[发明专利]一种基于车窗粗定位的车标识别方法

摘要

本发明属于计算机视觉技术和图像处理技术领域，具体涉及一种基于车窗粗定位的车标识别方法。本发明采用计算机视觉技术，通过定位车窗对车标进行粗定位、车标精定位与基于卷积神经网络的车标分类，解决了车标识别问题，同时拥有更好的准确率与效率，改善了以车牌辨车的传统工作模式，为打击汽车套牌、一车多牌、假牌照等违法犯罪行为提供了可靠帮助，进一步提高了智能交通的可靠性，节省了大量的人力成本。

主权项

1.一种基于车窗粗定位的车标识别方法，其特征在于具体步骤如下：步骤1：定义车标种类集合为C＝{Ci|i＝1,…,t}，其中t为车标的总数，并建立相应的车标数据集；步骤2：构建用于车标分类的卷积神经网络并用步骤1中的车标数据集进行训练，得到卷积神经网络；步骤3：对输入的车辆图像I进行车标定位，I的宽为width，高为height，具体为：步骤3.1：识别车窗并根据车窗的位置对车标进行粗定位；步骤3.2：根据式(7)，(8)，(9)计算每一像素行是否有效，若FRi为1，则表示第i行为有效行，否则，为无效行：其中，D(i,j)为矩形D第i行第j列的灰度值，σi为第i行像素值的标准差，μ1为比例系数，AVGr(i)为第i行的像素均值；步骤3.3：连接相邻的有效行，得到有效块集合recti(xi,yi,wi,hi)，i＝1,2,...n，n为有效块的总数，其中，(xi,yi)为recti左上角坐标，wi和hi为矩形recti的宽和高；步骤3.4：从rect_i中剔除块的块，得到新的rect_i，根据(10)，(11)筛选出车标所在的区域R；hmax＝max(h1,h2,...,hn)  (10)R＝rectmax(xmax,ymax,wmax,hmax)  (11)其中，(x_max,y_max)为R左上角坐标，w_max和h_max为矩形R的宽和高，为阈值；步骤3.5：根据式(12)，(13，(14)计算每一列是否有效，若FCi为1，则表示第i行为有效行，否则，为无效行：其中，R(j,i)为矩形R第j行第i列的灰度值，σ'i为第i列像素值的标准差，μ1为比例系数，AVGc(i)为第i列的像素均值；步骤3.6：根据式(15)，(16)，(17)得到车标精确定位区域D'，完成车标的精确定位：Fmax＝max(i|Fi＝1)  (15)Fmin＝min(i|Fi＝1)  (16)其中，(x',y')为D'左上角坐标，w'和h'为矩形D'的宽和高；步骤4：利用训练好的卷积神经网络对车标定位区域D'进行识别，具体为：步骤4.1：将D'对应的图像I'归一化至N*N像素大小，传入步骤2训练所得的卷积神经网络，得到输出向量U＝(u1,u2,...,ut)，其中uk为I'对应车标Ck的概率，k＝1,2,...,t；步骤4.2：根据式(18)得到最大的概率uq，则车标识别结果为Cq，Cq∈C，完成车标的识别：uq＝max(u1,u2,...,ut)  (18)。