[发明专利]车标识别方法及装置

说明书

技术领域

本发明涉及图像处理领域，具体而言，涉及一种车标识别方法及装置。

背景技术

随着社会经济的发展，车辆的增多，通过计算机信息化、智能化的管理车辆成为必然。车牌识别技术被广泛应用在交通流量监测，高速公路卡口收费，闯红灯违章车辆监控及小区自动收费系统中。目前的处理技术只能对车牌和大型、中型、小型车辆进行识别，但不能识别具体的车型。车标的识别大体分为车标粗定位，车标精定位，车标识别三个步骤。车辆识别在智能交通领域扮演着重要的角色，车标识别是车辆识别的新的研究方向，是对车牌和车型识别的重要补充和发展，车标定位是一种典型的目标检测和目标定位技术，而车标的精定位分割是车标识别中最重要的一步，目前常见的车标可以分为有规则形状的车标和字符型的车标，针对车牌上方区域的字符形车标需要一种有效的方法进行准确的定位分割和识别。常见的汽车字符形车标一般位于车牌的上方，由于有些背景纹理和前方的干扰物会影响到车标的分割，完全剔除这些干扰物比较困难。

针对现有技术中由于车牌的背景或前方会有干扰物，而不能对车标进行准确识别，从而不能准确识别车辆类型的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术由于车牌的背景或前方会有干扰物，而不能对车标进行准确识别，从而不能准确识别车辆类型的问题，目前尚未提出有效的解决方案，为此，本发明的主要目的在于提供一种车标识别方法及装置，以解决上述问题。

为了实现上述目的，根据本发明的一个方面，提供了一种车标识别方法，该方法包括：获取车标图像；对车标图像进行滤波处理，以获取滤波图；计算滤波图中的每个像素的特征变换参数；根据每个像素的特征变换参数计算，以获取对应每个像素的加权局部特征码；根据对应每个像素的加权局部特征码进行车标的识别，并获取车标类型的识别结果。

进一步地，对车标图像进行滤波处理，以获取滤波图的步骤包括：使用多尺度高斯模板对车标图像进行滤波处理，以获取多尺度空间的滤波图。

进一步地，特征变换参数包括灰度梯度直方图，其中，计算滤波图中的每个像素的特征变换参数的步骤包括：根据每个像素的灰度梯度幅值获取对应每个像素的投影值参数；使用投影值参数计算对应每个像素的灰度梯度直方图。

进一步地，根据每个像素的特征变换参数计算对应每个像素的加权局部特征码的步骤包括：根据特征变换参数的大小确定对应每个像素的加权参数；使用加权参数进行加权计算，以获取对应每个像素的加权局部特征码。

进一步地，获取车标图像的步骤包括：

获取车牌图像；对车牌图像进行边缘检测，以获取车牌定位信息；根据车牌定位信息获取初始车标图像；对初始车标图像使用全变分方法进行噪声处理，以获取车标图像。

为了实现上述目的，根据本发明的一个方面，提供了一种车标识别装置，该装置包括：第一获取模块，用于获取车标图像；第一图像处理模块，用于对车标图像进行滤波处理，以获取滤波图；第一计算模块，用于计算滤波图中的每个像素的特征变换参数；第二计算模块，用于根据每个像素的特征变换参数计算，以获取对应每个像素的加权局部特征码；第一处理模块，用于根据对应每个像素的加权局部特征码进行车标的识别，并获取车标类型的识别结果。

进一步地，第一图像处理模块包括：第一子图像处理模块，用于使用多尺度高斯模板对车标图像进行滤波处理，以获取多尺度空间的滤波图。

进一步地，第一计算模块包括：第一子处理模块，用于根据每个像素的灰度梯度幅值获取对应每个像素的投影值参数；第一子计算模块，用于使用投影值参数计算对应每个像素的灰度梯度直方图。

进一步地，第二计算模块包括：第二子处理模块，用于根据特征变换参数的大小确定对应每个像素的加权参数；第二子计算模块，用于使用加权参数进行加权计算，以获取对应每个像素的加权局部特征码。

进一步地，第一获取模块包括：第一子获取模块，用于获取车牌图像；第二子图像处理模块，用于对车牌图像进行边缘检测，以获取车牌定位信息；根据车牌定位信息获取初始车标图像；对初始车标图像使用全变分装置进行噪声处理，以获取车标图像。

通过本发明，在获取到车标图像之后，针对车牌上方区域的车标采用形态学和分水岭分割方法进行分割定位，最后将分割出来连通区域，采用机器学习的方法进行识别，有效的提高了车标的识别率，解决了现有技术中由于车牌的背景或前方会有干扰物，而不能对车标进行准确识别，从而不能准确识别车辆类型的问题，实现了准确识别车标，从而准确辨识车辆类型的效果。

附图说明