一种交通调查车型识别方法、装置及其系统制造方法及图纸

本发明专利技术公开了一种交通调查车型识别方法、装置及其系统，其中车型识别方法包括以下步骤：步骤一、对视频中的运动物体进行检测，获取车辆图像；步骤二、对所述车辆图像进行特征提取，所述车辆图像的特征包括车辆图像的边缘特征、纹理特征和形状特征中的一种或多种；步骤三、进行车型识别先验参数训练；步骤四、进行车型识别概率判别。车型识别装置包括：检测模块、特征提取模块、训练模块和判别模块。车型识别系统包括视频获取装置和上述车型识别装置。本发明专利技术充分利用了图像的底层特征特性并通过机器学习与模型概率判别策略，在很大程度上提高了准确率，并大大降低了交通调查成本，可以进行大规模的基于图像的交通调查车型识别工作。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，尤其涉及一种交通调查车型识别方法、装置及其系统。
技术介绍
交通调查指的是交通量、车速、交通运行特征、起讫点、交叉口、交通事故、交通环境等调查的统称。在此我们关注的是交通量中的车型判别问题。对规划对象区域的交通需求特性、交通系统及其关联设施以及道路交通流特性进行调查，为交通规划提供可靠的依据，是制定科学合理的交通规划的基本前提和极其重要的环节。在进行交通系统规划过程中的每个阶段，都需要有和该阶段相对应的各种各样的基础数据。在制定交通规划时，为分析交通现状和存在的问题，建立交通需求预测模型并预测交通需求，分析交通的供求平衡以及交通供求关系的发展趋势，通常要进行大规模的交通调查，这一部分工作在制定交通规划的过程中占有相当大的比重。因此，进行合理而有效的交通调查，是交通规划中的重要课题之一，也是规划成败的关键。支持向量机学习算法是一种有监督的自适应学习算法，它能够根据不同类别的输入训练样本特征值自动计算出对应的分类面，从而为后续的识别工作提供可靠的先验知识。这种方法的优点是，在样本特征表征全面且样本量充足的条件下能够进行很好的分类工作，同时对于不良数据的容忍力较强，可以适应多种不同的数据环境。因此该算法广泛应用于数据挖掘、图像分类、图像检索、图像物体识别、视频对象跟踪等多个图像处理领域。近年来伴随数据量的不断增加，该技术的应用在一定程度上推动了计算机视觉技术的发展。在国家标准中，车辆类型分为：中小型客车、大型客车、小型货车、中型货车、大型货车、特大型货车、摩托车、拖拉机、集装箱车等九类。基于视频的交通调查车型识别是图像识别中的一项应用。一方面它可以根据视频快速的检测得到运动车辆，另一方面根据车辆图像可以准确的获得当前车辆在国标下的类型。目前有一些有关交通调查车型识别的研究，也出现了很多相应的方法，其中相当多的方法都用到了地感线圈、激光、微波、超声波等技术，这些技术在一定程度上也都能达到国标下的准确率。但是要么检测设备往往比较昂贵，要么损坏率很高。从基于视频的角度来进行交通调查车型识别，目前还没有满足国标的产品，我们的这一项技术可以说填补了国内的空白。总体来说，我们提出的这种基于视频的交通调查车型识别方法，由于识别精度高、设备需求简单(只需要一台高清摄像机即可)、设备稳定、使用寿命长，获取数据便捷且直观(获取的是图像大大增强了可视化)、所需设备价格相对低廉等优点，使得该技术大大降低了交通调查的成本并且识别精度也大大高于国家标准。该算法能够适应阴雨天气、雾霾天气等相对复杂环境，所需设备安装简单后期升级维护方便。伴随我国国民经济的快速发展，居民生活水平不断提高。交通调查中的车型判别能够在相当程度上反映出我国居民经济生活水平，因此做好这一项工作是十分必要的。
技术实现思路
本专利技术的目的在于针对现有技术的不足，提出一种基于视频的交通调查车型识别方法。该方法以描述车辆图像的多种特征为基础，融入了机器学习与联合概率判别的思想，充分提高了车型识别的精度，该方法可以有效地进行不同场景下的车型识别。为实现上述目的，一方面，本专利技术提供了一种交通调查车型识别方法，该方法包括以下步骤：步骤一、对视频中的运动物体进行检测，获取车辆图像；步骤二、对所述车辆图像进行特征提取，所述车辆图像的特征包括车辆图像的边缘特征、纹理特征和形状特征中的一种或多种；步骤三、进行车型识别先验参数训练；步骤四、进行车型识别概率判别。作为本专利技术的一种改进，上述步骤一具体包括：基于背景建模的前景检测算法对视频中的运动物体进行检测，从而获取车辆图像。作为本专利技术的一种改进，在上述步骤一之后，步骤二之前，还包括步骤：通过二类判别模型对获取的车辆图像进行判别，所述二类判别模型通过以下步骤获得：事先将多个正样本车辆图像与样本车辆图像进行基于图像内容的图像特征描述，在此基础上通过神经网络进行训练，获得所述二类判别模型。作为本专利技术的一种改进，在获取车辆图像后，通过坐标映射算法对当前各个角度的车辆图像进行统一的几何校正，使其成像角度统一。作为本专利技术的一种改进，上述步骤二具体包括：对所述车辆图像进行归一化处理，然后提取所述车辆图像的边缘特征、纹理特征和形状特征中的一种或多种。作为本专利技术的一种改进，上述步骤三具体包括：在进行车型识别先验参数训练时，将获取的车辆图像特征单独通过支持向量机SVM进行参数训练，所述参数训练步骤包括：将所述车辆图像特征中的车辆图像的形状特征进行大类训练，将车辆首先分成客车、货车、拖拉机、摩托车；然后再通过边缘特征进行子类训练，将客车分成中小型客车和大型客车；最后再通过纹理特征将货车分成中小型货车和中型货车，将大型货车分成大型货车、特大型货车和集装箱车。作为本专利技术的一种改进，上述步骤四包括：在进行车型识别概率判别时，首先计算出所述车辆图像各特征下的相应结果，然后按照联合概率判别的方法计算得出最终的车型类别。作为本专利技术的一种改进，上述步骤四包括：在进行车型识别概率判别阶段自顶而下进行三级识别：首先用提取的车辆图像的形状特征识别出客车、货车、拖拉机和摩托车中的一种；然后再用提取的车辆图像的边缘特征识别出中小型客车和大型客车中的一种；再用提取的车辆图形的纹理特征识别出中小型货车、中型货车、大型货车、特大型货车和集装箱车中的一种。另一方面，本专利技术提供了一种交通调查车型识别装置，该装置包括：检测模块，用于对视频中的运动物体进行检测，获取车辆图像；特征提取模块，用于对所述车辆图像进行特征提取，所述车辆图像的特征包括车辆图像的边缘特征、纹理特征和形状特征中的一种或多种；训练模块，用于进行车型识别先验参数训练；判别模块，用于进行车型识别概率判别。又一方面，本专利技术提供了一种交通调查车型识别系统，该系统包括：视频获取装置和上述车型识别装置；其中视频获取装置用于获取视频资源，车型识别装置用于对视频资源中的车辆图像进行识别。在本专利技术中，图像的特征描述能够全面的描述图像的边缘、纹理和形状信息，特征数据学习技术能够对无关数据的干扰有较强的容忍度，并且能够适应多种识别场景。在识别阶段采取了三级自上而下的逐一概率联合识别，有效的提高了车型识别的准确率。附图说明图1为本专利技术实施例提供的一种交通调查车型识别方式流程示意图；图2为本专利技术实施例提供的一种交通调查车型识别装置结构示意图；图3为本专利技术实施例提供的一种交通调查车型识别系统结构示意图；图4为本专利技术实施例车辆图像边缘特征提取方法示意框图本文档来自技高网...

【技术保护点】
一种交通调查车型识别方法，其特征在于，包括以下步骤：步骤一、对视频中的运动物体进行检测，获取车辆图像；步骤二、对所述车辆图像进行特征提取，所述车辆图像的特征包括车辆图像的边缘特征、纹理特征和形状特征中的一种或多种；步骤三、进行车型识别先验参数训练；步骤四、进行车型识别概率判别。

【技术特征摘要】
1.一种交通调查车型识别方法，其特征在于，包括以下步骤：
步骤一、对视频中的运动物体进行检测，获取车辆图像；
步骤二、对所述车辆图像进行特征提取，所述车辆图像的特征包括车辆图像的边缘特征、
纹理特征和形状特征中的一种或多种；
步骤三、进行车型识别先验参数训练；
步骤四、进行车型识别概率判别。
2.根据权利要求1所述的方法，其特征在于，所述步骤一包括：
基于背景建模的前景检测算法对视频中的运动物体进行检测，从而获取车辆图像。
3.根据权利要求1所述的方法，其特征在于，在所述步骤一之后，所述步骤二之前，
还包括步骤：
通过二类判别模型对获取的车辆图像进行判别；
所述二类判别模型通过以下步骤获得：
事先将多个正样本车辆图像与样本车辆图像进行基于图像内容的图像特征描述，在此基
础上通过神经网络进行训练，获得所述二类判别模型。
4.根据权利要求1或3所述的方法，其特征在于，在获取车辆图像后，通过坐标映射算
法对当前各个角度的车辆图像进行统一的几何校正，使其成像角度统一。
5.根据权利要求1所述的方法，其特征在于，所述步骤二包括：
对所述车辆图像进行归一化处理，然后提取所述车辆图像的边缘特征、纹理特征和形状
特征中的一种或多种。
6.根据权利要求1所述的方法，其特征在于，所述步骤三具体包括：
在进行车型识别先验参数训练时，将获取的车辆图像特征单独通过支持向量机SVM进行
参数训练，所述参数训练步骤包括：
将所述车辆图像特征中的车辆图像的形状特征进行大类训练，将...

【专利技术属性】
技术研发人员：公绪超，
申请(专利权)人：北京卓视智通科技有限责任公司，
类型：发明
国别省市：北京;11