一种基于点对特征的车标识别方法
【技术领域】
[0001] 本发明涉及目标识别技术领域，具体是一种基于点对特征的车标识别方法。
【背景技术】
[0002] 车标识别是智能交通系统计算机视觉应用中的一个重要分支，广泛应用于交通流 量分析、打击盗窃车辆、规范交通秩序、大型停车场管理、高速公路自动计费等领域。公路车 辆智能监测记录系统（又称卡口系统）在车辆超速监控、交通事故检测等方面有很多应用， 从此系统中获取的抓拍图像，称为卡口图像。本发明中的车标识别技术就是针对卡口图像 中的车标识别而提出的一种识别方法。
[0003] 在进行车标识别时，关键的技术点为"车标特征的提取"。不管是基于边缘直方图 的车标识别方法、基于边缘不变矩的车标识别方法、基于像素分布的车标识别方法、基于模 板匹配的车标识别方法，还是基于模式识别的车标识别方法，其核心都在于"特征的提取"。 上述方法中，有采用边缘直方图、边缘不变矩、像素分布为特征的，也有基于角点特征、SIFT 特征、HOG特征、LBP特征等进行车标识别的，还有基于灰度值特征，采用PCA、ICA方法进行 特征提取的。
[0004] 然而，在现实的复杂场景中，由于受光照、天气的影响，这些特征并不能对车标进 行唯一的描述，其鲁棒性具有局限性。因此，目前为止，能在实际卡口系统中进行应用的车 标识别方法极少，车标识别问题仍然是一个具有挑战性的研究难点。
【发明内容】
[0005] 本发明的目的是提供一种基于点对特征的车标识别方法，以解决卡口图像中的车 标识别问题。
[0006] 为了达到上述目的，本发明所采用的技术方案为：
[0007]-种基于点对特征的车标识别方法，其特征在于：包括以下步骤：
[0008] (1)车标图像的预处理：
[0009] 基于标准车标图案，结合实际卡口图像中车标的成像情况，形成车标图像，对车标 图像进行预处理，形成车标标准图像；
[0010] (2)特征点对的提取：
[0011] 采用点对特征（由两点的坐标、点对值组成，点对值描述了两点之间灰度值的大 小关系）对车标进行描述，基于车标标准图像，进行点对特征的提取，提取的结果为特征点 对，称为标准点对；
[0012] (3)特征点对数据库的建立：
[0013] 结合实际卡口图像中的车标图像，对标准点对的有效性进行判断，提取有效的标 准点对，存入数据库中，形成特征点对数据库，每种车标对应的有效标准点对形成一个模 板，称为特征点对模板；
[0014] (4)车标的识别：
[0015] 基于卡口图像中车牌的位置和大小，对车标进行粗定位，称车标可能出现的区域 为候选区域，在候选区域内，利用特征点对数据库中的特征点对模板进行多尺度匹配，以实 现车标的识别。
[0016] 所述的一种基于点对特征的车标识别方法，其特征在于：步骤（1)中，首先对车标 图像进行预处理的过程为：
[0017] 选取标准的车标图案，依据其高和宽形成矩形的车标图像。将车标中的图案部分 看作前景，其他部分看作背景，根据卡口图像中实际车标的成像情况可以看出，前景一般偏 亮，背景偏暗；因此根据前景和背景对车标进行二值化，前景全部用白色表示，背景用黑色 表示，将车标图像大小进行归一化，归一化后的长、宽分别为Lstand"d、Wstand"d，形成车标标准 图像。
[0018] 所述的一种基于点对特征的车标识别方法，其特征在于：步骤（2)中，基于预处理 之后的车标标准图像进行特征点对的提取过程如下：
[0019] 基于车标标准图像的黑、白两部分，分别提取内外轮廓，将内外轮廓分别向中间进 行收缩，每次收缩一个像素点，直至收缩后的区域为原区域大小的1/4,称收缩后的区域为 骨架区域。
[0020] 分别将黑、白部分骨架区域内的点形成集合，记为集合A和集合B，随机的从集合 A、B中分别提取一点，形成特征点对，用（xA，yA，xB，yB，R)表示，其中，（xA，yA)为A点的坐 标，（xB，yB)为B点的坐标，R表示A、B两点之间的像素灰度值大小关系，称为点对值，点对 值取值有1、-1两种可能，1表示A点的灰度值大于或等于B点的灰度值，-1表示A点的灰 度值小于B点的灰度值；
[0021] 针对每种车标，按照上述方法提取特征点对，重复提取m次，形成特征点对的集 合，称为标准点对，记为PStandPcitntMatehes，点对数为m，这些特征点对用于描述车标的特征，称这 种特征为点对特征。
[0022] 所述的一种基于点对特征的车标识别方法，其特征在于：步骤（3)中，建立车标的 特征点对数据库过程如下：
[0023] 基于卡口图像，手工截取各种车辆的车标，建立车标数据库，要求每种车标的个数 不少于400,将其大小进行归一化，归一化后的长、宽分别与车标标准图像的长宽一致；
[0024] 针对从卡口图像中截取的某一类型的n幅车标图像，将上一步中提取的标准点对 分别叠加在n幅车标图像上，计算每组点对在n幅车标图像上获取的n个点对值，如果点对 值一致的比例大于或等于86%，则认为该点对为有效点对，进行保留；如果点对值一致的 比例小于86%，则认为该点对为不稳定点对，删除该点对。最后保留的有效点对为有效标准 点对，记其个数为mused;
[0025] 然后，针对第j幅图像，计算各点对对应的车标图像上点的点对值之和，即：
;计算n幅车标图像中点对和的最大值Sun^JP最小值Sum_，则Summax和Summin成为判断该类型车标的阈值；
[0026] 针对每种类型的车标，按照上述方法获取最终的有效标准点对、Sunv^PSum_，形 成特征点对数据库，每种车标对应的有效标准点对形成特征点对模板，用于后续对车标的 识别。
[0027] 所述的一种基于点对特征的车标识别方法，其特征在于：步骤（4)中，与特征点对 数据库中的特征点对模板进行多尺度匹配，以实现车标的识别，过程如下：
[0028] 基于车牌的位置，对车标进行粗定位，提取粗定位区域的图像，称为车标候选图 像，记为 -^-candidate?
[0029] 基于车牌的尺寸及比例关系，确定图像中车标的尺寸，记长和宽分别为 L、W，基于车标的尺寸，确定与特征点对模板匹配时的尺度范围，尺度S的范围为
中a为尺度参数，可根据 实际情况进行调整；
[0030] 根据尺度范围，对模板的大小进行缩放，缩放后模板的长、宽分别为 S*Lstan-dS*Wstand"d;利用不同尺度范围下的模板在候选图像中进行扫描匹配，若匹配到，则 认为车标与该模板对应的车标类型相同，扫描结束；如果没有匹配到，则与其他的特征点对 模板再次进行多尺度匹配。
[0031] 与已有技术相比，本发明有益效果体现在：
[0032] 1、在识别方法上：
[0033] (1)本发明提出的点对特征能对车标进行很好的描述，不易受光照、天气的影响， 具有很强的鲁棒性。
[0034] (2)本发明中采用的基于骨架区域的特征点对提取方法，有效的利用了车标图像 骨架区域灰度值变化最小的事实，同时，在对有效标准点对进行选取时，利用了从实际卡口 图像中获取的车标为参考，通过这种方式提取的特征点对能有效的对卡口图像中的不同车 标进行描述。
[0035] 2、在识别效果上，基于卡口图像中车标的识别，本发明能够获得很高的识别率，能 够满足实际智能交通系统的需要。
【附图说明】
[0036] 图1为一种基于点对特征的车标识别方法的流程图。
[0037] 图2为所提取的特征点对的示意图。
【具体实施方式】<