[发明专利]车标定位与识别方法

权利要求书

1.一种车标定位与识别方法，其特征在于：

①基于多层分类的车标定位

a、根据车牌与车标的先验知识和已知的车牌在全景图片中具体位置，确定车标的粗略位置；

b、使用Sobel边缘检测方法对粗定位图像确定纹理丰富的区域，即缩小车标的待检测区域；

c、对待检测区域使用高帽定位方法对车标进行定位，然后将定位图像数据和定位类型传入车标识别进行识别；如果识别结果置信度大于某个阈值，则输出识别车标类型；否则保存识别结果进入差分定位；

d、对待检测区域使用差分定位方法对车标进行定位，然后将定位图像数据和定位类型传入车标识别进行识别；如果识别结果置信度大于某个阈值，则输出识别车标类型；否则保存识别结果进入方向滤波定位；

e、对待检测区域使用方向滤波定位方法对车标进行定位，然后将定位图像数据和定位类型传入车标识别进行识别；如果识别结果置信度大于某个阈值，则输出识别车标类型；否则输出置信度最大的识别结果；

②基于多层分类的车标识别

f、采集车标样本，得到车标样本集；

g、提取样本集中每一个样本图片的HOG特征；

h、将提取的HOG特征输入到BP神经网络训练，生成多类分类器模型；

i、据定位结果的不同和类型的不同，训练多层分类器模型；

j、将待识别车标与分类器模型进行匹配识别，输出识别结果；

k、流程结束。

2.按权利要求1所述的一种车标定位与识别方法，其特征在于步骤c：

c1、对待检测区域进行水平灰度膨胀（c1）；

c2、对待检测区域进行水平灰度腐蚀（c2）；

c3、膨胀图减俯视图并二值化（c3）；

在使用膨胀图减去腐蚀图，这样可以去除水平栅格背景区域并凸显出车标；

c4、使用八连通域搜索方法凸显车标并确定其具体位置（c4）；

c5、车标识别（c5）

使用高帽分类器模板对车标进行识别；

c6、判断置信度是否大于设定阈值（c6），是则进入步骤k，否则进入步骤c7；

c7、保存车标识别结果并进行差分定位处理（c7）。

3.按权利要求1所述的一种车标定位与识别方法，其特征在于步骤d：

d1、对待检测区域进行垂直Sobel边缘检测并二值化（d1）；

d2、对二值化图像进行水平膨胀（d2）

使用二值图水平膨胀让差分后不连通的区域连接起来，这样可以去除垂直栅格背景区域并凸显车标；

d3、使用八连通域搜索方法凸显车标并确定其具体位置（d3）；

d4、车标识别（d4）

使用差分分类器模板对车标进行识别；

d5、判断置信度是否大于设定阈值（d5），是则进入步骤k，否则进入步骤d6；

d6、保存车标识别结果并进行方向滤波定位处理（d6）。

4.按权利要求1所述的一种车标定位与识别方法，其特征在于步骤e：

e1、对待检测区域进行水平Sobel边缘检测并二值化（e1）；

e2、对待检测区域进行垂直Sobel边缘检测并二值化（e2）；

e3、水平图和垂直图进行二值与运算（e3）；

e4、对二值图进行形态学膨胀处理（e4）

使用二值图膨胀让方向滤波后不连通的区域连接起来，这样可以去除网状栅格背景区域并凸显出车标；

e5、使用八连通域搜索方法凸显车标并确定其具体位置（e5）；

e6、车标识别（e6）

使用方向滤波分类器模板对车标进行识别；

e7、判断置信度是否大于设定阈值（e7），是则进入步骤k，否则进入步骤e8；

e8、取置信度最大的车标类型（e8）。

5.按权利要求1所述的一种车标定位与识别方法，其特征在于步骤车标识别（j）：

j1、若定位类型为高帽（j1），是则进入步骤j2，否则进入步骤j4；

j2、计算HOG特征（j2）

对待识别车标首先进行图像预处理，如归一化、滤波，抑制光照的变化和噪点的影响，预处理之后，提取待识别车标的HOG特征；

j3、使用高帽分类器模型进行识别（j3），进入步骤j10；

j4、若定位类型为差分（j4），是则进入步骤j5，否则进入步骤j7；

j5、计算HOG特征（j5）

同步骤j2对待识别车标进行HOG特征的计算；

j6、使用差分分类器模型进行识别（j6），进入步骤j10；

j7、若定位类型为方向滤波（j7），是则进入步骤j8，否则不进行车标识别；

j8、计算HOG特征（j8）

同步骤j2对待识别车标进行HOG特征的计算；

j9、使用方向滤波分类器模型进行识别（j9），进入步骤j10；

j10、输出识别结果（j10）

将车标识别的车标类型和车标匹配置信度输出给车标定位流程进行处理。