/2个SVM子分类器，m*(m-l)/2个SVM子分类器构成所述多分类器，SVM子分类器的判 别方式为，若f^(x)>〇,判定待测试样本图像属于第i类车前灯，并将第i类车前灯的得分增 加1分;若则判定待测试样本图像属于第j类车前灯，并将第j类车前灯的得分增 加1分，对各所述SVM子分类器，分别采用所述判别方式进行判别，统计各类车前灯的得分， 根据所述得分确定待测试样本图像所归属的车前灯类别，其中，fu( X)表示核函数。
[0083] 在本实施例中，考虑到由于车前灯子图像的H0G特征向量为非线性特征，因此需要 引入核函数。在本方法中，引入了RBF(径向基函数)核函数，因为该核函数的平均性能是较 好的，具有较宽的收敛域。
[0084] 根据上述本发明的基于车前灯图像特征的车辆品牌识别方法，本发明还提供一种 基于车前灯图像特征的车辆品牌识别系统，以下就本发明的基于车前灯图像特征的车辆品 牌识别系统的实施例进行详细说明。图6中示出了本发明的基于车前灯图像特征的车辆品 牌识别系统的一个实施例的结构示意图。为了便于说明，在图6中只示出了与本发明相关的 部分。
[0085] 如图6所示，本实施例的基于车前灯图像特征的车辆品牌识别系统包括定位模块 401、类别识别模块402、品牌识别模块403，其中：
[0086] 定位模块401，用于获取图像采集装置所采集的车辆图像，对所述车辆图像中的车 前灯进行定位，获得车前灯区域；
[0087] 类别识别模块402,用于提取所述车前灯区域的目标特征向量，根据所述目标特征 向量以及预先构造的多分类器识别当前车前灯类别；
[0088] 品牌识别模块403,用于根据预先建立的车前灯类别与车辆品牌的关联关系，识别 与所述当前车前灯类别关联的车辆品牌。
[0089]在其中一个实施例中，如图7所示，定位模块401可以包括：
[0090]获取单元501，用于获取图像采集装置所采集的车辆图像；
[0091]灰度化单元502，用于对所述车辆图像进行灰度化处理得到所述车前灯区域的灰 度图像；
[0092]第一叠加单元503,用于将所述灰度图像的各像素点的灰度差值对第一设定方向 做叠加投影运算，获得第一灰度差值数组；
[0093]选取单元504,用于根据所述第一灰度差值数组获取位于第一方向的第一鼓形区 域，根据所述第一鼓形区域选取若干候选车前灯区域；
[0094]第二叠加单元505,用于将所述灰度图像的各像素点的灰度差值对第二设定方向 做叠加投影运算，获得第二灰度差值数组，其中，所述第二设定方向与所述第一设定方向垂 直；
[0095]获取单元506,用于根据所述第二灰度差值数组获取位于第二方向的第二鼓形区 域；
[0096]处理单元507,用于根据所述第一鼓形区域、所述第二鼓形区域，将在所述第一设 定方向、所述第一设定方向均存在鼓形区域的候选车前灯区域确定为所述车前灯区域。 [0097]在其中一个实施例中，所述目标特征向量可以为H0G特征向量。
[0098]在其中一个实施例中，如图8所示，类别识别模块402可以包括：
[0099] 区域划分单元601，用于对所述车前灯区域进行区域划分，得到所述车前灯区域的 各子图像；
[0100] 向量获取单元602,用于分别获取各所述子图像的H0G特征向量；
[0101] 类别识别单元603,用于根据各所述子图像的H0G特征向量以及预先构造的多分类 器识别当前车前灯类别；
[0102] 其中，向量获取单元602包括：
[0103]平滑滤波单元701，用于对当前子图像进行平滑处理，对平滑处理后的所述当前子 图像实施以一维滤波模板，得到所述当前子图像的各像素点的梯度方向；
[0104] 细划分单元702,用于根据预设的单元格划分方式以及图像块划分方式对所述当 前子图像进行划分，划分后的各图像块分别包括若干个相邻接的单元格，划分后的各单元 格分别包括若干个相邻接的像素点；
[0105] 直方图获取单元703,用于根据所述梯度方向分别获取划分后的各单元格的方向 梯度直方图；
[0106] 规范化单元704,用于分别对各图像块中的各单元格的方向梯度直方图进行规范 化运算，得到所述当前子图像的经过规范化后的各图像块中的各单元格的梯度直方图构成 的向量，该向量为所述当前子图像的H0G特征向量。
[0107] 在其中一个实施例中，如图9所示，所述的基于车前灯图像特征的车辆品牌识别系 统还可以包括：
[0108] 多分类器构造模块404,用于选取径向基核函数为所述多分类器的核函数，使用网 格搜索法确定所述径向基核函数的核函数参数和惩罚因子，每两类车前灯图像样本间设计 一个SVM子分类器，若包括m类车前灯图像样本，则共需要m*(m-l)/2个SVM子分类器，m*(m-1 )/2个SVM子分类器构成所述多分类器，SVM子分类器的判别方式为，若f ^ (X) >0，判定待测 试样本图像属于第i类车前灯，并将第i类车前灯的得分增加1分;若则判定待测 试样本图像属于第j类车前灯，并将第j类车前灯的得分增加 1分，对各所述SVM子分类器，分 别采用所述判别方式进行判别，统计各类车前灯的得分，根据所述得分确定待测试样本图 像所归属的车前灯类别，其中，fdx)表示核函数。
[0109] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实 施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存 在矛盾，都应当认为是本说明书记载的范围。
[0110] 本发明的基于车前灯图像特征的车辆品牌识别系统与本发明的基于车前灯图像 特征的车辆品牌识别方法一一对应，在上述基于车前灯图像特征的车辆品牌识别方法的实 施例阐述的技术特征及其有益效果均适用于基于车前灯图像特征的车辆品牌识别系统的 实施例中，特此声明。
[0111]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并 不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来 说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护 范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1. 一种基于车前灯图像特征的车辆品牌识别方法，其特征在于，包括如下步骤： 获取图像采集装置所采集的车辆图像，对所述车辆图像中的车前灯进行定位，获得车 前灯区域； 提取所述车前灯区域的目标特征向量，根据所述目标特征向量以及预先构造的多分类 器识别当前车前灯类别； 根据预先建立的车前灯类别与车辆品牌的关联关系，识别与所述当前车前灯类别关联 的车辆品牌。2. 根据权利要求1所述的基于车前灯图像特征的车辆品牌识别方法，其特征在于，所述 对所述车辆图像中的车前灯进行定位，获得车前灯区域的过程包括步骤： 对所述车辆图像进行灰度化处理得到所述车前灯区域的灰度图像； 将所述灰度图像的各像素点的灰度差值对第一设定方向做叠加投影运算，获得第一灰 度差值数组； 根据所述第一灰度差值数组获取位于第一方向的第