車標定位識別方法及系統技術方案

本發明專利技術屬于模式識別領域，具體為車標定位識別方法及系統，能夠識別出車輛的車標。車標定位識別方法包括：采集各種車標的樣本圖片，得到車標模版庫；提取出所述車標模版庫中各種樣本圖片的gabor特征；采用adaboost算法，生成具有所述gabor特征的級聯分類器；該方法還包括：采集車輛的原始圖像；對所述原始圖像進行形態學預處理，并在所述形態學預處理得到的圖像上定位出所有車標候選區域；采用所述級聯分類器遍歷每一個所述車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為識別結果。

【技術實現步驟摘要】
車標定位識別方法及系統
本專利技術涉及模式識別領域，尤其涉及車標定位識別方法及系統。
技術介紹
隨著社會經濟的發展，車輛逐漸增多，從而使得對車輛進行信息化管理成為當前需要重視的問題。其中，車輛識別技術是對車輛進行信息化管理的一種重要手段。目前，車輛識別技術被廣泛應用在交通流量監測方面，例如高速公路卡口收費、闖紅燈違章監控、小區車輛自動收費系統，都需要應用到車輛識別技術。然而，現有的車輛識別技術一般只能對車牌、以及車輛的型號（如大型、中型、小型）進行識別，但無法識別出車輛的具體車型，也就是無法識別出車輛的車標，從而車輛監測機構也就無法了解目前人們對各品牌車輛的需求。
技術實現思路
本專利技術提出了車標定位識別方法及系統，能夠識別出車輛的車標。為了達到上述目的，本專利技術的技術方案是這樣實現的：車標定位識別方法，包括：采集各種車標的樣本圖片，得到車標模版庫；提取出所述車標模版庫中各種樣本圖片的gabor特征；采用adaboost算法，生成具有所述gabor特征的級聯分類器；該方法還包括：采集車輛的原始圖像；對所述原始圖像進行形態學預處理，并在所述形態學預處理得到的圖像上定位出所有車標候選區域；采用所述級聯分類器遍歷每一個所述車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為識別結果。優選地，在所述采集車輛的原始圖像之后，該方法進一步包括：對所述原始圖像進行下采樣；所述對所述原始圖像進行形態學預處理，包括：對下采樣之后的原始圖像進行灰度化處理；所述形態學預處理得到的圖像為灰度圖像；所述在所述形態學預處理得到的圖像上定位出所有車標候選區域，包括：對所述灰度圖像進行邊緣檢測，得到邊緣圖像；對所述邊緣圖像進行二值化處理，得到所有的所述車標候選區域。優選地，所述邊緣檢測采用sobel算子；和/或，所述二值化處理采用otsu全局閾值法。優選地，在得到所有的所述車標候選區域后，該方法進一步包括：根據所述車標候選區域的坐標，將所有的所述車標候選區域映射到所述原始圖像中，得到所述車標候選區域在所述原始圖像中的實際區域，并分割出所述實際區域；參與所述遍歷的所述車標候選區域為所述實際區域。優選地，所述提取出所述車標模版庫中各種樣本圖片的gabor特征，包括：采用預先約定的分塊方法對所述車標模版庫中各種車標的樣本圖片進行分塊處理；提取出每一塊的gabor特征；所述采用所述級聯分類器遍歷每一個所述車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為識別結果，包括：采用所述預先約定的分塊方法對所述車標候選區域進行分塊處理；提取所述車標候選區域所劃分得到的每一塊的gabor特征；計算所述車標候選區域與每一種車標的樣本圖片被劃分得到的對應塊之間的歐式距離；采用所述級聯分類器對得到的所有所述歐式距離進行分類識別，若所述歐式距離位于預設精度內，則將所述歐式距離對應的所述車標作為識別結果。優選地，該方法進一步包括：保存能夠檢測出車標的所述車標候選區域；以所述車標模版庫中的各種樣本圖片為訓練集，生成支持向量機svm分類器；采用所述svm分類器，對保存的所述車標候選區域進行匹配識別，并將與所述車標候選區域的相似度大于預設閾值的所述車標作為所述識別結果。本專利技術還提供了車標定位識別系統，包括：車標模板庫，用于存儲各種車標的樣本圖片；級聯分類器生成模塊，用于提取出所述車標模版庫中各種樣本圖片的gabor特征，并采用adaboost算法，生成具有所述gabor特征的級聯分類器；該系統還包括：采集模塊，用于采集車輛的原始圖像；車標定位模塊，用于對所述原始圖像進行形態學預處理，并在所述形態學預處理得到的圖像上定位出所有車標候選區域；車標識別模塊，用于采用所述級聯分類器遍歷每一個所述車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為識別結果。優選地，該系統進一步包括下采樣模塊，用于對所述原始圖像進行下采樣；所述車標定位模塊，包括：灰度化子模塊，用于對下采樣之后的原始圖像進行灰度化處理，得到灰度圖像；邊緣檢測子模塊，用于對所述灰度圖像進行邊緣檢測，得到邊緣圖像；二值化子模塊，用于對所述邊緣圖像進行二值化處理，得到所有的所述車標候選區域。優選地，該系統進一步包括：映射模塊，用于根據所述車標候選區域的坐標，將所有的所述車標候選區域映射到所述原始圖像中，得到所述車標候選區域在所述原始圖像中的實際區域；分割模塊，用于從所述原始圖像中分割出所述實際區域；所述車標識別模塊，用于采用所述級聯分類器遍歷每一個所述實際區域，若該實際區域中能檢測出車標，則將該車標作為識別結果。優選地，該系統還包括：存儲模塊，用于保存能夠檢測出車標的所述車標候選區域；支持向量機生成模塊，用于以所述車標模版庫中的各種樣本圖片為訓練集，生成支持向量機svm分類器；二次識別模塊，用于采用所述svm分類器，對保存的所述車標候選區域進行匹配識別，并將與所述車標候選區域的相似度大于預設閾值的所述車標作為所述識別結果。與現有技術相比，本專利技術提供的車標定位識別方法及系統，首先采集各種車標的樣本圖片，得到車標模版庫，進而提取出車標模版庫中各種樣本圖片的gabor特征，并采用adaboost算法生成具有所述gabor特征的級聯分類器；上述生成級聯分類器的過程為實現車標識別而進行的準備操作；下面開始利用上述級聯分類器對車輛進行車標的定位識別，具體地，采集車輛的原始圖像，并對該原始圖像進行形態學預處理，進而在形態學預處理得到的圖像中定位出所有車標候選區域；再采用上述級聯分類器遍歷每一個車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為識別結果，這就完成了車標的定位識別；綜上，本專利技術提供的車標定位識別方法及系統，通過采用adaboost算法生成具有gabor特征的級聯分類器，并使用該級聯分類器識別出車輛的車標，從而使得在車輛監測機構能夠實時獲知行駛車輛的車標信息，進而了解人們對各品牌車輛的需求，實現了對行駛車輛的信息化管理。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本專利技術實施例一提供的一種車標定位識別方法的流程圖；圖2為本專利技術實施例二提供的另一種車標定位識別方法的流程圖；圖3為樣本圖片與車標候選區域中對應塊的結構示意圖；圖4為本專利技術實施例三提供的一種車標定位識別系統的模塊圖；圖5為本專利技術實施例四提供的另一種車標定位識別系統的模塊圖。具體實施方式為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例?；诒緦＠夹g中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。實施例一本專利技術實施例一提供了一種車標定位識別方法，參見圖1，該方法包括：步驟S101:采集各種車標的樣本圖片，得到車標模版庫；提取出所述車標模版庫中各種樣本圖片的gabor特征；采用adaboost算法，生成具有所述gabor特征本文檔來自技高網...

【技術保護點】
車標定位識別方法，其特征在于，包括：采集各種車標的樣本圖片，得到車標模版庫；提取出所述車標模版庫中各種樣本圖片的gabor特征；采用adaboost算法，生成具有所述gabor特征的級聯分類器；該方法還包括：采集車輛的原始圖像；對所述原始圖像進行形態學預處理，并在所述形態學預處理得到的圖像上定位出所有車標候選區域；采用所述級聯分類器遍歷每一個所述車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為識別結果。

【技術特征摘要】
1.車標定位識別方法，其特征在于，包括：采集各種車標的樣本圖片，得到車標模版庫；提取出所述車標模版庫中各種樣本圖片的gabor特征；采用adaboost算法，生成具有所述gabor特征的級聯分類器；該方法還包括：采集車輛的原始圖像；對所述原始圖像進行形態學預處理，并在所述形態學預處理得到的圖像上定位出所有車標候選區域；采用所述級聯分類器遍歷每一個所述車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為初選識別結果；保存能夠檢測出車標的所述車標候選區域；以所述車標模版庫中的各種樣本圖片為訓練集，生成支持向量機svm分類器；采用所述svm分類器，對保存的所述車標候選區域進行匹配識別，并將與所述車標候選區域的相似度大于預設閾值的所述車標作為最終識別結果。2.如權利要求1所述的車標定位識別方法，其特征在于，在所述采集車輛的原始圖像之后，該方法進一步包括：對所述原始圖像進行下采樣；所述對所述原始圖像進行形態學預處理，包括：對下采樣之后的原始圖像進行灰度化處理；所述形態學預處理得到的圖像為灰度圖像；所述在所述形態學預處理得到的圖像上定位出所有車標候選區域，包括：對所述灰度圖像進行邊緣檢測，得到邊緣圖像；對所述邊緣圖像進行二值化處理，得到所有的所述車標候選區域。3.如權利要求2所述的車標定位識別方法，其特征在于，所述邊緣檢測采用sobel算子；和/或，所述二值化處理采用otsu全局閾值法。4.如權利要求2所述的車標定位識別方法，其特征在于，在得到所有的所述車標候選區域后，該方法進一步包括：根據所述車標候選區域的坐標，將所有的所述車標候選區域映射到所述原始圖像中，得到所述車標候選區域在所述原始圖像中的實際區域，并分割出所述實際區域；參與所述遍歷的所述車標候選區域為所述實際區域。5.如權利要求1所述的車標定位識別方法，其特征在于，所述提取出所述車標模版庫中各種樣本圖片的gabor特征，包括：采用預先約定的分塊方法對所述車標模版庫中各種車標的樣本圖片進行分塊處理；提取出每一塊的gabor特征；所述采用所述級聯分類器遍歷每一個所述車標候選區域，若該車標候選區域中能檢測出車標，則將該車標作為初選識別結果，包括：采用所...

【專利技術屬性】
技術研發人員：王海峰，王曉萌，何小波，董博，楊宇，張凱歌，
申請(專利權)人：信幀電子技術北京有限公司，
類型：發明
國別省市：