一种车牌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，其中，方法包括：获取当前帧车标图像；判断当前帧车标图像与上一帧车标图像内车辆是否为同一辆车；若不为，则对当前帧车标图像使用车标分类器进行检测，得到当前帧车标区域；若为，则判断上一帧车标图像是否有输出车标识别结果，若有输出，则结束操作，若没有输出，则判断上一帧车标区域是否被跟踪成功，若成功，则根据跟踪结果得到当前帧车标区域，若未成功，则对当前帧车标图像使用车标分类器进行检测，得到当前帧车标区域；将当前帧车标区域与标准车标模板进行SURF特征点匹配，若匹配的SURF特征点的数目大于阈值，则认为匹配成功，输出车标识别结果，若匹配不成功，则对当前帧车标区域进行跟踪。
【专利说明】一种车牌识别方法和系统
【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，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。因为车标识别仅仅是作为车牌识别的一种补充，因此，在对停车场 等管理时，只需要车牌识别设备或程序一直处于工作状态，而无需将车标识别设备也一直 处于工作状态，且车标识别设备在处于工作状态时也无需对每帧车标图像进行车标检测， 若一直将车标识别设备也处于工作状态，或对获取的每帧车标图像均进行车标检测，都将 造成极大的资源浪费。
【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，以解决现有技术中车标 识别设备一直处于工作状态，或对每帧获取的车标图像均进行车标检测，而造成的极大的 资源浪费的问题。
[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，包括：
[0006] 获取当前帧车标图像；
[0007] 获取当前帧车标图像；
[0008] 判断所述当前帧车标图像内车辆与上一帧车标图像内车辆是否为同一辆车；若不 为同一辆车，则对所述当前帧车标图像使用车标分类器进行检测，得到当前帧车标区域；
[0009] 若为同一辆车，则判断上一帧车标图像是否有输出车标识别结果，若有输出，则结 束操作，若没有输出，则判断上一帧车标区域是否被跟踪成功，若成功，则根据跟踪结果得 到当前帧车标区域，若没有成功，则对所述当前帧车标图像使用车标分类器进行检测，得到 当前巾贞车标区域；
[0010] 将所述当前帧车标区域与标准车标模板进行SURF特征点匹配，若匹配的SURF特 征点的数目大于预定阈值，则认为匹配成功，输出车标识别结果，若匹配不成功，则对所述 当前帧车标区域进行跟踪。
[0011] 其中，对所述当前帧车标区域进行金字塔LK跟踪，
[0012] 其中，判断上一帧车标区域是否被金字塔LK跟踪成功包括：
[0013] 对上一帧车标区域与当前帧车标区域进行LK跟踪，根据上一帧车标区域第一角 点集合跟踪得到当前帧车标区域第二角点集合；
[0014] 对当前帧车标区域与上一帧车标区域进行LK反跟踪，根据当前帧车标区域第二 角点集合跟踪得到上一帧车标区域第三角点集合；
[0015] 根据第一角点集合与第三角点集合总每一对匹配角点，分别选出预定区域进行 NCC匹配，得到一个NCC匹配值，计算所有NCC匹配值的中值，得到第一中值；
[0016] 计算第一角点集合和第三角点集合中每一对匹配角点间欧氏距离，并计算所有欧 式距离的中值，得到第二中值；
[0017] 若第二角点集合中大于第一中值且小于第二中值的角点数目大于预定阈值，则说 明上一帧车标区域被金字塔LK跟踪成功。
[0018] 其中，若第二角点集合中大于第一中值且小于第二中值的角点数目大于预定阈 值，则更新跟踪对象信息；
[0019] 其中，若第二角点集合中大于第一中值且小于第二中值的角点数目未大于预定阈 值，则删除跟踪对象。
[0020] 其中，所述将所述当前帧车标区域与标准车标模板进行SURF特征点匹配包括：
[0021] 提取当前帧车标区域的SURF特征点；
[0022] 根据提取的SURF特征点生成当前巾贞车标区域的特征点描述向量；
[0023] 获取标准车标模板的SURF特征点数据，当标准车标模板的SURF特征点与所述特 征点描述向量间欧式距离小于预定阈值时，认为所述标准车标模板特征点在当前帧车标区 域内存在匹配点。
[0024] 其中，所述获取当前帧车标图像包括：
[0025] 判断是否接收到地感信号，
[0026] 若是，则获取当前帧车标图像。
[0027] 其中，所述车标分类器包括：
[0028] 获取车标图像样本；
[0029] 取所述车标图像样本中车标区域为正样本，取所述车标区域中非车标区域为负样 本；
[0030] 使用HOG特征对所述正样本和负样本具有表征，得到HOG特征；
[0031] 利用迭代算法对所述HOG特征进行训练，得到车标分类器。
[0032] 其中，所述对所述车标图像使用车标分类器进行检测包括：
[0033] 获取所述当前帧车标图像中当前帧车牌区域；
[0034] 将所述当前帧车牌区域扩大预定的范围得到扩大区域，对所述扩大区域使用车牌 分类器进行检测。
[0035] -种车标识别系统包括：获取模块、第一判断模块、第二判断模块、第三判断模块 和执行模块；其中，
[0036] 所述获取模块，用于获取当前帧车标图像；
[0037] 所述第一判断模块，用于判断所述当前帧车标图像内车辆与上一帧车标图像内车 辆是否为同一辆车；若不为同一辆车，则对所述当前帧车标图像使用车标分类器进行检测， 得到当前帧车标区域；
[0038] 所述第二判断模块，用于当所述当前帧车标图像内车辆与上一帧车标图像内车辆 为同一辆车时，判断上一帧车标图像是否有输出车标识别结果，若有输出，则结束操作；
[0039] 所述第三判断模块，用于当上一帧车标图像没有输出车标识别结果时，判断上一 帧车标区域是否被跟踪成功，若成功，则根据跟踪结果得到当前帧车标区域，若没有成功， 则对所述当前帧车标图像使用车标分类器进行检测，得到当前帧车标区域；所述执行模 块，用于将所述检测到的当前帧车标区域与标准车标模板进行SURF特征点匹配，若匹配的 SURF特征点的数目大于预定阈值，则认为匹配成功，输出车标识别结果，若匹配不成功，则 对所述当前帧车标区域进行跟踪。
[0040] 其中，所述车标识别系统还包括：第四判断模块，用于判断是否接收到地感信号， 若是，则获取当前帧车标图像。
[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，获取当前帧车标 图像后，判断所述当前帧车标图像内车辆与上一帧车标图像内车辆是否为同一辆车；若不 为同一辆车，则对所述当前帧车标图像使用车标分类器进行检测，得到当前帧车标区域；若 为同一辆车，则判断上一帧车标图像是否有输出车标识别结果，若有输出，则结束操作，若 没有输出，则判断上一帧车标区域是否被跟踪成功，若被跟踪成功，则根据跟踪结果得到当 前帧车标区域，若没有被跟踪成功，则对所述当前帧车标图像使用车标分类器进行检测，得 到当前帧车标区域；将所述当前帧车标区域与标准车标模板进行SURF特征点匹配，若匹配 的SURF特征点的数目大于预定阈值，则认为匹配成功，输出车标识别结果，若匹配不成功， 则对所述当前帧车标区域进行跟踪。只有当当前帧车标图像内车辆与上一帧车标图像内车 辆为同一辆车时，或当当前巾贞车标图像与上一巾贞车标图像内不为同一辆车，上一巾贞车标图 像无识别结果，上一帧车标图像未被跟踪成功时，才启动车标识别设备对当前帧车标图像 进行检测，其中，无论以何种方式得到当前帧车标区域，在对当前帧车标区域进行SURF特 征点匹配后，若匹配不成功，则均对当前帧车标区域进行跟踪，若匹配成功，则均输出车标 识别结果；若当前巾贞车标图像内车辆与上一巾贞车标图像内车辆不为同一辆车，上一巾贞车标 图像有输出车标识别结果，则无需启动车标识别设备再对当前帧车标图像进行车标识别， 避免了车标识别设备一直处于工作状态而造成的极大的资源浪费；若当前帧车标图像与上 一帧车标图像内不为同一辆车，上一帧车标图像无识别结果，上一帧车标图像被跟踪成功， 则无需对当前车标图像进行车标检测，只需要根据跟踪结果来得到当前帧车标区域，避免 了对获取的每帧车标图像均需要进行车标检测带来的资源浪费。
【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的车标识别方法的流程图；
[0044] 图2为本发明实施例提供的车标识别方法中判断上一帧车标区域是否被金字塔 LK跟踪成功的方法流程图；
[0045] 图3为本发明实施例提供的车标识别方法中对进行金字塔LK跟踪成功的上一帧 车标图像处理的方法流程图；
[0046] 图4为本发明实施例提供的车标识别方法中将车标区域与标准车标模板进行 SURF特征点匹配的方法流程图；
[0047] 图5为本发明实施例提供的车标识别方法中获取当前帧车标图像的方法流程图；
[0048] 图6为本发明实施例提供的车标识别方法中训练车标分类器的方法流程图；
[0049] 图7为本发明实施例提供的车标识别方法中对车标图像使用车标分类器进行检 测的方法流程图；
[0050] 图8为本发明实施例提供的车标识别系统的系统框图；
[0051] 图9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】
[0052] 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。
[0053] 图1为本发明实施例提供的车标识别方法的流程图，只有当当前帧车标图像内车 辆与上一帧车标图像内车辆为同一辆车时，或当当前帧车标图像与上一帧车标图像内不为 同一辆车，上一帧车标图像无识别结果，上一帧车标图像未被跟踪成功时，才启动车标识别 设备对当前帧车标图像进行检测避免了车标识别设备一直处于工作状态，和对获取的每帧 车标图像均需要进行车标检测带来的资源浪费；参照图1，该车标识别方法可以包括：
[0054] 步骤SlOO :获取当前帧车标图像；
[0055] 车标图像是指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汽 车车标的图像。
[0056] 可选的，获取车标图像的图像采集设备可以为摄像机。
[0057] 可选的，获取车标图像的摄像机可以为IP摄像机或是模拟摄像机。
[0058] 可选的，可以通过视频流模型不间断地接收包含车标的视频图像信息，对视频图 像信息中多个包含的车标的车标图像进行识别，通过多帧识别提高识别率。
[0059] 可选的，可以在摄像机旁边安装一个补光灯，在晚上进行补光。
[0060] 可选的，可以在接收了地感信号后再获取当前帧车标图像，进一步节省资源，即可 以通过先判断是否接收到地感信号，若接收到地感信号，再获取当前帧车标图像。
[0061] 步骤SlOl :判断所述当前帧车标图像内车辆与上一帧车标图像内车辆是否为同 一辆车，若不为同一辆车，则进入步骤S106 ;
[0062] 可选的，可以通过汽车的车牌来判断当前获取的车标图像内的车辆与上一获取车 标图像内的车辆是否为同一辆车。
[0063] 可选的，可以通过车牌识别设备识别车牌，来判断当前获取的车标图像内的车辆 与上一获取车标图像内的车辆是否为同一辆车。
[0064] 当获取的当前帧车标图像内车辆与上一帧车标图像内车辆不为同一辆车时时，则 需要对当前帧车标图像使用车标分类器进行检测，得到当前帧车标区域。
[0065] 步骤S102 :若为同一辆车，则判断上一帧车标图像是否有输出车标识别结果；
[0066] 步骤S103 :若有输出，则结束操作；
[0067] 若获取的当前帧车标图像内车辆与上一帧车标图像内车辆为同一辆车，则说明上 一帧车标图像内的车标与当前帧车标图像内的车标为同一待识别车标，若上一帧车标图像 已经输出车标识别结果，则说明在获取的上一帧车标图像中已经将该待识别车标进行识 另IJ，则无需再对当前帧车标图像内车标进行识别，无需启动车标识别设备，无需车标识别设 备一直处于工作状态，避免了极大的资源浪费的问题。
[0068] 步骤S104 :若没有输出，则判断上一帧车标区域是否被跟踪成功；
[0069] 若上一帧车标图像没有进行车标识别结果输出，则说明上一帧车标图像的匹配没 有成功，对没有匹配成功的车标图像内的车标区域将进行跟踪，因为，对车标区域进行跟踪 不一定成功，因此，在判定上一帧车标图像没有进行车标识别结果输出后判断上一帧车标 区域是否被跟踪成功。
[0070] 步骤S105 :若成功，则根据跟踪结果得到当前帧车标区域；
[0071] 若上一帧车标区域被跟踪成功，则可以直接根据跟踪结果得到当前帧车标区域， 无需在使用车标识别设备对获取的当前帧车标图像进行检测，避免了对获取的每一帧车标 图像均进行车标检测而带来的资源浪费。
[0072] 步骤S106 :若没有成功，则对所述当前帧车标图像使用车标分类器进行检测，得 到当前帧车标区域；
[0073] 在上一巾贞车标图像没有输出车标识别时间时，若上一巾贞车标图像内的上一巾贞车标 区域没有被跟踪成功，则无法通过跟踪结果来得到当前帧车标区域，仍需要对当前帧车标 图像使用车标分类器进行检测，得到当前帧车标区域。
[0074] 可选的，因为汽车的车牌位置与车标位置接近，因此，可以通过获取当前车标图像 内的车牌区域后，将所述车牌区域扩大预定的范围得到扩大区域，对所述扩大区域使用车 牌分类器进行检测。
[0075] 车标分类器可以用来检测车标图像中车标区域，可选的，可以通过获取车标图像 样本，取所述车标图像样本中车标区域为正样本，取所述车标区域中非车标区域为负样本， 使用HOG特征对所述正样本和负样本具有表征，得到HOG特征，最后利用迭代算法对所述 HOG特征进行训练，训练得到车标分类器。
[0076] 步骤S107 :对所述当前帧车标区域与标准车标模板进行SURF特征点匹配；
[0077] 可选的，可以通过提取车标区域的SURF特征点，并根据提取的SURF特征点生成车 标区域的特征点描述向量，然后获取标准车标模板的SURF特征点数据，当标准车标模板的 SURF特征点与所述特征点描述向量间欧式距离小于预定阈值时，认为所述标准车标模板特 征点在车标区域内存在匹配点。
[0078] 可选的，可以从数据库或者本地硬盘读取模板的特征点数据。
[0079] 步骤S108 :判断匹配的SURF特征点的数目是否大于预定阈值，
[0080] 步骤S109 :若大于，则匹配成功，输出车标识别结果；
[0081] 步骤SllO :若不大于，则匹配不成功，对所述当前帧车标区域进行跟踪。
[0082] 若匹配不成功，则说明当前帧车标图像无识别结果输出，通过对当前帧车标区域 进行跟踪，若获取的下一帧车标图像内车辆与当前帧车标图像内车辆为同一辆车，则可根 据跟踪结果得到下一帧车标图像内下一帧车标区域，使不用对下一帧车标图像进行车标区 域检测。
[0083] 可选的，可以对检测到的车标区域使用金字塔LK跟踪。金字塔Lucas-Kanade (LK) 算法从金字塔的最高层（细节最小）开始向金字塔的低层（丰富的细节）进行跟踪，允许 小窗口捕获较大的运动，是一种有效的跟踪算法。
[0084] 可选的，当通过对上一帧车标区域与当前帧车标区域进行LK跟踪，根据上一帧车 标区域第一角点集合跟踪得到当前帧车标区域第二角点集合，对当前帧车标区域与上一帧 车标区域进行LK反跟踪，根据当前帧车标区域第二角点集合跟踪得到上一帧车标区域第 三角点集合，根据第一角点集合与第三角点集合中每一对匹配角点，分别选出预定区域进 行NCC匹配，得到一个NCC匹配值，计算所有NCC匹配值的中值，得到第一中值，计算第一角 点集合与第三角点集合中每一对匹配角点间欧氏距离，并计算所有欧式距离的中值，得到 第二中值，若第二角点集合中大于第一中值且小于第二中值的角点数目大于预定阈值，则 说明上一帧车标区域被金字塔LK跟踪，若第二角点集合中大于第一中值且小于第二中值 的角点数目未大于预定阈值，则说明上一帧车标区域未被金字塔LK跟踪成功。
[0085] 可选的，若第二角点集合中大于第一中值且小于第二中值的角点数目大于预定阈 值，则更新跟踪对象信息；若第二角点集合中大于第一中值且小于第二中值的角点数目未 大于预定阈值，则删除跟踪对象。
[0086] 可选的，可以通过对车标区域进行归一化处理，固定大小，来制作标准车标模板。 [0087] 可选的，标准车标模型制作完成后，可以通过分别提取所有模板的SURF特征点， 并生成特征点描述子，把每个模板生成的特征点描述子保存在数据库或本地硬盘。
[0088] 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，获取当前帧车标 图像后，判断所述当前帧车标图像内车辆与上一帧车标图像内车辆是否为同一辆车；若不 为同一辆车，则对所述当前帧车标图像使用车标分类器进行检测，得到当前帧车标区域；若 为同一辆车，则判断上一帧车标图像是否有输出车标识别结果，若有输出，则结束操作，若 没有输出，则判断上一帧车标区域是否被跟踪成功，若被跟踪成功，则根据跟踪结果得到当 前帧车标区域，若没有被跟踪成功，则对所述当前帧车标图像使用车标分类器进行检测，得 到当前帧车标区域；将所述当前帧车标区域与标准车标模板进行SURF特征点匹配，若匹配 的SURF特征点的数目大于预定阈值，则认为匹配成功，输出车标识别结果，若匹配不成功， 则对所述当前帧车标区域进行跟踪。只有当当前帧车标图像内车辆与上一帧车标图像内车 辆为同一辆车时，或当当前巾贞车标图像与上一巾贞车标图像内不为同一辆车，上一巾贞车标图 像无识别结果，上一帧车标图像未被跟踪成功时，才启动车标识别设备对当前帧车标图像 进行检测，其中，无论以何种方式得到当前帧车标区域，在对当前帧车标区域进行SURF特 征点匹配后，若匹配不成功，则均对当前帧车标区域进行跟踪，若匹配成功，则均输出车标 识别结果；若当前巾贞车标图像内车辆与上一巾贞车标图像内车辆不为同一辆车，上一巾贞车标 图像有输出车标识别结果，则无需启动车标识别设备再对当前帧车标图像进行车标识别， 避免了车标识别设备一直处于工作状态而造成的极大的资源浪费；若当前帧车标图像与上 一帧车标图像内不为同一辆车，上一帧车标图像无识别结果，上一帧车标图像被跟踪成功， 则无需对当前车标图像进行车标检测，只需要根据跟踪结果来得到当前帧车标区域，避免 了对获取的每帧车标图像均需要进行车标检测带来的资源浪费。
[0089] 可选的，图2示出了本发明实施例提供的车标识别方法中判断上一帧车标区域是 否被金字塔LK跟踪成功的方法流程图，参照图2,该判断上一帧车标区域是否被金字塔LK 跟踪的方法可以包括：
[0090] 步骤S200 :对上一帧车标区域与当前帧车标区域进行LK跟踪，根据上一帧车标区 域第一角点集合跟踪得到当前帧车标区域第二角点集合；
[0091] 步骤S210 :对当前帧车标区域与上一帧车标区域进行LK反跟踪，根据当前帧车标 区域第二角点集合跟踪得到上一帧车标区域第三角点集合；
[0092] 步骤S220 :根据第一角点集合与第三角点集合中每一对匹配角点，分别选出预定 区域进行NCC匹配，得到一个NCC匹配值，计算所有NCC匹配值的中值，得到第一中值；
[0093] 可选的，可以选出5x 5的区域进行NCC(Normalized Cross Correlation)匹配。
[0094] 可选的，若图像f是大小为MxXMy的需要与模板进行匹配的输入图像，那么图像f 上的某个像素点（X，y)的灰度值可以表示为f (X，y)，x e {〇，...，Mx-1}，y e {〇，...，My-1}。 如果图像t是大小SNxXNy的模板图像，那么图像t上某个像素点（x，y)的灰度值可以表 示为t(x，y)。要计算模板图像t上的任意一点（u，v)与输入图像f上相同大小的块之间的 相关度，可以使用以下公式：
【权利要求】
1. 一种车标识别方法，其特征在于，包括： 获取当前峽车标图像； 判断所述当前峽车标图像内车辆与上一峽车标图像内车辆是否为同一辆车；若不为同 一辆车，则对所述当前峽车标图像使用车标分类器进行检测，得到当前峽车标区域； 若为同一辆车，则判断上一峽车标图像是否有输出车标识别结果，若有输出，则结束操 作，若没有输出，则判断上一峽车标区域是否被跟踪成功，若成功，则根据跟踪结果得到当 前峽车标区域，若没有成功，则对所述当前峽车标图像使用车标分类器进行检测，得到当前 峽车标区域； 将所述当前峽车标区域与标准车标模板进行SURF特征点匹配，若匹配的SURF特征点 的数目大于预定阔值，则认为匹配成功，输出车标识别结果，若匹配不成功，则对所述当前 峽车标区域进行跟踪。
2. 根据权利要求1所述的车标识别方法，其特征在于，对所述当前峽车标区域进行金 字培LK跟踪。
3. 根据权利要求2所述的车标识别方法，其特征在于，判断上一峽车标区域是否被金 字培LK跟踪成功包括： 对上一峽车标区域与当前峽车标区域进行LK跟踪，根据上一峽车标区域第一角点集 合跟踪得到当前峽车标区域第二角点集合； 对当前峽车标区域与上一峽车标区域进行LK反跟踪，根据当前峽车标区域第二角点 集合跟踪得到上一峽车标区域第H角点集合； 根据第一角点集合与第H角点集合中每一对匹配角点，分别选出预定区域进行NCC匹 配，得到一个NCC匹配值，计算所有NCC匹配值的中值，得到第一中值； 计算第一角点集合与第H角点集合中每一对匹配角点间欧氏距离，并计算所有欧式距 离的中值，得到第二中值； 若第二角点集合中大于第一中值且小于第二中值的角点数目大于预定阔值，则说明上 一中贞车标区域被金字培LK跟踪成功。
4. 根据权利要求3所述的车标识别方法，其特征在于，还包括： 若第二角点集合中大于第一中值且小于第二中值的角点数目大于预定阔值，则更新跟 踪对象信息； 若第二角点集合中大于第一中值且小于第二中值的角点数目未大于预定阔值，则删除 跟踪对象。
5. 根据权利要求1所述的车标识别方法，其特征在于，所述将所述当前峽车标区域与 标准车标模板进行SURF特征点匹配包括： 提取当前巾贞车标区域的SURF特征点； 根据提取的SURF特征点生成当前峽车标区域的特征点描述向量； 获取标准车标模板的SURF特征点数据，当标准车标模板的SURF特征点与所述特征点 描述向量间欧式距离小于预定阔值时，认为所述标准车标模板特征点在当前峽车标区域内 存在匹配点。
6. 根据权利要求1所述的车标识别方法，其特征在于，所述获取当前峽车标图像包括： 判断是否接收到地感信号， 若是，则获取当前峽车标图像。
7. 根据权利要求1所述的方法，其特征在于，所述车标分类器包括： 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，取所述车标区域中非车标区域为负样本； 使用HOG特征对所述正样本和负样本具有表征，得到HOG特征； 利用迭代算法对所述HOG特征进行训练，得到车标分类器。
8. 根据权利要求1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 分类器进行检测包括： 获取所述当前峽车标图像中当前峽车牌区域； 将所述当前峽车牌区域扩大预定的范围得到扩大区域，对所述扩大区域使用车牌分类 器进行检测。
9. 一种车标识别系统，其特征在于，包括：获取模块、第一判断模块、第二判断模块、第 H判断模块和执行模块；其中， 所述获取模块，用于获取当前峽车标图像； 所述第一判断模块，用于判断所述当前峽车标图像内车辆与上一峽车标图像内车辆是 否为同一辆车；若不为同一辆车，则对所述当前峽车标图像使用车标分类器进行检测，得到 当前峽车标区域；； 所述第二判断模块，用于当所述当前峽车标图像内车辆与上一峽车标图像内车辆为同 一辆车时，判断上一峽车标图像是否有输出车标识别结果，若有输出，则结束操作； 所述第H判断模块，用于当上一峽车标图像没有输出车标识别结果时，判断上一峽车 标区域是否被跟踪成功，若成功，则根据跟踪结果得到当前峽车标区域，若没有成功，则对 所述当前峽车标图像使用车标分类器进行检测，得到当前峽车标区域； 所述执行模块，用于将所述当前峽车标区域与标准车标模板进行SURF特征点匹配，若 匹配的SURF特征点的数目大于预定阔值，则认为匹配成功，输出车标识别结果，若匹配不 成功，则对所述当前峽车标区域进行跟踪。
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；第四判断模块，用于判 断是否接收到地感信号，若是，则获取当前峽车标图像。
【文档编号】G06K9/64GK104463238SQ201410805160
【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, 李昕, 李锐 申请人:深圳市捷顺科技实业股份有限公司