CN110119769A - 一种基于多模态车辆特征的检测预警方法 - Google Patents
一种基于多模态车辆特征的检测预警方法 Download PDFInfo
- Publication number
- CN110119769A CN110119769A CN201910335735.2A CN201910335735A CN110119769A CN 110119769 A CN110119769 A CN 110119769A CN 201910335735 A CN201910335735 A CN 201910335735A CN 110119769 A CN110119769 A CN 110119769A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- feature
- modal
- early warning
- value
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于多模态车辆特征的检测预警方法,包括以下步骤:S1、预先在道路上建立视频监控抓拍***,并通过视频监控抓拍***对道路上行驶的车辆进行抓拍,拍摄出车辆的图片,完成车辆信息的采集;S2、把步骤S1中得图片以数据的方式输送给计算机,通过计算机内置的图片处理软件对图像进行预处理;S3、首先构建实验***,然后再将步骤S2中预处理后的图片输送给实验***,实验***对图片中的车辆信息进行采集,通过本发明中视频监控抓拍***,能够直接对道路上行驶的车辆进行信息采集,提高采集的范围,并通过图像预处理***对图像进行处理,提高图像的清晰度,提高后续对车辆的特征进行对比时的效果,减小误差产生的可能性。
Description
技术领域
本发明涉及车辆特征检测技术领域,具体为一种基于多模态车辆特征的检测预警方法。
背景技术
在公安案件中,视频中的车辆是一个经常用到的破案线索,但是,可以车辆经常会使用***,这就需要对车辆尤其是套牌伪装车辆进行辨别了,在检测车辆是否为套牌伪装车时,一般需要对车辆的主要特征进行辨别,而车辆的主要特征包括车身颜色,车牌号码等等,现有的对比检测设备可以对车辆的主要特征进行采集、对比,从而完成对***的甄别。
但是,现有的对比检测设备,不方便对***的信息进行采集,其采集范围有限,不利于刑侦使用,而且,采集后的车辆图像受光照、天气等影响,将导致图像有可能边缘糢糊、成像质量较差,在后续的对比时,影响对比的效果,甚至可能会出现误差,对刑侦工作造成影响。
发明内容
本发明的目的在于提供一种基于多模态车辆特征的检测预警方法,能够提高车辆信息采集的范围,并对车辆的图像进行预处理,提高图像的清晰度,减小误差产生的可能性以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于多模态车辆特征的检测预警方法,包括以下步骤:
S1、预先在道路上建立视频监控抓拍***,并通过视频监控抓拍***对道路上行驶的车辆进行抓拍,拍摄出车辆的图片,完成车辆信息的采集;
S2、把步骤S1中的图片以数据的方式输送给计算机,通过计算机内置的图片处理软件对图像进行预处理;
S3、首先构建实验***,然后再将步骤S2中预处理后的图片输送给实验***,实验***对图片中的车辆信息进行采集,得到车辆的特征数据,所述实验***由基于多模态特征融合方法设计,该多模态特征融合单元由多模态特征识别***在传感器,特征提取、匹配和决策中的每一个层级均有可能发生融合:
特征提取层:如果提取的特征是相互独立的,将提取的不同特征融合成一个唯一的特征。
匹配层:将每一个特征***输出的匹配值(用于描述获得的特征与存储模版之间的相似程度)进行融合,这种融合方式需要将匹配值进行标准化处理,保证匹配前,匹配值有相同的数量级,
决策层:将每一个***的决策进行融合得到一个最终的决策;
S4、将步骤S3中采集的车辆特征数据进行整合,得到车辆唯一特征值;
S5、将步骤S4中得到的车辆唯一特征值输送到目标库,并将车辆唯一特征值保存在目标库内,然后将待检测车辆的特征值与目标库内部的保存的特征值进行匹配,得到匹配值;
S6、对匹配值的范围进行检测,当匹配值在阈值范围内时,匹配成功***预警,则对车辆的检测结束。
优选的,所述步骤S1中的视频监控抓拍***包括电子警察、卡口设备、红绿灯路口监控设备等。
优选的,所述步骤S2中的图像预处理方法有图像灰度化处理,中值滤波处理和直方图均衡化处理等。
优选的,所述步骤S3中的实验***包括设计最优SVM、提取车前窗年检保险标志坐标算法和提取车牌算法。
优选的,所述最优SVM通过在特征空间里求解条件极值来对车辆的颜色特征进行提取,得到第一特征,所述提取车前窗年检保险标志坐标算法通过采用扫描结合插值和拟合法两种方法对车辆的车前窗年检保险标志坐标特征进行提取,得到第二特征,所述提取车牌算法通过对车牌的边缘检测从而对车牌的特征进行采集,得到第三特征。
优选的,所述步骤S4中得到的车辆唯一特征值是通过将第一特征、第二特征和第三特征进行整合后得到的集合特征。
优选的,所述步骤S5中目标库内部的保存的特征值应是车辆在年检完成后对车辆进行拍摄,采集年检完成后车辆的信息,然后依次经过步骤S2、S3、S4后得到车辆基本特征值。
与现有技术相比,本发明的有益效果是:通过本发明中视频监控抓拍***,能够直接对道路上行驶的车辆进行信息采集,提高采集的范围,并通过图像预处理***对图像进行处理,提高图像的清晰度,提高后续对车辆的特征进行对比时的效果,减小误差产生的可能性。
附图说明
图1为本发明的具体流程图;
图2为本发明多模化特征融合方法的工作流程图;
图3为本发明多模化特征融合方法示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例和附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
一种基于多模态车辆特征的检测预警方法,包括以下步骤:
S1、预先在道路上建立视频监控抓拍***,并通过视频监控抓拍***对道路上行驶的车辆进行抓拍,拍摄出车辆的图片,完成车辆信息的采集,该视频监控抓拍***主要由监控摄像头和光源两个部分组成,该光源应设置在监控摄像头的拍摄区附近,在夜间对车辆进行拍摄时,光源能够提高提高拍摄的效果,使监控摄像头更加清晰的对可疑车辆进行拍摄;
S2、把步骤S1中的图片以数据的方式输送给计算机,通过计算机内置的图片处理软件(如PS等)对图像进行预处理,通过计算机对图像进行处理,使用方便,可操作性强;
S3、首先构建实验***,然后再将步骤S2中预处理后的图片输送给实验***,实验***对图片中的车辆信息进行采集,得到车辆的特征数据,所述实验***由基于多模态特征融合方法设计,该多模态特征融合单元由多模态特征识别***在传感器,特征提取、匹配和决策中的每一个层级均有可能发生融合:
特征提取层:如果提取的特征是相互独立的,将提取的不同特征融合成一个唯一的特征。
匹配层:将每一个特征***输出的匹配值(用于描述获得的特征与存储模版之间的相似程度)进行融合,这种融合方式需要将匹配值进行标准化处理,保证匹配前,匹配值有相同的数量级,
决策层:将每一个***的决策进行融合得到一个最终的决策;能够采集至少三组车辆的特征数据,从而实现后续的车辆特征比对;
S4、将步骤S3中采集的车辆特征数据进行整合,得到车辆唯一特征值,步骤S3中采集的至少三组车辆特征数据在多模态特征融合单元内进行整合,
S5、将步骤S4中得到的车辆唯一特征值输送到目标库,并将车辆唯一特征值保存在目标库内,然后将待检测车辆的特征值与目标库内部的保存的特征值进行匹配,得到匹配值;
S6、对匹配值的范围进行检测,当匹配值在阈值范围内时,匹配成功***预警,则对车辆的检测结束。
具体的,所述步骤S1中的视频监控抓拍***包括电子警察、卡口设备、红绿灯路口监控设备等,当车辆在道路行驶时,就能够对车辆的信息进行采集,采集更加方便。
具体的,所述步骤S2中的图像预处理方法有图像灰度化处理,中值滤波处理和直方图均衡化处理等,通过上述处理方法,能够增加图像的清晰度,使后续操作更加方便。
具体的,所述步骤S3中的实验***包括设计最优SVM、提取车前窗年检保险标志坐标算法和提取车牌算法,能够同时对车辆的三组特征进行提取,提高特征的采集范围,采用SVM分类算法在各种情况下均能够对车辆的颜色进行检测:如光照不同、目标检测有误、目标受遮挡或目标运动状态改变时,都能很好地检测出车辆颜色;同时,各颜色识别率较高,能够提高检测的效果。
具体的,所述最优SVM通过在特征空间里求解条件极值来对车辆的颜色特征进行提取,得到第一特征,所述提取车前窗年检保险标志坐标算法通过采用扫描结合插值和拟合法两种方法对车辆的车前窗年检保险标志坐标特征进行提取,得到第二特征,所述提取车牌算法通过对车牌的边缘检测从而对车牌的特征进行采集,得到第三特征。
具体的,所述步骤S4中得到的车辆唯一特征值是通过将第一特征、第二特征和第三特征进行整合后得到的集合特征,该集合特征具有三种独立特征,可以提高对比时的准确度。
具体的,所述步骤S5中目标库内部的保存的特征值应是车辆在年检完成后对车辆进行拍摄,采集年检完成后车辆的信息,然后依次经过步骤S2、S3、S4后得到车辆基本特征值,该基本特征值更加准确,提高目标库中特征值的准确度。
具体的,所述步骤S6中的阈值范围应为目标库中所有特征值的集合,能够减小出现误差的可能性。
综上所述:在对可疑车辆进行检测预警时,先通过视频监控抓拍***对可疑车辆进行抓拍,得到可疑车辆的图像信息,然后将信息输送给图像预处理***,图像预处理***会对图像进行处理,使图像更加清晰,提高后续特征采集作业时采集的效果,将预处理后的图像输送给实验***,实验***能够对图像中得出车辆特征进行采集,再将采集的车辆特征值进行整合,得到匹配值,将匹配值输送到目标库,并将匹配值与目标库中的车辆特征值进行比对,当匹配值在目标库的阈值范围内时,则待检测车辆的检测预警成功,待检测车辆为非***,如果匹配值不在目标库的阈值范围内时,则待检测车辆的检测预警失败,待检测车辆可能为***或其他非法车辆。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于多模态车辆特征的检测预警方法,其特征在于,包括以下步骤:
S1预先在道路上建立视频监控抓拍***,并通过视频监控抓拍***对道路上行驶的车辆进行抓拍,拍摄出车辆的图片,完成车辆信息的采集;
S2把步骤S1中的图片以数据的方式输送给计算机,通过计算机内置的图片处理软件对图像进行预处理;
S3 首先构建实验***,然后再将步骤S2中预处理后的图片输送给实验***,实验***对图片中的车辆信息进行采集,得到车辆的特征数据,所述实验***由基于多模态特征融合方法设计,该多模态特征融合单元由多模态特征识别***在传感器,特征提取、匹配和决策中的每一个层级均有可能发生融合:
特征提取层:如果提取的特征是相互独立的,将提取的不同特征融合成一个唯一的特征;
匹配层:将每一个特征***输出的匹配值(用于描述获得的特征与存储模版之间的相似程度)进行融合,这种融合方式需要将匹配值进行标准化处理,保证匹配前,匹配值有相同的数量级;
决策层:将每一个***的决策进行融合得到一个最终的决策;
S4将步骤S3中采集的车辆特征数据进行整合,得到车辆唯一特征值;
S5将步骤S4中得到的车辆唯一特征值输送到目标库,并将车辆唯一特征值保存在目标库内,然后将待检测车辆的特征值与目标库内部的保存的特征值进行匹配,得到匹配值;
S6对匹配值的范围进行检测,当匹配值在阈值范围内时,匹配成功***预警,则对车辆的检测结束。
2.根据权利要求1所述的一种基于多模态车辆特征的检测预警方法,其特征在于:所述步骤S1中的视频监控抓拍***包括电子警察、卡口设备、红绿灯路口监控设备等。
3.根据权利要求1所述的一种基于多模态车辆特征的检测预警方法,其特征在于:所述步骤S2中的图像预处理方法有图像灰度化处理,中值滤波处理和直方图均衡化处理等。
4.根据权利要求1所述的一种基于多模态车辆特征的检测预警方法,其特征在于:所述步骤S3中的实验***包括设计最优SVM、提取车前窗年检保险标志坐标算法和提取车牌算法。
5.根据权利要求4所述的一种基于多模态车辆特征的检测预警方法,其特征在于:所述最优SVM通过在特征空间里求解条件极值来对车辆的颜色特征进行提取,得到第一特征,所述提取车前窗年检保险标志坐标算法通过采用扫描结合插值和拟合法两种方法对车辆的车前窗年检保险标志坐标特征进行提取,得到第二特征,所述提取车牌算法通过对车牌的边缘检测从而对车牌的特征进行采集,得到第三特征。
6.根据权利要求1或5所述的一种基于多模态车辆特征的检测预警方法,其特征在于:所述步骤S4中得到的车辆唯一特征值是通过将第一特征、第二特征和第三特征进行整合后得到的集合特征。
7.根据权利要求1所述的一种基于多模态车辆特征的检测预警方法,其特征在于:所述步骤S5中目标库内部的保存的特征值应是车辆在年检完成后对车辆进行拍摄,采集年检完成后车辆的信息,然后依次经过步骤S2、S3、S4后得到车辆基本特征值。
8.根据权利要求1所述的一种基于多模态车辆特征的检测预警方法,其特征在于:所述步骤S6中的阈值范围应为目标库中所有特征值的集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335735.2A CN110119769A (zh) | 2019-04-24 | 2019-04-24 | 一种基于多模态车辆特征的检测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335735.2A CN110119769A (zh) | 2019-04-24 | 2019-04-24 | 一种基于多模态车辆特征的检测预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110119769A true CN110119769A (zh) | 2019-08-13 |
Family
ID=67521446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910335735.2A Pending CN110119769A (zh) | 2019-04-24 | 2019-04-24 | 一种基于多模态车辆特征的检测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110119769A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688892A (zh) * | 2019-08-20 | 2020-01-14 | 武汉烽火众智数字技术有限责任公司 | 一种基于数据融合技术的人像识别告警方法及*** |
CN112419740A (zh) * | 2019-08-23 | 2021-02-26 | 杭州海康威视***技术有限公司 | 车辆状态识别方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295003A (zh) * | 2013-06-07 | 2013-09-11 | 北京博思廷科技有限公司 | 一种基于多特征融合的车辆检测方法 |
CN105185123A (zh) * | 2015-10-08 | 2015-12-23 | 南京信息工程大学 | 一种***识别***及方法 |
CN105279475A (zh) * | 2014-07-15 | 2016-01-27 | 贺江涛 | 一种基于车辆身份识别的***识别的方法与装置 |
CN108010326A (zh) * | 2017-11-24 | 2018-05-08 | 南京依维柯汽车有限公司 | 一种车辆识别***及其方法 |
-
2019
- 2019-04-24 CN CN201910335735.2A patent/CN110119769A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295003A (zh) * | 2013-06-07 | 2013-09-11 | 北京博思廷科技有限公司 | 一种基于多特征融合的车辆检测方法 |
CN105279475A (zh) * | 2014-07-15 | 2016-01-27 | 贺江涛 | 一种基于车辆身份识别的***识别的方法与装置 |
CN105185123A (zh) * | 2015-10-08 | 2015-12-23 | 南京信息工程大学 | 一种***识别***及方法 |
CN108010326A (zh) * | 2017-11-24 | 2018-05-08 | 南京依维柯汽车有限公司 | 一种车辆识别***及其方法 |
Non-Patent Citations (1)
Title |
---|
王峰 等: "基于融合策略的***主动识别算法", 《光电子.激光》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688892A (zh) * | 2019-08-20 | 2020-01-14 | 武汉烽火众智数字技术有限责任公司 | 一种基于数据融合技术的人像识别告警方法及*** |
CN112419740A (zh) * | 2019-08-23 | 2021-02-26 | 杭州海康威视***技术有限公司 | 车辆状态识别方法及装置 |
CN112419740B (zh) * | 2019-08-23 | 2022-07-08 | 杭州海康威视***技术有限公司 | 车辆状态识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101587544B (zh) | 基于计算机视觉的机动车车载反跟踪装置 | |
US9082038B2 (en) | Dram c adjustment of automatic license plate recognition processing based on vehicle class information | |
CN104778444B (zh) | 道路场景下车辆图像的表观特征分析方法 | |
US9269001B2 (en) | Illumination invariant and robust apparatus and method for detecting and recognizing various traffic signs | |
Wang et al. | An effective method for plate number recognition | |
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
US20060067562A1 (en) | Detection of moving objects in a video | |
EP2601617A1 (en) | Method and system for collecting information relating to identity parameters of a vehicle | |
CN105893953A (zh) | 一车两牌车辆检测方法及其*** | |
KR101727487B1 (ko) | 내용기반 차량분석기 및 이를 이용한 내용기반 차량분석방법 | |
CN107924466A (zh) | 用于机动车辆的视觉***和方法 | |
WO2016059643A1 (en) | System and method for pedestrian detection | |
CN110119769A (zh) | 一种基于多模态车辆特征的检测预警方法 | |
KR100942409B1 (ko) | 고속 이동 차량 검지 방법 | |
JP2006344154A (ja) | 車両判別装置及び方法 | |
Nguwi et al. | Number plate recognition in noisy image | |
Persada et al. | Automatic face and VLP’s recognition for smart parking system | |
Amin et al. | An automatic number plate recognition of Bangladeshi vehicles | |
Ktata et al. | License plate detection using mathematical morphology | |
CN110796099A (zh) | 一种车辆超限检测方法及装置 | |
US20220309809A1 (en) | Vehicle identification profile methods and systems at the edge | |
CN113723258B (zh) | 危险品车辆图像识别方法及其相关设备 | |
CN111161542B (zh) | 车辆识别方法及装置 | |
CN105206060A (zh) | 一种基于sift特征的车型识别装置及其方法 | |
Deb et al. | Vehicle license plate detection algorithm based on color space and geometrical properties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190813 |
|
RJ01 | Rejection of invention patent application after publication |