；第一個判斷條件為平整度 判斷條件，若表征原始圖像上部不平整則判斷當(dāng)前車輛為大車；第二個判斷條件為車牌占 一個包含車牌在內(nèi)的截取圖像中的寬度占比，若大于設(shè)定比例闊值則判斷當(dāng)前車輛為大 車；根據(jù)前后兩判斷條件獲得的結(jié)果矛盾時，W第二個判斷條件判斷出的結(jié)果為準(zhǔn)。
[0化3] 更進一步地，所屬步驟B2具體包括：
[0化4] 步驟B2. 1，根據(jù)原始圖像上部區(qū)域的平整度進行判斷，具體包括；將原始圖像最 上部的一些行分割出來作為檢測區(qū)域，將該檢測區(qū)域從左到右劃分為32個子圖像塊，在RGB空間中分別計算R通道、G通道和B通道中32個子塊的均值化(n)、Ng(n)、佩(n)，并求 出均值的方差；計算過程如下：
[005引
其中N=子塊總像素個數(shù)，Ra)=子塊中每一個像素的R 通道的值，nG[1，32]
[0化6]
其中N=子塊總像素個數(shù)，G(i)=子塊中每一個像素的G 通道的值，nG[1，32]
[0化7]
其中N=子塊總像素個數(shù)，B(i)=子塊中每一個像素的B 通道的值，nG[1，32]
[0化引所有32個子塊的RGB通道的均值的方差為：
[0062] 設(shè)定該檢測區(qū)域子塊均方差的判斷參考闊值為T，則首個判斷條件F1為
[0063]步驟B2. 2根據(jù)車牌占一個包含車牌在內(nèi)的截取圖像中的寬度占比進行判斷具體 包括：
[0064] 把原始圖像作HSI空間轉(zhuǎn)換，得到原始圖像HSI空間轉(zhuǎn)換圖像；
[00化]在原始圖像服I空間轉(zhuǎn)換圖像的S通道中，根據(jù)定位到的車牌位置向左右各延伸 設(shè)定像素長度，確定需要進行圖像截取的列范圍町-向；
[0066] 然后根據(jù)該個列范圍町-Ek和已定位車牌高度，在原始圖像服I空間轉(zhuǎn)換圖像中截 取出車牌延伸區(qū)域HSI空間轉(zhuǎn)換圖像；
[0067] 在車牌延伸區(qū)域HSI空間轉(zhuǎn)換圖像的S通道中，提取連續(xù)的多行，設(shè)置闊值THsvl， 在提取的行中進行高低闊值化，即大于THsvl值的像素點置為1，小于等于該THsvl值的置 為0,然后計算值為1的像素點總數(shù)Csvl;同時計算提取的行總的像素點總數(shù)Msvl，得到比 例：
[0068] R曰vi=Csvl/Msvl
[0069] 則第二個判斷條件巧為：
[0070]
[0071] 若判斷條件F1和巧同時為1，則判斷當(dāng)前對應(yīng)原始圖像中的車輛為大車；如F1與 巧同時為0,則判斷當(dāng)前對應(yīng)原始圖像中的車輛為小車；
[0072] 否則若F2 = 1，F(xiàn)1 = 0則判斷進行當(dāng)前對應(yīng)原始圖像中的車輛為大車，若巧=0， F1 = 1則判斷當(dāng)前對應(yīng)原始圖像中的車輛為小車。
[0073] 進一步地，所述步驟C具體包括W下步驟：
[0074] 步驟C1，如果在步驟A8. 2中，藍色像素點數(shù)如超過粗定位后的車牌第一次定位彩 色圖像的像素點總數(shù)的一個比例闊值，將當(dāng)前車輛判定為貨車，否則繼續(xù)下列步驟；
[0075] 步驟C2,獲取路面的顏色闊值；
[0076] 步驟C3,根據(jù)車牌與地面的相對位置判斷大車是否為貨車；根據(jù)定位到的車牌位 置，獲得車牌的中屯、點位置；由中屯、點位置各向左右延伸一定數(shù)量列作為列位置范圍，在原 始圖像HSI空間轉(zhuǎn)換圖像中提取車牌下方邊緣再往下50~100行作為行位置范圍，截取檢 測區(qū)域A2 ;在檢測區(qū)域A2中，根據(jù)上述步驟C2中得到的路面顏色闊值，對HSI顏色空間的 S通道的值進行二值化；若二值化后的圖像白色像素點數(shù)比例高于一定值，判定A2中非道 路，為車體部分，車輛高度較高，判斷當(dāng)前車輛為貨車；否則進行W下判斷；
[0077] 步驟C4,根據(jù)前擋風(fēng)玻璃是否滿足大客車特征來區(qū)分貨車和大客車；在原始圖像 服I空間轉(zhuǎn)換圖像中，根據(jù)定位到的車牌位置，獲得車牌的中屯、點位置；由中屯、點位置各向 左右延伸一定數(shù)量列作為列位置范圍，在原始圖像HSI空間轉(zhuǎn)換圖像中提取車牌上方邊緣 再往上100~250行作為行位置范圍，截取檢測區(qū)域A3,并對該檢測區(qū)域A3按照設(shè)定闊值 對HSI顏色空間的S通道的值進行二值化，統(tǒng)計出白色像素點的個數(shù)，若白色像素點個數(shù)比 例高于一定值，較多，則說明檢測區(qū)域A3為車體，并沒有進入擋風(fēng)玻璃的范圍，從而判斷該 車的擋風(fēng)玻璃較小，判定為貨車；否則進行W下判斷；
[007引步驟巧，在原始圖像服I空間轉(zhuǎn)換圖像中，根據(jù)定位到的車牌位置，在車牌左邊緣 開始至車牌左邊緣再向左設(shè)定數(shù)量列作為列位置范圍，W車牌上下邊緣作為行位置范圍截 取左檢測區(qū)域AL;在車牌右邊緣開始至車牌右邊緣再向右設(shè)定數(shù)量列作為列位置范圍，W 車牌上下邊緣作為行位置范圍截取右檢測區(qū)域AR;
[0079] 對上述左檢測區(qū)域AL、右檢測區(qū)域AR進行灰度化，并在灰度空間通道中計算各自 的均值V(n);
[0080]
N=區(qū)域總像素個數(shù)，Gry(i)=區(qū)域中每一個像素的 灰度值，nG[ALA時
[0081] 計算各自的均方差5 (n):
[0082]
，N=區(qū)域總像素個數(shù)，Gry(i)=區(qū)域中每 一個像素的灰度值
[0083] 若5 (AL)和5 (AR)兩個均方差均大于設(shè)定闊值Tg，則認(rèn)為車牌兩邊區(qū)域不平滑， 判斷該車為貨車，否則判斷為大客車。
[0084] 本發(fā)明的優(yōu)點在于；本方法綜合利用車輛的顏色、亮度、紋理等特征，能夠在復(fù)雜 背景下進行大小車型的判別，首先定位車牌位置區(qū)域；并在此基礎(chǔ)上，通過對車輛上方圖像 的平整度、HSI空間轉(zhuǎn)換后的S通道闊值、W及灰度信息等多個車輛特征進行小車、客車、貨 車的識別，在減少計算復(fù)雜度的同時，極大提高貨車識別的準(zhǔn)確性。
【附圖說明】
[0085] 圖1為本發(fā)明的方法流程圖。
[0086] 圖2為本發(fā)明的車牌定位流程圖。
[0087] 圖3為本發(fā)明的車牌定位中采用的判斷模塊示意圖。
[008引圖4為本發(fā)明的車牌延伸區(qū)域服I空間轉(zhuǎn)換圖像示意圖。
【具體實施方式】
[0089] 下面結(jié)合具體附圖和實施例對本發(fā)明作進一步說明。
[0090] 本發(fā)明提出的基于圖像的貨車檢測方法，包括W下步驟：
[0091] 步驟A，車牌定位，在原始圖像中定位車牌位置區(qū)域；如圖2所示，具體包括下述步 驟：
[0092] 步驟A1，根據(jù)圖像庫中的圖像車牌出現(xiàn)區(qū)域的固定性，在原始圖像上截取相應(yīng)的 區(qū)域作為車牌檢測的樣本，W減少直接在原圖上進行檢測的時間成本。實際截取后的圖像 基本對應(yīng)車頭區(qū)域；
[0093] 步驟A2,在截取后的圖像中，設(shè)置藍色與黃色闊值；（由于車牌可能是藍色或者黃 色的）；
[0094] 藍色闊值設(shè)為；
[0095]
[0096] 將與藍色接近的區(qū)域進行分割，即；
[0097]
[009引滿足上述條件的像素點為1(代表白色），否則為0(代表黑色），得到藍色闊值圖 像；
[0099] 黃色闊值設(shè)為：
[0100]
[0101] 將與黃色接近的區(qū)域進行分割，即；
[0102]
[0103] 滿足上述條件的像素點為1，否則為0,得到黃色闊值圖像；
[0104] 將上述的藍色闊值圖像與黃色闊值圖像相或，得到藍或黃闊值圖像；
[01化]步驟A3,將步驟（A1)中截取后的圖像從RGB空間轉(zhuǎn)換到HSI空間，并在S通道中 設(shè)定闊值對圖像進行二值化，在S通道中闊值TH= 0. 3,大于TH的像素點為1 (白色），否 則為0 (黑色），得到S通道闊值掩膜圖像；
[0106] 步驟A4,將步驟（A3)的S通道闊值掩膜圖像與步驟（A2)的藍或黃闊值圖像相點 乘，得到二值化圖像；
[0107] 步驟A5,將步驟（A4)中二值化圖像通過水平投影法統(tǒng)計每一行中白色像素點的 個數(shù)，個數(shù)在設(shè)定范圍內(nèi)的圖像行被標(biāo)記為"疑似車牌所在行"，在一系列連續(xù)的"疑似車牌 所在行"中，選擇連續(xù)行數(shù)最多的一組，確定為車牌所在行；
[0108] 步驟A6,將車牌所在行提取出來進行垂直投影，統(tǒng)計每一列中白色像素點的個數(shù)， 將個數(shù)高于設(shè)定數(shù)值的列數(shù)標(biāo)記為車牌所在列；得到車牌所在行、列之后，就完成了車牌的 第一次位置定位；也就是車牌位置的粗定位；
[0109] 步驟A7,根據(jù)車牌粗定位的位置，在步驟（A4)二值化圖像中取出該個位置區(qū)域的 圖像即車牌第一次定位二值化圖像，在步驟（A1)的截取圖像中取出該個位置區(qū)域的圖像 即車牌第一次定位彩色圖像；
[0110] 步驟A8，將車牌第一次定位結(jié)果輸入判斷模塊（如圖3所示），確定定位出的位置 區(qū)