基于深度學(xué)習的典型車標搜索方法
【專利摘要】本發(fā)明屬于智能交通領(lǐng)域，具體涉及一種基于深度學(xué)習的典型車標搜索方法,包括步驟：(1)獲取待處理圖像；(2)建立深度置信網(wǎng)絡(luò)，并區(qū)分為圓形車標深度置信網(wǎng)絡(luò)和橢圓形車標置信網(wǎng)絡(luò)；(3)車標定位：對待處理圖像進行檢測處理，將檢測結(jié)果分為包含圓形車標的圖像、包含橢圓形車標的圖像和其它圖像三類；(4)車標預(yù)處理：將包含圓形車標的圖像進行截圖處理，獲得圓形車標；將包含橢圓形車標的圖像進行截圖處理，獲得橢圓形車標；并對上述獲得的車標圖像尺寸進行歸一化；(5)車標識別：圓形車標輸入圓形車標深度置信網(wǎng)絡(luò)，獲得車標分類結(jié)果；將橢圓形車標輸入橢圓形車標深度置信網(wǎng)絡(luò)，獲得車標分類結(jié)果。
【專利說明】基于深度學(xué)習的典型車標搜索方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能交通領(lǐng)域，具體涉及一種基于深度學(xué)習的典型車標搜索方法。

【背景技術(shù)】
[0002] 視頻監(jiān)控廣泛應(yīng)用于交通領(lǐng)域，基于高清卡口視頻的車標搜索是智能交通管理的 重要功能。其處理流程為：首先在高清視頻圖像中定位車標區(qū)域，然后提取車標圖像特征， 最后實現(xiàn)車標分類。車標搜索可以增強交管部門對車輛的監(jiān)管力度，對打擊交通肇事逃逸、 追查嫌疑車輛、識別套牌車輛等具有重要作用。
[0003] 現(xiàn)有的車標定位方法如專利201310021485. 8,201310251595. 3利用形態(tài)學(xué)方法 進行定位，易受汽車前臉中網(wǎng)等其他連續(xù)線條影響；專利201310559774. 3,201310009960. X利用紋理特征基于模板匹配進行車標定位，易受汽車姿態(tài)、車標圖像大小等因素影響，存 在定位效果較差的問題。
[0004] 現(xiàn)有的車標識別主要基于模板匹配、特征點匹配等方法實現(xiàn)，如專利 201310021839. 9采用PCA分析法提取包括多個特征點的集合，專利201310170528. 9提取 SIFT特征點集，上述兩種方法都是針對特征點集合進行識別，易受反光等因素影響；專利 201310251595. 3將車標模板旋轉(zhuǎn)若干角度后進行比對，在未知真實車標旋轉(zhuǎn)角度的情況 下，該方法并不具有旋轉(zhuǎn)魯棒性；現(xiàn)有方法易受車輛姿態(tài)、成像角度、環(huán)境光照、遮擋陰影等 因素干擾，車標特征提取與分類受影響很大。


【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有車標搜索技術(shù)的不足，本發(fā)明提出了一種基于深度學(xué)習的典型車標搜索 方法，該方法包括基于Hough變換的車標輪廓定位方法、基于深度置信網(wǎng)絡(luò)（De印Belief Networks, DBNs)的車標識別方法。
[0006] 具體技術(shù)方案為：
[0007] -種基于深度學(xué)習的典型車標搜索方法，包括以下步驟：
[0008] (1)獲取待處理圖像；
[0009] ⑵建立深度置信網(wǎng)絡(luò)：收集已知品牌的車標圖像，建立對應(yīng)的深度置信網(wǎng)絡(luò)，并 區(qū)分為圓形車標深度置信網(wǎng)絡(luò)和橢圓形車標置信網(wǎng)絡(luò)；
[0010] ⑶車標定位：對待處理圖像進行檢測處理，將檢測結(jié)果分為包含圓形車標的圖 像、包含橢圓形車標的圖像和其它圖像三類；
[0011] (4)車標預(yù)處理：根據(jù)所述步驟（3)的定位結(jié)果，對包含圓形車標的圖像進行截裁 剪處理，獲得圓形車標；對包含橢圓形車標的圖像進行裁剪處理，獲得橢圓形車標，并對兩 類車標圖像尺寸進行歸一化，將其高度值大小統(tǒng)一；
[0012] (5)車標識別：將所述步驟（4)中的圓形車標輸入到所述步驟（2)中的圓形車標 深度置信網(wǎng)絡(luò)，獲得車標分類結(jié)果；將所述步驟（4)中的橢圓形車標輸入到所述步驟（2)中 的橢圓形車標深度置信網(wǎng)絡(luò)，獲得車標分類結(jié)果。
[0013] 進一步地，所述步驟（3)中的所述車標定位中對待處理圖像進行檢測處理，采用 融合幾何特征和Hough變換方法，具體分為，
[0014] 第一類，融合幾何特征和Hough變換的圓形車標定位方法，步驟如下，
[0015] (311)根據(jù)待處理圖像尺寸，預(yù)設(shè)圓形車標半徑大小在范圍（Rmin，R nJ內(nèi)，設(shè)定 Thmin為曲線段長度選擇閾值，搜索待處理圖像中的連續(xù)輪廓曲線，標記曲線的位置，將長度 大于閾值Thmin的曲線加入線段集Q = (Q1, Q2，…，Qn)，其中，Q1, Q2，…，Qn表示曲線段，n為 自然數(shù)；
[0016] (312)對于曲線段Qi,其中1彡i彡n，記錄曲線段上兩點之間距離滿足（Th min, RmJ的弦線段，根據(jù)圓上弦線段的幾何特征來計算圓心，并計算圓參數(shù)，同時對符合該組 圓參數(shù)的圓進行計數(shù)，即圓心和半徑參數(shù)相同的為一組，總共檢測到t組，得到圓集C = (C1, C2，…，Ct)，Cj = (Xj, y」，r」)，1彡j彡t，t為自然數(shù)，其中Xj, y」，r」分別表示第j個圓的 圓心的橫坐標、縱坐標以及半徑，圓的序號從1至t ;
[0017] (313)計算圓集C中各圓之間的相似度，將圓心坐標點距離小于Thc，和半徑之差 絕對值小于ThR的圓合并，取Oi = max(C)，為C中出現(xiàn)最多的圓，其中，Thc為圓心距離閾 值，ThK為半徑差異閾值，二者均可在實際應(yīng)用中根據(jù)精度和速度要求進行調(diào)整；
[0018] (314)按照步驟（312)至步驟（313)，i取值從1至n，可得圓集0= (O1, O2，…，On), 計算〇mM= maX(〇)，即為檢測到圓形車標；
[0019] 第二類，融合幾何特征和Hough變換的橢圓形車標定位方法，步驟如下，
[0020] (321)初始化二維累加矩陣E (w，h) = 0,其中w，h為待處理圖像的尺寸大??；
[0021] (322)對待處理圖像進行邊緣檢測并二值化為圖像V，設(shè)置背景值為0,邊緣值為 1 ;
[0022] (323)對V中各非零點計算其切線方向；
[0023] (324)在V中遍歷切線方向相同的任意兩點，計算其中點坐標（X，y),并使對應(yīng) E (X，y)加 1 ;
[0024] (325)選擇累加矩陣E (w，h)中值最大的元素，其對應(yīng)坐標為橢圓形車標的中心坐 標，即為檢測到的橢圓形車標；
[0025] 進一步地，所述步驟（5)中的車標識別具體步驟為，圓形車標輸入到圓形車標深 度置信網(wǎng)絡(luò)，獲得車標分類結(jié)果；橢圓形車標輸入到橢圓形車標深度置信網(wǎng)絡(luò)，獲得車標分 類結(jié)果；
[0026] 進一步的，所述Thmin值取Rmin值的六分之一大小。
[0027] 采用本發(fā)明取得的有益效果：本發(fā)明所采用的利用深度置信網(wǎng)絡(luò)（DBNs)進行車 標識別的方法，可以快速、準確地識別車標圖像，利用DBNs多層抽象，以較少參數(shù)表示復(fù)雜 函數(shù)，從微觀像素中有效提取抽象特征，在訓(xùn)練樣本豐富時，分類效果優(yōu)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)； 本發(fā)明是基于Hough變換檢測定位具有圓形和橢圓形輪廓的若干種車標，相對于現(xiàn)有技 術(shù)，針對每種車標分別進行檢測定位的方法，本方法更具有通用性，定位效果更好；融合了 圓形或橢圓形幾何特征，相對于原始Hough變換方法，可以進一步提高定位速度和準確性。

【專利附圖】

【附圖說明】
[0028] 圖1是本發(fā)明實現(xiàn)過程的流程圖；
[0029] 圖2是圓形的幾何特征示意圖；
[0030] 圖3是橢圓的幾何特征示意圖；
[0031] 圖4是深度置信網(wǎng)絡(luò)DBNs的結(jié)構(gòu)圖。

【具體實施方式】
[0032] 下面結(jié)合附圖和具體實施例對本發(fā)明作進一步說明。
[0033] 在介紹實施例之前，先將本發(fā)明運用到的圓形幾何特征和橢圓形幾何特征作說 明，
[0034] 1、圓形幾何特征。
[0035] 經(jīng)統(tǒng)計，多數(shù)類型的車標都具有圓形或橢圓形輪廓，因此檢測圖像中可能存在的 圓形或橢圓圖案，可實現(xiàn)對具有該類圖案車標的精確定位。本發(fā)明利用Hough變換結(jié)合幾 何特性實現(xiàn)典型車標定位。
[0036] 如圖2所示，圓具有兩條弦垂直平分線的交點為圓心這一幾何特征。假設(shè)點A(xl， yl)、B (x2, y2)分別為圓上某條弦的兩個端點坐標，為圓的半徑下限、上限，則滿足 下面公式：
[0037] X1-X21 ^ 2rmax, | yry21 ^ 2rmax
[0038] (X1-X2)2+ (Y1-Y2) ^ 4rmax2
[0039] 則該線段的垂直平分線可以表示為：

【權(quán)利要求】
1. 一種基于深度學(xué)習的典型車標搜索方法，其特征在于，包括以下步驟： (1)獲取待處理圖像； ⑵建立深度置信網(wǎng)絡(luò)：收集已知品牌的車標圖像，建立對應(yīng)的深度置信網(wǎng)絡(luò)，并區(qū)分 為圓形車標深度置信網(wǎng)絡(luò)和橢圓形車標深度置信網(wǎng)絡(luò)； (3) 車標定位：對待處理圖像進行檢測處理，將檢測結(jié)果分為包含圓形車標的圖像、包 含橢圓形車標的圖像和其它圖像三類； (4) 車標預(yù)處理：根據(jù)所述步驟（3)的定位結(jié)果，對包含圓形車標的圖像進行截裁剪處 理，獲得圓形車標；對包含橢圓形車標的圖像進行裁剪處理，獲得橢圓形車標，并對兩類車 標圖像尺寸進行歸一化，將其高度值大小統(tǒng)一； (5) 車標識別：將所述步驟（4)中的圓形車標輸入到所述步驟（2)中的圓形車標深度 置信網(wǎng)絡(luò)，獲得車標分類結(jié)果；將所述步驟（4)中的橢圓形車標輸入到所述步驟（2)中的橢 圓形車標深度置信網(wǎng)絡(luò)，獲得車標分類結(jié)果。
2. 如權(quán)利要求1所述的一種基于深度學(xué)習的典型車標搜索方法，其特征在于：所述步 驟（3)中的所述車標定位中對待處理圖像進行檢測處理，采用融合幾何特征和Hough變換 方法，具體分為， 第一類，融合幾何特征和Hough變換的圓形車標定位方法，步驟如下， (311) 根據(jù)待處理圖像尺寸，預(yù)設(shè)圓形車標半徑大小在范圍（Rmin，Rmax)內(nèi)，設(shè)定他_為 曲線段長度選擇閾值，搜索待處理圖像中的連續(xù)輪廓曲線，標記曲線的位置，將長度大于閾 值Thmin的曲線加入線段集Q = (Qi，Q2，…，Qn)，其中，Qi，Q2，…，Qn表示曲線段，n為自然數(shù)； (312) 對于曲線段％，其中1彡i彡n，記錄曲線段上兩點之間距離滿足（Th^U的 弦線段，根據(jù)圓上弦線段的幾何特征來計算圓心，并計算圓參數(shù)，同時對符合該組圓參數(shù)的 圓進行計數(shù)，即圓心和半徑參數(shù)相同的為一組，總共檢測到t組，得到圓集C= ，Ct)，Cj = (X」，y」，rj，1彡j彡t，t為自然數(shù)，其中X」，y」，rj分別表示第j個圓的圓心的橫 坐標、縱坐標以及半徑，圓的序號從1至t ; (313) 計算圓集C中各圓之間的相似度，預(yù)先設(shè)置圓心距離閾值Th。，半徑差異閾值ThK， 將圓心坐標點距離小于Th。，和半徑之差絕對值小于ThK的圓合并，取〇i = max (C)，為C中 出現(xiàn)最多的圓； (314) 按照步驟（312)至步驟（313)，i取值從1至n，可得圓集0 = ((^(?，…，0n)，計 算0max = max(O)，即為檢測到圓形車標； 第二類，融合幾何特征和Hough變換的橢圓形車標定位方法，步驟如下， (321) 初始化二維累加矩陣E (w，h) = 0,其中w，h為待處理圖像的尺寸大?。? (322) 對待處理圖像進行邊緣檢測并二值化為圖像V，設(shè)置背景值為0,邊緣值為1 ; (323) 對V中各非零點計算其切線方向； (324) 在V中遍歷切線方向相同的任意兩點，計算其中點坐標（X，y),并使對應(yīng)E(x, y) 加1 ; (325) 選擇累加矩陣E(w，h)中值最大的元素，其對應(yīng)坐標即為橢圓形車標的中心坐 標，即為檢測到橢圓形車標。
3. 如權(quán)利要求1所述的一種基于深度學(xué)習的典型車標搜索方法，其特征在于：所述步 驟（5)中的車標識別具體步驟為，圓形車標輸入到圓形車標深度置信網(wǎng)絡(luò)，獲得車標分類 結(jié)果；橢圓形車標輸入到橢圓形車標深度置信網(wǎng)絡(luò)，獲得車標分類結(jié)果。
4.如權(quán)利要求2所述的一種基于深度學(xué)習的典型車標搜索方法，其特征在于：所述 Thmin值取Rmin值的六分之一大小。
【文檔編號】G06F17/30GK104391966SQ201410725725
【公開日】2015年3月4日 申請日期:2014年12月3日 優(yōu)先權(quán)日:2014年12月3日
【發(fā)明者】謝劍斌, 李沛秦, 劉通, 閆瑋 申請人:中國人民解放軍國防科學(xué)技術(shù)大學(xué)