车标自动识别方法及系统与流程

技术特征：
1.一种车标自动识别方法，包括离线训练部分和在线识别部分，其特征在于：所述离线训练部分包括以下步骤：(1)：提取训练车标样本图片的dense-SIFT特征，得到dense-SIFT特征集；(2)：用K-MEANS方法对dense-SIFT特征集聚类分析，建立视觉词汇库；(3)：建立KD树，快速索引步骤(2)建立的词汇库中的视觉词；(4)：根据已建立的词汇库，计算dense-SIFT特征集与视觉词的相关性，将所有的dense-SIFT映射成视觉词表示；(5)：采用回字形空间金字塔，建立空间视觉词直方图来表示图像；(6)：利用空间视觉词直方图训练支持向量机SVM分类器；所述在线识别部分包括以下步骤：(7)：提取待检测车标图片的dense-SIFT特征；(8)：根据离线训练部分已建立的词汇库，计算dense-SIFT与视觉词的相关性，将dense-SIFT映射成视觉词表示；(9)：采用回字形空间金字塔，建立空间视觉直方图来表示图像；(10)：将待检测图片的空间视觉直方图输入支持向量机SVM分类器，输出识别结果；步骤(5)、(9)中在车标图片上选择三个不同大小的矩形区域作为感兴趣区域，建立回字形空间金字塔，增加dense-SIFT特征的空间位置信息；分析一张车标图片，具体步骤包括：1)以(W/2,H/2)为中心，提取一个宽为W，高为H的矩形区域，即将整幅图像作为感兴趣区域I1，计算该感兴趣区域的视觉词直方图h(I1)，h(I1)为K维；2)以(W/2,H/2)为中心，选择一个宽为2W/3，高为2H/3的矩形区域作为感兴趣区域I2，计算该感兴趣区域的视觉词直方图h(I2)，h(I2)为K维；3)以(W/2,H/2)为中心，选择一个宽为W/3，高为H/3的矩形区域作为一个感兴趣区域I3，计算该感兴趣区域的视觉词直方图h(I3)，h(I3)为K维；4)将三个感兴趣区域I1、I2、I3的视觉词直方图顺次拼接，并归一化形成车标直方图建立最终的视觉词直方图H(I)，即H(I)＝[h(I1)，h(I2)，h(I3)]/||H(I)||1，||H(I)||1代表H(I)的绝对值和，H(I)的维数为3×K维；计算视觉词直方图的方法为：其中|Ij|代表该感兴趣区域Ij中dense-SIFT的个数，f(di)为dense-SIFT特征与视觉词的映射关系，di表示第i个特征。2.根据权利要求1所述的车标自动识别方法，其特征在于，步骤(1)、(7)中提取dense-SIFT的方法为：1)用密集采样网格确定特征提取点，网格上的交叉点即为特征提取点，其中采样密度为M个像素，即网格上一个特征提取点到下一个特征提取点的距离是M个像素；2)以每个特征提取点为中心，取N*N的窗口，计算SIFT特征描述子。3.根据权利要求1所述的车标自动识别方法，其特征是，步骤(2)具体为：从提取的所有dense-SIFT特征中，随机选取104个dense-SIFT组成特征集，利用K-MEANS聚类法，将dense-SIFT特征集分为K个聚类并计算出聚类质心，每个聚类质心作为一个视觉词，最终形成一个具有K个视觉词的词汇库。4.根据权利要求1所述的车标自动识别方法，其特征是，步骤(4)、(8)具体为：根据距离越近越相似的原则，计算dense-SIFT特征di与视觉词μj之间的相关度建立dense-SIFT特征di与K个视觉词μj之间的映射，映射关系为f(di)＝[K(di，μ1)，...，K(di，μk)]T，其中di表示第i个特征，μj表示第j个视觉词，μk表示第K个视觉词，K为视觉词的个数，σ2为高斯函数的宽度参数，控制了函数的径向作用范围，T为矩阵转置符。5.根据权利要求1所述的车标自动识别方法，其特征是，步骤(6)具体为：当训练第i类车标时，将该类的车标图像标记为+1，其余的车标图片标记为-1，本实施例采用径向基RBF核为SVM的核函数，为每类车标训练SVM模型，径向基RBF核函数公式为：K(Hi，Hj)＝exp(-γ||Hi-Hj||2)其中Hi、Hj表示训练样本的空间直方图；γ为RBF的核参数；另外训练SVM模型时还需输入惩罚因子C。6.根据权利要求1所述的车标自动识别方法，其特征是，步骤(10)具体为：将待测图像的空间视觉词直方图输入到步骤(6)中训练好的SVM模型，输出车标识别结果，待检测车标的识别类别根据SVM输出的最大预测值来判定，P(H(I))argmaxPi(H(I))，其中，Pi(H(I))为输入视觉词直方图后SVM的预测值，P(H(I))为车标的识别类别；其中wj是权重，sj是支持向量即部分训练样本的视觉词直方图，β是偏值，这些参数由步骤(6)中训练的SVM模型得到，H(I)是待识别车标的空间直方图，K(·，·)是SVM的RBF核函数，7.一种用于实现权利要求1-6任一项所述方法的车标自动识别系统，其特征在于：所述系统包括一个离线训练子系统以及一个在线识别子系统，离线训练子系统以训练车标样本为输入，输出训练好的SVM分类器；在线识别子系统利用训练好的SVM分类器处理待检测图像，识别出待检测图像的车标类别；其中：所述离线训练子系统包括：dense-SIFT特征提取模块：提取训练车标样本图片的dense-SIFT特征，得到dense-SIFT特征集；视觉词库建立模块：用K-MEANS方法对dense-SIFT特征集聚类分析，建立视觉词汇库；建立KD树索引视觉词汇库模块：建立KD树，快速索引视觉词库建立模块建立的词汇库中的视觉词；特征映射至视觉词模块：根据视觉词库建立模块已建立的词汇库，计算dense-SIFT特征提取模块得到的dense-SIFT特征集与视觉词的相关性，将所有的dense-SIFT映射成视觉词表示；建立空间直方图模块：采用回字形空间金字塔，建立空间视觉词直方图来表示图像；训练支持向量机分类器模块：利用建立空间直方图模块建立的空间视觉词直方图训练支持向量机SVM分类器；训练图片库中的车标图片依次经过上述几个模块处理，得到训练好的SVM分类器；所述识别子系统包括：dense-SIFT特征提取模块：提取待检测车标图片的dense-SIFT特征；特征映射至视觉词模块：根据离线训练部分已建立的词汇库，计算dense-SIFT特征提取模块获得的dense-SIFT特征集与视觉词的相关性，将dense-SIFT映射成视觉词表示；空间直方图建立模块：采用回字形空间金字塔，建立空间视觉直方图来表示图像；SVM分类器预测模块：将空间直方图建立模块建立的待检测图片的空间视觉直方图输入支持向量机SVM分类器，输出识别结果。