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； 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； 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； 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。3. 根据权利要求1所述的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，所述目标特征向量为HOG特征向量。4. 根据权利要求3所述的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，所述提取所述车前灯区域的目标特征向量的过程包括： 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，分别获取各所述 子图像的HOG特征向量； 其中，对于当前子图像，获取所述当前子图像的HOG特征向量的过程包括步骤： 对所述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； 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； 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； 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HOG特征向量。5. 根据权利要求4所述的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，所述多分类器的构造过程包括步骤： 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-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)>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，其中，fdx)表示核函数； 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。6. -种基于车前灯图像特征的车辆品牌识别系统，其特征在于，包括： 定位模块，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； 类别识别模块，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； 品牌识别模块，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。7. 根据权利要求6所述的基于车前灯图像特征的车辆品牌识别系统，其特征在于，所述 定位模块包括： 获取单元，用于获取图像采集装置所采集的车辆图像； 灰度化单元，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； 第一叠加单元，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； 选取单元，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； 第二叠加单元，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； 获取单元，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； 处理单元，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。8. 根据权利要求6所述的所述的基于车前灯图像特征的车辆品牌识别系统，其特征在 于，所述目标特征向量为HOG特征向量。9. 根据权利要求8所述的所述的基于车前灯图像特征的车辆品牌识别系统，其特征在 于，所述类别识别模块包括： 区域划分单元，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； 向量获取单元，用于分别获取各所述子图像的HOG特征向量； 类别识别单元，用于根据各所述子图像的HOG特征向量以及预先构造的多分类器识别 当前车前灯类别； 其中，所述向量获取单元包括： 平滑滤波单元，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； 细划分单元，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； 直方图获取单元，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； 规范化单元，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HOG特征向量。10.根据权利要求9所述的所述的基于车前灯图像特征的车辆品牌识别系统，其特征在 于，还包括： 多分类器构造模块，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-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)>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b(X)<〇,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，fij (X )表示核函数。
【专利摘要】本发明涉及一种基于车前灯图像特征的车辆品牌识别方法和系统，其方法包括步骤：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。采用本发明的方案，可以克服车前脸区域尺寸较大导致的运算复杂度较高的问题，能够满足实时性应用需求；并可以克服由于车辆标志尺寸较小带来的识别准确率较低的问题，增加了大规模实战应用的可行性，同时去除了车前脸区域的冗余信息，提高了车辆品牌识别效率。
【IPC分类】G06K9/00
【公开号】CN105574490
【申请号】CN201510916732
【发明人】孙盛, 杨学军, 曹志雷, 冯力, 教颖辉
【申请人】金鹏电子信息机器有限公司
【公开日】2016年5月11日
【申请日】2015年12月10日