[發明專利]一種基于卷積神經網絡的車標定位與識別方法

有效

• 申請號: 201710752742.3
• 申請日: 2017-08-28
• 公開（公告）號: CN107590492B
• 公開（公告）日: 2019-11-19
• 發明（設計）人: 高飛;倪逸揚;蔡益超;盧書芳;陸佳煒;肖剛
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 33213 杭州浙科專利事務所(普通合伙)
• 代理人: 周紅芳<國際申請>=<國際公布>=<進入

本發明公開了一種基于卷積神經網絡的車標定位與識別方法。它本發明使用計算機視覺技術，通過車標粗定位方法、車標精定位方法與基于卷積神經網絡的車標分類，實現了車標定位與識別。本發明解決了車標識別問題，同時擁有較好的準確率與效率，改善了以車牌辨車的傳統工作模式，能更加準確的確定唯一的車輛，為車牌套牌的查處、違章逃逸等違法行為提供可靠證據，更好地實現智能化的交通管理。

技術領域

本發明屬于計算機視覺技術和圖像處理技術領域，具體涉及一種基于卷積神經網絡的車標定位與識別方法。

背景技術

隨著國民經濟高速發展及人民生活水平不斷提高，汽車已成為人們日常出行常用的代步工具。然而，汽車數量的飛速增長給城市交通安全管理帶來了新的挑戰，車輛身份識別技術已成為智能交通研究領域的重要課題。近年來，遮擋車牌、汽車套牌等妨礙交通秩序的違法行為層出不窮，僅依靠車牌識別已不能適應當前的交通現狀了，因此，車標識別技術變得更為重要，它可以彌補車牌識別的不足，從而進一步提高智能交通系統的可靠性。

視頻中運動車輛的車標識別是近年來智能交通管理系統中比較關注的研究方向之一。目前，國內已有一些車標識別的方法，其中與本發明較為相近的技術方案包括：專利(葉茂。基于進氣格柵定位的汽車車標樣本訓練及識別方法。CN104156692A[P]。2014。)使用識別車輛進氣柵的方法識別車標,使用方向梯度直方圖(HOG)算法對車頭進氣柵部分進行特征提取并用SVM訓練與分類，由于不同品牌的車可能具有相似的進氣柵紋理，而同一品牌車的進氣柵也有可能不同，故該方法的識別率較低；專利(陸輝，蔣戀華，張仁輝。車標定位與識別方法。CN103310231A[P]。2013。)利用Sobel算子進行粗定位，并采用HOG算法針對車標圖像提取特征值并將特征向量輸入BP神經網絡進行識別，然而該方法對車標定位算法要求較高，而且HOG作為人工設計的算子起表達能力有限，導致其在多分類問題中識別率不高；文獻(寧瑩瑩,李文舉,王新年。基于主成分分析和BP神經網絡的車標識別[J]。遼寧師范大學學報(自然科學版),2010,33(2):179-184)通過主成分分析(PCA)提取特征并通過BP神經網絡對車標進行訓練與識別，該算法比較依賴車標定位算法，如果沒有定位到較完整的車標圖片會對識別結果產生較大影響，此外，該方法對噪聲的干擾也較為敏感，BP神經網絡在訓練時收斂較慢甚至無法收斂。

綜上所述，在對車標進行識別時，當前方法存在如下不足：(1)有時無法正確定位車標；(2)采用SVM或BP神經網絡，在訓練或分類時速度較慢；(3)噪聲會對識別結果產生較大的影響。本發明針對這些問題提出了一種基于卷積神經網絡的車標定位與識別方法。

發明內容

為解決上述問題，本發明提供了一種基于卷積神經網絡的車標定位與識別方法。

所述的一種基于卷積神經網絡的車標定位與識別方法，其特征在于具體步驟如下：

步驟1：定義車標種類集合為C＝{C_i|i＝1,…,t}，其中t為車標的總數，并建立相應的車標數據集；

步驟2：構建用于車標分類的卷積神經網絡并用步驟1中的車標數據集進行訓練，得到卷積神經網絡；

步驟3：利用交叉路口的監控攝像頭采集RGB圖像并對采集到的圖像使用中值濾波處理，利用車輛檢測跟蹤算法提取得到車輛圖像I；

步驟4：利用車牌識別算法提取圖像I中的車牌矩形區域R＝(x，y，w，h)，其中圖像I的左上角為像素坐標原點，(x,y)為車牌矩形區域左上角的坐標，h與w分別為車牌矩形區域的高和寬，單位為像素，并根據公式(2)得到車標的粗定位區域D：

其中，ρ₁,ρ₂為比例系數，(x_d,y_d)為矩形區域D左上角的坐標，h _d與w_d分別為矩形區域D的高和寬；