[发明专利]基于卷积神经网络的车标识别方法

摘要

本发明提出了一种基于卷积神经网络的车标识别方法，具体实现步骤如下：(1)输入交通路口中高清拍照设备拍下的待检测图片；(2)车标定位；(3)构建并训练卷积神经网络；(4)车标识别。本发明采用基于卷积神经网络CNN的车标识别方法，能够有效克服现有技术中提取特征算子复杂、实时性差、模型复杂的缺点，有效地减少了计算量，而且卷积神经网络CNN自学习的特征对环境变化具有更高的鲁棒性，提高了车标识别率。

主权项

一种基于卷积神经网络的车标识别方法，包括如下步骤：(1)输入交通路口中高清拍照设备获取的车标待检测图片；(2)车标定位：(2a)对输入的车标待检测图片进行二值化操作，得到二值化后的车标图片；(2b)对二值化后的车标图片进行腐蚀和膨胀的形态学操作，得到联通区域；(2c)在联通区域中利用车牌联通区域的宽高比和矩形特征，筛选出车牌联通区域，得到车牌联通区域的左上坐标(x_1，y₁)和右下坐标(x_2，y₂)；(2d)在待检测车标图片中，通过滑窗截取车标区域图，滑窗底边以车牌上边沿为起始，沿着车牌的中央线往上滑动3次截取候选区域，得到车标区域图；(3)构建并训练卷积神经网络CNN：(3a)构建含有7层的卷积神经网络CNN，7层依次是卷积层Conv1，池化层Pool2,卷积层Conv3，池化层Pool4，全连接层Fc5，全连接层Fc6，分类层Softmax7；(3b)输入已标记并灰度化的车标区域样本图片，训练卷积神经网络CNN，直到输出层的损失函数J(θ)≤0.0001，得到车标识别的卷积神经网络CNN；(4)车标识别：(4a)对车标区域图进行灰度化操作；(4b)将灰度化后的车标区域图分辨率归一化至38×38像素大小，得到处理后的车标图；(4c)将处理后的车标图输入车标识别的卷积神经网络CNN，最终输出结果。