[发明专利]一种基于稀疏编码的车标分类方法

权利要求书

1.一种基于稀疏编码的车标分类方法，其特征在于，包括以下步骤：

1字典构造：

1.1样本车标图片构成训练样本集X，对每一幅样本车标图片进行分割，分割得到的小图片集合构成得到基集[φ₁',φ'₂,φ₃',…]；

1.2通过重复迭代得到字典[φ₁,φ₂,φ₃,…,φ_k]，k表示字典的总维数：

重复迭代交替更新系数和基向量φ_i'使目标函数最小，迭代结束后赋值φ_i＝φ_i'

minai(j),φiΣj=1m||x(j)-Σi=1kai(j)φi||2+λΣi=1kS(ai(j))]]>

其中，S(ai(j))=((ai(j))2+θ)12Subject to||φi||2≤C,∀i=1,...,k]]>

变量i表示基向量集中对应系数的序号，变量j表示输入幅样本车标图片的序号，m为训练样本集中样本车标图片的总数，x^(j)表示训练样本集中第j幅样本车标图片，表示输入第j幅样本车标图片时第i个基向量对应系数，表示S(·)是一个稀疏代价函数，λ为权重系数，‖·‖表示算子二范数，Subjectto表示约束条件，C为二范数的上届，θ为调和参数；

2稀疏编码：

根据字典[φ₁,φ₂,φ₃,…,φ_k]通过求解mina(j)Σj=1m||x(j)-Σi=1kai(j)φi||2+λΣj=1mΣi=1kS(ai(j)),]]>得到训练样本集X中每一幅车标图片x^(j)的稀疏表达a^(j)；对训练样本集X所有的车标图片进行编码，即构建编码训练集；

3SVM分类器训练：

将编码训练集以及该训练集中每一个车标图片所对应的车标类输入支持向量机SVM分类器进行训练；

4车标识别：

提取测试图片的车标区域，提取车标区域的稀疏表达，将车标区域的稀疏表达输入SVM分类器得到分类结果。

2.如权利要求1所述一种基于稀疏编码的车标分类方法，其特征在于，车标区域的确定方法为：

先确定车牌所在的矩形区域(x₁,y₁,height₁,width₁)，x₁为矩形区域左上角点的横坐标，y₁为矩形区域左上角点的纵坐标，height₁为矩形区域的高，width₁为矩形区域的宽，再将车牌上方5倍车牌高度的区域作为车标粗定位区域(x₁,y₁-5*height₁,5*height₁,width₁)；

在车标粗定位区域内根据纹理信息从车标粗定位区域的中间位置为起点去除具有左右对称性的粗车标背景区域后得到车标精定位区域。