一種車標定位識別的方法與系統的製作方法

2023-06-04 02:36:01 3

專利名稱：一種車標定位識別的方法與系統的製作方法
技術領域：
本發明涉及交通車輛定位識別領域，尤其涉及一種車標定位識別方法與系統。
背景技術：
車標是車輛的標誌性圖像，不僅包含了車型信息，還包含了生產廠家的信息，更重要是它難以更換。如果將車標信息與車牌信息相結合，會極大的提高車輛識別的可靠性。在有些犯罪活動中，儘管車牌容易更換，但車標是唯一的，車標識別技術可廣泛應用於交通事故處理、違章車輛自動監控、自動收費、機場、港口、停車場、小區等車輛的自動安全管理、打擊車輛犯罪等領域，因此車標識別對智能交通中車輛識別技術的完善和發展具有重要的理論意義和應用價值。目前能夠對車標進行有效檢測，定位和識別的主要手段是基於視頻的方法，但是利用視頻方法進行車標定位識別存在的問題主要是:1、車輛圖像的自身背景和車身背景的影響；
·
2、同一車輛中存在多個車標，且車標受天氣及天色變化影響嚴重；3、車標的形狀各異且尺寸差別圖大，圖像模糊，位置不盡相同；4、車標所在的散熱網紋理多種多樣，且散熱網高度不均；5、車標周圍存在大量幹擾，如車燈、保險槓等。車標位於車體上且有些與車身顏色類似。上述問題的存在，使得使用視頻方法進行車標的定位識別的精確度不高，而且目前還沒有一種檢測設備能夠對車標進行精確定位及有效識別。

發明內容
本發明提供一種車標定位識別的方法及系統，以解決現有的視頻定位的方法精確度不高的問題。為了達到上述目的，本發明實施例公開了一種車標定位識別的方法，包括:利用高清攝像機採集車輛的車頭圖像；利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域；在所述車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息；根據所述車標精確位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖；將所述車標對應的二值圖與預存的車標模板進行匹配，根據位置信息進行加權計算，計算得到的分數最高者對應的車標類型為車標識別結果。為了達到上述目的，本發明實施例還公開了一種車標定位識別的系統，包括:圖像採集裝置，用於採集車輛的車頭圖像；車標預估位置區域生成裝置，用於利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域；車標精確位置信息生成裝置，用於在所述車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息；車標二值圖生成裝置，用於根據所述車標精確位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖；車標識別結果生成裝置，用於將所述車標對應的二值圖與預存的車標模板進行匹配，根據位置信息進行加權計算，計算得到的分數最高者對應的車標類型為車標識別結果。本發明的標定位識別方法及系統，可以對車標進行精確定位和有效識別。


為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本發明實施例的車標定位識別方法的流程圖；圖2為圖1所示實施例中的步驟S102的子步驟的方法流程圖；圖3為對採集的某幀圖像進行車輛定位、車牌定位識別，生成車標預估區域的一個具體實施例的結果示意圖；圖4為圖1所示實施例中的步驟S103的子步驟的方法流程圖；圖5為圖4所示實施例中的車標預估區域內的橫向紋理的示意圖；圖6為圖4所示實施例中的車標預估區域內的縱向紋理的示意圖；圖7為對圖6所示實施例進行預處理後生成的二值圖；圖8為在圖7的二值圖基礎上，進行縱向投影的縱向投影圖；圖9為圖8所不實施例的最終的車標精確定位的結果不意圖；圖10為圖1所示實施例中的步驟S104的子步驟的方法流程圖；圖11為圖1所示實施例中的步驟S105的子步驟的方法流程圖；圖12為圖9所示實施例中定位出來的車標識別結果；圖13為本發明的車標定位識別方法的的另一實施例的方法流程圖；圖14為本發明實施例的車標定位識別系統的結構示意圖；圖15為圖14所示實施例中的車標預估位置區域生成裝置101的結構示意圖；圖16為圖14所示實施例中的車標精確位置信息生成裝置102的結構示意圖；圖17為圖14所示實施例中的車標二值圖生成裝置103的結構示意圖；圖18為圖14所示實施例中的車標識別結果生成裝置104的結構示意圖；圖19為本發明的車標定位識別系統的另一實施例的結構示意圖；圖20 (a)、(b)、(c)、(d)為利用本發明的車標定位識別方法及系統，對幾種車型的車標進行識別的處理流程示意圖。
具體實施例方式下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。本發明實施例提供一種車標定位識別方法及系統，在車輛存在有效牌的前提下，能夠快速的定位出車標位置，並進行單幀識別、多幀確認，通過車牌和車標確定車型和車輛的唯一性，上報後臺系統，對車輛進行登記確認。圖1為本發明實施例的車標定位識別方法的流程圖。如圖所示，本實施例的車標定位識別方法包括步驟S101，利用高清攝像機採集車輛的車頭圖像；步驟S102，利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域；步驟S103，在所述車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息；步驟S104，根據所述車標精確位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖；步驟S105，將所述車標對應的二值圖與預存的車標模板進行匹配，根據位置信息進行加權計算，計算得到的分數最高者對應的車標類型為車標識別結果。在本實施例的步驟SlOl中，在聞速路駛出端，安裝聞清攝像機，捕獲進入視野的車頭圖像，200W場景下每秒鐘15幀，圖像大小為1600*1200，500W場景下為每秒鐘7幀，大小為2432*2048，圖像解析度根據高清攝像機的不同可進行調整。在本實施例的下述步驟中，是對步驟SlOl中採取到的每一幀圖像進行處理，生成對應每一幀的車標識別結果。在本實施例的步驟S102中，如圖2所示，利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域的步驟包括以下子步驟步驟S1021，對所述採集的車頭圖像按比例進行壓縮，生成灰度圖像；步驟S1022，在所述灰度圖像上根據高斯模型建立背景，根據背景差和幀差進行車輛定位，生成車輛位置區域；步驟S1023，在所述車輛位置區域內，根據車輛的紋理信息及顏色信息進行車牌定位識別，生成車牌位置區域；步驟S1024，在所述車牌位置區域內，根據所述車標與車牌的先驗信息進行車標定位，生成車標預估區域。在步驟S1021中，接收到高清攝像機採集的車頭圖像後，為了減少複雜度，對彩色圖像按比例進行壓縮，同時進行降維提取灰度圖像作為接下來進行車標定位識別的輸入。在步驟S1022中，在灰度圖像上根據高斯模型建立背景，根據背景差尋找連通區域進行車輛定位，由相鄰三幀做差「取與」對進行出來的車輛進行確認，從而生成車輛位置區域。在本實施例中，由當前幀灰度圖與背景灰度圖做差，對背景差灰度圖二值化，尋找白色點連通域，面積大於一定閾值的便初步認為車輛區域。因為相鄰兩幀做差得到的幀差圖會造成車輛拖影現象，將車輛所在區域拉長，引入幹擾，所以採用連續三幀，相鄰兩幀兩兩做幀差然後二值化，對得到的兩個幀差二值圖取與，即兩幅幀差圖上同一位置都有幀差信息的認為是有效點，得到「取與」後的最終幀差二值圖，尋找連通域即為車輛所在區域，通過幀差定位出來的車輛與通過背景差定位出來的車輛進行確認，得到最終車輛位置。
在步驟S1023中，在所述車輛位置區域內，根據紋理信息及顏色信息進行對應車輛的車牌定位識別，生成車牌位置區域。在本實施例中，在車輛定位區域內，彩色圖進行灰度化，然後求橫向紋理，常見車牌有7個字符，橫向紋理會有14個跳變，所以在紋理圖上尋找滿足車牌寬度範圍內跳變大於10的聯通區域，即為車牌候選區域。通過顏色信息進行車牌定位方法是，車牌主要是藍牌和黃牌，在車輛定位區域的彩圖範圍內，提取藍色點和黃色點信息，滿足藍色點連通域或者黃色點連通域面積大小符合車牌規律的即為候選車牌，對候選車牌灰度圖進行二值化，字符切割，單字符模版匹配識別，車牌的七個字符求一個平均匹配度，平均匹配度最高且達到設定識別閾值的即為真正車牌，對真正車牌灰度圖進行二值化，根據二值圖投影及連通域方法進行字符的精確切割，得到七個字符準確的上下邊緣位置，根據字符的上下邊緣擬合一條直線與水平線對比，從而得出車牌傾斜角度。在本實施例中，還包括通過字符切割及粗識別，尋找車牌定位中最優車牌然後進行精確識別，如果識別置信度低於預設的識別閾值則認為該車輛不含有效牌，車輛定位結果有可能有偏差，車輛區域內不含有效車牌及車標區域，否則認為該車輛定位有效。在步驟S1024中，在所述車牌位置區域內，根據所述車標與車牌的先驗信息進行車標定位，生成車標預估區域。本實施例中，在車牌定位識別的基礎上，根據車標與車牌的位置信息、車標形狀、車輛對稱性等先驗知識可以預估車標所在的區域，即車標預估區域。本實施例中，步驟S1021-1024是對車標區域進行預估的方法流程。參考圖3，是對採集的某幀圖像進行車輛定位、車牌定位識別，生成車標預估區域的一個具體實施例。其中，虛框①是步驟S1022根據背景差和幀差定位出來的車輛區域，虛框②是步驟S1023在車輛位置區域虛框①的基礎上定位識別的車牌預估位置區域，而虛框③是步驟S1023中尋找有效牌後最後定位的車牌位置區域，然後根據車標與車牌的位置信息、車標形狀、車輛對稱性等先驗知識，尋找到了虛框③上面的虛框④為車標預估區域，在此虛框④內進行車標定位。在本實施例的步驟S103中，如圖4所示，在所述車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息，通過以下子步驟來實現步驟S1031，在所述車標預估位置區域內提取sobel橫向紋理和縱向紋理；步驟S1032，比較提取橫向紋理後的灰度圖及提取縱向紋理後的灰度圖的灰度平均值，通過兩者差值確定所述車標背景區域幹擾的紋理方向；步驟S1033，提取與所述車標背景區域幹擾的紋理方向相反相的紋理圖像，生成車標預估位置區域內的車標紋理灰度圖；步驟S1034，對所述車標紋理化灰度圖進行二值化處理，並進行形態學濾波及腐蝕膨脹，生成所述車標紋理灰度圖對應的二值圖；步驟S1035，在所述車標紋理化灰度圖對應的二值圖基礎上進行投影，尋找車標對應的左右邊界，生成車標精確位置信息。在步驟S1031中，前面步驟102已經找到了包含車標的粗略位置區域，即如圖3中的虛框④內區域所示，在此區域灰度圖的基礎上對虛框④內區域提取sobel橫向紋理及縱向紋理，如下圖5和圖6所示。其中，圖5為車標預估區域內的橫向紋理，圖6為車標預估區域內的縱向紋理。
在步驟S1032和步驟S1033中，通過比較圖5與圖6分別提取紋理後的灰度圖的灰度平均值，如果兩者差值大於設定的紋理閾值(紋理閾值一般取15，當然，可根據實際情況為其他數值)，則認為車標背景紋理為橫向紋理，所以應該提取車標預估區域內的縱向紋理，濾除橫向散熱窗幹擾等，只剩下車標紋理信息。如果車標預估區域提取橫縱向背景紋理後，如果縱向紋理平均值遠大於橫向平均值，則認為背景為縱向紋理，就需要提取橫向紋理，濾除背景的縱向紋理幹擾而只剩下車標信息，但如果橫向紋理與縱向紋理均值相近的話，則背景認為是網狀紋理，此時將通過sobel濾波算子提取綜合紋理。即提取與所述車標背景區域幹擾的紋理方向相反相的紋理圖像，以生成車標預估位置區域內的車標紋理灰度圖。此處的紋理提取、比較及sobel濾波算子的計算方法為本領域技術人員公知的技術，故此處不再贅述。在步驟S1034中，在圖6粗略濾除幹擾的灰度圖像上經過預處理尋找車標精確位置，用OTSU的方法求圖6所示的灰度圖的二值化閾值，為了避免光線、陰影等造成的明暗不均的現象，以及車標背景區域反光燈影響，用灰度圖的平均值修正OTSU求出來的二值化閾值，對圖6進行二值化處理，然後再進行形態學濾波、腐蝕膨脹，消除橫向長線等處理，圖6預處理後的效果如圖7所示。可以看到，灰度圖像已經被二值化為二值圖。在步驟S1035中，在所述車標紋理化灰度圖對應的二值圖基礎上進行投影，尋找車標對應的左右邊界，生成車標精確位置信息。在圖2-圖7所示的實施例中，在圖7的二值圖的基礎上，進行縱向投影，並求取縱向投影平均值nAvg，取平均值的一定比例k作為尋找左右邊界的閾值nTh=k*nAvg，以車牌中軸線為基準，在橫向投影圖上左右擴張尋找車標左右邊界，當連續一定點比例小於尋找邊界的閾值時，則認為邊界終止，否則從新連接上的節點清零斷裂次數，重新一直左右尋找，圖7縱向投影圖如圖8所示，確定好車標的左右邊界後，根據同樣方法進行橫向投影，以尋找車標的上下邊界，最終的車標精確定位的結果如圖9中間虛框⑤所示。在步驟S104中，如圖10所示,根據所述車標精確位置信息,提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖的步驟，包括以下子步驟步驟S1041，根據所述車牌定位中生成的車牌傾斜角度，對所述車標精確灰度圖進行傾斜校正；步驟S1042，對所述校正後的車標精確灰度圖按照雙線性OTSU的方法進行二值化處理，生成所述車標對應的二值圖。在本實施例中，根據車標定位給出的車標精確位置信息，提取車標灰度圖，由前面的進行車牌定位識別中計算出來的車牌傾斜角度，對車標區域進行傾斜校正，然後歸一化為40*40的圖形，為了防止因光線不均、樹影等幹擾影響造成的明暗不均，對車標灰度圖按照雙線性OTSU的方法進行二值化。在步驟S105中，如圖11所示，將所述車標對應的二值圖與預存的車標模板進行匹配的步驟，包括步驟S1051，通過hough變換對所述車標對應的二值圖上的車標進行外輪廓擬合；步驟S1052，根據擬合結果對所述車標進行分類；步驟S1053，選擇與所述車標對應類型的車標模板進行匹配。在本實施例中，在二值圖的基礎上由hough變換對車標進行外輪廓擬合，同時根據車標高寬比形狀等先驗知識，將該車標粗分為橢圓、圓形及不規則圖形中的一類，然後選擇該類型的車標模版進行匹配。hough變換是在二值圖上擬合圓的方法，即根據車牌與車標關係，可以得出車標最小半徑和最大半徑，即所要擬合圓的半徑最小值和最大值，根據對稱性，在車標區域二值圖上以中心點為圓心坐標，根據半徑範圍掃描圓周，計算圓周上白點個數，當白點個數與周長比高於一定閾值時，認為此圓有效，該車標為圓形外輪廓車標，否則以車標區域中心點為基礎點，以最小半徑和最大半徑的二倍為橢圓長軸長範圍或者正方形邊長範圍掃描一周，判斷滿足正方形或者橢圓形的點佔周長的比例，高於一定閾值時便認為是橢圓形或者正方形外輪廓車標，如果圓形、橢圓形、正方形擬合都失效的話則認為屬於不規則類型車標。車標模版是根據類間差最大、類內差最大的原則提取出來的具有代表性的車標二值圖，大小為40*40，為了節省空間複雜度及時間複雜度，將二值圖八位合成一個字節，40*40大小的模版壓縮為40*5，目前每個類型的車標有三個模板，個數可以根據實際情況進行調整。在進行車標模板匹配時，考慮到定位很難以精確到車標邊界的像素位置，並且在選取模版時也可能有一定的邊界幹擾信息，所以採用滑動匹配的方法，車標二值圖在上、下、左、右四個方向上可以進行I到2個像素的滑動，空白部分補O對齊，然後將二值圖八位合成一個字節與模板進行匹配，考慮到同一類型的車標，如福特與比亞迪、起亞，大眾、別克與奔馳等，外輪廓相同都是圓形或者橢圓，只有內部中心信息不一樣，所以在模版匹配時，根據位置信息進行加權，40*40的車標二值圖上，最外8層權重為1，中間16層權重為2，中心16層權重為3，如果沒匹配上為零分，匹配成功後根據位置權重不同分別置為I分、2分、3分，最後將分數歸一化為O —100分，將滑動匹配後的所有結果排序，選取分數最高的為最終單幀車標識別結果，設置單幀車標識別置信度，如果最高置信度高於該值則認為識別有效，否則拒識別。圖9中定位出來的車標識別結果如圖12所示，其中，圖12中左一圖為原始定位灰度圖，左二圖為經過傾斜校正、歸一化等預處理後的圖形，右二圖為雙線性OTSU 二值化之後的二值圖，右一圖是右二圖與模板庫中匹配之後，相似度最高的模板，匹配分數為89分的奧迪模板，所以該車標單幀識別結果為奧迪。在本發明實施例中，如圖13所示，除了包含圖1-圖11所示實施例的方法步驟外，還包括步驟S106，建立車輛跟蹤鏈，得到所述車輛的多個車標識別結果，選擇所述多個車標識別結果中的分數最高者對應的車標類型為最終的車標識別結果。其具體方法為對進入視野中的車輛建立跟蹤鏈，跟蹤鏈上的每個節點都有該車輛的車標識別結果，當車輛滿足出圖條件或者駛出視野時，統計該跟蹤鏈上單幀車標識別的最高分數及對應的車標類型，出現次數最多的車標及對應置信度，如果兩種類型相同則為最終車標識別結果，否則在出現次數最多的車標中，求取一個均值置信度，如果第一種最高置信度高於該均值置信度一定分數，則按出現分數最高的車標類型定位最終識別結果，否則選出現次數最多的車標類型為最終識別結果。建立跟蹤鏈進行優選匹配，可以提高匹配精度，藉以提高車標識別精度。圖14為本發明實施例的車標定位識別系統的結構示意圖。如圖所示，本實施例的車標定位識別系統包括圖像採集裝置101，用於採集車輛的車頭圖像；車標預估位置區域生成裝置102，用於利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域；車標精確位置信息生成裝置103，用於在所述車標預估位置區域中，根據紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息；車標二值圖生成裝置104，用於根據所述車標精確位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖；車標識別結果生成裝置105，用於將所述車標對應的二值圖與預存的車標模板進行匹配，根據位置信息進行加權計算，計算得到的分數最高者對應的車標類型為車標識別結果。在本實施例中，圖像採集裝置可為高清攝像機，捕獲進入視野的車頭圖像，200W場景下每秒鐘15幀，圖像大小為1600*1200，500W場景下為每秒鐘7幀，大小為2432*2048，圖像解析度根據高清攝像機的不同可進行調整。在本實施例的下述步驟中，是對步驟SlOl中採取到的每一幀圖像進行處理，生成對應每一幀的車標識別結果。在本實施例中，如圖15所示，車標預估位置區域生成裝置101包括圖像壓縮單元1011，用於對所述採集的車頭圖像按比例進行壓縮，生成灰度圖像。接收到高清攝像機採集的車頭圖像後，為了減少複雜度，對彩色圖像按比例進行壓縮，同時進行降維提取灰度圖像作為接下來進行車標定位識別的輸入。車輛區域生成單元1012，用於在所述灰度圖像上根據高斯模型建立背景，根據背景差和幀差進行車輛定位，即由相鄰三幀「做差取與」對進行出來的車輛進行確認，從而生成車輛位置區域。車牌區域生成單元1013，用於在所述車輛位置區域內，根據車輛的紋理信息及顏色信息進行車牌定位，生成車牌位置區域。在本實施例中，還包括通過字符切割及粗識別，尋找車牌定位中最優車牌然後進行精確識別，如果識別置信度低於預設的識別閾值則認為該車輛不含有效牌，車輛定位結果有可能有偏差，車輛區域內不含有效車牌及車標區域，否則認為該車輛定位有效。車標預估區域生成單元1014，用於在所述車牌位置區域內，根據所述車標與車牌的先驗信息進行車標定位，生成車標預估區域，其中，所述車標與車牌的先驗信息包括車標與車牌的位置信息、車標形狀以及車輛對稱性。在本實施例中，如圖16所示，車標精確位置信息生成裝置102包括紋理提取單元1021，用於在所述車標預估位置區域內提取sobel橫向紋理和縱向紋理。背景幹擾紋理確定單元1022，用於比較提取橫向紋理後的灰度圖及提取縱向紋理後的灰度圖的灰度平均值，通過兩者差值確定所述車標背景區域幹擾的紋理方向。車標紋理灰度圖生成單元1023，用於提取與所述車標背景區域幹擾的紋理方向相反相的紋理圖像，生成車標預估位置區域內的車標紋理灰度圖。本實施例中，如果兩者差值大於設定的紋理閾值(紋理閾值一般取15，當然，可根據實際情況為其他數值)，則認為車標背景紋理為橫向紋理，所以應該提取車標預估區域內的縱向紋理，濾除橫向散熱窗幹擾等，只剩下車標紋理信息。如果車標預估區域提取橫縱向背景紋理後，如果縱向紋理平均值遠大於橫向平均值，則認為背景為縱向紋理，就需要提取橫向紋理，濾除背景的縱向紋理幹擾而只剩下車標信息，但如果橫向紋理與縱向紋理均值相近的話，則背景認為是網狀紋理，此時將通過sobel濾波算子提取綜合紋理。即提取與所述車標背景區域幹擾的紋理方向相反相的紋理圖像，以生成車標預估位置區域內的車標紋理灰度圖。車標紋理二值圖生成單元1024，用於對所述車標紋理化灰度圖進行二值化處理，並進行形態學濾波及腐蝕膨脹，生成所述車標紋理灰度圖對應的二值圖。車標邊界定位單元1025，用於在所述車標紋理化灰度圖對應的二值圖基礎上進行投影，尋找車標對應的左右邊界，生成車標精確位置信息。在本實施例中，如圖17所示，車標二值圖生成裝置103包括傾斜校正單元1031，用於根據所述車牌定位識別中生成的車牌傾斜角度，對所述車標精確灰度圖進行傾斜校正；車標二值圖生成單元1032，用於對所述校正後的車標精確灰度圖按照雙線性OTSU的方法進行二值化處理，生成所述車標對應的二值圖。在本實施例中，根據車標定位給出的車標精確位置信息，提取車標灰度圖，由前面的進行車牌定位識別中計算出來的車牌傾斜角度，對車標區域進行傾斜校正，然後歸一化為40*40的圖形，為了防止因光線不均、樹影等幹擾影響造成的明暗不均，對車標灰度圖按照雙線性OTSU的方法進行二值化。在本實施例中，如圖18所示，車標識別結果生成裝置104包括擬合單元1041，用於通過hough變換對所述車標對應的二值圖上的車標進行外輪廓擬合；分類單元1042,用於根據擬合結果對所述車標進行分類；匹配單元1043，用於將所述車標與所述車標對應類型的車標模板進行匹配。在本實施例中，在二值圖的基礎上由hough變換對車標進行外輪廓擬合，同時根據車標高寬比形狀等先驗知識，將該車標粗分為橢圓、圓形及不規則圖形中的一類，然後選擇該類型的車標模版進行匹配。車標模版是根據類間差最大、類內差最大的原則提取出來的具有代表性的車標二值圖，大小為40*40，為了節省空間複雜度及時間複雜度，將二值圖八位合成一個字節，40*40大小的模版壓縮為40*5，目前每個類型的車標有三個模板，個數可以根據實際情況進行調整。在進行車標模板匹配時，考慮到定位很難以精確到車標邊界的像素位置，並且在選取模版時也可能有一定的邊界幹擾信息，所以採用滑動匹配的方法，車標二值圖在上、下、左、右四個方向上可以進行I到2個像素的滑動，空白部分補O對齊，然後將二值圖八位合成一個字節與模板進行匹配，考慮到同一類型的車標，如福特與比亞迪、起亞，大眾、別克與奔馳等，外輪廓相同都是圓形或者橢圓，只有內部中心信息不一樣，所以在模版匹配時，根據位置信息進行加權，40*40的車標二值圖上，最外8層權重為1，中間16層權重為2，中心16層權重為3，如果沒匹配上為零分，匹配成功後根據位置權重不同分別置為I分、2分、3分，最後將分數歸一化為O —100分，將滑動匹配後的所有結果排序，選取分數最高的為最終單幀車標識別結果，設置單幀車標識別置信度，如果最高置信度高於該值則認為識別有效，否則拒識別。在本發明中，如圖19所示，本發明的車標定位識別系統除了包含圖14-圖18所示實施例的結構外，還包括多幀車標優選裝置106，用於建立車輛跟蹤鏈，得到所述車輛的多個車標識別結果，選擇所述多個車標識別結果中的分數最高者對應的車標類型為最終的車標識別結果。該裝置對進入視野中的車輛建立跟蹤鏈，跟蹤鏈上的每個節點都有該車輛的車標識別結果，當車輛滿足出圖條件或者駛出視野時，統計該跟蹤鏈上單幀車標識別的最高分數及對應的車標類型，出現次數最多的車標及對應置信度，如果兩種類型相同則為最終車標識別結果，否則在出現次數最多的車標中，求取一個均值置信度，如果第一種最高置信度高於該均值置信度一定分數，則按出現分數最高的車標類型定位最終識別結果，否則選出現次數最多的車標類型為最終識別結果。建立跟蹤鏈進行優選匹配，可以提高匹配精度，藉以提聞車標識別精度。圖20 (a)、(b)、(c)、(d)為利用本發明的車標定位識別方法及系統，對幾種車型的車標進行識別的處理流程圖。其顯示過程是從車標定位灰度圖一傾斜校正後的圖像一雙線性OTSU 二值化之後的二值圖一模板庫中匹配模板。其中，圖20 (a)為對奧迪車車標的識別過程，其匹配分數為85分；圖20 (b)為對大眾車車標的識別結果，其匹配分數為82分；圖20 (c)為對寶馬車車標的識別結果，其匹配分數為77分；圖20 (d)為對鈴木車車標的識別結果，其匹配分數為78分。而在對某高速路上對幾種常見車標進行識別測試，測試的指標如下奧迪99% ;大眾99% ;鈴木90% ;寶馬86% ;吉利85% ;奔馳83% ;現代89% ;豐田97%;本田98%。因此，本發明的標定位識別方法及系統可以對車標進行精確定位和有效識別。本發明實施例的車標定位識別方法及系統，在車輛存在有效牌的前提下，能夠快速的定位出車標位置，並進行單幀識別、多幀確認，通過車牌和車標確定車型和車輛的唯一性。以上所述的具體實施例，對本發明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發明的具體實施例而已，並不用於限定本發明的保護範圍，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。
權利要求
1.一種車標定位識別的方法，其特徵在於，所述方法包括: 利用高清攝像機採集車輛的車頭圖像； 利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域； 在所述車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息； 根據所述車標精確位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖； 將所述車標對應的二值圖與預存的車標模板進行匹配，根據位置信息進行加權計算，計算得到的分數最高者對應的車標類型為車標識別結果。
2.根據權利要求1所述的車標定位識別的方法，其特徵在於，所述利用所述車頭圖像，進行車輛定位和車牌定位，並根據車標與車牌的先驗信息，生成車標預估位置區域的步驟，其包括: 對所述採集的車頭圖像按比例進行壓縮，生成灰度圖像； 在所述灰度圖像上根據高斯模型建立背景，根據背景差和幀差進行車輛定位，生成車輛位置區域； 在所述車輛位置區域內，根據車輛的紋理信息及顏色信息進行車牌定位識別，生成車牌位置區域； 在所述車牌位置區域內， 根據所述車標與車牌的先驗信息進行車標定位，生成車標預估區域。
3.根據權利要求1-2中任一項所述的車標定位識別的方法，其特徵在於，所述車標與車牌的先驗信息包括車標與車牌的位置信息、車標形狀以及車輛對稱性。
4.根據權利要求1所述的車標定位識別的方法，其特徵在於，所述在所述車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息的步驟，包括: 在所述車標預估位置區域內提取sobel橫向紋理和縱向紋理； 比較提取橫向紋理後的灰度圖及提取縱向紋理後的灰度圖的灰度平均值，通過兩者差值確定所述車標背景區域幹擾的紋理方向； 提取與所述車標背景區域幹擾的紋理方向相反相的紋理圖像，生成車標預估位置區域內的車標紋理灰度圖； 對所述車標紋理化灰度圖進行二值化處理，並進行形態學濾波及腐蝕膨脹，生成所述車標紋理灰度圖對應的二值圖； 在所述車標紋理化灰度圖對應的二值圖基礎上進行投影，尋找車標對應的左右邊界，生成車標精確位置信息。
5.根據權利要求1所述的車標定位識別的方法，其特徵在於，所述根據所述車標精確位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖的步驟，包括:根據所述車牌定位識別中生成的車牌傾斜角度，對所述車標精確灰度圖進行傾斜校正； 對所述校正後的車標精確灰度圖按照雙線性OTSU的方法進行二值化處理，生成所述車標對應的二值圖。
6.根據權利要求5所述的車標定位識別的方法，其特徵在於，所述將所述車標對應的二值圖與預存的車標模板進行匹配的步驟，包括: 通過hough變換對所述車標對應的二值圖上的車標進行外輪廓擬合； 根據擬合結果對所述車標進行分類； 選擇與所述車標對應類型的車標模板進行匹配。
7.根據權利要求1所述的車標定位識別的方法，其特徵在於，在得到車標識別結果後，還包括: 建立車輛跟蹤鏈，得到所述 車輛的多個車標識別結果，選擇所述多個車標識別結果中的分數最高者對應的車標類型為最終的車標識別結果。
8.一種車標定位識別的系統，其特徵在於，所述系統包括: 圖像採集裝置，用於採集車輛的車頭圖像； 車標預估位置區域生成裝置，用於利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域； 車標精確位置信息生成裝置，用於在所述車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在所述車標預估位置區域內進行車標精確定位，生成車標精確位置信息； 車標二值圖生成裝置，用於根據所述車標精確位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖； 車標識別結果生成裝置，用於將所述車標對應的二值圖與預存的車標模板進行匹配，根據位置信息進行加權計算，計算得到的分數最高者對應的車標類型為車標識別結果。
9.根據權利要求8所述的車標定位識別的系統，其特徵在於，所述車標預估位置區域生成裝置包括: 圖像壓縮單元，用於對所述採集的車頭圖像按比例進行壓縮，生成灰度圖像； 車輛區域生成單元，用於在所述灰度圖像上根據高斯模型建立背景，根據背景差和幀差進行車輛定位，生成車輛位置區域； 車牌區域生成單元，用於在所述車輛位置區域內，根據車輛的紋理信息及顏色信息進行車牌定位識別，生成車牌位置區域； 車標預估區域生成單元，用於在所述車牌位置區域內，根據所述車標與車牌的先驗信息進行車標定位，生成車標預估區域。
10.根據權利要求8-9中任一項所述的車標定位識別的系統，其特徵在於，所述車標與車牌的先驗信息包括車標與車牌的位置信息、車標形狀以及車輛對稱性。
11.根據權利要求8所述的車標定位識別的系統，其特徵在於，所述車標精確位置信息生成裝置包括: 紋理提取單元，用於在所述車標預估位置區域內提取sobel橫向紋理和縱向紋理；背景幹擾紋理確定單元，用於比較提取橫向紋理後的灰度圖及提取縱向紋理後的灰度圖的灰度平均值，通過兩者差值確定所述車標背景區域幹擾的紋理方向； 車標紋理灰度圖生成單元，用於提取與所述車標背景區域幹擾的紋理方向相反相的紋理圖像，生成車標預估位置區域內的車標紋理灰度圖； 車標紋理二值圖生成單元，用於對所述車標紋理化灰度圖進行二值化處理，並進行形態學濾波及腐蝕膨脹，生成所述車標紋理灰度圖對應的二值圖； 車標邊界定位單元，用於在所述車標紋理化灰度圖對應的二值圖基礎上進行投影，尋找車標對應的左右邊界，生成車標精確位置信息。
12.根據權利要求8所述的車標定位識別的系統，其特徵在於，所述車標二值圖生成裝置根據所述車標精確 位置信息，提取車標精確灰度圖，並將所述車標精確灰度圖進行二值化，生成所述車標對應的二值圖，包括: 傾斜校正單元，用於根據所述車牌定位識別中生成的車牌傾斜角度，對所述車標精確灰度圖進行傾斜校正; 車標二值圖生成單元，用於對所述校正後的車標精確灰度圖按照雙線性OTSU的方法進行二值化處理，生成所述車標對應的二值圖。
13.根據權利要求8所述的車標定位識別的系統，其特徵在於，所述車標識別結果生成裝置包括: 擬合單元，用於通過hough變換對所述車標對應的二值圖上的車標進行外輪廓擬合； 分類單元，用於根據擬合結果對所述車標進行分類； 匹配單元，用於將所述車標與所述車標對應類型的車標模板進行匹配。
14.根據權利要求8所述的車標定位識別的系統，其特徵在於，所述車標定位識別裝置還包括: 多幀車標優選裝置，用於建立車輛跟蹤鏈，得到所述車輛的多個車標識別結果，選擇所述多個車標識別結果中的分數最高者對應的車標類型為最終的車標識別結果。
全文摘要
本發明公開了一種車標定位識別的方法，包括利用高清攝像機採集車輛的車頭圖像；利用所述車頭圖像，進行車輛定位和車牌定位識別，並根據車標與車牌的先驗信息，生成車標預估位置區域；在車標預估位置區域中，根據提取的紋理信息濾除車標背景區域幹擾，在濾除車標背景區域幹擾後的車標紋理灰度圖上進行二值化，在生成的二值化圖像上通過尋找連通域方法在車標預估位置區域內進行車標精確定位，生成車標精確位置信息；根據車標精確位置信息，提取車標精確灰度圖，並將車標精確灰度圖進行二值化，生成車標對應的二值圖；將車標對應的二值圖與預存的車標模板進行匹配，根據位置信息進行加權計算，計算得到的分數最高者對應的車標類型為車標識別結果。
文檔編號G06K9/00GK103077384SQ201310009960
公開日2013年5月1日 申請日期2013年1月10日 優先權日2013年1月10日
發明者葛雷鳴, 房顏明, 成瑜娟 申請人:北京萬集科技股份有限公司