專利名稱：一種車標(biāo)定位識(shí)別的方法與系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及交通車輛定位識(shí)別領(lǐng)域，尤其涉及一種車標(biāo)定位識(shí)別方法與系統(tǒng)。
背景技術(shù)：
車標(biāo)是車輛的標(biāo)志性圖像，不僅包含了車型信息，還包含了生產(chǎn)廠家的信息，更重要是它難以更換。如果將車標(biāo)信息與車牌信息相結(jié)合，會(huì)極大的提高車輛識(shí)別的可靠性。在有些犯罪活動(dòng)中，盡管車牌容易更換，但車標(biāo)是唯一的，車標(biāo)識(shí)別技術(shù)可廣泛應(yīng)用于交通事故處理、違章車輛自動(dòng)監(jiān)控、自動(dòng)收費(fèi)、機(jī)場、港口、停車場、小區(qū)等車輛的自動(dòng)安全管理、打擊車輛犯罪等領(lǐng)域，因此車標(biāo)識(shí)別對智能交通中車輛識(shí)別技術(shù)的完善和發(fā)展具有重要的理論意義和應(yīng)用價(jià)值。目前能夠?qū)嚇?biāo)進(jìn)行有效檢測，定位和識(shí)別的主要手段是基于視頻的方法，但是利用視頻方法進(jìn)行車標(biāo)定位識(shí)別存在的問題主要是:1、車輛圖像的自身背景和車身背景的影響；
·
2、同一車輛中存在多個(gè)車標(biāo)，且車標(biāo)受天氣及天色變化影響嚴(yán)重；3、車標(biāo)的形狀各異且尺寸差別圖大，圖像模糊，位置不盡相同；4、車標(biāo)所在的散熱網(wǎng)紋理多種多樣，且散熱網(wǎng)高度不均；5、車標(biāo)周圍存在大量干擾，如車燈、保險(xiǎn)杠等。車標(biāo)位于車體上且有些與車身顏色類似。上述問題的存在，使得使用視頻方法進(jìn)行車標(biāo)的定位識(shí)別的精確度不高，而且目前還沒有一種檢測設(shè)備能夠?qū)嚇?biāo)進(jìn)行精確定位及有效識(shí)別。

發(fā)明內(nèi)容
本發(fā)明提供一種車標(biāo)定位識(shí)別的方法及系統(tǒng)，以解決現(xiàn)有的視頻定位的方法精確度不高的問題。為了達(dá)到上述目的，本發(fā)明實(shí)施例公開了一種車標(biāo)定位識(shí)別的方法，包括:利用高清攝像機(jī)采集車輛的車頭圖像；利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域；在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息；根據(jù)所述車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖；將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配，根據(jù)位置信息進(jìn)行加權(quán)計(jì)算，計(jì)算得到的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為車標(biāo)識(shí)別結(jié)果。為了達(dá)到上述目的，本發(fā)明實(shí)施例還公開了一種車標(biāo)定位識(shí)別的系統(tǒng)，包括:圖像采集裝置，用于采集車輛的車頭圖像；車標(biāo)預(yù)估位置區(qū)域生成裝置，用于利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域；車標(biāo)精確位置信息生成裝置，用于在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息；車標(biāo)二值圖生成裝置，用于根據(jù)所述車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖；車標(biāo)識(shí)別結(jié)果生成裝置，用于將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配，根據(jù)位置信息進(jìn)行加權(quán)計(jì)算，計(jì)算得到的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為車標(biāo)識(shí)別結(jié)果。本發(fā)明的標(biāo)定位識(shí)別方法及系統(tǒng)，可以對車標(biāo)進(jìn)行精確定位和有效識(shí)別。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例的車標(biāo)定位識(shí)別方法的流程圖；圖2為圖1所示實(shí)施例中的步驟S102的子步驟的方法流程圖；圖3為對采集的某幀圖像進(jìn)行車輛定位、車牌定位識(shí)別，生成車標(biāo)預(yù)估區(qū)域的一個(gè)具體實(shí)施例的結(jié)果示意圖；圖4為圖1所示實(shí)施例中的步驟S103的子步驟的方法流程圖；圖5為圖4所示實(shí)施例中的車標(biāo)預(yù)估區(qū)域內(nèi)的橫向紋理的示意圖；圖6為圖4所示實(shí)施例中的車標(biāo)預(yù)估區(qū)域內(nèi)的縱向紋理的示意圖；圖7為對圖6所示實(shí)施例進(jìn)行預(yù)處理后生成的二值圖；圖8為在圖7的二值圖基礎(chǔ)上，進(jìn)行縱向投影的縱向投影圖；圖9為圖8所不實(shí)施例的最終的車標(biāo)精確定位的結(jié)果不意圖；圖10為圖1所示實(shí)施例中的步驟S104的子步驟的方法流程圖；圖11為圖1所示實(shí)施例中的步驟S105的子步驟的方法流程圖；圖12為圖9所示實(shí)施例中定位出來的車標(biāo)識(shí)別結(jié)果；圖13為本發(fā)明的車標(biāo)定位識(shí)別方法的的另一實(shí)施例的方法流程圖；圖14為本發(fā)明實(shí)施例的車標(biāo)定位識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖；圖15為圖14所示實(shí)施例中的車標(biāo)預(yù)估位置區(qū)域生成裝置101的結(jié)構(gòu)示意圖；圖16為圖14所示實(shí)施例中的車標(biāo)精確位置信息生成裝置102的結(jié)構(gòu)示意圖；圖17為圖14所示實(shí)施例中的車標(biāo)二值圖生成裝置103的結(jié)構(gòu)示意圖；圖18為圖14所示實(shí)施例中的車標(biāo)識(shí)別結(jié)果生成裝置104的結(jié)構(gòu)示意圖；圖19為本發(fā)明的車標(biāo)定位識(shí)別系統(tǒng)的另一實(shí)施例的結(jié)構(gòu)示意圖；圖20 (a)、(b)、(c)、(d)為利用本發(fā)明的車標(biāo)定位識(shí)別方法及系統(tǒng)，對幾種車型的車標(biāo)進(jìn)行識(shí)別的處理流程示意圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明實(shí)施例提供一種車標(biāo)定位識(shí)別方法及系統(tǒng)，在車輛存在有效牌的前提下，能夠快速的定位出車標(biāo)位置，并進(jìn)行單幀識(shí)別、多幀確認(rèn)，通過車牌和車標(biāo)確定車型和車輛的唯一性，上報(bào)后臺(tái)系統(tǒng)，對車輛進(jìn)行登記確認(rèn)。圖1為本發(fā)明實(shí)施例的車標(biāo)定位識(shí)別方法的流程圖。如圖所示，本實(shí)施例的車標(biāo)定位識(shí)別方法包括步驟S101，利用高清攝像機(jī)采集車輛的車頭圖像；步驟S102，利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域；步驟S103，在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息；步驟S104，根據(jù)所述車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖；步驟S105，將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配，根據(jù)位置信息進(jìn)行加權(quán)計(jì)算，計(jì)算得到的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為車標(biāo)識(shí)別結(jié)果。在本實(shí)施例的步驟SlOl中，在聞速路駛出端，安裝聞清攝像機(jī)，捕獲進(jìn)入視野的車頭圖像，200W場景下每秒鐘15幀，圖像大小為1600*1200，500W場景下為每秒鐘7幀，大小為2432*2048，圖像分辨率根據(jù)高清攝像機(jī)的不同可進(jìn)行調(diào)整。在本實(shí)施例的下述步驟中，是對步驟SlOl中采取到的每一幀圖像進(jìn)行處理，生成對應(yīng)每一幀的車標(biāo)識(shí)別結(jié)果。在本實(shí)施例的步驟S102中，如圖2所示，利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域的步驟包括以下子步驟步驟S1021，對所述采集的車頭圖像按比例進(jìn)行壓縮，生成灰度圖像；步驟S1022，在所述灰度圖像上根據(jù)高斯模型建立背景，根據(jù)背景差和幀差進(jìn)行車輛定位，生成車輛位置區(qū)域；步驟S1023，在所述車輛位置區(qū)域內(nèi)，根據(jù)車輛的紋理信息及顏色信息進(jìn)行車牌定位識(shí)別，生成車牌位置區(qū)域；步驟S1024，在所述車牌位置區(qū)域內(nèi)，根據(jù)所述車標(biāo)與車牌的先驗(yàn)信息進(jìn)行車標(biāo)定位，生成車標(biāo)預(yù)估區(qū)域。在步驟S1021中，接收到高清攝像機(jī)采集的車頭圖像后，為了減少復(fù)雜度，對彩色圖像按比例進(jìn)行壓縮，同時(shí)進(jìn)行降維提取灰度圖像作為接下來進(jìn)行車標(biāo)定位識(shí)別的輸入。在步驟S1022中，在灰度圖像上根據(jù)高斯模型建立背景，根據(jù)背景差尋找連通區(qū)域進(jìn)行車輛定位，由相鄰三幀做差“取與”對進(jìn)行出來的車輛進(jìn)行確認(rèn)，從而生成車輛位置區(qū)域。在本實(shí)施例中，由當(dāng)前幀灰度圖與背景灰度圖做差，對背景差灰度圖二值化，尋找白色點(diǎn)連通域，面積大于一定閾值的便初步認(rèn)為車輛區(qū)域。因?yàn)橄噜弮蓭霾畹玫降膸顖D會(huì)造成車輛拖影現(xiàn)象，將車輛所在區(qū)域拉長，引入干擾，所以采用連續(xù)三幀，相鄰兩幀兩兩做幀差然后二值化，對得到的兩個(gè)幀差二值圖取與，即兩幅幀差圖上同一位置都有幀差信息的認(rèn)為是有效點(diǎn)，得到“取與”后的最終幀差二值圖，尋找連通域即為車輛所在區(qū)域，通過幀差定位出來的車輛與通過背景差定位出來的車輛進(jìn)行確認(rèn)，得到最終車輛位置。
在步驟S1023中，在所述車輛位置區(qū)域內(nèi)，根據(jù)紋理信息及顏色信息進(jìn)行對應(yīng)車輛的車牌定位識(shí)別，生成車牌位置區(qū)域。在本實(shí)施例中，在車輛定位區(qū)域內(nèi)，彩色圖進(jìn)行灰度化，然后求橫向紋理，常見車牌有7個(gè)字符，橫向紋理會(huì)有14個(gè)跳變，所以在紋理圖上尋找滿足車牌寬度范圍內(nèi)跳變大于10的聯(lián)通區(qū)域，即為車牌候選區(qū)域。通過顏色信息進(jìn)行車牌定位方法是，車牌主要是藍(lán)牌和黃牌，在車輛定位區(qū)域的彩圖范圍內(nèi)，提取藍(lán)色點(diǎn)和黃色點(diǎn)信息，滿足藍(lán)色點(diǎn)連通域或者黃色點(diǎn)連通域面積大小符合車牌規(guī)律的即為候選車牌，對候選車牌灰度圖進(jìn)行二值化，字符切割，單字符模版匹配識(shí)別，車牌的七個(gè)字符求一個(gè)平均匹配度，平均匹配度最高且達(dá)到設(shè)定識(shí)別閾值的即為真正車牌，對真正車牌灰度圖進(jìn)行二值化，根據(jù)二值圖投影及連通域方法進(jìn)行字符的精確切割，得到七個(gè)字符準(zhǔn)確的上下邊緣位置，根據(jù)字符的上下邊緣擬合一條直線與水平線對比，從而得出車牌傾斜角度。在本實(shí)施例中，還包括通過字符切割及粗識(shí)別，尋找車牌定位中最優(yōu)車牌然后進(jìn)行精確識(shí)別，如果識(shí)別置信度低于預(yù)設(shè)的識(shí)別閾值則認(rèn)為該車輛不含有效牌，車輛定位結(jié)果有可能有偏差，車輛區(qū)域內(nèi)不含有效車牌及車標(biāo)區(qū)域，否則認(rèn)為該車輛定位有效。在步驟S1024中，在所述車牌位置區(qū)域內(nèi)，根據(jù)所述車標(biāo)與車牌的先驗(yàn)信息進(jìn)行車標(biāo)定位，生成車標(biāo)預(yù)估區(qū)域。本實(shí)施例中，在車牌定位識(shí)別的基礎(chǔ)上，根據(jù)車標(biāo)與車牌的位置信息、車標(biāo)形狀、車輛對稱性等先驗(yàn)知識(shí)可以預(yù)估車標(biāo)所在的區(qū)域，即車標(biāo)預(yù)估區(qū)域。本實(shí)施例中，步驟S1021-1024是對車標(biāo)區(qū)域進(jìn)行預(yù)估的方法流程。參考圖3，是對采集的某幀圖像進(jìn)行車輛定位、車牌定位識(shí)別，生成車標(biāo)預(yù)估區(qū)域的一個(gè)具體實(shí)施例。其中，虛框①是步驟S1022根據(jù)背景差和幀差定位出來的車輛區(qū)域，虛框②是步驟S1023在車輛位置區(qū)域虛框①的基礎(chǔ)上定位識(shí)別的車牌預(yù)估位置區(qū)域，而虛框③是步驟S1023中尋找有效牌后最后定位的車牌位置區(qū)域，然后根據(jù)車標(biāo)與車牌的位置信息、車標(biāo)形狀、車輛對稱性等先驗(yàn)知識(shí)，尋找到了虛框③上面的虛框④為車標(biāo)預(yù)估區(qū)域，在此虛框④內(nèi)進(jìn)行車標(biāo)定位。在本實(shí)施例的步驟S103中，如圖4所示，在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息，通過以下子步驟來實(shí)現(xiàn)步驟S1031，在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)提取sobel橫向紋理和縱向紋理；步驟S1032，比較提取橫向紋理后的灰度圖及提取縱向紋理后的灰度圖的灰度平均值，通過兩者差值確定所述車標(biāo)背景區(qū)域干擾的紋理方向；步驟S1033，提取與所述車標(biāo)背景區(qū)域干擾的紋理方向相反相的紋理圖像，生成車標(biāo)預(yù)估位置區(qū)域內(nèi)的車標(biāo)紋理灰度圖；步驟S1034，對所述車標(biāo)紋理化灰度圖進(jìn)行二值化處理，并進(jìn)行形態(tài)學(xué)濾波及腐蝕膨脹，生成所述車標(biāo)紋理灰度圖對應(yīng)的二值圖；步驟S1035，在所述車標(biāo)紋理化灰度圖對應(yīng)的二值圖基礎(chǔ)上進(jìn)行投影，尋找車標(biāo)對應(yīng)的左右邊界，生成車標(biāo)精確位置信息。在步驟S1031中，前面步驟102已經(jīng)找到了包含車標(biāo)的粗略位置區(qū)域，即如圖3中的虛框④內(nèi)區(qū)域所示，在此區(qū)域灰度圖的基礎(chǔ)上對虛框④內(nèi)區(qū)域提取sobel橫向紋理及縱向紋理，如下圖5和圖6所示。其中，圖5為車標(biāo)預(yù)估區(qū)域內(nèi)的橫向紋理，圖6為車標(biāo)預(yù)估區(qū)域內(nèi)的縱向紋理。
在步驟S1032和步驟S1033中，通過比較圖5與圖6分別提取紋理后的灰度圖的灰度平均值，如果兩者差值大于設(shè)定的紋理閾值(紋理閾值一般取15，當(dāng)然，可根據(jù)實(shí)際情況為其他數(shù)值)，則認(rèn)為車標(biāo)背景紋理為橫向紋理，所以應(yīng)該提取車標(biāo)預(yù)估區(qū)域內(nèi)的縱向紋理，濾除橫向散熱窗干擾等，只剩下車標(biāo)紋理信息。如果車標(biāo)預(yù)估區(qū)域提取橫縱向背景紋理后，如果縱向紋理平均值遠(yuǎn)大于橫向平均值，則認(rèn)為背景為縱向紋理，就需要提取橫向紋理，濾除背景的縱向紋理干擾而只剩下車標(biāo)信息，但如果橫向紋理與縱向紋理均值相近的話，則背景認(rèn)為是網(wǎng)狀紋理，此時(shí)將通過sobel濾波算子提取綜合紋理。即提取與所述車標(biāo)背景區(qū)域干擾的紋理方向相反相的紋理圖像，以生成車標(biāo)預(yù)估位置區(qū)域內(nèi)的車標(biāo)紋理灰度圖。此處的紋理提取、比較及sobel濾波算子的計(jì)算方法為本領(lǐng)域技術(shù)人員公知的技術(shù)，故此處不再贅述。在步驟S1034中，在圖6粗略濾除干擾的灰度圖像上經(jīng)過預(yù)處理尋找車標(biāo)精確位置，用OTSU的方法求圖6所示的灰度圖的二值化閾值，為了避免光線、陰影等造成的明暗不均的現(xiàn)象，以及車標(biāo)背景區(qū)域反光燈影響，用灰度圖的平均值修正OTSU求出來的二值化閾值，對圖6進(jìn)行二值化處理，然后再進(jìn)行形態(tài)學(xué)濾波、腐蝕膨脹，消除橫向長線等處理，圖6預(yù)處理后的效果如圖7所示。可以看到，灰度圖像已經(jīng)被二值化為二值圖。在步驟S1035中，在所述車標(biāo)紋理化灰度圖對應(yīng)的二值圖基礎(chǔ)上進(jìn)行投影，尋找車標(biāo)對應(yīng)的左右邊界，生成車標(biāo)精確位置信息。在圖2-圖7所示的實(shí)施例中，在圖7的二值圖的基礎(chǔ)上，進(jìn)行縱向投影，并求取縱向投影平均值nAvg，取平均值的一定比例k作為尋找左右邊界的閾值nTh=k*nAvg，以車牌中軸線為基準(zhǔn)，在橫向投影圖上左右擴(kuò)張尋找車標(biāo)左右邊界，當(dāng)連續(xù)一定點(diǎn)比例小于尋找邊界的閾值時(shí)，則認(rèn)為邊界終止，否則從新連接上的節(jié)點(diǎn)清零斷裂次數(shù)，重新一直左右尋找，圖7縱向投影圖如圖8所示，確定好車標(biāo)的左右邊界后，根據(jù)同樣方法進(jìn)行橫向投影，以尋找車標(biāo)的上下邊界，最終的車標(biāo)精確定位的結(jié)果如圖9中間虛框⑤所示。在步驟S104中，如圖10所示,根據(jù)所述車標(biāo)精確位置信息,提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖的步驟，包括以下子步驟步驟S1041，根據(jù)所述車牌定位中生成的車牌傾斜角度，對所述車標(biāo)精確灰度圖進(jìn)行傾斜校正；步驟S1042，對所述校正后的車標(biāo)精確灰度圖按照雙線性O(shè)TSU的方法進(jìn)行二值化處理，生成所述車標(biāo)對應(yīng)的二值圖。在本實(shí)施例中，根據(jù)車標(biāo)定位給出的車標(biāo)精確位置信息，提取車標(biāo)灰度圖，由前面的進(jìn)行車牌定位識(shí)別中計(jì)算出來的車牌傾斜角度，對車標(biāo)區(qū)域進(jìn)行傾斜校正，然后歸一化為40*40的圖形，為了防止因光線不均、樹影等干擾影響造成的明暗不均，對車標(biāo)灰度圖按照雙線性O(shè)TSU的方法進(jìn)行二值化。在步驟S105中，如圖11所示，將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配的步驟，包括步驟S1051，通過hough變換對所述車標(biāo)對應(yīng)的二值圖上的車標(biāo)進(jìn)行外輪廓擬合；步驟S1052，根據(jù)擬合結(jié)果對所述車標(biāo)進(jìn)行分類；步驟S1053，選擇與所述車標(biāo)對應(yīng)類型的車標(biāo)模板進(jìn)行匹配。在本實(shí)施例中，在二值圖的基礎(chǔ)上由hough變換對車標(biāo)進(jìn)行外輪廓擬合，同時(shí)根據(jù)車標(biāo)高寬比形狀等先驗(yàn)知識(shí)，將該車標(biāo)粗分為橢圓、圓形及不規(guī)則圖形中的一類，然后選擇該類型的車標(biāo)模版進(jìn)行匹配。hough變換是在二值圖上擬合圓的方法，即根據(jù)車牌與車標(biāo)關(guān)系，可以得出車標(biāo)最小半徑和最大半徑，即所要擬合圓的半徑最小值和最大值，根據(jù)對稱性，在車標(biāo)區(qū)域二值圖上以中心點(diǎn)為圓心坐標(biāo)，根據(jù)半徑范圍掃描圓周，計(jì)算圓周上白點(diǎn)個(gè)數(shù)，當(dāng)白點(diǎn)個(gè)數(shù)與周長比高于一定閾值時(shí)，認(rèn)為此圓有效，該車標(biāo)為圓形外輪廓車標(biāo)，否則以車標(biāo)區(qū)域中心點(diǎn)為基礎(chǔ)點(diǎn)，以最小半徑和最大半徑的二倍為橢圓長軸長范圍或者正方形邊長范圍掃描一周，判斷滿足正方形或者橢圓形的點(diǎn)占周長的比例，高于一定閾值時(shí)便認(rèn)為是橢圓形或者正方形外輪廓車標(biāo)，如果圓形、橢圓形、正方形擬合都失效的話則認(rèn)為屬于不規(guī)則類型車標(biāo)。車標(biāo)模版是根據(jù)類間差最大、類內(nèi)差最大的原則提取出來的具有代表性的車標(biāo)二值圖，大小為40*40，為了節(jié)省空間復(fù)雜度及時(shí)間復(fù)雜度，將二值圖八位合成一個(gè)字節(jié)，40*40大小的模版壓縮為40*5，目前每個(gè)類型的車標(biāo)有三個(gè)模板，個(gè)數(shù)可以根據(jù)實(shí)際情況進(jìn)行調(diào)整。在進(jìn)行車標(biāo)模板匹配時(shí)，考慮到定位很難以精確到車標(biāo)邊界的像素位置，并且在選取模版時(shí)也可能有一定的邊界干擾信息，所以采用滑動(dòng)匹配的方法，車標(biāo)二值圖在上、下、左、右四個(gè)方向上可以進(jìn)行I到2個(gè)像素的滑動(dòng)，空白部分補(bǔ)O對齊，然后將二值圖八位合成一個(gè)字節(jié)與模板進(jìn)行匹配，考慮到同一類型的車標(biāo)，如福特與比亞迪、起亞，大眾、別克與奔馳等，外輪廓相同都是圓形或者橢圓，只有內(nèi)部中心信息不一樣，所以在模版匹配時(shí)，根據(jù)位置信息進(jìn)行加權(quán)，40*40的車標(biāo)二值圖上，最外8層權(quán)重為1，中間16層權(quán)重為2，中心16層權(quán)重為3，如果沒匹配上為零分，匹配成功后根據(jù)位置權(quán)重不同分別置為I分、2分、3分，最后將分?jǐn)?shù)歸一化為O —100分，將滑動(dòng)匹配后的所有結(jié)果排序，選取分?jǐn)?shù)最高的為最終單幀車標(biāo)識(shí)別結(jié)果，設(shè)置單幀車標(biāo)識(shí)別置信度，如果最高置信度高于該值則認(rèn)為識(shí)別有效，否則拒識(shí)別。圖9中定位出來的車標(biāo)識(shí)別結(jié)果如圖12所示，其中，圖12中左一圖為原始定位灰度圖，左二圖為經(jīng)過傾斜校正、歸一化等預(yù)處理后的圖形，右二圖為雙線性O(shè)TSU 二值化之后的二值圖，右一圖是右二圖與模板庫中匹配之后，相似度最高的模板，匹配分?jǐn)?shù)為89分的奧迪模板，所以該車標(biāo)單幀識(shí)別結(jié)果為奧迪。在本發(fā)明實(shí)施例中，如圖13所示，除了包含圖1-圖11所示實(shí)施例的方法步驟外，還包括步驟S106，建立車輛跟蹤鏈，得到所述車輛的多個(gè)車標(biāo)識(shí)別結(jié)果，選擇所述多個(gè)車標(biāo)識(shí)別結(jié)果中的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為最終的車標(biāo)識(shí)別結(jié)果。其具體方法為對進(jìn)入視野中的車輛建立跟蹤鏈，跟蹤鏈上的每個(gè)節(jié)點(diǎn)都有該車輛的車標(biāo)識(shí)別結(jié)果，當(dāng)車輛滿足出圖條件或者駛出視野時(shí)，統(tǒng)計(jì)該跟蹤鏈上單幀車標(biāo)識(shí)別的最高分?jǐn)?shù)及對應(yīng)的車標(biāo)類型，出現(xiàn)次數(shù)最多的車標(biāo)及對應(yīng)置信度，如果兩種類型相同則為最終車標(biāo)識(shí)別結(jié)果，否則在出現(xiàn)次數(shù)最多的車標(biāo)中，求取一個(gè)均值置信度，如果第一種最高置信度高于該均值置信度一定分?jǐn)?shù)，則按出現(xiàn)分?jǐn)?shù)最高的車標(biāo)類型定位最終識(shí)別結(jié)果，否則選出現(xiàn)次數(shù)最多的車標(biāo)類型為最終識(shí)別結(jié)果。建立跟蹤鏈進(jìn)行優(yōu)選匹配，可以提高匹配精度，藉以提高車標(biāo)識(shí)別精度。圖14為本發(fā)明實(shí)施例的車標(biāo)定位識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖。如圖所示，本實(shí)施例的車標(biāo)定位識(shí)別系統(tǒng)包括圖像采集裝置101，用于采集車輛的車頭圖像；車標(biāo)預(yù)估位置區(qū)域生成裝置102，用于利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域；車標(biāo)精確位置信息生成裝置103，用于在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息；車標(biāo)二值圖生成裝置104，用于根據(jù)所述車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖；車標(biāo)識(shí)別結(jié)果生成裝置105，用于將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配，根據(jù)位置信息進(jìn)行加權(quán)計(jì)算，計(jì)算得到的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為車標(biāo)識(shí)別結(jié)果。在本實(shí)施例中，圖像采集裝置可為高清攝像機(jī)，捕獲進(jìn)入視野的車頭圖像，200W場景下每秒鐘15幀，圖像大小為1600*1200，500W場景下為每秒鐘7幀，大小為2432*2048，圖像分辨率根據(jù)高清攝像機(jī)的不同可進(jìn)行調(diào)整。在本實(shí)施例的下述步驟中，是對步驟SlOl中采取到的每一幀圖像進(jìn)行處理，生成對應(yīng)每一幀的車標(biāo)識(shí)別結(jié)果。在本實(shí)施例中，如圖15所示，車標(biāo)預(yù)估位置區(qū)域生成裝置101包括圖像壓縮單元1011，用于對所述采集的車頭圖像按比例進(jìn)行壓縮，生成灰度圖像。接收到高清攝像機(jī)采集的車頭圖像后，為了減少復(fù)雜度，對彩色圖像按比例進(jìn)行壓縮，同時(shí)進(jìn)行降維提取灰度圖像作為接下來進(jìn)行車標(biāo)定位識(shí)別的輸入。車輛區(qū)域生成單元1012，用于在所述灰度圖像上根據(jù)高斯模型建立背景，根據(jù)背景差和幀差進(jìn)行車輛定位，即由相鄰三幀“做差取與”對進(jìn)行出來的車輛進(jìn)行確認(rèn)，從而生成車輛位置區(qū)域。車牌區(qū)域生成單元1013，用于在所述車輛位置區(qū)域內(nèi)，根據(jù)車輛的紋理信息及顏色信息進(jìn)行車牌定位，生成車牌位置區(qū)域。在本實(shí)施例中，還包括通過字符切割及粗識(shí)別，尋找車牌定位中最優(yōu)車牌然后進(jìn)行精確識(shí)別，如果識(shí)別置信度低于預(yù)設(shè)的識(shí)別閾值則認(rèn)為該車輛不含有效牌，車輛定位結(jié)果有可能有偏差，車輛區(qū)域內(nèi)不含有效車牌及車標(biāo)區(qū)域，否則認(rèn)為該車輛定位有效。車標(biāo)預(yù)估區(qū)域生成單元1014，用于在所述車牌位置區(qū)域內(nèi)，根據(jù)所述車標(biāo)與車牌的先驗(yàn)信息進(jìn)行車標(biāo)定位，生成車標(biāo)預(yù)估區(qū)域，其中，所述車標(biāo)與車牌的先驗(yàn)信息包括車標(biāo)與車牌的位置信息、車標(biāo)形狀以及車輛對稱性。在本實(shí)施例中，如圖16所示，車標(biāo)精確位置信息生成裝置102包括紋理提取單元1021，用于在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)提取sobel橫向紋理和縱向紋理。背景干擾紋理確定單元1022，用于比較提取橫向紋理后的灰度圖及提取縱向紋理后的灰度圖的灰度平均值，通過兩者差值確定所述車標(biāo)背景區(qū)域干擾的紋理方向。車標(biāo)紋理灰度圖生成單元1023，用于提取與所述車標(biāo)背景區(qū)域干擾的紋理方向相反相的紋理圖像，生成車標(biāo)預(yù)估位置區(qū)域內(nèi)的車標(biāo)紋理灰度圖。本實(shí)施例中，如果兩者差值大于設(shè)定的紋理閾值(紋理閾值一般取15，當(dāng)然，可根據(jù)實(shí)際情況為其他數(shù)值)，則認(rèn)為車標(biāo)背景紋理為橫向紋理，所以應(yīng)該提取車標(biāo)預(yù)估區(qū)域內(nèi)的縱向紋理，濾除橫向散熱窗干擾等，只剩下車標(biāo)紋理信息。如果車標(biāo)預(yù)估區(qū)域提取橫縱向背景紋理后，如果縱向紋理平均值遠(yuǎn)大于橫向平均值，則認(rèn)為背景為縱向紋理，就需要提取橫向紋理，濾除背景的縱向紋理干擾而只剩下車標(biāo)信息，但如果橫向紋理與縱向紋理均值相近的話，則背景認(rèn)為是網(wǎng)狀紋理，此時(shí)將通過sobel濾波算子提取綜合紋理。即提取與所述車標(biāo)背景區(qū)域干擾的紋理方向相反相的紋理圖像，以生成車標(biāo)預(yù)估位置區(qū)域內(nèi)的車標(biāo)紋理灰度圖。車標(biāo)紋理二值圖生成單元1024，用于對所述車標(biāo)紋理化灰度圖進(jìn)行二值化處理，并進(jìn)行形態(tài)學(xué)濾波及腐蝕膨脹，生成所述車標(biāo)紋理灰度圖對應(yīng)的二值圖。車標(biāo)邊界定位單元1025，用于在所述車標(biāo)紋理化灰度圖對應(yīng)的二值圖基礎(chǔ)上進(jìn)行投影，尋找車標(biāo)對應(yīng)的左右邊界，生成車標(biāo)精確位置信息。在本實(shí)施例中，如圖17所示，車標(biāo)二值圖生成裝置103包括傾斜校正單元1031，用于根據(jù)所述車牌定位識(shí)別中生成的車牌傾斜角度，對所述車標(biāo)精確灰度圖進(jìn)行傾斜校正；車標(biāo)二值圖生成單元1032，用于對所述校正后的車標(biāo)精確灰度圖按照雙線性O(shè)TSU的方法進(jìn)行二值化處理，生成所述車標(biāo)對應(yīng)的二值圖。在本實(shí)施例中，根據(jù)車標(biāo)定位給出的車標(biāo)精確位置信息，提取車標(biāo)灰度圖，由前面的進(jìn)行車牌定位識(shí)別中計(jì)算出來的車牌傾斜角度，對車標(biāo)區(qū)域進(jìn)行傾斜校正，然后歸一化為40*40的圖形，為了防止因光線不均、樹影等干擾影響造成的明暗不均，對車標(biāo)灰度圖按照雙線性O(shè)TSU的方法進(jìn)行二值化。在本實(shí)施例中，如圖18所示，車標(biāo)識(shí)別結(jié)果生成裝置104包括擬合單元1041，用于通過hough變換對所述車標(biāo)對應(yīng)的二值圖上的車標(biāo)進(jìn)行外輪廓擬合；分類單元1042,用于根據(jù)擬合結(jié)果對所述車標(biāo)進(jìn)行分類；匹配單元1043，用于將所述車標(biāo)與所述車標(biāo)對應(yīng)類型的車標(biāo)模板進(jìn)行匹配。在本實(shí)施例中，在二值圖的基礎(chǔ)上由hough變換對車標(biāo)進(jìn)行外輪廓擬合，同時(shí)根據(jù)車標(biāo)高寬比形狀等先驗(yàn)知識(shí)，將該車標(biāo)粗分為橢圓、圓形及不規(guī)則圖形中的一類，然后選擇該類型的車標(biāo)模版進(jìn)行匹配。車標(biāo)模版是根據(jù)類間差最大、類內(nèi)差最大的原則提取出來的具有代表性的車標(biāo)二值圖，大小為40*40，為了節(jié)省空間復(fù)雜度及時(shí)間復(fù)雜度，將二值圖八位合成一個(gè)字節(jié)，40*40大小的模版壓縮為40*5，目前每個(gè)類型的車標(biāo)有三個(gè)模板，個(gè)數(shù)可以根據(jù)實(shí)際情況進(jìn)行調(diào)整。在進(jìn)行車標(biāo)模板匹配時(shí)，考慮到定位很難以精確到車標(biāo)邊界的像素位置，并且在選取模版時(shí)也可能有一定的邊界干擾信息，所以采用滑動(dòng)匹配的方法，車標(biāo)二值圖在上、下、左、右四個(gè)方向上可以進(jìn)行I到2個(gè)像素的滑動(dòng)，空白部分補(bǔ)O對齊，然后將二值圖八位合成一個(gè)字節(jié)與模板進(jìn)行匹配，考慮到同一類型的車標(biāo)，如福特與比亞迪、起亞，大眾、別克與奔馳等，外輪廓相同都是圓形或者橢圓，只有內(nèi)部中心信息不一樣，所以在模版匹配時(shí)，根據(jù)位置信息進(jìn)行加權(quán)，40*40的車標(biāo)二值圖上，最外8層權(quán)重為1，中間16層權(quán)重為2，中心16層權(quán)重為3，如果沒匹配上為零分，匹配成功后根據(jù)位置權(quán)重不同分別置為I分、2分、3分，最后將分?jǐn)?shù)歸一化為O —100分，將滑動(dòng)匹配后的所有結(jié)果排序，選取分?jǐn)?shù)最高的為最終單幀車標(biāo)識(shí)別結(jié)果，設(shè)置單幀車標(biāo)識(shí)別置信度，如果最高置信度高于該值則認(rèn)為識(shí)別有效，否則拒識(shí)別。在本發(fā)明中，如圖19所示，本發(fā)明的車標(biāo)定位識(shí)別系統(tǒng)除了包含圖14-圖18所示實(shí)施例的結(jié)構(gòu)外，還包括多幀車標(biāo)優(yōu)選裝置106，用于建立車輛跟蹤鏈，得到所述車輛的多個(gè)車標(biāo)識(shí)別結(jié)果，選擇所述多個(gè)車標(biāo)識(shí)別結(jié)果中的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為最終的車標(biāo)識(shí)別結(jié)果。該裝置對進(jìn)入視野中的車輛建立跟蹤鏈，跟蹤鏈上的每個(gè)節(jié)點(diǎn)都有該車輛的車標(biāo)識(shí)別結(jié)果，當(dāng)車輛滿足出圖條件或者駛出視野時(shí)，統(tǒng)計(jì)該跟蹤鏈上單幀車標(biāo)識(shí)別的最高分?jǐn)?shù)及對應(yīng)的車標(biāo)類型，出現(xiàn)次數(shù)最多的車標(biāo)及對應(yīng)置信度，如果兩種類型相同則為最終車標(biāo)識(shí)別結(jié)果，否則在出現(xiàn)次數(shù)最多的車標(biāo)中，求取一個(gè)均值置信度，如果第一種最高置信度高于該均值置信度一定分?jǐn)?shù)，則按出現(xiàn)分?jǐn)?shù)最高的車標(biāo)類型定位最終識(shí)別結(jié)果，否則選出現(xiàn)次數(shù)最多的車標(biāo)類型為最終識(shí)別結(jié)果。建立跟蹤鏈進(jìn)行優(yōu)選匹配，可以提高匹配精度，藉以提聞車標(biāo)識(shí)別精度。圖20 (a)、(b)、(c)、(d)為利用本發(fā)明的車標(biāo)定位識(shí)別方法及系統(tǒng)，對幾種車型的車標(biāo)進(jìn)行識(shí)別的處理流程圖。其顯示過程是從車標(biāo)定位灰度圖一傾斜校正后的圖像一雙線性O(shè)TSU 二值化之后的二值圖一模板庫中匹配模板。其中，圖20 (a)為對奧迪車車標(biāo)的識(shí)別過程，其匹配分?jǐn)?shù)為85分；圖20 (b)為對大眾車車標(biāo)的識(shí)別結(jié)果，其匹配分?jǐn)?shù)為82分；圖20 (c)為對寶馬車車標(biāo)的識(shí)別結(jié)果，其匹配分?jǐn)?shù)為77分；圖20 (d)為對鈴木車車標(biāo)的識(shí)別結(jié)果，其匹配分?jǐn)?shù)為78分。而在對某高速路上對幾種常見車標(biāo)進(jìn)行識(shí)別測試，測試的指標(biāo)如下奧迪99% ;大眾99% ;鈴木90% ;寶馬86% ;吉利85% ;奔馳83% ;現(xiàn)代89% ;豐田97%;本田98%。因此，本發(fā)明的標(biāo)定位識(shí)別方法及系統(tǒng)可以對車標(biāo)進(jìn)行精確定位和有效識(shí)別。本發(fā)明實(shí)施例的車標(biāo)定位識(shí)別方法及系統(tǒng)，在車輛存在有效牌的前提下，能夠快速的定位出車標(biāo)位置，并進(jìn)行單幀識(shí)別、多幀確認(rèn)，通過車牌和車標(biāo)確定車型和車輛的唯一性。以上所述的具體實(shí)施例，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種車標(biāo)定位識(shí)別的方法，其特征在于，所述方法包括: 利用高清攝像機(jī)采集車輛的車頭圖像； 利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域； 在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息； 根據(jù)所述車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖； 將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配，根據(jù)位置信息進(jìn)行加權(quán)計(jì)算，計(jì)算得到的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為車標(biāo)識(shí)別結(jié)果。
2.根據(jù)權(quán)利要求1所述的車標(biāo)定位識(shí)別的方法，其特征在于，所述利用所述車頭圖像，進(jìn)行車輛定位和車牌定位，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域的步驟，其包括: 對所述采集的車頭圖像按比例進(jìn)行壓縮，生成灰度圖像； 在所述灰度圖像上根據(jù)高斯模型建立背景，根據(jù)背景差和幀差進(jìn)行車輛定位，生成車輛位置區(qū)域； 在所述車輛位置區(qū)域內(nèi)，根據(jù)車輛的紋理信息及顏色信息進(jìn)行車牌定位識(shí)別，生成車牌位置區(qū)域； 在所述車牌位置區(qū)域內(nèi)， 根據(jù)所述車標(biāo)與車牌的先驗(yàn)信息進(jìn)行車標(biāo)定位，生成車標(biāo)預(yù)估區(qū)域。
3.根據(jù)權(quán)利要求1-2中任一項(xiàng)所述的車標(biāo)定位識(shí)別的方法，其特征在于，所述車標(biāo)與車牌的先驗(yàn)信息包括車標(biāo)與車牌的位置信息、車標(biāo)形狀以及車輛對稱性。
4.根據(jù)權(quán)利要求1所述的車標(biāo)定位識(shí)別的方法，其特征在于，所述在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息的步驟，包括: 在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)提取sobel橫向紋理和縱向紋理； 比較提取橫向紋理后的灰度圖及提取縱向紋理后的灰度圖的灰度平均值，通過兩者差值確定所述車標(biāo)背景區(qū)域干擾的紋理方向； 提取與所述車標(biāo)背景區(qū)域干擾的紋理方向相反相的紋理圖像，生成車標(biāo)預(yù)估位置區(qū)域內(nèi)的車標(biāo)紋理灰度圖； 對所述車標(biāo)紋理化灰度圖進(jìn)行二值化處理，并進(jìn)行形態(tài)學(xué)濾波及腐蝕膨脹，生成所述車標(biāo)紋理灰度圖對應(yīng)的二值圖； 在所述車標(biāo)紋理化灰度圖對應(yīng)的二值圖基礎(chǔ)上進(jìn)行投影，尋找車標(biāo)對應(yīng)的左右邊界，生成車標(biāo)精確位置信息。
5.根據(jù)權(quán)利要求1所述的車標(biāo)定位識(shí)別的方法，其特征在于，所述根據(jù)所述車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖的步驟，包括:根據(jù)所述車牌定位識(shí)別中生成的車牌傾斜角度，對所述車標(biāo)精確灰度圖進(jìn)行傾斜校正； 對所述校正后的車標(biāo)精確灰度圖按照雙線性O(shè)TSU的方法進(jìn)行二值化處理，生成所述車標(biāo)對應(yīng)的二值圖。
6.根據(jù)權(quán)利要求5所述的車標(biāo)定位識(shí)別的方法，其特征在于，所述將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配的步驟，包括: 通過hough變換對所述車標(biāo)對應(yīng)的二值圖上的車標(biāo)進(jìn)行外輪廓擬合； 根據(jù)擬合結(jié)果對所述車標(biāo)進(jìn)行分類； 選擇與所述車標(biāo)對應(yīng)類型的車標(biāo)模板進(jìn)行匹配。
7.根據(jù)權(quán)利要求1所述的車標(biāo)定位識(shí)別的方法，其特征在于，在得到車標(biāo)識(shí)別結(jié)果后，還包括: 建立車輛跟蹤鏈，得到所述 車輛的多個(gè)車標(biāo)識(shí)別結(jié)果，選擇所述多個(gè)車標(biāo)識(shí)別結(jié)果中的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為最終的車標(biāo)識(shí)別結(jié)果。
8.一種車標(biāo)定位識(shí)別的系統(tǒng)，其特征在于，所述系統(tǒng)包括: 圖像采集裝置，用于采集車輛的車頭圖像； 車標(biāo)預(yù)估位置區(qū)域生成裝置，用于利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域； 車標(biāo)精確位置信息生成裝置，用于在所述車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息； 車標(biāo)二值圖生成裝置，用于根據(jù)所述車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖； 車標(biāo)識(shí)別結(jié)果生成裝置，用于將所述車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配，根據(jù)位置信息進(jìn)行加權(quán)計(jì)算，計(jì)算得到的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為車標(biāo)識(shí)別結(jié)果。
9.根據(jù)權(quán)利要求8所述的車標(biāo)定位識(shí)別的系統(tǒng)，其特征在于，所述車標(biāo)預(yù)估位置區(qū)域生成裝置包括: 圖像壓縮單元，用于對所述采集的車頭圖像按比例進(jìn)行壓縮，生成灰度圖像； 車輛區(qū)域生成單元，用于在所述灰度圖像上根據(jù)高斯模型建立背景，根據(jù)背景差和幀差進(jìn)行車輛定位，生成車輛位置區(qū)域； 車牌區(qū)域生成單元，用于在所述車輛位置區(qū)域內(nèi)，根據(jù)車輛的紋理信息及顏色信息進(jìn)行車牌定位識(shí)別，生成車牌位置區(qū)域； 車標(biāo)預(yù)估區(qū)域生成單元，用于在所述車牌位置區(qū)域內(nèi)，根據(jù)所述車標(biāo)與車牌的先驗(yàn)信息進(jìn)行車標(biāo)定位，生成車標(biāo)預(yù)估區(qū)域。
10.根據(jù)權(quán)利要求8-9中任一項(xiàng)所述的車標(biāo)定位識(shí)別的系統(tǒng)，其特征在于，所述車標(biāo)與車牌的先驗(yàn)信息包括車標(biāo)與車牌的位置信息、車標(biāo)形狀以及車輛對稱性。
11.根據(jù)權(quán)利要求8所述的車標(biāo)定位識(shí)別的系統(tǒng)，其特征在于，所述車標(biāo)精確位置信息生成裝置包括: 紋理提取單元，用于在所述車標(biāo)預(yù)估位置區(qū)域內(nèi)提取sobel橫向紋理和縱向紋理；背景干擾紋理確定單元，用于比較提取橫向紋理后的灰度圖及提取縱向紋理后的灰度圖的灰度平均值，通過兩者差值確定所述車標(biāo)背景區(qū)域干擾的紋理方向； 車標(biāo)紋理灰度圖生成單元，用于提取與所述車標(biāo)背景區(qū)域干擾的紋理方向相反相的紋理圖像，生成車標(biāo)預(yù)估位置區(qū)域內(nèi)的車標(biāo)紋理灰度圖； 車標(biāo)紋理二值圖生成單元，用于對所述車標(biāo)紋理化灰度圖進(jìn)行二值化處理，并進(jìn)行形態(tài)學(xué)濾波及腐蝕膨脹，生成所述車標(biāo)紋理灰度圖對應(yīng)的二值圖； 車標(biāo)邊界定位單元，用于在所述車標(biāo)紋理化灰度圖對應(yīng)的二值圖基礎(chǔ)上進(jìn)行投影，尋找車標(biāo)對應(yīng)的左右邊界，生成車標(biāo)精確位置信息。
12.根據(jù)權(quán)利要求8所述的車標(biāo)定位識(shí)別的系統(tǒng)，其特征在于，所述車標(biāo)二值圖生成裝置根據(jù)所述車標(biāo)精確 位置信息，提取車標(biāo)精確灰度圖，并將所述車標(biāo)精確灰度圖進(jìn)行二值化，生成所述車標(biāo)對應(yīng)的二值圖，包括: 傾斜校正單元，用于根據(jù)所述車牌定位識(shí)別中生成的車牌傾斜角度，對所述車標(biāo)精確灰度圖進(jìn)行傾斜校正; 車標(biāo)二值圖生成單元，用于對所述校正后的車標(biāo)精確灰度圖按照雙線性O(shè)TSU的方法進(jìn)行二值化處理，生成所述車標(biāo)對應(yīng)的二值圖。
13.根據(jù)權(quán)利要求8所述的車標(biāo)定位識(shí)別的系統(tǒng)，其特征在于，所述車標(biāo)識(shí)別結(jié)果生成裝置包括: 擬合單元，用于通過hough變換對所述車標(biāo)對應(yīng)的二值圖上的車標(biāo)進(jìn)行外輪廓擬合； 分類單元，用于根據(jù)擬合結(jié)果對所述車標(biāo)進(jìn)行分類； 匹配單元，用于將所述車標(biāo)與所述車標(biāo)對應(yīng)類型的車標(biāo)模板進(jìn)行匹配。
14.根據(jù)權(quán)利要求8所述的車標(biāo)定位識(shí)別的系統(tǒng)，其特征在于，所述車標(biāo)定位識(shí)別裝置還包括: 多幀車標(biāo)優(yōu)選裝置，用于建立車輛跟蹤鏈，得到所述車輛的多個(gè)車標(biāo)識(shí)別結(jié)果，選擇所述多個(gè)車標(biāo)識(shí)別結(jié)果中的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為最終的車標(biāo)識(shí)別結(jié)果。
全文摘要
本發(fā)明公開了一種車標(biāo)定位識(shí)別的方法，包括利用高清攝像機(jī)采集車輛的車頭圖像；利用所述車頭圖像，進(jìn)行車輛定位和車牌定位識(shí)別，并根據(jù)車標(biāo)與車牌的先驗(yàn)信息，生成車標(biāo)預(yù)估位置區(qū)域；在車標(biāo)預(yù)估位置區(qū)域中，根據(jù)提取的紋理信息濾除車標(biāo)背景區(qū)域干擾，在濾除車標(biāo)背景區(qū)域干擾后的車標(biāo)紋理灰度圖上進(jìn)行二值化，在生成的二值化圖像上通過尋找連通域方法在車標(biāo)預(yù)估位置區(qū)域內(nèi)進(jìn)行車標(biāo)精確定位，生成車標(biāo)精確位置信息；根據(jù)車標(biāo)精確位置信息，提取車標(biāo)精確灰度圖，并將車標(biāo)精確灰度圖進(jìn)行二值化，生成車標(biāo)對應(yīng)的二值圖；將車標(biāo)對應(yīng)的二值圖與預(yù)存的車標(biāo)模板進(jìn)行匹配，根據(jù)位置信息進(jìn)行加權(quán)計(jì)算，計(jì)算得到的分?jǐn)?shù)最高者對應(yīng)的車標(biāo)類型為車標(biāo)識(shí)別結(jié)果。
文檔編號G06K9/00GK103077384SQ201310009960
公開日2013年5月1日 申請日期2013年1月10日 優(yōu)先權(quán)日2013年1月10日
發(fā)明者葛雷鳴, 房顏明, 成瑜娟 申請人:北京萬集科技股份有限公司