CN104361087A - 一种基于图像的机动车辆检索方法及装置 - Google Patents
一种基于图像的机动车辆检索方法及装置 Download PDFInfo
- Publication number
- CN104361087A CN104361087A CN201410652730.XA CN201410652730A CN104361087A CN 104361087 A CN104361087 A CN 104361087A CN 201410652730 A CN201410652730 A CN 201410652730A CN 104361087 A CN104361087 A CN 104361087A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- appearance profile
- regions
- divided
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种基于图像的机动车辆检索方法及装置。所述方法包括：获取包含待检索机动车辆信息的第一图像；从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；将所述第一外观轮廓内的图像划分为多个区域，采用不同的步长提取各个区域的图像特征；合并各个区域的图像特征，得到待检索机动车辆的整体图像特征；将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。采用本发明的方法或装置，可以不依赖于机动车辆的牌照信息实现机动车辆的检索，提高通用性，并且具有较高的检索精度。
Description
技术领域
本发明涉及图像处理领域，特别是涉及一种基于图像的机动车辆检索方法及装置。
背景技术
随着社会经济发展，各种各样的社会问题也在逐步显现。在道路交通管理方面，对于机动车辆的检索技术，也提出了更高的要求。
例如，当需要对肇事车辆进行定位时，如果对于机动车辆的检索方法的精度较高，就越容易根据公安卡口的相机监控到的图像，对肇事车辆进行查找和定位。
现有技术中，对于机动车辆的检索方法，主要是提取目标机动车辆的牌照信息。然后，再根据牌照信息对待检索机动车辆进行检索。具体的，可以从监控图像中识别机动车辆的牌照号码，然后再在其他监控图像中识别是否具有该牌照号码的机动车辆。这种检索方法虽然容易实现，但是，对于无法获取到牌照信息的机动车辆，则无法进行检索。
例如，有些肇事车辆的牌照经常会被人为遮挡，或者采用虚假牌照，甚至根本就没有牌照。对于这些肇事车辆，就无法进行检索。
综上所述，现有技术中的对于机动车辆的检索方法，由于主要是根据机动车辆的牌照信息进行检索，因此，通用性较差。
发明内容
本发明的目的是提供一种基于图像的机动车辆检索方法及装置，能够不依赖于机动车辆的牌照信息实现机动车辆的检索，提高通用性，并且具有较高的检索精度。
为实现上述目的，本发明提供了如下方案：
一种基于图像的机动车辆检索方法，包括：
获取包含待检索机动车辆信息的第一图像；其中，所述第一图像为针对待检索机动车辆的正面俯拍图像；
从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；
将所述第一外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一，所述第一外观轮廓内的图像被划分成的三个区域自上而下分别为第一区域，第二区域和第三区域；
采用第一步长提取所述第一区域的第一图像特征；
采用第二步长提取所述第二区域的第二图像特征；
采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；
合并所述第一图像特征、所述第二图像特征以及所述第三图像特征，得到待检索机动车辆的整体图像特征；
将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。
可选的，所述预先提取的目标机动车辆的整体图像特征的提取方式为：
获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
采用所述第一步长提取所述第四区域的第四图像特征；
采用所述第二步长提取所述第五区域的第五图像特征；
采用所述第三步长提取所述第六区域的第六图像特征；
根据所述第四图像特征、所述第五图像特征以及所述第六图像特征，得到所述目标机动车辆图像特征。
可选的，所述方法还包括：
当所述比对结果表示所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征相似时，将所述第二区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
分别提取所述x个子区域中各个子区域的图像特征，得到x个第二区域局部图像特征；
将所述第三区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
分别提取所述y个子区域中各个子区域的图像特征，得到y个第三区域局部图像特征；
将所述x个第二区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对；
将所述y个第三区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对。
可选的，所述预先提取的目标机动车辆图像中的对应区域的局部图像特征的提取方式为：
获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
将所述第五区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
分别提取所述x个子区域中各个子区域的图像特征，得到x个第五区域局部图像特征；
将所述第六区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
分别提取所述y个子区域中各个子区域的图像特征，得到y个第五区域局部图像特征。
可选的，所述获取包含待检索机动车辆信息的第一图像，具体包括：
获取设置在公安卡口的相机拍摄的包含待检索机动车辆信息的第一图像。
一种基于图像的机动车辆检索装置，包括：
第一图像获取单元，用于获取包含待检索机动车辆信息的第一图像；其中，所述第一图像为针对待检索机动车辆的正面俯拍图像；
第一外观轮廓确定单元，用于从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；
第一区域划分单元，用于将所述第一外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一，所述第一外观轮廓内的图像被划分成的三个区域自上而下分别为第一区域，第二区域和第三区域；
第一图像特征提取单元，用于采用第一步长提取所述第一区域的第一图像特征；
第二图像特征提取单元，用于采用第二步长提取所述第二区域的第二图像特征；
第三图像特征提取单元，用于采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；
第一特征合并单元，用于合并所述第一图像特征、所述第二图像特征以及所述第三图像特征，得到待检索机动车辆的整体图像特征；
特征比对单元，用于将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。
可选的，还包括：
第二图像获取单元，用于获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
第二外观轮廓确定单元，用于从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
第二区域划分单元，用于将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
第四图像特征提取单元，用于采用所述第一步长提取所述第四区域的第四图像特征；
第五图像特征提取单元，用于采用所述第二步长提取所述第五区域的第五图像特征；
第六图像特征提取单元，用于采用所述第三步长提取所述第六区域的第六图像特征；
第二特征合并单元，用于合并所述第四图像特征、所述第五图像特征以及所述第六图像特征，得到所述目标机动车辆的整体图像特征。
可选的，所述装置还包括：
第一子区域划分单元，用于当所述比对结果表示所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征相似时，将所述第二区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
第一局部图像特征提取单元，用于分别提取所述x个子区域中各个子区域的图像特征，得到x个第二区域局部图像特征；
第二子区域划分单元，用于将所述第三区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
第二局部图像特征提取单元，用于分别提取所述y个子区域中各个子区域的图像特征，得到y个第三区域局部图像特征；
第一局部图像特征比对单元，用于将所述x个第二区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对；
第二局部图像特征比对单元，用于将所述y个第三区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对。
可选的，还包括：
第二图像获取单元，用于获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
第二外观轮廓确定单元，用于从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
第二区域划分单元，用于将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
第三子区域划分单元，用于将所述第五区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
第三局部图像特征提取单元，用于分别提取所述x个子区域中各个子区域的图像特征，得到x个第五区域局部图像特征；
第四子区域划分单元，用于将所述第六区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
第四局部图像特征提取单元，用于分别提取所述y个子区域中各个子区域的图像特征，得到y个第五区域局部图像特征。
可选的，所述第一图像获取单元，具体包括：
第一图像获取子单元，用于获取设置在公安卡口的相机拍摄的包含待检索机动车辆信息的第一图像。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明实施例中的方法及装置，一方面通过获取待检索机动车辆的正面俯拍图像，对正面俯拍图像中的图像特征进行提取，可以不依赖于机动车辆的牌照信息实现机动车辆的检索，提高通用性；另一方面，通过将待检索机动车辆的第一外观轮廓内的图像自上而下水平划分为第一区域，第二区域和第三区域，采用第一步长提取所述第一区域的第一图像特征；采用第二步长提取所述第二区域的第二图像特征；采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；可以对于包含特征信息较多的区域进行精度较高的特征提取，使得本发明实施例的基于图像的机动车辆检索方法及装置具有较高的检索精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于图像的机动车辆检索方法实施例1的流程图；
图2为本发明的基于图像的机动车辆检索方法实施例2的流程图；
图3为本发明的基于图像的机动车辆检索装置实施例的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明的基于图像的机动车辆检索方法实施例1的流程图。如图1所示，该方法可以包括：
步骤101：获取包含待检索机动车辆信息的第一图像；其中，所述第一图像为针对待检索机动车辆的正面俯拍图像；
可以采用设置在公安卡口的相机拍摄的包含待检索机动车辆信息的第一图像。
设置在公安卡口的相机是指公安部门为了监控道路信息，在道路上方设置的摄像机或照相机。通常，在同一公安卡口还会设置有相应的机动车辆感知装置，例如铺设在路面下方的感应线圈。当有机动车辆通过相应路段时，机动车辆感知装置可以感知到有机动车辆驶过，进而触发相机对通过的机动车辆进行拍摄。
所述正面俯拍图像，是指对于机动车辆的前脸的拍摄图像。因为在车辆识别过程中，机动车辆的前脸包含的特征信息通常是最多的，所以本实施例中，主要基于机动车辆的正面俯拍图像进行图像特征提取。
步骤102：从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；
由于需要提取的特征是机动车辆的特征，因此，不需要对车辆周边的环境信息进行分析。所以，可以先从所述第一图像中确定所述待检索机动车辆的第一外观轮廓，再对第一外观轮廓内的图像进行分析。
步骤103：将所述第一外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一，所述第一外观轮廓内的图像被划分成的三个区域自上而下分别为第一区域，第二区域和第三区域；
可以将所述第一外观轮廓内的图像自上而下水平等距离划分为三个区域。当然，实际应用中，出于技术水平因素以及误差因素的限制，只要所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一即可。
划分后的三个区域中，所述第一区域也就是机动车辆前脸的上部，所述第二区域为机动车辆前脸的中部，所述第三区域为机动车辆前脸的下部。
发明人对于车辆图像进行了如下分析，在一般车辆的车头的外观轮廓中，上部是车窗，中部是车辆的引擎盖，下部是车辆的散热栅格、车灯、车牌悬挂区域以及车辆的车标等等。从人的认知过程可知，各个区域可以提供的有效识别信息由多到少依次为下部、中部，上部。其中下部提供的识别信息最多，中部较少，而处于上部的区域(例如车窗)可提供的识别信息很少。
根据发明人对于车辆图像进行的分析可以知道，机动车辆前脸的下部包含的特征信息通常最多，中部次之，上部最少。因此，本实施例中，可以对于三个区域采用不同的步长(即进行特征提取时所采用的单位图像面积)进行特征提取。在图像尺寸不变时，步长越小，则提取的图像特征越多。
步骤104：采用第一步长提取所述第一区域的第一图像特征；
步骤105：采用第二步长提取所述第二区域的第二图像特征；
步骤106：采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；
步骤107：合并所述第一图像特征、所述第二图像特征以及所述第三图像特征，得到待检索机动车辆的整体图像特征；
具体的，所述第一图像特征、所述第二图像特征以及所述第三图像特征可以是采用向量形式表示的图像特征。合并所述第一图像特征、所述第二图像特征以及所述第三图像特征之后所得到的待检索机动车辆的整体图像特征中，包含有所述第一图像特征、所述第二图像特征以及所述第三图像特征中的全部图像特征，但是并不需要确定各个图像特征在待检索机动车辆的整体图像中的位置信息。这样可以提高后续特征比对时的效率。
步骤108：将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。
本领域技术人员可以明白，预先提取的目标机动车辆的整体图像特征的特征提取方式与所述待检索机动车辆的整体图像特征的特征提取方式，是相同的。
可以计算待检索机动车辆的各个图像特征与目标机动车辆的各个图像特征之间的欧式距离，再根据距离的数值由小到大的顺序进行排序，将前n(n为自然数)个排序结果返回给用户。进而可以从多个待检索图像中检索得到与目标车辆相似程度较高的图像。
综上所述，本实施例中，一方面通过获取待检索机动车辆的正面俯拍图像，对正面俯拍图像中的图像特征进行提取，可以不依赖于机动车辆的牌照信息实现机动车辆的检索，提高通用性；另一方面，通过将待检索机动车辆的第一外观轮廓内的图像自上而下水平划分为第一区域，第二区域和第三区域，采用第一步长提取所述第一区域的第一图像特征；采用第二步长提取所述第二区域的第二图像特征；采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；可以对于包含特征信息较多的区域进行精度较高的特征提取，使得本实施例的基于图像的机动车辆检索方法具有较高的检索精度。
需要说明的是，本实施例中，对于预先提取的目标机动车辆的整体图像特征的提取方式可以包括以下步骤：
获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
采用所述第一步长提取所述第四区域的第四图像特征；
采用所述第二步长提取所述第五区域的第五图像特征；
采用所述第三步长提取所述第六区域的第六图像特征；
根据所述第四图像特征、所述第五图像特征以及所述第六图像特征，得到所述目标机动车辆图像特征。
还需要说明的是，本发明实施例中对于划分后的区域的图像特征的提取，可以采用各种图像特征提取方法，例如：尺度不变特征转换(Scale-invariantfeature transform，SIFT)方法，方向梯度直方图(Histogram of Oriented Gradient，HOG)特征提取方法，Haar特征提取方法，图像局部纹理特征(Local BinaryPattern，LBP)提取方法等等。
实际应用中，有时可能出现以下情况：经过检索得到的与目标车辆相同或相似的待检索车辆，只是与目标车辆的图像信息中的多个特征相同或相似，但是这些相同或相似的特征，在目标车辆的图像中的所在位置，与该特征在待检索车辆的图像中的位置是不同的。也就是说，检索得到的车辆与目标车辆并不相同。
为了避免上述情况的发生，并进一步提高检索精度，本发明还提供了另一个实施例。
图2为本发明的基于图像的机动车辆检索方法实施例2的流程图。如图2所示，该方法可以包括：
步骤201：获取包含待检索机动车辆信息的第一图像；其中，所述第一图像为针对待检索机动车辆的正面俯拍图像；
步骤202：从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；
步骤203：将所述第一外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一，所述第一外观轮廓内的图像被划分成的三个区域自上而下分别为第一区域，第二区域和第三区域；
步骤204：采用第一步长提取所述第一区域的第一图像特征；
步骤205：采用第二步长提取所述第二区域的第二图像特征；
步骤206：采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；
步骤207：合并所述第一图像特征、所述第二图像特征以及所述第三图像特征，得到待检索机动车辆的整体图像特征；
步骤208：将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。
步骤209：当所述比对结果表示所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征相似时，将所述第二区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
例如，可以将所述第二区域平均划分为2*2个子区域，或者2*3个子区域等等。
步骤210：分别提取所述x个子区域中各个子区域的图像特征，得到x个第二区域局部图像特征；
步骤211：将所述第三区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
例如，可以将所述第三区域平均划分为4*4个子区域，或者4*5个子区域等等。需要说明的是，对于所述第三区域划分的子区域的个数，应该大于对于所述第二区域划分的子区域的个数。这是因为第三区域包含的特征信息通常是多于第二区域的。因此，对于第三区域可以进行更加详细的划分。
步骤212：分别提取所述y个子区域中各个子区域的图像特征，得到y个第三区域局部图像特征；
步骤213：将所述x个第二区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对；
步骤214：将所述y个第三区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对。
所述对应区域是指，某个局部图像特征在待检索车辆的图像中的位置与目标车辆的图像中的位置相同。具体的，假设某个局部图像特征位于待检索车辆的图像中第二区域的左上方，那么对应区域即为目标车辆的图像中的第五区域的左上方。
根据比对结果，可以确定待检索车辆的局部图像特征与目标车辆的对应区域的局部图像特征是否相同或相似，进而可以避免前述情况的发生，提高检索精度。
本发明还提供了一种基于图像的机动车辆检索装置。
图3为本发明的基于图像的机动车辆检索装置实施例的结构图。如图3所示，该装置可以包括：
第一图像获取单元301，用于获取包含待检索机动车辆信息的第一图像；其中，所述第一图像为针对待检索机动车辆的正面俯拍图像；
第一外观轮廓确定单元302，用于从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；
第一区域划分单元303，用于将所述第一外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一，所述第一外观轮廓内的图像被划分成的三个区域自上而下分别为第一区域，第二区域和第三区域；
第一图像特征提取单元304，用于采用第一步长提取所述第一区域的第一图像特征；
第二图像特征提取单元305，用于采用第二步长提取所述第二区域的第二图像特征；
第三图像特征提取单元306，用于采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；
特征合并单元307，用于合并所述第一图像特征、所述第二图像特征以及所述第三图像特征，得到待检索机动车辆的整体图像特征；
特征并对单元308，用于将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。
综上所述，本实施例中，一方面通过获取待检索机动车辆的正面俯拍图像，对正面俯拍图像中的图像特征进行提取，可以不依赖于机动车辆的牌照信息实现机动车辆的检索，提高通用性；另一方面，通过将待检索机动车辆的第一外观轮廓内的图像自上而下水平划分为第一区域，第二区域和第三区域，采用第一步长提取所述第一区域的第一图像特征；采用第二步长提取所述第二区域的第二图像特征；采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；可以对于包含特征信息较多的区域进行精度较高的特征提取，使得本实施例的基于图像的机动车辆检索装置具有较高的检索精度。
实际应用中，还可以包括：
第二图像获取单元，用于获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
第二外观轮廓确定单元，用于从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
第二区域划分单元，用于将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
第四图像特征提取单元，用于采用所述第一步长提取所述第四区域的第四图像特征；
第五图像特征提取单元，用于采用所述第二步长提取所述第五区域的第五图像特征；
第六图像特征提取单元，用于采用所述第三步长提取所述第六区域的第六图像特征；
第二特征合并单元，用于合并所述第四图像特征、所述第五图像特征以及所述第六图像特征，得到所述目标机动车辆的整体图像特征。
实际应用中，所述装置还可以包括：
第一子区域划分单元，用于当所述比对结果表示所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征相似时，将所述第二区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
第一局部图像特征提取单元，用于分别提取所述x个子区域中各个子区域的图像特征，得到x个第二区域局部图像特征；
第二子区域划分单元，用于将所述第三区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
第二局部图像特征提取单元，用于分别提取所述y个子区域中各个子区域的图像特征，得到y个第三区域局部图像特征；
第一局部图像特征比对单元，用于将所述x个第二区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对；
第二局部图像特征比对单元，用于将所述y个第三区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对。
实际应用中，还可以包括：
第二图像获取单元，用于获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
第二外观轮廓确定单元，用于从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
第二区域划分单元，用于将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
第三子区域划分单元，用于将所述第五区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
第三局部图像特征提取单元，用于分别提取所述x个子区域中各个子区域的图像特征，得到x个第五区域局部图像特征；
第四子区域划分单元，用于将所述第六区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
第四局部图像特征提取单元，用于分别提取所述y个子区域中各个子区域的图像特征，得到y个第五区域局部图像特征。
实际应用中，所述第一图像获取单元301，具体可以包括：
第一图像获取子单元，用于获取设置在公安卡口的相机拍摄的包含待检索机动车辆信息的第一图像。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于图像的机动车辆检索方法，其特征在于，包括：
获取包含待检索机动车辆信息的第一图像；其中，所述第一图像为针对待检索机动车辆的正面俯拍图像；
从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；
将所述第一外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一，所述第一外观轮廓内的图像被划分成的三个区域自上而下分别为第一区域，第二区域和第三区域；
采用第一步长提取所述第一区域的第一图像特征；
采用第二步长提取所述第二区域的第二图像特征；
采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；
合并所述第一图像特征、所述第二图像特征以及所述第三图像特征，得到待检索机动车辆的整体图像特征；
将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。
2.根据权利要求1所述的方法，其特征在于，所述预先提取的目标机动车辆的整体图像特征的提取方式为：
获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
采用所述第一步长提取所述第四区域的第四图像特征；
采用所述第二步长提取所述第五区域的第五图像特征；
采用所述第三步长提取所述第六区域的第六图像特征；
根据所述第四图像特征、所述第五图像特征以及所述第六图像特征，得到所述目标机动车辆图像特征。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述比对结果表示所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征相似时，将所述第二区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
分别提取所述x个子区域中各个子区域的图像特征，得到x个第二区域局部图像特征；
将所述第三区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
分别提取所述y个子区域中各个子区域的图像特征，得到y个第三区域局部图像特征；
将所述x个第二区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对；
将所述y个第三区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对。
4.根据权利要求3所述的方法，其特征在于，所述预先提取的目标机动车辆图像中的对应区域的局部图像特征的提取方式为：
获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
将所述第五区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
分别提取所述x个子区域中各个子区域的图像特征，得到x个第五区域局部图像特征；
将所述第六区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
分别提取所述y个子区域中各个子区域的图像特征，得到y个第五区域局部图像特征。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述获取包含待检索机动车辆信息的第一图像，具体包括：
获取设置在公安卡口的相机拍摄的包含待检索机动车辆信息的第一图像。
6.一种基于图像的机动车辆检索装置，其特征在于，包括：
第一图像获取单元，用于获取包含待检索机动车辆信息的第一图像；其中，所述第一图像为针对待检索机动车辆的正面俯拍图像；
第一外观轮廓确定单元，用于从所述第一图像中确定所述待检索机动车辆的第一外观轮廓；
第一区域划分单元，用于将所述第一外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第一外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第一外观轮廓的高度的四分之一，所述第一外观轮廓内的图像被划分成的三个区域自上而下分别为第一区域，第二区域和第三区域；
第一图像特征提取单元，用于采用第一步长提取所述第一区域的第一图像特征；
第二图像特征提取单元，用于采用第二步长提取所述第二区域的第二图像特征；
第三图像特征提取单元，用于采用第三步长提取所述第三区域的第三图像特征；其中，所述第一步长大于所述第二步长，所述第二步长大于所述第三步长；
第一特征合并单元，用于合并所述第一图像特征、所述第二图像特征以及所述第三图像特征，得到待检索机动车辆的整体图像特征；
特征比对单元，用于将所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征进行比对，得到比对结果。
7.根据权利要求6所述的装置，其特征在于，还包括：
第二图像获取单元，用于获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
第二外观轮廓确定单元，用于从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
第二区域划分单元，用于将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
第四图像特征提取单元，用于采用所述第一步长提取所述第四区域的第四图像特征；
第五图像特征提取单元，用于采用所述第二步长提取所述第五区域的第五图像特征；
第六图像特征提取单元，用于采用所述第三步长提取所述第六区域的第六图像特征；
第二特征合并单元，用于合并所述第四图像特征、所述第五图像特征以及所述第六图像特征，得到所述目标机动车辆的整体图像特征。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第一子区域划分单元，用于当所述比对结果表示所述待检索机动车辆的整体图像特征与预先提取的目标机动车辆的整体图像特征相似时，将所述第二区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
第一局部图像特征提取单元，用于分别提取所述x个子区域中各个子区域的图像特征，得到x个第二区域局部图像特征；
第二子区域划分单元，用于将所述第三区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
第二局部图像特征提取单元，用于分别提取所述y个子区域中各个子区域的图像特征，得到y个第三区域局部图像特征；
第一局部图像特征比对单元，用于将所述x个第二区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对；
第二局部图像特征比对单元，用于将所述y个第三区域局部图像特征分别与预先提取的目标机动车辆图像中的对应区域的局部图像特征进行比对。
9.根据权利要求8所述的装置，其特征在于，还包括：
第二图像获取单元，用于获取包含目标机动车辆信息的第二图像；其中，所述第二图像为针对目标机动车辆的正面俯拍图像；
第二外观轮廓确定单元，用于从所述第二图像中确定所述目标机动车辆的第二外观轮廓；
第二区域划分单元，用于将所述第二外观轮廓内的图像自上而下水平划分为三个区域，其中，所述第二外观轮廓内的图像被划分成的三个区域中水平高度最小的区域的水平高度大于所述第二外观轮廓的高度的四分之一，所述第二外观轮廓内的图像被划分成的三个区域自上而下分别为第四区域，第五区域和第六区域；
第三子区域划分单元，用于将所述第五区域平均划分为x个子区域，x＝m*n，其中，m、n为自然数且m与n中的至少一个大于1；
第三局部图像特征提取单元，用于分别提取所述x个子区域中各个子区域的图像特征，得到x个第五区域局部图像特征；
第四子区域划分单元，用于将所述第六区域平均划分为y个子区域，y＝a*b，其中，a、b为自然数且a与b中的至少一个大于1，y＞x；
第四局部图像特征提取单元，用于分别提取所述y个子区域中各个子区域的图像特征，得到y个第五区域局部图像特征。
10.根据权利要求6至9中任意一项所述的装置，其特征在于，所述第一图像获取单元，具体包括：
第一图像获取子单元，用于获取设置在公安卡口的相机拍摄的包含待检索机动车辆信息的第一图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410652730.XA CN104361087B (zh) | 2014-11-17 | 2014-11-17 | 一种基于图像的机动车辆检索方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410652730.XA CN104361087B (zh) | 2014-11-17 | 2014-11-17 | 一种基于图像的机动车辆检索方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104361087A true CN104361087A (zh) | 2015-02-18 |
| CN104361087B CN104361087B (zh) | 2017-12-12 |
Family
ID=52528347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410652730.XA Active CN104361087B (zh) | 2014-11-17 | 2014-11-17 | 一种基于图像的机动车辆检索方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104361087B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180536A (zh) * | 2017-07-14 | 2017-09-19 | 安徽智星交通科技股份有限公司 | 交通违章自识别方法、装置及系统 |
| CN107784309A (zh) * | 2017-11-01 | 2018-03-09 | 深圳汇生通科技股份有限公司 | 一种对车型识别的实现方法及系统 |
| CN109272034A (zh) * | 2018-09-07 | 2019-01-25 | 佳都新太科技股份有限公司 | 一种漏检车牌预测方法及处理终端 |
| CN108647679B (zh) * | 2017-08-28 | 2021-04-27 | 浙江工业大学 | 一种基于车窗粗定位的车标识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1996346A (zh) * | 2005-12-29 | 2007-07-11 | 电子科技大学 | 基于轮廓的车型识别方法 |
| CN101526944A (zh) * | 2008-12-23 | 2009-09-09 | 广州乐庚信息科技有限公司 | 图像检索比对方法 |
| CN103065118A (zh) * | 2011-10-21 | 2013-04-24 | 索尼公司 | 图像模糊检测方法和装置 |
| CN103310213A (zh) * | 2012-03-07 | 2013-09-18 | 株式会社理光 | 车辆检测方法和装置 |
-
2014
- 2014-11-17 CN CN201410652730.XA patent/CN104361087B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1996346A (zh) * | 2005-12-29 | 2007-07-11 | 电子科技大学 | 基于轮廓的车型识别方法 |
| CN101526944A (zh) * | 2008-12-23 | 2009-09-09 | 广州乐庚信息科技有限公司 | 图像检索比对方法 |
| CN103065118A (zh) * | 2011-10-21 | 2013-04-24 | 索尼公司 | 图像模糊检测方法和装置 |
| CN103310213A (zh) * | 2012-03-07 | 2013-09-18 | 株式会社理光 | 车辆检测方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 庞鹏飞: "基于多特征的图像检索研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180536A (zh) * | 2017-07-14 | 2017-09-19 | 安徽智星交通科技股份有限公司 | 交通违章自识别方法、装置及系统 |
| CN108647679B (zh) * | 2017-08-28 | 2021-04-27 | 浙江工业大学 | 一种基于车窗粗定位的车标识别方法 |
| CN107784309A (zh) * | 2017-11-01 | 2018-03-09 | 深圳汇生通科技股份有限公司 | 一种对车型识别的实现方法及系统 |
| CN109272034A (zh) * | 2018-09-07 | 2019-01-25 | 佳都新太科技股份有限公司 | 一种漏检车牌预测方法及处理终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104361087B (zh) | 2017-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Luvizon et al. | A video-based system for vehicle speed measurement in urban roadways | |
| US10192107B2 (en) | Object detection method and object detection apparatus | |
| Wang et al. | An effective method for plate number recognition | |
| CN102708356B (zh) | 一种基于复杂背景下的车牌自动定位和识别方法 | |
| KR102373753B1 (ko) | 딥러닝 기반의 차량식별추적 방법, 및 시스템 | |
| Luvizon et al. | Vehicle speed estimation by license plate detection and tracking | |
| Ding et al. | Fast lane detection based on bird’s eye view and improved random sample consensus algorithm | |
| CN105320923A (zh) | 车型识别方法及装置 | |
| CN104361087A (zh) | 一种基于图像的机动车辆检索方法及装置 | |
| KR101742115B1 (ko) | 건물 인식을 위한 멀티뷰 영상에서의 인라이어 선택 및 잉여 제거 방법 | |
| Lee et al. | Near-infrared-based nighttime pedestrian detection using grouped part models | |
| Salarian et al. | A vision based system for traffic lights recognition | |
| CN103106409A (zh) | 一种针对头肩检测的混合特征提取方法 | |
| Tarabek | Fast license plate detection based on edge density and integral edge image | |
| Liu et al. | Multi-type road marking recognition using adaboost detection and extreme learning machine classification | |
| KR20170137273A (ko) | 변형 가능한 파트 모델을 사용한 보행자 검출 장치 및 방법 | |
| Tarabek | A real-time license plate localization method based on vertical edge analysis | |
| Rajput et al. | Using radon transform to recognize skewed images of vehicular license plates | |
| Munajat et al. | Road detection system based on RGB histogram filterization and boundary classifier | |
| Špaňhel et al. | Vehicle fine-grained recognition based on convolutional neural networks for real-world applications | |
| Shahraki et al. | License plate extraction from still images | |
| Xu et al. | A novel method for people and vehicle classification based on Hough line feature | |
| CN106603888A (zh) | 图像颜色提取处理结构 | |
| Rani et al. | License plate character segmentation based on pixel distribution density | |
| Lu et al. | Clustering based road detection method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20220726 Granted publication date: 20171212 |