[发明专利]一种基于点对特征的车标识别方法

说明书

技术领域

本发明涉及目标识别技术领域，具体是一种基于点对特征的车标识别方法。

背景技术

车标识别是智能交通系统计算机视觉应用中的一个重要分支，广泛应用于交通流量分析、打击盗窃车辆、规范交通秩序、大型停车场管理、高速公路自动计费等领域。公路车辆智能监测记录系统(又称卡口系统)在车辆超速监控、交通事故检测等方面有很多应用，从此系统中获取的抓拍图像，称为卡口图像。本发明中的车标识别技术就是针对卡口图像中的车标识别而提出的一种识别方法。

在进行车标识别时，关键的技术点为“车标特征的提取”。不管是基于边缘直方图的车标识别方法、基于边缘不变矩的车标识别方法、基于像素分布的车标识别方法、基于模板匹配的车标识别方法，还是基于模式识别的车标识别方法，其核心都在于“特征的提取”。上述方法中，有采用边缘直方图、边缘不变矩、像素分布为特征的，也有基于角点特征、SIFT特征、HOG特征、LBP特征等进行车标识别的，还有基于灰度值特征，采用PCA、ICA方法进行特征提取的。

然而，在现实的复杂场景中，由于受光照、天气的影响，这些特征并不能对车标进行唯一的描述，其鲁棒性具有局限性。因此，目前为止，能在实际卡口系统中进行应用的车标识别方法极少，车标识别问题仍然是一个具有挑战性的研究难点。

发明内容

本发明的目的是提供一种基于点对特征的车标识别方法，以解决卡口图像中的车标识别问题。

为了达到上述目的，本发明所采用的技术方案为：

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(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)对车标进行描述，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。

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，首先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。

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。

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：