一种车标识别方法和系统的制作方法
【专利摘要】本发明实施例提供一种车标识别方法和系统，将每类车标识别模型通过线性判别分析LDA投影到最佳鉴别矢量空间，分别得到一个模型特征向量，其中，方法包括：获取车标区域；将所述车标区域通过LDA投影到所述最佳鉴别矢量空间，得到车标特征向量；计算所述车标特征向量与所有模型特征向量间欧式距离，选取预定个与所述车标特征向量欧式距离最近的模型特征向量；对所述车标区域使用所有选取的模型特征向量相对应的车标识别模型分别进行识别，得到车标识别结果。提高了对汽车车标的识别速度。
【专利说明】一种车标识别方法和系统
【技术领域】
[0001] 本发明涉及图像处理领域，特别是涉及一种车标识别方法和系统。
【背景技术】
[0002] 目前，车牌识别设备已经被广泛地使用在停车场出入口对进出场的车辆进行管 理，目前的车牌识别系统使用进场取卡，一车一卡的模式来进行车牌识别。然而，因为车牌 识别设备的车牌识别率一般只有95%左右，无法保证将所有拍摄的车牌完全识别出来，因 此，在停车场出入口处一般会配置有工作人员来协助进行车牌设备。但是，近年来，随着人 力成本的提高，无人值守停车场开始被推广，车牌识别目前在大部分系统中仍然作为车辆 识别的唯一标准，一旦车牌号码无法被识别，将会对用户使用以及停车场管理带来麻烦，车 标识别作为车牌识别的一种补充，在车牌无法被识别的时候可以通过识别车标来完成寻车 以及协助收费，车标识别越来越受到人们的重视。但是，由于现有的车标种类繁多，当需要 对一个汽车车标进行识别时，需要对待识别的汽车车标使用所有类别的车标识别模型均进 行识别后才可对待识别车标进行准确地识别，使得现有技术中对汽车车标的识别速度缓 慢，使得对汽车车标的识别失去了其应有的时效性，使其无法在停车场出入口等来协助对 进出场的车辆进行管理，失去了对汽车车标识别应有的意义。
【发明内容】
[0003] 有鉴于此，本发明实施例提供一种车标识别方法和系统，以解决现有技术中对汽 车车标的识别速度缓慢，使得对汽车车标的识别失去了其应有的时效性，使其无法在停车 场出入口等来协助对进出场的车辆进行管理，失去了对汽车车标识别应有的意义的问题。
[0004] 为实现上述目的，本发明实施例提供如下技术方案：
[0005] 一种车标识别方法，将每类车标识别模型通过线性判别分析LDA投影到最佳鉴别 矢量空间，分别得到一个模型特征向量，包括：
[0006] 获取车标区域；
[0007] 将所述车标区域通过LDA投影到所述最佳鉴别矢量空间，得到车标特征向量；
[0008] 计算所述车标特征向量与所有模型特征向量间欧式距离，选取预定个与所述车标 特征向量欧式距离最近的模型特征向量；
[0009] 对所述车标区域使用所有选取的模型特征向量相对应的车标识别模型分别进行 识别，得到车标识别结果。
[0010] 其中，将每类车标识别模型通过线性判别分析LDA投影到最佳鉴别矢量空间前还 包括：训练车标识别模型，
[0011] 所述训练车标识别模型包括：
[0012] 获取车标图像样本，并确定需训练的车标识别模型的类别；
[0013] 取所述车标图像样本中包含所述类别车标的车标区域为正样本，取所述车标图像 样本中不包含所述类别车标的车标区域为负样本；
[0014] 将所有正样本和负样本归一化到预定像素尺寸，并进行HOG特征提取；
[0015] 将所有提取到的特征进行串接后输入支持向量机SVM进行训练，得到所述类别的 车标识别模型。
[0016] 其中，所述最佳鉴别矢量空间包括：
[0017] 对每类车标识别模型通过LDA进行特征提取，分别得到一个特征矩阵；
[0018] 取每个特征矩阵的最大特征值相对应的特征向量分别组成一个最佳鉴别矢量矩 阵，得到最佳鉴别矢量空间。
[0019] 其中，所述获取车标区域包括：
[0020] 获取车标图像；
[0021] 对所述车标图像使用车标混合模型进行搜索，得到车标区域。
[0022] 其中，所述对所述车标图像使用车标混合模型进行搜索包括：
[0023] 判断是否在所述车标图像中检测到车牌区域；
[0024] 若检测到，则将所述车牌区域扩大预定的范围得到扩大区域，在所述扩大区域内 使用车标混合模型进行搜索；
[0025] 若未检测到，则对所述车标图像全图使用车标混合模型进行搜索。
[0026] 其中，训练所述车标混合模型包括：
[0027] 获取车标图像样本；
[0028] 取所述车标图像样本中车标区域为正样本，取所述车标图像样本中非车标区域为 负样本；
[0029] 使用哈尔特征对所述正样本和负样本进行表征，形成哈尔特征；
[0030] 利用迭代算法对所述哈尔特征进行训练，得到车标混合模型。
[0031] 其中，在接收地感信号后获取车标图像。
[0032] 其中，所述得到车标识别结果包括：
[0033] 确定每类车标识别模型对车标区域进行识别后的车标识别结果置信度；
[0034] 将置信度最高的车标识别结果作为车标识别结果。
[0035] 一种车标识别系统，包括：车标获取模块、第一投影模块、选取模块和识别模块； 其中，
[0036] 所述车标获取模块，用于获取车标区域；
[0037] 所述第一投影模块，用于将所述车标区域通过LDA投影到所述最佳鉴别矢量空 间，得到车标特征向量；
[0038] 所述选取模块，用于计算所述车标特征向量与所有模型特征向量间欧式距离，选 取预定个与所述车标特征向量欧式距离最近的模型特征向量；
[0039] 所述识别模块，用于对所述车标区域使用所有选取的模型特征向量相对应的车标 识别模型分别进行识别，得到车标识别结果。
[0040] 其中，所述车标识别系统还包括：第二投影模块，用于将每类车标识别模型通过线 性判别分析LDA投影到最佳鉴别矢量空间，分别得到一个模型特征向量。
[0041] 基于上述技术方案，本发明实施例提供的车标识别方法和系统，在进行车标识别 前，先将每类车标识别模型通过线性判别分析LDA投影到最佳鉴别矢量空间，使每类车标 识别模型分别得到一个模型特征向量；在进行车标识别时，通过获取车标区域，将获取的 车标区域通过LDA投影到上述的最佳鉴别矢量空间，得到车标特征向量，然后计算该车标 特征向量与所有模型特征向量间的欧式距离，因为模型特征向量与车标特征向量的欧式距 离越近，则模型特征向量相对应的车标识别模型的类型越有可能为待测汽车车标的车标类 型，因此，计算该车标特征向量与所有模型特征向量间的欧式距离后，选取预定个与该车标 特征向量欧式距离最近的模型特征向量，对该车标区域仅使用所有选取的模型特征向量相 对应的车标识别模型分别来进行识别，便可得到准确的车标识别结果，提高了汽车车标的 识别速度，使汽车车标的识别具有时效性，保证了车标识别在停车场出入口等出来对进出 场的车辆管理的协助作用。
【专利附图】
【附图说明】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。
[0043] 图1为本发明实施例提供车标识别系统；
[0044] 图2为本发明实施例提供的车标识别方法中得到模型特征向量的方法流程图；
[0045] 图3为本发明实施例提供的车标识别方法中训练车标识别模型的方法流程图；
[0046] 图4为本发明实施例提供的车标识别方法中得到最佳鉴别矢量空间的方法流程 图；
[0047] 图5为本发明实施例提供的车标识别方法中获取车标区域的方法流程图；
[0048] 图6为本发明实施例提供的车标识别方法中对车标图像使用车标混合模型进行 搜索的方法流程图；
[0049] 图7为本发明实施例提供的车标识别方法中训练车标混合模型的方法流程图； [0050] 图8为本发明实施例提供的车标识别方法中获取车标图像的方法流程图；
[0051] 图9为本发明实施例提供的车标识别方法中得到车标识别结果的方法流程图；
[0052] 图10为本发明实施例提供的车标识别系统的系统框图；
[0053] 图11为本发明实施例提供的车标识别系统的另一系统框图。
【具体实施方式】
[0054] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0055] 图1为本发明实施例提供的车标识别方法的流程图，该车标识别方法提高了对汽 车车标的识别速度，使汽车车标的识别具有时效性，保证了车标识别在停车场出入口等出 来对进出场的车辆管理的协助作用；参照图1，该车标识别方法可以包括：
[0056] 步骤SlOO :获取车标区域；
[0057] 车标区域即车标图像中包括车标的区域，车标图像即在停车场出入口等处通过摄 像机等图像采集设备采集到的包含车标的图像，一般来说，一幅车标图像的整图中只有一 小部分为车标区域。
[0058] 在获取车标区域之前，需要将用来识别车标区域的各类车标识别模型通过线性判 别分析LDA投影到最佳鉴别矢量空间，每一类车标识别模型在通过LDA投影后，分别可以得 到一个模型特征向量，也就是说，每一个模型特征向量均有其相对应的车标识别模型。
[0059] 其中，车标识别模型用来识别车标，当一类车标识别模型对车标区域进行识别时， 将会得到该被识别车标区域的车标识别置信度，若该被识别车标区域与该车标识别模型的 类别相同，则将会输出的输出置信度较高的车标识别结果，若该被识别车标区域与该车标 识别模型的类别不相同，则将会输出置信度较低的车标识别结果。
[0060] 可选的，可以使用30个类别的车标识别模型通过线性判别分析LDA投影到最佳鉴 别矢量空间，得到30个模型特征向量。
[0061] 可选的，当具有N类的车标识别模型时，车标识别模型可以通过LDA降维到的最 佳鉴别空间的维数可以与N-I维。也就是说，将一个56 X 56大小的车标区域可以提取到 1296维的特征，而通过了 LDA降维的方法，把复杂的车标模型从1296维降到N-I维。例如， 当具有30类的车标识别模型时，车标识别模型经过LDA降维后的维数只有29维。
[0062] 其中，需要注意的，在获取车标区域之前，需要对每类车标识别模型通过线性判别 分析LDA投影到最佳鉴别矢量空间，分别得到一个模型特征向量，但是，并不是每次获取车 标区域之前均需要将每类车标识别模型通过LDA投影到最佳鉴别矢量空间分别得到一个 模型特征向量，在同一个车标识别设备中，只需要进行一次将每类车标识别模型通过LDA 投影到最佳鉴别矢量空间的操作即可，该车标识别设备在每次对车标进行识别时，均使用 该最佳鉴别矢量空间和该最佳鉴别矢量空间中的所有模型特征向量来进行投影和计算操 作，无需重复将每类车标识别模型通过LDA重复投影到最佳鉴别矢量空间，使分别得到一 个模型特征向量。
[0063] 可选的，在需要训练某个类别的车标识别模型时，可以通过获取车标图像样本，确 定需训练的车标识别模型的类别后，取获取的车标图像样本中包含该类别车标的车标区域 为正样本，取获取的车标图像样本中不包含该类别车标的车标区域为负样本，然后将所有 正样本和负样本归一化到预定像素尺寸，然后进行特征提取，将所有提取到的特征进行串 接后输入支持向量机SVM进行训练，车标识别模型。
[0064] 其中，获取的车标图像样本的包含有所有类别的车标图像，例如，当车标的总类别 数为30类，训练的车标识别模型为奥迪类别时，则取30类车标图像样本中，奥迪类别的车 标区域为正样本，取其他29类的车标区域为负样本。
[0065] 可选的，可以通过使用摄像头在各个时段和天气条件下拍摄并储存大量停车场出 入口的视频中来获取车标图像样本。
[0066] 可选的，可以通过人工截取的方式来获取车标图像样本作为正样本和负样本，也 可以通过机器自动识别的方式来获取车标图像样本作为正样本和负样本。
[0067] 可选的，可以通过对每类车标识别模型通过LDA进行特征提取，分别得到一个特 征矩阵后，取每一个特征矩阵的最大特征值相对应的特征向量分别组成一个最佳鉴别矢量 矩阵来得到最佳鉴别矢量空间。
[0068] 可选的，因为图像采集设备直接采集的图像为车标图像，因此，在获取车标区域 时，需要先获取车标图像，对所获取的车标图像使用车标混合模型进行搜索来得到车标区 域。
[0069] 其中，车标混合模型用来检测车标图像中的车标区域。
[0070] 可选的，可以通过获取车标图像样本，取获取的车标图像样本中车标区域为正样 本，取所述的车标图像样本中非车标区域为负样本，然后使用哈尔特征对取得的正样本和 负样本进行表征，形成哈尔特征；最后利用迭代算法来对所述哈尔特征进行训练，得到车标 混合模型。
[0071] 可选的，在获取车标图像样本后，可以通过判断是否在该车标图像中检测到车牌 区域来决定使用何种方法对获取的车标图像进行车区域的搜索。当在获取的车标图像中检 测到车牌区域时，因为汽车的车牌与车标的位置接近，因此，可以通过将所述车牌区域扩大 预定的范围得到扩大区域，在该扩大区域内使用车标混合模型进行搜索，得到车标区域；当 在获取的车标图像中没有检测到车牌区域时，则可以通过对所述车标图像全图使用车标混 合模型进行搜索，来得到车标区域。
[0072] 其中，训练用来检测车标区域的车标混合模型所使用的车标图像样本包括所有类 别的车标图像，例如，当车标的总类别数为30类时，则取所有30类车标图像样本中的车标 区域为正样本，取所有30类车标图像中的非车标区域为负样本。
[0073] 可选的，可以在车标识别设备接收到地感信号后获取车标图像。
[0074] 步骤SllO :将所述车标区域通过LDA投影到所述最佳鉴别矢量空间，得到车标特 征向量；
[0075] 将获取的车标区域通过LDA投影到最佳鉴别矢量空间后，将会得到一个车标特征 向量。其中，车标区域通过LDA投影到的最佳鉴别矢量空间，与车标识别模型投影到的最佳 鉴别矢量空间为同一个空间。
[0076] 步骤S120 :计算所述车标特征向量与所有模型特征向量间欧式距离，选取预定个 与所述车标特征向量欧式距离最近的模型特征向量；
[0077] 将各类车标识别模型通过LDA投影到后最佳鉴别矢量空间，在投影后的每一类车 标识别模型在最佳鉴别矢量空间中将有着有最佳的可分离性，即投影后的每一类车标识别 模型在最佳鉴别矢量空间中将有着最大的类间距离和最小的类内距离，将车标区域通过 LDA投影到所述最佳鉴别矢量空间后得到的车标特征向量，其与最佳鉴别矢量空间中的哪 一个模型特征向量的欧式距离越近，则说明该车标特征向量最可能与该个模型特征向量属 于同一类，需要选出预定个与车标特征向量欧式距离最近的模型特征向量，即选出预定个 被测车标最可能的类别。
[0078] 可续的，可以选取5个与所述车标特征向量欧式距离最近的模型特征向量。
[0079] 对已知类别的车牌识别模型中训练样本S采用LDA降维，可以得到一个特征矩阵V 和一个最佳投影空间W，把各类车牌识别模型S投影到最佳鉴别矢量空间W，将得到分别得 到一个模型特征向量T，把获取的待识别车标区域也投影到W，得到获取的车标区域的车标 特征向量y。在最佳鉴别矢量空间中，求待识别车标图像的特征向量y与各个模型特征向量 T间的欧式距离，然后对所有的欧式距离进行排序，选取与所述车标特征向量欧式距离最佳 的前η名，组成距离集合。
[0080] 对于一个m X η的二维图像矩阵，通过首尾相连转换成一维向量D，那么一维向量 D = mxn，如果这样的二维图像一共有L类，用Nn表示每一类车标识别模型中训练样本的数 量，其中η = 1，2,…，L ;用N表示所有车标识别模型中训练样本的总数；所有的训练样本集 合表示为X = (X1, X2, . . .，xj，均值样本集为U = {ui u2 . . . uj，第c类训练样本集合为
【权利要求】
1. 一种车标识别方法，其特征在于，将每类车标识别模型通过线性判别分析LDA投影 到最佳鉴别矢量空间，分别得到一个模型特征向量，包括： 获取车标区域； 将所述车标区域通过LDA投影到所述最佳鉴别矢量空间，得到车标特征向量； 计算所述车标特征向量与所有模型特征向量间欧式距离，选取预定个与所述车标特征 向量欧式距离最近的模型特征向量； 对所述车标区域使用所有选取的模型特征向量相对应的车标识别模型分别进行识别， 得到车标识别结果。
2. 根据权利要求1所述的车标识别方法，其特征在于，将每类车标识别模型通过线性 判别分析LDA投影到最佳鉴别矢量空间前还包括；训练车标识别模型， 所述训练车标识别模型包括： 获取车标图像样本，并确定需训练的车标识别模型的类别； 取所述车标图像样本中包含所述类别车标的车标区域为正样本，取所述车标图像样本 中不包含所述类别车标的车标区域为负样本； 将所有正样本和负样本归一化到预定像素尺寸，并进行HOG特征提取； 将所有提取到的特征进行串接后输入支持向量机SVM进行训练，得到所述类别的车标 识别模型。
3. 根据权利要求1所述的车标识别方法，其特征在于，所述最佳鉴别矢量空间包括： 对每类车标识别模型通过LDA进行特征提取，分别得到一个特征矩阵； 取每个特征矩阵的最大特征值相对应的特征向量分别组成一个最佳鉴别矢量矩阵，得 到最佳鉴别矢量空间。
4. 根据权利要求1所述的车标识别方法，其特征在于，所述获取车标区域包括： 获取车标图像； 对所述车标图像使用车标混合模型进行捜索，得到车标区域。
5. 根据权利要求4所述的车标识别方法，其特征在于，所述对所述车标图像使用车标 混合模型进行捜索包括： 判断是否在所述车标图像中检测到车牌区域； 若检测到，则将所述车牌区域扩大预定的范围得到扩大区域，在所述扩大区域内使用 车标混合模型进行捜索； 若未检测到，则对所述车标图像全图使用车标混合模型进行捜索。
6. 根据权利要求4所述的车标识别方法，其特征在于，训练所述车标混合模型包括： 获取车标图像样本； 取所述车标图像样本中车标区域为正样本，取所述车标图像样本中非车标区域为负样 本； 使用哈尔特征对所述正样本和负样本进行表征，形成哈尔特征； 利用迭代算法对所述哈尔特征进行训练，得到车标混合模型。
7. 根据权利要求4所述的车标识别方法，其特征在于，在接收地感信号后获取车标图 像。
8. 根据权利要求1所述的车标识别方法，其特征在于，所述得到车标识别结果包括： 确定每类车标识别模型对车标区域进行识别后的车标识别结果置信度； 将置信度最高的车标识别结果作为车标识别结果。
9. 一种车标识别系统，其特征在于，包括；车标获取模块、第一投影模块、选取模块和 识别模块；其中， 所述车标获取模块，用于获取车标区域； 所述第一投影模块，用于将所述车标区域通过LDA投影到所述最佳鉴别矢量空间，得 到车标特征向量； 所述选取模块，用于计算所述车标特征向量与所有模型特征向量间欧式距离，选取预 定个与所述车标特征向量欧式距离最近的模型特征向量； 所述识别模块，用于对所述车标区域使用所有选取的模型特征向量相对应的车标识别 模型分别进行识别，得到车标识别结果。
10. 根据权利要求9所述的车标识别系统，其特征在于，还包括；第二投影模块，用于将 每类车标识别模型通过线性判别分析LDA投影到最佳鉴别矢量空间，分别得到一个模型特 征向量。
【文档编号】G06K9/00GK104463135SQ201410800055
【公开日】2015年3月25日 申请日期:2014年12月19日 优先权日:2014年12月19日
【发明者】唐健, 关国雄, 李锐 申请人:深圳市捷顺科技实业股份有限公司