一種基于多特征的車臉識別方法與裝置的制造方法
【技術領域】
[0001]本發明涉及信息處理技術，圖像處理，模式識別，機器學習領域，尤其涉及一種基于多特征的車臉識別方法與裝置。
【背景技術】
[0002]當前，平安城市的建立以及視頻監控網絡的建設已經深入到城市的各個角落，對于社會穩定，人民群眾的生命財產安全起到了很好的保障，對于犯罪行為的發展起到很大的震懾作用，同時對案件的追查和分析也起到了一定的作用。
[0003]隨著社會經濟的發展，機動車保有量急劇增加，涉車違法犯罪愈加猖獗，在刑偵視頻分析圖像實戰應用中發現，犯罪分子或者嫌疑人在作案或者流竄的過程中大都采用的工具為車輛，如果從海量的數據圖像中找到犯罪分子使用的可疑車輛顯得尤為重要，本發明采用多特征提取方法，可以對目前常見的1000多種車輛進行車輛子型號精確識別，能夠有力的打擊犯罪分子。
【發明內容】
[0004]本發明實施例提供一種基于多特征的車臉識別方法與裝置，用以解決目前人工查找犯罪車輛效率低下的問題。
[0005]本發明實施例采用下述技術方案:
[0006]第一方面，一種車輛粗技術，所述車輛檢測技術采用多種機器學習算法，采用效率較高的adaboost+haar算法進行車輛粗定位。
[0007]第二方面，一種車輛精確定位技術，采用H0G提取特征，SVM做分類器，在粗定位車輛區域內進行車輛精確定位。
[0008]第三方面，一種車輛矯正技術，利用水平sobel邊緣檢測算子對車輛進行水平邊緣檢測，得到車輛的水平邊緣圖，對水平邊緣圖進行旋轉，同時計算該旋轉圖的水平投影，對每行的投影值按從大到小進行排序，選取前四名進行求和運算，最終選取和最大所對應的角度為車輛的傾斜角度，按照此角度對車輛進行水平矯正。
[0009]第四方面，一種邊緣圖旋轉技術，對水平邊緣圖在-15°到+15°之間，每隔一度進行旋轉，由于邊緣圖為二值圖，在旋轉時采用最鄰近算法即可，且只對白色像素進行旋轉。
[0010]第五方面，一種車臉定位技術，在矯正后的車輛圖上進行操作，按從下往上進行搜索，統計每三行的水平邊緣數目，設定閾值，當水平邊緣數目小于設定閾值，即停止，找到車臉的上邊界。
[0011]第六方面，一種車臉特征提取技術，對精確定位到的車臉圖像進行大小歸一化，提取H0G和LBP特征，送入SVM分類器進行分類識別。
[0012]第七方面，一種車輛子型號分類技術，此步分類器采用線性SVM的一對多分類器，特征為上述提取的特征，對常見的1000多種車型進行分類識別。
[0013]上述技術方案中的至少一個技術方案可以達到如下技術效果:
[0014]本發明實施例提供的方案可以從圖像中解析出車輛的子型號信息，能夠節省人力成本，提高效率，本發明實施例提供的方案還可以大大提高車輛身份信息的獲取靈活度。
【附圖說明】
[0015]構成本申請的一部分的說明書附圖用來提供對本發明的進一步理解，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中:
[0016]圖1是實施例1提供的本發明方法的總體示意圖架構示意圖；
[0017]圖2是實施例2提供的一種車輛檢測方法示意圖；
[0018]圖3是實施例3提供的一種車輛矯正方法示意圖；
[0019]圖4是實施例4提供的是一種車型識別的方法示意圖；
【具體實施方式】
[0020]為使本發明的目的、技術方案和優點更加清楚，下面將結合本發明具體實施例及相應的附圖對本發明技術方案進行清楚、完整地描述。顯然，所描述的實施例僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0021]以下結合附圖，詳細說明本發明各實施例提供的技術方案。
[0022]實施例1
[0023]實施例1提供一種如圖1所示的一種基于多特征的車臉識別方法與裝置的總體架構圖。
[0024]步驟11,車輛檢測,采用效率性能較高的adaboost+haar算法進行車輛粗定位，在粗定位的區域內，提取H0G特征，SVM做分類器，。
[0025]步驟12，車輛矯正，提取車輛進行水平邊緣圖，對水平邊緣圖在一定角度內進行旋轉，選取合適的角度作為傾斜角度輸出，并對車輛按傾斜角度進行矯正。
[0026]步驟13，車臉精確定位，在校正后的車輛區域內，利用車輛的水平邊緣信息進行車臉精確定位。
[0027]步驟14，車臉識別，提取車臉區域的H0G和LBP特征，送入SVM分類器進行分類識別。
[0028]實施例2
[0029]實施例2提供一種如圖2所示的車輛檢測的方法，步驟如下:
[0030]步驟21，圖像預處理，針對輸入圖像，首先做平滑處理，采用3*3的均值濾波器進行濾波處理，去除噪聲，然后根據需求做放縮處理。
[0031]步驟22, Adaboost車輛檢測，采用級聯adaboost算法在圖像上進行滑動,判別是否為車輛，其中滑動窗口大小為32*32，步長為1 (既每隔一行一列像素進行檢測)，得到粗定位車輛區域，adaboost分類器為訓練好的具有15級聯分類器。
[0032]步驟23，SVM精確定位，將粗定位區域的上下左右尺寸各擴充一定距離，在擴充后的區域內利用H0G+SVM進行車輛精確定位，其中搜索框的大小為64*64，。
[0033]實施例3
[0034]實施例3提供一種車輛矯正的方法，包括下述步驟:
[0035]步驟31，計算水平邊緣圖，利用水平sobel邊緣檢測算子對車輛進行水平邊緣檢測，得到車輛的水平邊緣圖。
[0036]步驟32，初始化角度，對水平邊緣圖在-15°到+15°之間，每隔一度進行旋轉轉，初始化角度為-15°。
[0037]步驟33，判別角度，對水平邊緣圖進行旋轉，同時計算該旋轉圖的水平投影，對每行的投影值按從大到小進行排