[發明專利]車標定位識別方法及系統

有效

• 申請號: 201310020981.1
• 申請日: 2013-01-21
• 公開（公告）號: CN103093201A
• 公開（公告）日: 2013-05-08
• 發明（設計）人: 王海峰;王曉萌;何小波;董博;楊宇;張凱歌
• 申請（專利權）人: 信幀電子技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G08G1/017
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 李世喆

1.車標定位識別方法，其特征在于，包括：采集各種車標的樣本圖片，得到車標模版庫；采用fast算法，提取出所述車標模版庫中每一種車標的樣本圖片的特征點集；以所述特征點集為訓練集，生成支持向量機svm分類器；

該方法還包括：

采集車輛的原始圖像；

對所述原始圖像進行形態學預處理，并在所述形態學預處理得到的圖像上定位出所有車標候選區域；

采用fast算法，提取出所述所有車標候選區域的待識別特征點集；

采用所述svm分類器，對所述待識別特征點集進行匹配識別，并將與所述待識別特征點集相匹配的所述特征點集對應的車標作為識別結果。

2.如權利要求1所述的車標定位識別方法，其特征在于，在所述采集車輛的原始圖像之后，該方法進一步包括：對所述原始圖像進行下采樣；

所述對所述原始圖像進行形態學預處理，包括：對下采樣之后的原始圖像進行灰度化處理；

所述形態學預處理得到的圖像為灰度圖像；

所述在所述形態學預處理得到的圖像上定位出所有車標候選區域，包括：對所述灰度圖像進行邊緣檢測，得到所有的所述車標候選區域。

3.如權利要求2所述的車標定位識別方法，其特征在于，所述邊緣檢測采用sobel算子，且所述車標候選區域為邊緣密度較鄰邊區域較大的區域。

4.如權利要求1所述的車標定位識別方法，其特征在于，在得到所有的所述車標候選區域后，該方法進一步包括：根據所述車標候選區域的坐標，將所有的所述車標候選區域映射到所述原始圖像中，得到所述車標候選區域在所述原始圖像中的實際區域，并分割出所述實際區域；

參與所述待識別特征點集的提取的所述車標候選區域為所述實際區域。

5.如權利要求4所述的車標定位識別方法，其特征在于，在所述分割出所述實際區域之后，以及在進行對所述實際區域進行所述待識別特征點集的提取之前，該方法進一步包括：

采用基于車牌矯正的方法對所述實際區域進行位置矯正；

按照預先約定的標準格式，對經所述位置矯正之后的所述實際區域進行歸一化處理。

6.如權利要求1所述的車標定位識別方法，其特征在于，所述采用fast算法，提取出所述所有車標候選區域的待識別特征點集，包括：

采用fast算法，對所述車標候選區域中的角點進行粗提取；

利用海森矩陣去除提取的所有所述角點中不穩定的邊緣點，得到所述待識別特征點集。

7.如權利要求1-6任意一項所述的車標定位識別方法，其特征在于，所述與所述待識別特征點集相匹配的所述特征點集，包括：與所述待識別特征點集的相似度大于預設閾值的所述特征點集。

8.車標定位識別系統，其特征在于，包括：車標模板庫，用于存儲各種車標的樣本圖片；svm分類器生成模塊，用于采用fast算法，提取出所述車標模版庫中每一種車標的樣本圖片的特征點集；并以所述特征點集為訓練集，生成支持向量機svm分類器；

該系統還包括：

采集模塊，用于采集車輛的原始圖像；

車標定位模塊，用于對所述原始圖像進行形態學預處理，并在所述形態學預處理得到的圖像上定位出所有車標候選區域；

車標識別模塊，用于采用fast算法，提取出所述所有車標候選區域的待識別特征點集；采用所述svm分類器，對所述待識別特征點集進行匹配識別，并將與所述待識別特征點集相匹配的所述特征點集對應的車標作為識別結果。

9.如權利要求8所述的車標定位識別系統，其特征在于，該系統進一步包括下采樣模塊，用于對所述原始圖像進行下采樣；

所述車標定位模塊，包括：灰度化子模塊，用于對下采樣之后的原始圖像進行灰度化處理，得到灰度圖像；邊緣檢測子模塊，用于對所述灰度圖像進行邊緣檢測，得到所有的所述車標候選區域。

10.如權利要求9所述的車標定位識別系統，其特征在于，該系統進一步包括：映射模塊，用于根據所述車標候選區域的坐標，將所有的所述車標候選區域映射到所述原始圖像中，得到所述車標候選區域在所述原始圖像中的實際區域；分割模塊，用于從所述原始圖像中分割出所述實際區域；

所述車標識別模塊，用于采用fast算法，提取出所有所述實際區域的待識別特征點集；采用所述svm分類器，對所述待識別特征點集進行匹配識別，并將與所述待識別特征點集相匹配的所述特征點集對應的車標作為識別結果。