[發明專利]一種車標識別方法和系統

有效

• 申請號: 201410800055.0
• 申請日: 2014-12-19
• 公開（公告）號: CN104463135B
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 唐健;關國雄;李銳
• 申請（專利權）人: 深圳市捷順科技實業股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G08G1/017
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種車標識別方法，其特征在于，將每類車標識別模型通過線性判別分析LDA投影到最佳鑒別矢量空間，分別得到一個模型特征向量，包括：

獲取車標區域；

將所述車標區域通過LDA投影到所述最佳鑒別矢量空間，得到車標特征向量；

計算所述車標特征向量與所有模型特征向量間歐式距離，選取預定個與所述車標特征向量歐式距離最近的模型特征向量；

對所述車標區域使用所有選取的模型特征向量相對應的車標識別模型分別進行識別，得到車標識別結果。

2.根據權利要求1所述的車標識別方法，其特征在于，將每類車標識別模型通過線性判別分析LDA投影到最佳鑒別矢量空間前還包括：訓練車標識別模型，

所述訓練車標識別模型包括：

獲取車標圖像樣本，并確定需訓練的車標識別模型的類別；

取所述車標圖像樣本中包含所述類別車標的車標區域為正樣本，取所述車標圖像樣本中不包含所述類別車標的車標區域為負樣本；

將所有正樣本和負樣本歸一化到預定像素尺寸，并進行HOG特征提取；

將所有提取到的特征進行串接后輸入支持向量機SVM進行訓練，得到所述類別的車標識別模型。

3.根據權利要求1所述的車標識別方法，其特征在于，所述最佳鑒別矢量空間包括：

對每類車標識別模型通過LDA進行特征提取，分別得到一個特征矩陣；

取每個特征矩陣的最大特征值相對應的特征向量分別組成一個最佳鑒別矢量矩陣，得到最佳鑒別矢量空間。

4.根據權利要求1所述的車標識別方法，其特征在于，所述獲取車標區域包括：

獲取車標圖像；

對所述車標圖像使用車標混合模型進行搜索，得到車標區域。

5.根據權利要求4所述的車標識別方法，其特征在于，所述對所述車標圖像使用車標混合模型進行搜索包括：

判斷是否在所述車標圖像中檢測到車牌區域；

若檢測到，則將所述車牌區域擴大預定的范圍得到擴大區域，在所述擴大區域內使用車標混合模型進行搜索；

若未檢測到，則對所述車標圖像全圖使用車標混合模型進行搜索。

6.根據權利要求4所述的車標識別方法，其特征在于，訓練所述車標混合模型包括：

獲取車標圖像樣本；

取所述車標圖像樣本中車標區域為正樣本，取所述車標圖像樣本中非車標區域為負樣本；

使用哈爾特征對所述正樣本和負樣本進行表征，形成哈爾特征；

利用迭代算法對所述哈爾特征進行訓練，得到車標混合模型。

7.根據權利要求4所述的車標識別方法，其特征在于，在接收地感信號后獲取車標圖像。

8.根據權利要求1所述的車標識別方法，其特征在于，所述得到車標識別結果包括：

確定每類車標識別模型對車標區域進行識別后的車標識別結果置信度；

將置信度最高的車標識別結果作為車標識別結果。

9.一種車標識別系統，其特征在于，包括：車標獲取模塊、第一投影模塊、選取模塊和識別模塊；其中，

所述車標獲取模塊，用于獲取車標區域；

所述第一投影模塊，用于將所述車標區域通過LDA投影到最佳鑒別矢量空間，得到車標特征向量；

所述選取模塊，用于計算所述車標特征向量與所有模型特征向量間歐式距離，選取預定個與所述車標特征向量歐式距離最近的模型特征向量；

所述識別模塊，用于對所述車標區域使用所有選取的模型特征向量相對應的車標識別模型分別進行識別，得到車標識別結果。

10.根據權利要求9所述的車標識別系統，其特征在于，還包括：第二投影模塊，用于將每類車標識別模型通過線性判別分析LDA投影到最佳鑒別矢量空間，分別得到一個模型特征向量。