[發(fā)明專利]車標(biāo)識(shí)別方法及裝置

無效

• 申請(qǐng)?zhí)枺?/td>: 201210590277.5
• 申請(qǐng)日: 2012-12-30
• 公開（公告）號(hào): CN103123688A
• 公開（公告）日: 2013-05-29
• 發(fā)明（設(shè)計(jì)）人: 劉忠軒;張凱歌
• 申請(qǐng)（專利權(quán)）人: 信幀電子技術(shù)（北京）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/54;G08G1/017
• 代理公司: 北京超凡志成知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11371
• 代理人: 李世喆

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，具體而言，涉及一種車標(biāo)識(shí)別方法及裝置。

背景技術(shù)

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，車輛的增多，通過計(jì)算機(jī)信息化、智能化的管理車輛成為必然。車牌識(shí)別技術(shù)被廣泛應(yīng)用在交通流量監(jiān)測，高速公路卡口收費(fèi)，闖紅燈違章車輛監(jiān)控及小區(qū)自動(dòng)收費(fèi)系統(tǒng)中。目前的處理技術(shù)只能對(duì)車牌和大型、中型、小型車輛進(jìn)行識(shí)別，但不能識(shí)別具體的車型。車標(biāo)的識(shí)別大體分為車標(biāo)粗定位，車標(biāo)精定位，車標(biāo)識(shí)別三個(gè)步驟。車輛識(shí)別在智能交通領(lǐng)域扮演著重要的角色，車標(biāo)識(shí)別是車輛識(shí)別的新的研究方向，是對(duì)車牌和車型識(shí)別的重要補(bǔ)充和發(fā)展，車標(biāo)定位是一種典型的目標(biāo)檢測和目標(biāo)定位技術(shù)，而車標(biāo)的精定位分割是車標(biāo)識(shí)別中最重要的一步，目前常見的車標(biāo)可以分為有規(guī)則形狀的車標(biāo)和字符型的車標(biāo)，針對(duì)車牌上方區(qū)域的字符形車標(biāo)需要一種有效的方法進(jìn)行準(zhǔn)確的定位分割和識(shí)別。常見的汽車字符形車標(biāo)一般位于車牌的上方，由于有些背景紋理和前方的干擾物會(huì)影響到車標(biāo)的分割，完全剔除這些干擾物比較困難。

針對(duì)現(xiàn)有技術(shù)中由于車牌的背景或前方會(huì)有干擾物，而不能對(duì)車標(biāo)進(jìn)行準(zhǔn)確識(shí)別，從而不能準(zhǔn)確識(shí)別車輛類型的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

針對(duì)相關(guān)技術(shù)由于車牌的背景或前方會(huì)有干擾物，而不能對(duì)車標(biāo)進(jìn)行準(zhǔn)確識(shí)別，從而不能準(zhǔn)確識(shí)別車輛類型的問題，目前尚未提出有效的解決方案，為此，本發(fā)明的主要目的在于提供一種車標(biāo)識(shí)別方法及裝置，以解決上述問題。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種車標(biāo)識(shí)別方法，該方法包括：獲取車標(biāo)圖像；對(duì)車標(biāo)圖像進(jìn)行濾波處理，以獲取濾波圖；計(jì)算濾波圖中的每個(gè)像素的特征變換參數(shù)；根據(jù)每個(gè)像素的特征變換參數(shù)計(jì)算，以獲取對(duì)應(yīng)每個(gè)像素的加權(quán)局部特征碼；根據(jù)對(duì)應(yīng)每個(gè)像素的加權(quán)局部特征碼進(jìn)行車標(biāo)的識(shí)別，并獲取車標(biāo)類型的識(shí)別結(jié)果。

進(jìn)一步地，對(duì)車標(biāo)圖像進(jìn)行濾波處理，以獲取濾波圖的步驟包括：使用多尺度高斯模板對(duì)車標(biāo)圖像進(jìn)行濾波處理，以獲取多尺度空間的濾波圖。

進(jìn)一步地，特征變換參數(shù)包括灰度梯度直方圖，其中，計(jì)算濾波圖中的每個(gè)像素的特征變換參數(shù)的步驟包括：根據(jù)每個(gè)像素的灰度梯度幅值獲取對(duì)應(yīng)每個(gè)像素的投影值參數(shù)；使用投影值參數(shù)計(jì)算對(duì)應(yīng)每個(gè)像素的灰度梯度直方圖。

進(jìn)一步地，根據(jù)每個(gè)像素的特征變換參數(shù)計(jì)算對(duì)應(yīng)每個(gè)像素的加權(quán)局部特征碼的步驟包括：根據(jù)特征變換參數(shù)的大小確定對(duì)應(yīng)每個(gè)像素的加權(quán)參數(shù)；使用加權(quán)參數(shù)進(jìn)行加權(quán)計(jì)算，以獲取對(duì)應(yīng)每個(gè)像素的加權(quán)局部特征碼。

進(jìn)一步地，獲取車標(biāo)圖像的步驟包括：

獲取車牌圖像；對(duì)車牌圖像進(jìn)行邊緣檢測，以獲取車牌定位信息；根據(jù)車牌定位信息獲取初始車標(biāo)圖像；對(duì)初始車標(biāo)圖像使用全變分方法進(jìn)行噪聲處理，以獲取車標(biāo)圖像。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種車標(biāo)識(shí)別裝置，該裝置包括：第一獲取模塊，用于獲取車標(biāo)圖像；第一圖像處理模塊，用于對(duì)車標(biāo)圖像進(jìn)行濾波處理，以獲取濾波圖；第一計(jì)算模塊，用于計(jì)算濾波圖中的每個(gè)像素的特征變換參數(shù)；第二計(jì)算模塊，用于根據(jù)每個(gè)像素的特征變換參數(shù)計(jì)算，以獲取對(duì)應(yīng)每個(gè)像素的加權(quán)局部特征碼；第一處理模塊，用于根據(jù)對(duì)應(yīng)每個(gè)像素的加權(quán)局部特征碼進(jìn)行車標(biāo)的識(shí)別，并獲取車標(biāo)類型的識(shí)別結(jié)果。

進(jìn)一步地，第一圖像處理模塊包括：第一子圖像處理模塊，用于使用多尺度高斯模板對(duì)車標(biāo)圖像進(jìn)行濾波處理，以獲取多尺度空間的濾波圖。

進(jìn)一步地，第一計(jì)算模塊包括：第一子處理模塊，用于根據(jù)每個(gè)像素的灰度梯度幅值獲取對(duì)應(yīng)每個(gè)像素的投影值參數(shù)；第一子計(jì)算模塊，用于使用投影值參數(shù)計(jì)算對(duì)應(yīng)每個(gè)像素的灰度梯度直方圖。

進(jìn)一步地，第二計(jì)算模塊包括：第二子處理模塊，用于根據(jù)特征變換參數(shù)的大小確定對(duì)應(yīng)每個(gè)像素的加權(quán)參數(shù)；第二子計(jì)算模塊，用于使用加權(quán)參數(shù)進(jìn)行加權(quán)計(jì)算，以獲取對(duì)應(yīng)每個(gè)像素的加權(quán)局部特征碼。

進(jìn)一步地，第一獲取模塊包括：第一子獲取模塊，用于獲取車牌圖像；第二子圖像處理模塊，用于對(duì)車牌圖像進(jìn)行邊緣檢測，以獲取車牌定位信息；根據(jù)車牌定位信息獲取初始車標(biāo)圖像；對(duì)初始車標(biāo)圖像使用全變分裝置進(jìn)行噪聲處理，以獲取車標(biāo)圖像。

通過本發(fā)明，在獲取到車標(biāo)圖像之后，針對(duì)車牌上方區(qū)域的車標(biāo)采用形態(tài)學(xué)和分水嶺分割方法進(jìn)行分割定位，最后將分割出來連通區(qū)域，采用機(jī)器學(xué)習(xí)的方法進(jìn)行識(shí)別，有效的提高了車標(biāo)的識(shí)別率，解決了現(xiàn)有技術(shù)中由于車牌的背景或前方會(huì)有干擾物，而不能對(duì)車標(biāo)進(jìn)行準(zhǔn)確識(shí)別，從而不能準(zhǔn)確識(shí)別車輛類型的問題，實(shí)現(xiàn)了準(zhǔn)確識(shí)別車標(biāo)，從而準(zhǔn)確辨識(shí)車輛類型的效果。

附圖說明