[发明专利]快速级联式车标视觉检测与识别方法和系统

权利要求书

1.一种快速级联式车标视觉检测与识别方法，其特征在于，包括如下步骤：

步骤A：若待检测和识别的车标的种类为n类，则训练n个二类分类器作为n个第一级车标分类器；对于每一种车标进行训练；

步骤B：将n类车标的样本图像归一化至同一尺寸，计算并获得样本图像的梯度方向直方图特征集；将样本图像的梯度方向直方图特征集和标签(1，2，…，n)送入支持向量机中训练，得到1个n类分类器，作为1个第二级车标分类器；

步骤C：在n个第一级车标分类器和1个第二级车标分类器训练完成之后，置k＝1，用如下步骤对车标进行检测识别：

步骤C1：用第k个第一级车标分类器在整块搜索区域中滑窗扫描，滑窗结束后，若检测到目标，则进入步骤C2，否则进入步骤C3；

步骤C2：将步骤C1检测到的目标输入第二级车标分类器，得到目标的预测标签label，若label等于k，将该目标判定为有效车标，且车标的类型即为label对应的车标类型，结束；若label不等于k，将该目标判定为无效车标；当所有步骤C1检测到的目标均为无效车标时，进入步骤C3；

步骤C3：令k的值增加1，若k<n+1，则返回步骤C1；否则，结束，认为未检测到车标。

2.根据权利要求1所述的快速级联式车标视觉检测与识别方法，其特征在于，对于每一种车标，采用如下步骤训练：

步骤A1：以正负样本集为输入，将样本归一化至同一尺寸，计算并获得样本的局部二值模式特征集；

步骤A2：以样本的局部二值模式特征集为输入，训练弱分类器，获得弱分类器集；

步骤A3：以弱分类器集为输入，在训练检出率和误判率限制下，使用AdaBoost算法挑选最优的弱分类器构成强分类器；

步骤A4：以强分类器集为输入，将强分类器集中的强分类器组合成为第一级车标分类器。

3.根据权利要求2所述的快速级联式车标视觉检测与识别方法，其特征在于，正负样本中的正样本为车标图像，负样本为不包含车标的背景图像。

4.根据权利要求2所述的快速级联式车标视觉检测与识别方法，其特征在于，训练所述弱分类器以确定阈值，其中，所述弱分类器的阈值用于判定样本属于目标或者背景，若样本得分高于阈值则判定为目标，若样本得分不高于阈值则判定为背景。

5.一种快速级联式车标视觉检测与识别系统，其特征在于，用于执行权利要求1至4中任一项所述的快速级联式车标视觉检测与识别方法。