[发明专利]一种基于选择性搜索算法的车标检测识别方法及系统

摘要

本发明公开了一种基于选择性搜索算法的车标检测识别方法及系统，方法包括：对原始车辆图像进行车牌定位，获取车牌位置；根据车牌位置、车牌与车标空间位置关系和车窗边缘信息在原始车辆图像中对车标进行粗定位，得到车标粗定位图像；基于车辆中轴线在车标粗定位图像中选取车标候选区；采用选择性搜索算法对车标候选区进行目标定位，得到定位目标集；采用线性约束编码算法训练车标判断分类器来对定位目标集进行车标的判别，得到车标的位置；采用线性约束编码算法训练多类车标识别分类器来对车标进行具体的类型识别，得到车标识别结果。本发明具有适用性广、鲁棒性强和检测速度快的优点，可广泛应用于图像处理领域。

主权项

1.一种基于选择性搜索算法的车标检测识别方法，其特征在于：包括以下步骤：对原始车辆图像进行车牌定位，获取车牌位置；根据车牌位置、车牌与车标空间位置关系和车窗边缘信息在原始车辆图像中对车标进行粗定位，得到车标粗定位图像；基于车辆中轴线在车标粗定位图像中选取车标候选区；采用选择性搜索算法对车标候选区进行目标定位，得到定位目标集，所述选择性搜索算法综合根据颜色相似度、纹理相似度、大小相似度和吻合度相似度来进行区域合并；采用线性约束编码算法训练车标判断分类器来对定位目标集进行车标的判别，得到车标的位置；采用线性约束编码算法训练多类车标识别分类器来对车标进行具体的类型识别，得到车标识别结果；所述采用线性约束编码算法训练车标判断分类器来对定位目标集进行车标的判别，得到车标的位置这一步骤，其包括：将样本集的样本划分为正样本和负样本，其中，正样本包括单个字符样本、样本集中的小型车样本和样本集中的大型车标样本，负样本为样本集中大小随机选取的且与车标重合度小于20％的样本；以正样本作为训练样本，采用线性约束编码分类器进行迭代训练直至收敛，最终训练出车标判断分类器，其中，迭代训练过程在每次完成训练后会将车标判断分类器中错分为负样本的样本加入训练样本中形成新训练样本集，然后再以新训练样本集重新进行训练；根据训练出的车标判断分类器对定位目标集进行车标的判别，得到车标的位置。