一種公路視頻巡檢的里程標識牌自動識別方法
【技術領域】
[0001]本發明涉及目標自動檢測和識別技術，具體涉及一種公路視頻巡檢的里程標識牌自動識別方法。
【背景技術】
[0002]近幾年來，我國公路交通運輸網絡的規模和能力迅速擴大，結構不斷優化，服務水平不斷提升，已經建立了較為完善的公路運輸系統；到2012年年底我國公路總里程達424萬公里，高速公路通車里程已達9.6萬公里；高速公路覆蓋了全國90%以上的中等城市，普通干線公路基本實現了對縣級及以上行政區的連接和覆蓋，農村公路通達幾乎所有的鄉鎮和建制村；我國公路總里程、公路客貨運量和周轉量等多項指標均居世界第一；回顧我國公路發展歷程，對比世界公路發展趨勢，可以認為，我國公路交通正處于擴大規模、提高質量的快速發展時期；盡管如此，但由于我國公路建設基礎十分薄弱，總體上還不能適應國民經濟和社會發展的需要，與發達國家的先進水平相比還有較大差距；從公路技術等級看，技術等級構成仍不理想；從行政區劃分布看，由于經濟發展和人口分布的不平衡，公路發展在各地區之間存在著較大差距；因此，為逐步實現我國交通運輸現代化的總體戰略目標，按照道路的使用功能和交通需求，重點提高公路技術等級，大力扶持基礎設施建設，將是本世紀末以至下世紀初我國公路交通發展的戰略重點；在此發展形勢下，對道路養護和管理提出了更高要求。
[0003]基于視頻技術的公路巡檢是公路養護狀態評估的關鍵技術；隨著車輛速度的提升和重載車輛的廣泛使用，高等級公路路基易受高頻激擾發生共振，引起振動加劇和老化加快，將影響公路運行品質和增加養護成本，并且會加速路面瀝青的結構疲勞損傷程度；若破損的公路路面不及時發現并得以修補，將會在車輛行進作用下加速破損程度，影響道路舒適性甚至危及行車安全；里程標識牌反應了巡檢視頻所代表的公路路段，是公路視頻巡檢自動化處理的關鍵內容；通常公路路面容易受環境因素影響出現裂紋和破損，為保證其正常工作，在視頻巡檢過程中除了對裂紋進行檢測提取以外，需要對里程標識牌進行內容識別，從而對檢測出的安全隱患及時進行修復。
[0004]里程標識牌是公路路段的關鍵識別標志，當記錄故障信息時需要通過里程標識牌來標記；目前里程標識牌識別的主流方式仍然是肉眼識別，其容易受到地理因素和環境因素的影響，誤差大，效率低。
【發明內容】
[0005]本發明提供一種基于公路視頻巡檢的智能化里程標識牌檢測和自動識別方法。
[0006]本發明采用的技術方案是:一種公路視頻巡檢的里程標識牌自動識別方法，其特征在于包括以下步驟:
獲取視頻數據，將視頻數據轉換成幀圖像；
用矩形框選取里程標識牌將幀圖像分為正負樣本區域，進行正負樣本的校正； 提取校正之后的正負樣本的梯度直方圖特征算子，將特征向量訓練出分類模型；設置一個與待測幀圖像大小相同的全零矩陣為概率密度矩陣；采用移動窗口技術，利用特征向量的分類模型，判斷窗口內的待檢測樣本，形成規范化的概率密度矩陣；將概率密度矩陣與待測幀圖像疊加，輸出概率密度矩陣的灰度圖像；
計算待測幀圖像進行全局二值化閾值；將輸出的概率密度矩陣灰度圖像進行全局二值化，尋找最大連通域；在待測幀圖像中截取相對應的最大連通域區域ROI ;將里程標識牌分害J，提取里程標識牌的字符區域；
利用小波包紋理特征結合向量機分類器進行里程標識牌字符識別。
[0007]進一步的，所述正負樣本校正過程如下:
在正負樣本區域隨機生成多個特定大小的正負樣本；
對正負樣本進行Gamma顏色標準化處理；
所述正樣本區域為幀圖像中包含里程標識牌的區域；
所述負樣本區域為幀圖像中不包含里程標識牌的區域。
[0008]進一步的，所述里程標識牌字符區域提取方法如下:
將提取出的R0I區域進行局部自適應二值化，利用里程標識牌邊框與里程標識牌背景色明顯的顏色差別，提取出里程牌矩形邊框的四個頂點坐標；
利用里程牌矩形邊框的四個頂點坐標計算里程標識牌的傾斜角度，并將圖像逆向旋轉計算得到的角度值，使圖像水平；
再次提取里程標識牌邊框，并沿著里程標識牌切割，提取出里程標識牌的字符區域。
[0009]進一步的，所述全局二值化采用的計算方法為大津算法。
[0010]進一步的，所述窗口內的待檢測樣本的判斷方法如下:
若窗口內的待檢測樣本為正樣本，則概率密度矩陣相應位置的元素值加1 ;
若窗口內的待檢測樣本為負樣本，則概率密度矩陣相應位置的元素值不變。
[0011]進一步的，所述公路里程標識牌的字符識別過程如下:
將提取出的里程標識牌字符區域進行四等分割；
提取待檢測字符的小波包特征，并訓練出10類分類器；
通過分類器進行里程標識牌字符識別。
[0012]進一步的，概率密度矩陣規范化的元素值范圍為[0，255)。
[0013]本發明的有益效果是:
(1)本發明利用現有的檢測公路路面缺陷的視頻監視硬件設備，不需要安裝新的設備，在視頻信號采集的基礎上對里程標識牌進行智能化的識別，為記錄公路路面缺陷提供關鍵標記信息，并且提高了識別的效率；
(2)本發明進行正負樣本的提取，提高了里程標識牌檢測的準確度；
(3)本發明考慮里程標識牌的復雜背景，結合里程標識牌明顯的邊框，采用結合邊緣梯度信息的機器學習復合方法，檢測準確度高；
(4)采用本發明方法的識別系統，不受地理因素和環境因素的影響。
【附圖說明】
[0014]圖1為里程標識牌自動識別方法流程圖。
【具體實施方式】
[0015]下面結合附圖和具體實施例對本發明做進一步說明。
[0016]如圖1所示，一種公路視頻巡檢的里程標識牌自動識別方法，包括以下步驟: 獲取視頻數據，將視頻數據轉換成幀圖像；
用矩形框選取里程標識牌將幀圖像分為正負樣本區域，進行正負樣本的校正；
提取校正之后的正負樣本的梯度直方圖特征算子，將特征向量訓練出分類模型；設置一個與待測幀圖像大小相同的全零矩陣為概率密度矩陣；采用移動窗口技術，利用特征向量的分類模型，判斷窗口內的待檢測樣本，形成規范化的概率密度矩陣；將概率密度矩陣與待測幀圖像疊加，輸出概率密度矩陣的灰度圖像；
計算待測幀圖像進行全局二值化閾值；將輸出的概率密度矩陣灰度圖像進行全局二值化，尋找最大連通域；在待測幀圖像中截取相對應的最大連通域區域R0I ;將里程標識牌分害J，提取里程標識牌的字符區域；
利用小波包紋理特征結合向量機分類器進行里程標識牌字符識別。
[0017]通常，目標定位需要提取的特征有:圖像紋理特征、圖像邊緣特征、圖像數學形態特征、多分辨性特征；考慮里程標識牌視頻數據中有著復雜的背景，結合里程標識牌牌明顯的邊框，本發明對于里程標識牌識別采用的是結合邊緣梯度信息的機器學習復合方法，采集分析結果更加準確。
[0018]進一步的，正負樣本校正過程如下:
在正負樣本區域隨機生成多個特定大小的正負樣本；
對正負樣本進行Gamma顏色標準化處理；
所述正樣本區域為幀圖像中包含里程標識牌的區域；
所述負樣本區域為幀圖像中不包含里程標識牌的區域。
[0019]通過正負樣本的提取，提高了里程標識牌檢測的準確度。
[0020]進一