[发明专利]一种基于点对特征的车标识别方法

权利要求书

1.一种基于点对特征的车标识别方法，其特征在于：包括以下步骤：

(1)车标图像的预处理：

基于标准车标图案，结合实际卡口图像中车标的成像情况，形成车标图像，对车标图像进行预处理，形成车标标准图像；

(2)特征点对的提取：

采用点对特征对车标进行描述，点对特征由两点的坐标、点对值组成，点对值描述了两点之间灰度值的大小关系，基于车标标准图像，进行点对特征的提取，提取的结果为特征点对，称为标准点对；

(3)特征点对数据库的建立：

结合实际卡口图像中的车标图像，对标准点对的有效性进行判断，提取有效的标准点对，存入数据库中，形成特征点对数据库，每种车标对应的有效标准点对形成一个模板，称为特征点对模板；

(4)车标的识别：

基于卡口图像中车牌的位置和大小，对车标进行粗定位，称车标可能出现的区域为候选区域，在候选区域内，利用特征点对数据库中的特征点对模板进行多尺度匹配，以实现车标的识别。

2.根据权利要求1所述的一种基于点对特征的车标识别方法，其特征在于：步骤(1)中，对车标图像进行预处理的过程为：

选取标准的车标图案，依据其高和宽形成矩形的车标图像，将车标中的图案部分看作前景，其他部分看作背景，根据卡口图像中实际车标的成像情况可以看出，前景一般偏亮，背景偏暗；因此根据前景和背景对车标进行二值化，前景全部用白色表示，背景用黑色表示，将车标图像大小进行归一化，归一化后的长、宽分别为L_standard、W_standard，形成车标标准图像。

3.根据权利要求1所述的一种基于点对特征的车标识别方法，其特征在于：步骤(2)中，基于预处理之后的车标标准图像进行特征点对的提取过程如下：

基于车标标准图像的黑、白两部分，分别提取内外轮廓，将内外轮廓分别向中间进行收缩，每次收缩一个像素点，直至收缩后的区域为原区域大小的1/4，称收缩后的区域为骨架区域；

分别将黑、白部分骨架区域内的点形成集合，记为集合A和集合B，随机的从集合A、B中分别提取一点，形成特征点对，用(x_A，y_A，x_B，y_B，R)表示，其中，(x_A，y_A)为A点的坐标，(x_B，y_B)为B点的坐标，R表示A、B两点之间的像素灰度值大小关系，称为点对值，点对值取值有1、-1两种可能，1表示A点的灰度值大于或等于B点的灰度值，-1表示A点的灰度值小于B点的灰度值；

针对每种车标，按照上述方法提取特征点对，重复提取m次，形成特征点对的集合，称为标准点对，记为P_{StandPotntMatches}，点对数为m，这些特征点对用于描述车标的特征，称这种特征为点对特征。

4.根据权利要求1所述的一种基于点对特征的车标识别方法，其特征在于：步骤(3)中，建立车标的特征点对数据库过程如下：

基于卡口图像，手工截取各种车辆的车标，建立车标数据库，要求每种车标的个数不少于400，将其大小进行归一化，归一化后的长、宽分别与车标标准图像的长宽一致；

针对从卡口图像中截取的某一类型的n幅车标图像，将上一步中提取的标准点对分别叠加在n幅车标图像上，计算每组点对在n幅车标图像上获取的n个点对值，如果点对值一致的比例大于或等于86％，则认为该点对为有效点对，进行保留；如果点对值一致的比例小于86％，则认为该点对为不稳定点对，删除该点对，最后保留的有效点对为有效标准点对，记其个数为m_used；

然后，针对第j幅图像，计算各点对对应的车标图像上点的点对值之和，即：计算n幅车标图像中点对和的最大值Sum_max和最小值Sum_min，则Sum_max和Sum_min成为判断该类型车标的阈值；

针对每种类型的车标，按照上述方法获取最终的有效标准点对、Sum_max和Sum_min，形成特征点对数据库，每种车标对应的有效标准点对形成特征点对模板，用于后续对车标的识别。

5.根据权利要求1所述的一种基于点对特征的车标识别方法，其特征在于：步骤(4)中，与特征点对数据库中的特征点对模板进行多尺度匹配，以实现车标的识别，过程如下：

基于车牌的位置，对车标进行粗定位，提取粗定位区域的图像，称为车标候选图像，记为I_candldate；

基于车牌的尺寸及比例关系，确定图像中车标的尺寸，记长和宽分别为L、W，基于车标的尺寸，确定与特征点对模板匹配时的尺度范围，尺度S的范围为其中α为尺度参数，可根据实际情况进行调整；

根据尺度范围，对模板的大小进行缩放，缩放后模板的长、宽分别为S*L_standard，S*W_standard；利用不同尺度范围下的模板在候选图像中进行扫描匹配，若匹配到，则认为车标与该模板对应的车标类型相同，扫描结束；如果没有匹配到，则与其他的特征点对模板再次进行多尺度匹配。