一种车辆品牌识别系统及方法
【技术领域】
[0001]本发明涉及模式识别和智能交通信息技术领域，特别涉及一种车辆品牌识别系统及方法。
【背景技术】
[0002]近年来，随着社会的不断进步，智能交通系统得到快速发展，同时，计算机视觉和模式识别技术的发展，为智能交通系统更有效的应用提供了契机。计算机视觉是利用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和识别。
[0003]在智能交通系统中，车辆品牌识别是其重要组成部分。车辆品牌识别是根据不同品牌车辆的外形和车标的唯一性进行车辆品牌识别，在城市交通监控、应急指挥、事故检测、智能路径引导等领域有着广泛的应用前景。
[0004]现有的车辆品牌识别方案中，主要由三个部分构成:首先，从车辆图片中截取车头图像块；其次，提取车头图像块的特征信息；最后，将特征信息输入分类器得到车辆品牌识别结果。
[0005]在第一部分中，从车辆图片中截取车头图片，虽然车头图片包含一定的车辆的品牌信息，但是同时也包含大量冗余信息和干扰信息，例如车头散热网和车牌的干扰。截取车头图像带来的冗余信息和干扰信息为后续的特征提取和分类带来诸多困难。
[0006]在第二部分中，提取车头图像块的特征信息，现有的技术主要是提取图像的表层特征，包括梯度方向直方图(HoG)、线性二值化模型(LBP)等，这类特征能较好地反映图像形状，对光照和角度变化有一定的鲁棒性，但是这类特征信息不够丰富，难以满足车辆品牌大量类别分类的要求。
[0007]随着现有交通监控技术的进步，高清摄像头得到广泛应用。尤其是高清摄像头能够从行驶的车辆中获取清晰的车标图片，这也为基于监控视频的车辆品牌识别的技术突破提供了有利条件。针对现有技术存在的不足，本发明提出了一种基于车标图片分析的车辆品牌识别方法和系统，该方法从交通监控视频中准确获取车辆的车标图片，并提取车标图片的深层特征信息，对得到的特征信息进行分类最终识别出车辆品牌。
【发明内容】
[0008]本发明所要解决的技术问题是提供一种成本低、适用范围广、识别速度快、准确度高的车辆品牌识别系统及方法。
[0009]本发明解决上述技术问题的技术方案如下:一种车辆品牌识别系统，包括监控视频获取模块、车辆检测模块、车标分割模块、车标特征提取模块和车辆品牌识别模块；所述监控视频获取模块、车辆检测模块、车标分割模块、车标特征提取模块和车辆品牌识别模块依次连接；
[0010]所述监控视频获取模块，用于获取交通监控卡口的车辆监控视频；
[0011]所述车辆检测模块，用于对车辆监控视频进行车辆检测，获取车辆监控视频中所有车辆出现的位置，并根据车辆的位置信息截取车辆图片；
[0012]所述车标分割模块，用于从车辆图片中检测车标，获取车标位置，并根据车标位置分割出车标图片；
[0013]所述车标特征提取模块，用于对车标图片进行车标特征提取；
[0014]所述车辆品牌识别模块，用于对提取的车标特征信息进行分类，根据特征分类结果得到车辆品牌。
[0015]本发明的有益效果是:利用监控视频作为车辆品牌识别系统的输入信息，能够减少设备投入，有效降低成本，而且现有的交通卡口监控网络覆盖面广，能够获取大范围的车辆监控视频；车辆检测模块从交通卡口监控视频中提取车辆图片，为车标检测缩小搜索范围，提高车标检测的准确率；车标分割模块对直接对车辆图片进行车标检测并提取车标图片，车标图片作为车辆品牌识别的唯一特征图像，能够有效减少冗余信息和干扰信息，提高车标识别的准确率；车标特征提取模块能提取车标图片的特征信息，不同的车标图片得到不同的特征信息，可以利用车标图片特征信息的差异性进行车标识别；车辆品牌识别模块将车标图片的特征信息进行车标分类，能够识别出不同的车标图形，由于车标图片和车辆品牌是一一对应的，即一种车标图片只对应一种车辆品牌，因此，利用车标图片和车辆品牌的对应关系能够实现车辆品牌识别。
[0016]在上述技术方案的基础上，本发明还可以做如下改进。
[0017]进一步，所述监控视频获取模块包括一台以上的摄像机。
[0018]进一步，所述车辆检测模块使用图像模式识别技术进行车辆检测，获取车辆图片。
[0019]采用上述进一步方案的有益效果是:使用图像模式识别技术进行车辆检测提高车辆识别效率。
[0020]进一步，所述车辆检测模块对监控视频的单帧画面进行车辆检测，并获取单帧画面中的车辆位置信息，根据车辆的位置信息截取车辆图片。
[0021]采用上述进一步方案的有益效果是:对监控视频的单帧画面进行车辆检测，既能够识别行驶中的车辆也能够识别静止的车辆，扩大了系统的适用范围。
[0022]进一步，所述车标分割模块根据车辆图片的对称性，在车辆图片对称轴的附近进行车标搜索。
[0023]采用上述进一步方案的有益效果是:对称搜索可以提高搜索效率，提高识别速度。
[0024]进一步，所述车标特征提取模块通过深度神经网络对车标图片进行车标特征提取。
[0025]采用上述进一步方案的有益效果是:深度神经网络能提高对车标图片特征的提取准确度，保证车标识别的精确性。
[0026]进一步，所述车辆品牌识别模块包括分类器，所述分类器对提取的车标特征信息进行分类，并输出车标图片属于各类车标的概率值。
[0027]进一步，所述车辆品牌识别模块将分类器输出的各个概率值与设定的概率阈值作比较，若各个概率值都小于概率阈值，则判定输入的不是车标图片；若只有一个概率值大于概率阈值，则判定该图像为最大概率值对应的车标图片；若有多个概率值大于概率阈值，则重新分类，进行概率值与概率阀值进行比对。
[0028]采用上述进一步方案的有益效果是:分类器的输出是的概率值，能够根据各个概率的数值大小情况进行二次判别，有效提高车标识别准确率。
[0029]本发明解决上述技术问题的另一技术方案如下:一种车辆品牌识别方法，包括以下步骤:
[0030]步骤S1.获取交通监控卡口的车辆监控视频；
[0031 ] 步骤S2.对车辆监控视频进行车辆检测，获取车辆监控视频中所有车辆出现的位置，并根据车辆的位置信息截取车辆图片；
[0032]步骤S3.从车辆图片中检测车标，获取车标位置，并根据车标位置分割出车标图片;
[0033]步骤S4.对车标图片进行车标特征提取；
[0034]步骤S5.对提取的车标特征信息进行分类，根据特征分类结果得到车辆品牌。
[0035]本发明的有益效果是:利用监控视频作为车辆品牌识别系统的输入信息，能够减少设备投入，有效降低成本，扩大系统使用范围；从监控视频中提取车辆图像，缩小车标搜索范围；对直接对车辆图像进行车标检测并提取车标图片，能够有效减少冗余信息和干扰信息；提取车标图片的特征信息，不同的车标图像得到不同的特征信息，可以利用车标图片特征信息的差异性进行车标识别；将车标图片的特征信息进行车标分类，能够识别出不同的车标图片，利用车标图片和车辆品牌的对应关系能够实现车辆品牌识别。
[0036]进一步，所述步骤S5的具体实现:对提取的车标特征信息进行分类，将分类输出的各个概率值与设定的概率阈值作比较，若各个概率值都小于概率阈值，则判定输入的不是车标图片；若只有一个概率值大于概率阈值，则判定该图像为最大概率值对应的车标图片；若有多个概率值大于概率阈值，则重新分类，进行概率值与概率阀值进行比对。
[0037]采用上述进一步方案的有益效果是:分类输出是的概率值，能够根据各个概率的数值大小情况进行二次判别，有效提高车标识别准确率。
【附图说明】
[0038]图1为本发明一种车辆品牌识别系统的模块框图；
[0039]图2为本发明一种车辆品牌识别方法流程图。
[0040]附图中，各标号所代表的部件列表如下:
[0041 ] 1、监控视频获取模块，2、车辆检测模块，3、车标分割模块，4、车标特征提取模块，
5、车辆品牌识别模块。
【具体实施方式】
[0042]以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
[0043]实施例1:
[0044]如图1所示，一种车辆品牌识别系统，包括监控视频获取模块1、车辆检测模块2、车标分割模块3、车标特征提取模块4和车辆品牌识别模块5 ;所述监控视频获取模块1、车辆检测模块2、车标分割模块3、车标特征提取模块4和车辆品牌识别模块5依次连接；
[0045]所述监控视频获取模块1，用于获取交通监控卡口的车辆监控视频；
[0046]所述车辆检测模块2，用于对车辆监控视频进行车辆检测，获取车辆监控视频中所有车辆出现的位置，并根据车辆的位置信息截取车辆图片；