一種基于標識物圖像的車輛識別方法及裝置的制造方法
【技術領域】
[0001] 本發明屬于車輛檢測監控技術領域，尤其涉及一種基于標識物圖像的車輛識別方 法及裝置。
【背景技術】
[0002] 現有的車輛識別技術包括車牌識別、車型識別，然而現有的車輛識別技術很多時 候不夠用，為此如果能夠再借用一些其它特征的識別，例如年檢貼識別，能更加有助于我們 對車輛進行識別。例如：某肇事車輛進行套牌，那么車牌識別就會失效，而此時如果借助車 型識別來進一步查找，會發現車型識別搜出的圖片仍舊非常多。因此如果要再縮小范圍，則 需要利用更多的特征（如年檢貼、掛墜）來區分。
[0003]目前互聯網比較常用的相似圖片查找方法用的是感知哈希算法，首先將圖片縮小 至8*8的尺寸，總共64個像素，再對縮小的圖片簡化色彩，將圖片轉為64級灰度，然后計 算所有64個像素的灰度平均值，將每個像素的灰度與平均值比較，大于或等于平均值記為 1，小于平均值記為〇,將該結果組合在一起，就構成了一個64位的整數，即該張圖片的"指 紋"。最后可以通過比較兩個"指紋"的漢明距離得出圖片的相識度，漢明距離越小說明兩 幅圖像越相似。
[0004] 雖然感知哈希算法能夠很好的獲得相識度，但是由于該方法的"指紋"是跟平均值 比較生成的，對顏色的區分度不高，且有一定角度的標識物圖片對識別結果也會產生一定 的影響。
【發明內容】
[0005] 本發明的目的是提供一種基于標識物圖像的車輛識別方法及裝置，以解決現有技 術識別率不高的情況。
[0006] 為了實現上述目的，本發明技術方案包括如下步驟：
[0007] -種基于標識物圖像的車輛識別方法，包括如下步驟：
[0008] 從待識別車輛的抓拍圖像中提取標識物圖像，并將提取的標志物圖像分割成單個 標識物；
[0009] 對提取的標識物圖像中每個標識物進行特征標識；
[0010] 將待識別車輛的標識物圖像與已知車輛記錄中的標識物圖像進行特征比對，從已 知車輛記錄中識別出待識別的車輛。
[0011] 進一步地，所述對提取的標識物圖像中每個標識物進行特征標識，包括：
[0012] 統計標識物圖像中標識物的個數，對每個標識物進行編號；
[0013] 設置每個標識物在標識物圖像中的矩陣坐標；
[0014] 獲取每個標識物的形狀信息；
[0015] 計算每個標識物對應的顏色直方圖、對比度和LBP紋理直方圖；
[0016] 將所述每個標識物的編號、矩陣坐標、形狀、顏色直方圖、對比度和LBP紋理直方 圖記錄在特征列表中。
[0017] 進一步地，所述將待識別車輛的標識物圖像與已知車輛記錄中的標識物圖像進行 特征比對，從已知車輛記錄中識別出待識別的車輛，包括：
[0018] 比較待識別車輛的標識物圖像中標識物的個數與已知車輛記錄中標識物圖像的 標識物個數，從已知車輛記錄中篩選出標識物個數相同的車輛記錄；
[0019] 進一步從篩選出的車輛記錄中，比較每個標識物的矩陣坐標和形狀，篩選出矩陣 坐標和形狀都匹配的車輛記錄；
[0020] 進一步從篩選出的車輛記錄中，比較每個標識物的顏色直方圖、對比度和LBP紋 理直方圖，篩選出最接近的車輛記錄，將篩選出的車輛記錄作為待識別車輛的識別結果。
[0021] 進一步地，所述進一步從篩選出的車輛記錄中，比較每個標識物的顏色直方圖、對 比度和LBP紋理直方圖，篩選出最接近的車輛記錄，將篩選出的車輛記錄作為待識別車輛 的識別結果，包括：
[0022] 根據顏色直方圖、對比度和LBP紋理直方圖，計算出待識別車輛的標識物圖像中 每個標識物與篩選出的車輛記錄的標識物圖像中對應的標識物的多特征值f，計算公式如 下：
[0023] f = dis_color+dis_lbp+1 C-1' | ；
[0024] 其中，dis_C〇l〇r為待識別車輛標識物圖像中每個標識物與篩選出的車輛記錄的 標識物圖像中對應的標識物的顏色直方圖距離；dis_lbp為待識別車輛標識物圖像中每個 標識物與篩選出的車輛記錄的標識物圖像中對應的標識物的LBP紋理直方圖距離；c表示 待識別車輛標識物圖像中每個標識物的對比度；c'表示篩選出的車輛記錄的標識物圖像中 對應的標識物的對比度；I c-c' I為對比度值差的絕對值；
[0025] 根據每個標識物對應的多特征值，計算出多特征均值，按多特征均值的大小從小 到大進行排序，最小值對應的車輛記錄即為最接近車輛記錄。
[0026] 進一步地，所述標識物為年檢貼。
[0027] 本發明還提出了一種基于標識物圖像的車輛識別裝置，所述裝置包括：
[0028] 圖像處理模塊，用于從待識別車輛的抓拍圖像中提取標識物圖像，并將提取的標 志物圖像分割成單個標識物；
[0029] 特征標識模塊，用于對提取的標識物圖像中每個標識物進行特征標識；
[0030] 篩選模塊，用于將待識別車輛的標識物圖像與已知車輛記錄中的標識物圖像進行 特征比對，從已知車輛記錄中識別出待識別的車輛。
[0031] 進一步地，所述特征標識模塊在對提取的標識物圖像中每個標識物進行特征標識 時，執行如下操作：
[0032] 統計標識物圖像中標識物的個數，對每個標識物進行編號；
[0033] 設置每個標識物在標識物圖像中的矩陣坐標；
[0034] 獲取每個標識物的形狀信息；
[0035] 計算每個標識物對應的顏色直方圖、對比度和LBP紋理直方圖；
[0036] 將所述每個標識物的編號、矩陣坐標、形狀、顏色直方圖、對比度和LBP紋理直方 圖記錄在特征列表中。
[0037] 進一步地，所述篩選模塊在將待識別車輛的標識物圖像與已知車輛記錄中的標識 物圖像進行特征比對，從已知車輛記錄中識別出待識別的車輛時，執行如下操作：
[0038] 比較待識別車輛的標識物圖像中標識物的個數與已知車輛記錄中標識物圖像的 標識物個數，從已知車輛記錄中篩選出標識物個數相同的車輛記錄；
[0039] 進一步從篩選出的車輛記錄中，比較每個標識物的矩陣坐標和形狀，篩選出矩陣 坐標和形狀都匹配的車輛記錄；
[0040] 進一步從篩選出的車輛記錄中，比較每個標識物的顏色直方圖、對比度和LBP紋 理直方圖，篩選出最接近的車輛記錄，將篩選出的車輛記錄作為待識別車輛的識別結果。
[0041] 進一步地，所述篩選模塊在進一步從篩選出的車輛記錄中，比較每個標識物的顏 色直方圖、對比度和LBP紋理直方圖，篩選出最接近的車輛記錄，將篩選出的車輛記錄作為 待識別車輛的識別結果時，執行如下操作：
[0042] 根據顏色直方圖、對比度和LBP紋理直方圖，計算出待識別車輛的標識物圖像中 每個標識物與篩選出的車輛記錄的標識物圖像中對應的標識物的多特征值f，計算公式如 下：
[0043] f = dis_color+dis_lbp+Ic_c' I ;
[0044] 其中，dis_C〇l〇r為待識別車輛標識物圖像中每個標識物與篩選出的車輛記錄的 標識物圖像中對應的標識物的顏色直方圖距離；dis_lbp為待識別車輛標識物圖像中每個 標識物與篩選出的車輛記錄的標識物圖像中對應的標識物的LBP紋理直方圖距離；c表示 待識別車輛標識物圖像中每個標識物的對比度；c'表示篩選出的車輛記錄的標識物圖像中 對應的標識物的對比度；I c-c' I為對比度值差的絕對值；
[0045] 根據每個標識物對應的多特征值，計算出多特征均值，按多特征均值的大小從小 到大進行排序，最小值對應的車輛記錄即為最接近車輛記錄。
[0046] 本發明提出了一種基于標識物圖像的車輛識別方法及裝置，對標識物圖像中每個 標識物進行特征標識，通過比對每個標識物的特征進一步縮小查找的范圍，能夠更加準確 地識別車輛。
【附圖說明】
[0047] 圖1為本發明一種基于標識物圖像的車輛識別方法流程圖；
[0048] 圖2為本發明實施例從卡口圖像中分割出的年檢貼圖像；
[0049] 圖3為本發明實施例年檢貼對應的特征列表。
【具體實施方式】
[0050] 下面結合附圖和實施例對本發明技術方案做進一步詳細說明，以下實施例不構成 對本發明的限定。
[0051] 在進行車輛識別時，往往僅僅憑車牌、車型識別不能夠從海量的數據庫中查找到 對應的車輛，需要進一步根據其他標識物縮小搜索的范圍。其他標識物有年檢貼、掛墜等， 其中年檢貼包括車檢貼、交強險貼及環保標識