一种车标自动识别方法和系统的制作方法
【技术领域】
[0001] 本发明涉及智能交通技术领域，特别是涉及一种车标自动识别方法和系统。
【背景技术】
[0002] 车标识别是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车 标信息，从而获得机动车辆品牌信息的一种实用技术。随着智能交通系统的广泛应用，车标 识别作为智能交通系统中的一个重要环节，越来越受到人们的重视。
[0003] 在进行车标识别时，由于车标目标小，区域背景复杂，受到照相设备的拍摄角度以 及光照等因素的影响，不利于车标的准确定位，进而会影响后续车标识别的识别精度。
【发明内容】
[0004] 本发明的目的在于克服现有技术的不足，提供一种车标自动识别方法和系统，提 高了车标识别率。
[0005] 本发明的目的是通过以下技术方案来实现的：一种车标自动识别方法，包括以下 步骤：
[0006] S1.建立包括多个车标标准模板的车标模板库；
[0007] S2.在车辆图像中对车牌和车标进行定位；
[0008] S3.根据车牌定位结果提取特征，判断是否为宝马车型，若为宝马车型则输出车标 识别结果；
[0009] S4.判断车标定位框的大小是否小于第一阈值，若车标定位框的大小小于第一阈 值，则输出无法识别车标；
[0010] S5.将车标定位框内的图像A分别与车标模板库中的各个车标标准模板进行滑动 匹配，输出车标识别结果。
[0011] 所述步骤S3包括以下子步骤：
[0012] S31.提取待识别区域：根据车牌定位的结果，从车辆图像中提取待识别区域；
[0013] S32.优化待识别区域：对待识别区域进行边缘检测，根据边缘检测的结果去掉待 识别区域四周的空白区域；
[0014] S33.车标识别：根据待识别区域的长、宽、边缘密度强度、边缘分布以及宝马车标 在待识别区域的位置分布特征进行车标识别，若为宝马车型，则输出车标识别结果。
[0015] 所述步骤S33包括以下子步骤：
[0016] S331.对待识别区域进行滤波；
[0017] S332.对滤波后的待识别区域进行边缘检测；
[0018] S333.对边缘检测后的待识别区域进行膨胀；
[0019] S334.寻找膨胀后的待识别区域的连通域，并对连通域进行填充；
[0020] S335.优化连通区域：判断待识别区域中前两个最大连通域之间是否存在黏粘， 若存在黏粘则进行人工分割；
[0021] S336.若待识别区域中最大连通域的面积点数大于第三阈值，且该最大连通域的 重心位于待识别区域中心的一侧，且该最大连通域的宽度小于第四阈值，则为宝马车型，输 出车标识别结果。
[0022] 所述步骤S331中的滤波包括高通滤波频域增强和中值滤波。
[0023] 所述步骤S5包括以下子步骤：
[0024] S51.对图像A进行图像预处理；
[0025] S52.判断预处理后的图像A的长宽比是否小于第二阈值：
[0026] 若预处理后的图像A的长宽比大于等于第二阈值，则采用第一匹配算法对预处理 后的图像A和车标标准模板进行滑动匹配，得到预处理后的图像A与车标标准模板的相似 度；
[0027] 若预处理后的图像A的长宽比小于第二阈值，则采用第二匹配算法对预处理后的 图像A和车标标准模板进行滑动匹配，得到预处理后的图像A与车标标准模板的相似度；
[0028] S53.将预处理后的图像A与各车标标准模板的相似度的值按照从大到小的顺序 输出。
[0029] 所述步骤S51包括以下子步骤：
[0030] S511.根据车牌定位返回的倾斜校正角度对图像A进行矫正，并对矫正后的图像A 进行填充；
[0031] S512.对矫正后的图像A进行同态滤波；
[0032] S513.对同态滤波后的图像A进行二值化处理。
[0033] 所述第一匹配算法包括以下步骤：
[0034] S52la.将预处理后的图像A归一化为m像素像素大小的图像B;
[0035] S522a.用一个η像素*n像素大小的窗口在图像B的区域内滑动，每次逐个像素进 行滑动；
[0036] S523a.每移动一次窗口就将窗口内的图像归一化到m像素*m像素大小的图像C， 然后将图像C中第1行像素至第η行像素、第1列像素至第η列像素组成的区域与车标标 准模板中对应区域进行相似度计算；
[0037] S524a.将预处理后的图像Α进行修剪，修剪方式为：从上到下逐行判断，第一次出 现前景点的行作为修剪后图像的第一行，从左到右逐列判断，第一次出现前景点的列作为 修剪后的图像的第一列；
[0038] S525a.将修剪后的图像归一化为60像素*60像素大小的图像D;
[0039] S526a.计算图像D与车标标准模板的相似度；
[0040] S527a.将图像D中第1行像素至第η行像素、第1列像素至第η列像素组成的区 域与车标标准模板中对应区域进行相似度计算；
[0041] S528a.将步骤S523a、步骤S526a和步骤S527a中得到的相似度的值中的最大值 作为图像A与车标标准模板的相似度的值。
[0042] 所述第二匹配算法包括以下步骤：
[0043] S521b.将车标定位框的长拉伸到m个像素，将车标定位框的宽按照车标定位框的 长的拉伸比例进行拉伸；
[0044] S522b.将步骤S521b中车标定位框拉伸后得到的矩形框作为窗口在车标标准模 板中滑动，截取同样宽度的图像； 辨-?????一Η
[0045] S523b.窗口每滑动一次，去除前5-列像素和后j列像素，将剩下的区域与 嫩 一flIH_P 经过缩放的图像A同样去除前-γ-列像素和后i列像素后的区域进行相似度计算；
[0046] S524b.将步骤S523b中得到的所有相似度的值中的最大值作为图像A与车标标准 模板的相似度的值。
[0047] 所述相似度计算的公式为：
[0048]
[0049] 式中，j_图像逐行或逐列转化为一维向量，k-图像逐行或逐列转化为一维向量； cov(j,k)-j和k的协方差矩阵，std(j)-j的标准差，std(k)-k的标准差。
[0050] -种车标自动识别系统，包括车标模板库模块，用于建立车标标准模板；
[0051] 车牌和车标定位模块，用于对车牌和车标进行定位；
[0052] 第一车标识别模块，用于判断是否为宝马车型；
[0053] 车标定位框检测模块，用于判断车标定位框的大小是否小于第一阈值，若车标定 位框的大小小于第一阈值；
[0054] 第二车车标识别模块，用于识别车标定位框内的图像A中的车标；
[0055] 结果输出1?块，用于输出车标识别结果。
[0056] 本发明的有益效果是：
[0057] (1)本发明能够抗旋转、抗缩放，并且能够容忍一定程度车标定位不准确引起的干 扰；
[0058] (2)本发明利用宝马车头的独特性并结合其车标与周围区域的分布关系来识别该 车型，大大提高了对于宝马的识别率；
[0059] (3)本发明在识别车标的过程中，采用滑动进行多次匹配，对车标的识别正确率达 95%〇
【附图说明】
[0060] 图1为本发明一种车标自动识别方法的流程图；
[0061] 图2为本发明中宝马识别的流程图；
[0062] 图3为图2中车标识别流程；
[0063] 图4为本发明中非宝马识别的流程图；
[0064] 图5为图4中第一匹配算法的流程图；
[0065] 图6为图4中第二