匹配算法的流程图；
[0066] 图7为本发明一种车标自动识别系统的框图。
【具体实施方式】
[0067] 下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于 以下所述。
[0068] 如图1所示，一种车标自动识别方法，包括以下步骤：
[0069] S1.建立包括多个车标标准模板的车标模板库。
[0070] 车标模板库中的车标标准模板包括除宝马车标以外的其它品牌的车标，本实施例 中车标模板库包含表1中所列品牌的车标。
[0071] 表1车标模板库中包含的车标对应的品牌
[0072]
[0073] S2.在车辆图像中对车牌和车标进行定位。
[0074] 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。
[0075] 如图2所示，所述步骤S3包括以下子步骤：
[0076] S31.提取待识别区域：根据车牌定位的结果，按照一定比例从车辆图像中提取待 识别区域。
[0077] 定义车牌定位框的上下左右坐标分别为：Plate_up，Plate_down，Plate_left， Plate_right，长宽分别为：Plate_Height，Plate_Width，则粗定位框的上下左右分别 为：Plate_up-Plate_Height*6,Plate_up- 1，Plate_left-Plate_Width/2,Plate_ right+Plate_Width/2。粗定位框内的图像即为待识别区域。
[0078] 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。
[0079] 优化待识别区域的具体步骤为：对待识别区域进行边缘检测，利用待识别区域的 边缘图，从上到下逐行扫描，从边缘点个数大于5的一行开始截取图像，而左右下都与步骤 S31中的待识别区域相同，然后得到优化后的待识别区域。
[0080] 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。
[0081] 如图3所示，所述步骤S33包括以下子步骤：
[0082]S331.对待识别区域进行滤波。
[0083] 所述步骤S331中的滤波包括高通滤波频域增强和中值滤波。高通滤波频域增强 用于对边缘进行强化；中值滤波用于消除噪声，消除孤立点用于减弱随机干扰，但边缘不会 模糊。本实施例米用的尚通滤波器函数为：//("』) =(你-片/).(丨-"|厂）+片/,其中：d0 =3,Rh= 4,R1 = 0. 5,c= 3. 5,η= 1，d是从任意一点到频率平面原点的距离。
[0084] 本实施例的中值滤波使用的模板为3*3矩阵。
[0085] S332.对滤波后的待识别区域进行边缘检测，本实施例中边缘检测利用canny算 子。
[0086] S333.对边缘检测后的待识别区域进行膨胀，本实施例中膨胀算子为1 11
[0087] 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，本实施例中寻找 连通域采用的是：4连通域。
[0088] 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。
[0089] 在对连通域进行填充后的待识别区域上，截取图像长度的2/5至3/5、宽度的1/3 至2/3的区域，然后判断该区域的中间附近处是否存在缝隙；设所截区域中所有背景点的 列坐标为向量Y，小图的宽度为width，则判断是否需要人为将黏粘区域分开的条件是：
[0090] max(Y)一min(Y)〈20 且mean(Y)-width/2〈10。
[0091] 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。
[0092] 具体的，若最大连通域的面积大于前两个最大两个连通域所构成的最大外接矩形 面积的1/4,且最大连通域的重心位于待识别区域中心的一侧，且最大连通域的宽度小于前 两个最大连通域所构成的最大外接矩形的2/3,则为宝马车型。
[0093] S4.判断车标定位框的大小是否小于第一阈值，第一阈值可以根据用户的需要进 行设置，若车标定位框的大小小于第一阈值，则输出无法识别车标。
[0094] 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。
[0095] 如图4所示，所述步骤S5包括以下子步骤：
[0096] S51.对图像A进行图像预处理。
[0097] 所述步骤S51包括以下子步骤：
[0098] 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。
[0099] S512.对矫正后的图像A进行同态滤波。本实施例参数选取分别为：n= 2,Rh= 1· 01 ;R1 = 0· 02;c= 15 ;d0 =max(m,η)，m,η分别为图像A的长宽。
[0100] S513.对同态滤波后的图像A进行二值化处理。
[0101] S52.判断预处理后的图像A的长宽比是否小于第二阈值，本实施例中第二阈值的 取值为〇. 8 :
[0102] 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。
[0103] 如图5所示所述第一匹配算法包括以下步骤：
[0104] S52la.将预处理后的图像A归一化为60像素*60像素大小的图像B;
[0105] S522a.用一个50像素*50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；
[0106] S523a.每移动一次窗口就将窗口内的图像归一化到50像素*50像素大小的图像 C，然后将图像C中第1行像素至第50行像素、第1列像素至第50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；
[0107] S524a.将预处理后的图像A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；
[0108] S525a.将修剪后的图像归一化为60像素*60像素大小的图像D;
[0109] S526a.计算图像D与车标标准模板的相似度；
[0110] S527a.将图像D中第1行像素至第50行像素、第1列像素至第50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；
[0111] 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。
[0112] 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。
[0113] 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。
[0114] 如图6所示，所述第二匹配算法包括以下步骤：
[0115] 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；
[0116] 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；
[0117] S523b.窗口每滑动一次，去除前5列像素和后5列像素，将剩下的区域与