖4是車牌定位效果示意圖；
[0025]圖5是車頂燈定位的效果示意圖；
[0026]圖6是車體定位效果示意圖。
【具體實施方式】
[0027]為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。
[0028]本發明著重從出租車與普通機動車的外觀差異特征來實現出租車的識別，主要體現在出租車都是小型轎車，車頂處有一個標識燈，車身存在兩種或兩種以上的顏色。
[0029]雖然同樣是出租車，但不同地區或不同公司所屬的出租車之間的外觀差異也是不小的，比如說廣州的出租車車身就有好幾種顏色，有青色、紅色、黃色等等，而對于車頂燈的形狀更是千奇百怪，有長方形、三角形、正方形等，這樣就給出租車的識別增加了難度。
[0030]圖1是本發明基于嵌入式系統的實時出租車識別方法的流程圖，如圖1所示，所述出租車識別方法包括以下步驟:
[0031]步驟1，在視頻圖像中設定若干虛擬線圈，即檢測區域；
[0032]所述步驟I進一步包括以下步驟:
[0033]步驟1.1，在所述視頻圖像的若干車道中，設定多個檢測區域，并記錄下每個檢測區域各個頂點的坐標位置；
[0034]在設定檢測區域時，首先選定能連接成四邊形的任意四個點，這四個點連接形成的四邊形就構成了虛擬線圈，即檢測區域，如圖2所示。值得注意的是，檢測區域的設置不宜過大，剛好能框住完整的一輛小型轎車就可以了，這樣做的目的主要在于減少檢索范圍以及減少不必要的干擾，以減小識別時間便于實現實時識別。
[0035]步驟1.2，記錄多個檢測區域中車牌的寬度值int plateWidth，并對不同檢測區域中車牌區域的大小進行歸一化，該步驟主要是為了后續能夠快速的進行車牌定位。
[0036]步驟2，將所述檢測區域經過透視變換映射為矩陣圖像；
[0037]由于攝像機架設角度的問題，檢測區域通常都不是矩形的，而計算機圖像算法操作通常都是基于矩形，為了簡化后面的操作，首先必須將檢測區域透視變換成矩形形狀，所述步驟2進一步包括以下步驟:
[0038]步驟2.1，將所述檢測區域的四個頂點定義為變換源點，指定所述視頻圖像內的任意四個點分別對應于四個變換源點，并將這四個點定義為變換目標點，按照以下公式計算出大小為3X3的透視變換矩陣:
【權利要求】
1.一種實時出租車識別方法，其特征在于，該方法包括以下步驟: 步驟1，在視頻圖像中設定若干虛擬線圈，即檢測區域； 步驟2，將所述檢測區域經過透視變換映射為矩陣圖像； 步驟3，判斷變換后的檢測區域中是否存在車牌，若是，則反映所述檢測區域中存在車輛，進入步驟4，若否，則反映所述檢測區域中不存在車輛，繼續對其它檢測區域進行判斷；步驟4，根據車牌與車頂之間的相互位置關系，得到存在車牌的檢測區域中的車頂區域，并提取所述車頂區域的特征向量； 步驟5，基于所述車頂區域，勾畫出整個車身區域，然后基于RGB色彩空間，通過直方圖分析顏色，提取得到車身顏色分布特征向量； 步驟6，通過人工標識汽車圖像樣本是否為出租車，計算得到出租車特征向量，進一步得到所述出租車特征向量與是否為出租車的相關性，擬合出關于出租車特征向量的回歸方程，得到該回歸方程的系數向量； 步驟7，根據所述回歸方程的系數向量，以及車頂區域特征向量和車身顏色特征向量組合構成的復合特征向量，來判斷該車輛是否為出租車，最終實現對于出租車的識別。
2.根據權利要求1所述的方法，其特征在于，所述步驟I進一步包括以下步驟: 步驟1.1，在所述視頻圖像的若干車道中，設定多個檢測區域，并記錄下每個檢測區域各個頂點的坐標位置； 步驟1.2，記錄多個檢測區域中車牌的寬度值，并對不同檢測區域中車牌區域的大小進行歸一化。
3.根據權利要求2所述的方法，其特征在于，在設定檢測區域時，首先選定能連接成四邊形的任意四個點，這四個點連接形成的四邊形就構成了虛擬線圈，即檢測區域。
4.根據權利要求1所述的方法，其特征在于，所述步驟2進一步包括以下步驟: 步驟2.1，將所述檢測區域的四個頂點定義為變換源點，指定所述視頻圖像內的任意四個點分別對應于四個變換源點，并將這四個點定義為變換目標點，計算得到透視變換矩陣； 步驟2.2，根據所述透視變換矩陣計算得到所述檢測區域經過透視變換后的矩陣圖像dst(X，y)。
5.根據權利要求4所述的方法，其特征在于，所述透視變換矩陣是根據下式得到的: f 、
[virCualCoU[1-\.x~\
inputVector = virtualCoil[i].y , i = 0,1,2,3<LlJ
C[i] ^ d.stRect[i].x
outputVector = t[i] * dstRect[i].y } i[i] = 2,i = 0,1,2,3 ? t[i] ' J
、 outputVector = matrixMapping x inputVector > 其中，inputVector表示源向量，virtualCoil [i]表示第i個變換源點，virtualCoil [i].x 和 virtualCoil [i].y 表不該變換源點的橫縱坐標，outputVector表示目標向量，t[i]表示形變參數，dstRect[i]表示第i個目標點，dstRect[i].x和dstRect[i].y表示該目標點的橫縱坐標,matrixMapping表示透視變換矩陣，i表示點集內標號。
6.根據權利要求4所述的方法，其特征在于，所述矩陣圖像dst(dx，dy)根據下式計算得到:

7.根據權利要求1所述的方法，其特征在于，所述步驟3中存在車牌的檢測區域的判斷進一步包括以下幾個步驟: 步驟3.1，對于所述檢測區域進行灰度化處理得到灰度圖像，然后將所述灰度圖像進行均衡化處理，然后基于均衡化處理后的圖像使用Sobel算子得到X方向邊緣圖像，最后在所述邊緣圖像中搜索滿足以下條件的子圖像subimg，得到子圖像集合:
8.根據權利要求1所述的方法，其特征在于，所述步驟4進一步包括以下步驟: 步驟4.1，根據車牌與車頂之間的相互位置關系，計算得到車頂區域； 步驟4.2，對所述車頂圖像進行中值濾波，使用Sobel算子得到Y方向上的邊緣圖像，然后對所述邊緣圖像進行二值化，最后統計二值化圖像中的非零元的個數，作為所述車頂區域的邊緣紋理特征向量； 步驟4.3，檢測所述二值化圖像中的輪廓，統計輪廓點的個數，作為所述車頂區域的輪廓細節密度特征向量； 步驟4.4，所述邊緣特征與輪廓特征共同組成了所述車頂區域的特征向量。
9.根據權利要求1所述的方法，其特征在于，所述步驟5中，根據下式提取得到車身顏色分布特征向量:
10.根據權利要求1所述的方法，其特征在于，所述步驟7中，根據下式對于出租車進行識別:

【文檔編號】G06K9/62GK103646241SQ201310746005
【公開日】2014年3月19日 申請日期:2013年12月30日 優先權日:2013年12月30日
【發明者】王飛躍, 胡斌, 熊剛, 周維斯, 李逸岳, 田秋常 申請人:中國科學院自動化研究所, 東莞中國科學院云計算產業技術創新與育成中心