[发明专利]车标定位与识别方法

摘要

本发明公开了一种车标定位与识别方法，涉及智能交通领域。本发明的工作环境是智能网络摄像机，在智能网络摄像机中，抓拍图片后进入DSP图像处理单元，先经过车牌定位与识别模块处理获取车牌具体位置，然后将车牌具体位置和图像数据传给车标定位与识别模块，从而识别出车标类型。其中车标定位与识别分为：①基于多层分类的车标定位即使用三种定位方法对不同纹理背景的车标进行准确定位；②基于多层分类的车标识别即使用不同定位类型所对应的BP神经网络分类器对车标进行识别，最终准确获取车标类型。本发明对于车标定位和识别准确率有大幅度提高；实时性好，系统安装更加简单，且易于维护。

主权项

一种车标定位与识别方法，其特征在于：①基于多层分类的车标定位a、根据车牌与车标的先验知识和已知的车牌在全景图片中具体位置，确定车标的粗略位置；b、使用Sobel边缘检测方法对粗定位图像确定纹理丰富的区域，即缩小车标的待检测区域；c、对待检测区域使用高帽定位方法对车标进行定位，然后将定位图像数据和定位类型传入车标识别进行识别；如果识别结果置信度大于某个阈值，则输出识别车标类型；否则保存识别结果进入差分定位；d、对待检测区域使用差分定位方法对车标进行定位，然后将定位图像数据和定位类型传入车标识别进行识别；如果识别结果置信度大于某个阈值，则输出识别车标类型；否则保存识别结果进入方向滤波定位；e、对待检测区域使用方向滤波定位方法对车标进行定位，然后将定位图像数据和定位类型传入车标识别进行识别；如果识别结果置信度大于某个阈值，则输出识别车标类型；否则输出置信度最大的识别结果；②基于多层分类的车标识别f、采集车标样本，得到车标样本集；g、提取样本集中每一个样本图片的HOG特征；h、将提取的HOG特征输入到BP神经网络训练，生成多类分类器模型；i、据定位结果的不同和类型的不同，训练多层分类器模型；j、将待识别车标与分类器模型进行匹配识别，输出识别结果；k、流程结束。