[发明专利]一种基于稀疏编码的车标分类方法

说明书

技术领域

本发明属于数字图像处理技术领域，涉及车标识别技术。

背景技术

随着现代交通的高速发展,车辆数量与日俱增,交通事故、违章逃逸、套牌换牌等案件也显著增加,仅靠一种技术手段很难满足人们对车辆识别技术越来越高而又具体的要求，车标识别技术也成为智能交通系统(ITS)中重要的组成部分。车标识别技术是对已有的车牌和车型识别技术的重要发展和补充,可以说是车辆识别技术的一个新研究方向。

通常车标识别技术可以分为两个部分车标定位和车标识别，车标定位是以车牌定位为基准进行定位，其精确度达到了比较好的效果，而在车标识别方面还有很多难题需要解决，这也是车标识别的最后一步，成为最终影响系统识别率关键步骤。车标识别存在以下难题。

1、车标在车辆图像中的比例较小，往往在车辆图像中截取到的车标图像比较模糊，对于后续的识别产生很高的难度。

2、车标图像种类比较多，在中国比较常见的车标种类大约有130种左右，从而导致车标的数据库非常庞大，在实时的识别过程中对于算法的速度要救较高。

3、获取图像质量差异性大。前端采集设备获取车辆图像，可能存在噪声和几何形变，且车标可能分布在图像序列的任意位置，实时处理相对较大的数据给车标识别系统增加了复杂性。

当前的车牌识别算法主要有以下几种方法：

1、基于SIFT提取车标图像的所有特征点,然后根据特征点的位置关系选择一定数量的特征点,并用这些特征点的描述子来表征车标图像。最后根据SIFT神经网络分类。利用SIFT可以很好的表征车标图像,但是SIFT计算量过大,导致在实际应用中有一定的限制。详见：A.P.PsylIos,C.N.Anagnostopoulos,E.Kayafas.VehicleLogoRecognitionUsingaSIFT-BasedEnhancedMatchingScheme[C].IEEETransactionsonIntelligentTransportationSystems,2010,11(2):322-328.

高倩.车标识别方法研究[D].大连:大连海事大学,2008.

2、基于HOG特征提取的车标图像的SVM识别方法。该方法所提取的HOG特征维数较低运算量较小，在试验对于实时性方面HOG特征由于维数较低计算较小取得的效果比较好。但对于模糊图像的特征表征不够，在识别过程中识别率精确度较低。详见：李驰.智能交通中的车牌识别算法研究.华中科技大学.硕士学位论文，2012.2

3、基于PCA和边缘不变矩的车标识别新方法。由于基于PCA算法首先需要计算投影矩阵，由于车标的种类比较多、在车辆图片中的比例比较小、噪声比较多，从而导致不同车标在投影矩阵中的投影较相似从而难以区分，识别率较低。详见：WANGMei，WANGGuo-hong，GAOXiao-lin，eta1.Newmethodofvehicle-logorecognitionbaseonPCAandEdgeinvariantmoment.ComputerEngineeringandApplications，2008，44(4)：224—226.

发明内容

本发明所要解决的技术方案是，提供一种通过稀疏编码对车标图像进行编码从而进行车标识别的方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于稀疏编码的车标分类方法，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[φ′₁,φ′₂，φ′₃,…]；

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