[發(fā)明專利]基于稀疏取樣灰度分布和梯度分布特征的車(chē)標(biāo)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710368090.3
• 申請(qǐng)日: 2017-05-23
• 公開(kāi)（公告）號(hào): CN107239754B
• 公開(kāi)（公告）日: 2019-10-29
• 發(fā)明（設(shè)計(jì)）人: 高尚兵;周斌斌;周君;王亮亮;張正偉;嚴(yán)云洋;王洪陽(yáng);朱松杰;張海艷;李木子;郝大景
• 申請(qǐng)（專利權(quán)）人: 淮陰工學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 孟紅梅

本發(fā)明公開(kāi)了一種基于稀疏取樣灰度分布和梯度分布特征的車(chē)標(biāo)識(shí)別方法，包括：在車(chē)牌上方選取一個(gè)區(qū)域，作為車(chē)標(biāo)識(shí)別的感興趣區(qū)域；采用隨機(jī)均勻稀疏采樣方法對(duì)樣本圖像進(jìn)行采樣，并將所有的采樣點(diǎn)隨機(jī)配對(duì)，劃分成鄰近點(diǎn)對(duì)集和非鄰近點(diǎn)對(duì)集，對(duì)兩類不同的點(diǎn)對(duì)集采用不同的方法進(jìn)行特征提取，建立特征庫(kù)；設(shè)定一可縮放的窗口，在待測(cè)的感興趣區(qū)域內(nèi)進(jìn)行掃描，對(duì)當(dāng)前窗口位置上，窗口大小的圖像進(jìn)行特征提取，并與準(zhǔn)備好的特征庫(kù)進(jìn)行對(duì)比，最終確定車(chē)標(biāo)類型。與現(xiàn)有技術(shù)相比，本發(fā)明方法將定位和識(shí)別有機(jī)的結(jié)合在一起，降低了中間過(guò)程的誤差，提高了識(shí)別率，對(duì)于噪聲大、質(zhì)量差、像素低的圖片也有較高的識(shí)別率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于稀疏取樣灰度分布和梯度分布特征的車(chē)標(biāo)識(shí)別方法，屬于圖像處理技術(shù)領(lǐng)域。

背景技術(shù)

智能交通系統(tǒng)(Intelligent Transport System簡(jiǎn)稱ITS)，又叫做車(chē)輛道路系統(tǒng)，是一種廣泛的、多功能的、及時(shí)的、高效率和精確的綜合運(yùn)輸和治理的系統(tǒng)。車(chē)標(biāo)作為車(chē)輛的品牌標(biāo)志，人們對(duì)它的關(guān)注不亞于甚至超過(guò)車(chē)牌。現(xiàn)階段車(chē)輛標(biāo)志識(shí)別系統(tǒng)其過(guò)程主要分為定位和識(shí)別兩個(gè)主要階段，研究方法包括：定位部分，李俠等提出基于模板匹配和邊緣檢測(cè)的車(chē)標(biāo)定位方法，劉玉松等提出基于梯度值投影的車(chē)標(biāo)定位，鄭德鍵等提出基于中軸線和先驗(yàn)知識(shí)的車(chē)標(biāo)定位。識(shí)別部分，劉玉松等提出基于模板匹配的車(chē)標(biāo)識(shí)別方法，鄭德鍵等提出基于修正不變矩的車(chē)標(biāo)識(shí)別方法，朱資淘提出基于SIFT算子的車(chē)標(biāo)識(shí)別方法，陳舜杰、王建均提出基于特征值提取和支持向量機(jī)的車(chē)標(biāo)識(shí)別。但是現(xiàn)在研究方法都是基于樣本圖像分辨率高、圖像質(zhì)量較好進(jìn)行的，如果因?yàn)榭陀^原因?qū)е聢D像質(zhì)量不理想，分辨率不高，就很難取得理想狀態(tài)下的識(shí)別效果。事實(shí)也如此，交通攝像頭在陰雨大霧等天氣里，所形成的圖像質(zhì)量不高。因此，研究低分辨率低質(zhì)量的車(chē)輛圖像具有重要的現(xiàn)實(shí)意義。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明目的在于提出一種基于稀疏采樣的灰度分布和梯度分布特征的車(chē)標(biāo)識(shí)別方法，針對(duì)成像效果不理想的圖像進(jìn)行定位識(shí)別，提高識(shí)別率。

技術(shù)方案：為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供一種基于稀疏取樣灰度分布和梯度分布特征的車(chē)標(biāo)識(shí)別方法，包括如下步驟：

在車(chē)牌上方選取一個(gè)區(qū)域，作為車(chē)標(biāo)識(shí)別的感興趣區(qū)域；

采用隨機(jī)均勻稀疏采樣方法對(duì)樣本圖像進(jìn)行采樣，并將所有的采樣點(diǎn)隨機(jī)配對(duì)，劃分成鄰近點(diǎn)對(duì)集和非鄰近點(diǎn)對(duì)集，對(duì)兩類不同的點(diǎn)對(duì)集采用不同的方法進(jìn)行特征提取，建立特征庫(kù)，其中對(duì)于鄰近點(diǎn)對(duì)集中的每個(gè)采樣點(diǎn)提取八個(gè)角度范圍的梯度幅值作為梯度分布特征，對(duì)于非鄰近點(diǎn)對(duì)集中的每個(gè)采樣點(diǎn)對(duì)計(jì)算其明暗關(guān)系及明暗關(guān)系的信任度作為灰度分布特征；

在確定感興趣區(qū)域并準(zhǔn)備好樣本特征庫(kù)后，設(shè)定一可縮放的窗口，在待測(cè)的感興趣區(qū)域內(nèi)進(jìn)行掃描，對(duì)當(dāng)前窗口位置上，窗口大小的圖像進(jìn)行特征提取，并與準(zhǔn)備好的特征庫(kù)進(jìn)行對(duì)比，最終確定車(chē)標(biāo)類型。

作為優(yōu)選，所述車(chē)標(biāo)識(shí)別的感興趣區(qū)域的位置為：

xl＝xpl

xr＝xpr

yb＝y(tǒng)pt

yt＝y(tǒng)pt+a*height

其中，xl,xr,yb,yt分別表示車(chē)標(biāo)的左邊界、右邊界、下邊界和上邊界；

xpl,xpr,ypt,height分別表示車(chē)牌的左邊界、右邊界、上邊界以及車(chē)牌的高度；a為設(shè)定的車(chē)牌高度倍數(shù)。

作為優(yōu)選，對(duì)于采樣點(diǎn)集中的隨機(jī)配對(duì)的兩個(gè)點(diǎn)p₁點(diǎn)與p₂點(diǎn)，分類方法為：對(duì)于隨機(jī)選擇的第一個(gè)點(diǎn)p₁：若選擇的第二個(gè)點(diǎn)p₂滿足：