[发明专利]一种车标定位方法和装置

说明书

技术领域

本发明涉及智能交通领域和计算机图像处理领域，尤其涉及一种车标定位方法和装置。

背景技术

近年来，随着汽车数量的不断增加、现代交通的不断发展，智能交通系统被广泛关注。作为智能交通系统的重要组成部分，车标识别成为一个热门的研究课题，具有很高的经济价值。车标定位是车标识别中最重要的一步，将直接影响车标识别的效果。

车标定位是在包含车辆的图片上定位包含车标的小块区域。它的难点在于当车辆图片中有较多噪音和干扰，会造成：

（1）散热片的垂直、水平、网格状边缘；

（2）未被去除干净的散热片的边缘；

（3）提取边缘时的误检边缘；

（4）由于光照变化造成的假边缘。

目前主要有两种思路来定位车标：1）基于车标和背景特征，例如基于图像的边缘、形状、模板匹配和纹理特征来定位车标；考虑到车标背景是散热片，去除散热片的固有模式后进行形态学操作，去除面积很小的白点，最终得到连通度为固定值的车标区域；2）基于机器学习算法，例如用Adaboost来学习车标的位置。

车标的定位大体分为车标粗定位，车标精定位两个步骤。连通区划分是车标精定位的重要步骤，对车标粗定位处理的结果通过划分连通区得到若干区域直接影响最终车标的定位结果。目前大部分算法直接用一个经验值定义连通度。设定的连通度太小时，划分得到的连通区域可能只包含车标的一部分；设定的连通度太大时，划分得到的连通区域可能会包含噪音和干扰，从而导致车标定位不准确。

发明内容

有鉴于此，本发明要解决的技术问题是提供一种车标定位方法和装置，以通过自适应连通区域划分进行图像分割来优化车标定位，提高车标定位的准确率。

本发明解决上述技术问题所采用的技术方案如下：

根据本发明的一个方面，提供的一种车标定位方法包括：

车标粗定位步骤：根据先验知识确定车标所在的大致区域，并提取轮廓图；

自适应分割步骤：对轮廓图进行自适应分割，得到最优连通区分割；

车标区域筛选步骤：筛选出最优连通区分割所得区域中为车标的区域，提取出车标图像。

优选地，车标粗定位步骤进一步包括：根据车牌位置确定车标所在的大致区域；对车标所在的大致区域提取轮廓图；去除轮廓图中散热片的轮廓。

优选地，自适应分割步骤进一步包括：对轮廓图用不同的连通半径定义连通，得到不同的连通区；根据连通区数量与连通半径的关系，找出使连通区数量保持不变的连通半径的最长区间；采用最长区间内的连通半径的值划分连通区，得到最优连通区分割。

优选地，车标区域筛选步骤进一步包括：

根据噪音的先验知识，去除最优连通区分割所得区域中的噪音区域；

根据似然度判别去除噪音区域后的每一个连通区是车标还是噪音，提取连通区为车标的区域，得到车标图像。

优选地，根据对噪音的先验知识，去除最优连通区分割所得区域中的噪音区域进一步包括：针对每一个连通区的最小包络矩形，当矩形的面积小于第一预定的阈值、矩形的长宽比大于第二预定的阈值、或者连通区的前景点数目与矩形面积之比小于第三预定的阈值时，将矩形视为噪音区域去掉。

优选地，根据似然度判别去除噪音区域后的每一个连通区是车标还是噪音进一步包括：

根据车标的居中性和/或均匀性定义似然函数；

计算每个连通区的车标似然度，确定似然度最大的连通区域为车标区域。

根据本发明的另一个方面，提供的一种车标定位装置包括车标粗定位模块、自适应分割模块以及车标区域筛选模块，其中：

车标粗定位模块：用于根据先验知识确定车标所在的大致区域，并提取轮廓图；

自适应分割模块：用于对轮廓图进行自适应分割，得到最优连通区分割；

车标区域筛选模块：用于筛选出最优连通区分割所得区域中为车标的区域，提取出车标图像。

优选地，车标粗定位模块进一步包括区域确定单元、轮廓图提取单元以及轮廓图去噪单元，其中：

区域确定单元，用于根据车牌位置确定车标所在的大致区域；

轮廓图提取单元，用于对车标所在的大致区域提取轮廓图；

轮廓图去噪单元，用于去除轮廓图中散热片的轮廓。

优选地，自适应分割模块进一步包括区域分割单元、连通半径确定单元以及最优分割单元，其中：

区域分割单元，用于对轮廓图用不同的连通半径定义连通，得到不同的连通区；