[发明专利]基于交通视频的车标自动识别方法

权利要求书

1.基于交通视频的车标自动识别方法，其特征在于，包括以下步骤：

S1、训练获得样本库EHMM模型参数，所述样本库中车型模板与车标粗略位置相对应；

S2、判断交通视频中车辆的车型信息，并根据所述样本库获得该车辆车标的粗略位置；

S3、多层次车标精确定位，进而求取定位区域特征作为输入向量，利用EHMM模型参数进行相似性比较获得识别结果。

2.根据权利要求1所述的方法，其特征在于，步骤S1包括以下步骤：S11、提取车标样本获得标准的车标样本库；S12、根据车标样本提取车型特征，构造观察向量序列；S13、通过EHMM进行训练获得EHMM模型参数。

3.根据权利要求1或2所述的方法，其特征在于，步骤S2具体为：获得待识别图像，通过并行模板匹配方法确定车型，根据车型信息粗略定位车标位置。

4.根据权利要求1或2所述的方法，其特征在于，步骤S3具体为：S31、根据粗略定位的车标位置进行不同方向的sobel算子滤波处理，形成不同方向加强的图片，并获取像素信息；S32、根据所述像素信息确定检测图像车标位置类型；S33、根据不同的车标位置类型采用不同的定位方法实现多层次车标准确定位；S34、通过定位区域获得待识别的车标图像；S35、在车标图像上提取相关特征，构造观察向量序列；S36、把相应向量输入并与训练好的EHMM进行似然比较，计算相应观察序列最大似然值，根据所述最大似然值识别出相应车标。

5.根据权利要求1所述的方法，其特征在于，训练获得样本库的具体步骤为：

X1、车标图像预处理，包括对车标图像灰度均衡化、对图像大小进行归一化；

X2、设定参数，将超状态数设为5，子状态序列设为3、6、6、6和3，共24个子状态；

X3、对车标图像进行采样以获得图像块序列，利用二维离散余弦变换系数来构造观察向量序列；

X4、依据车标EHMM模型的结构对车标图像进行分割，按照由上到下的超状态个数，将观测向量分成N₁个部分，再根据各个超状态中包含的子状态数对每个部分进一步细分成个部分；

X5、根据图像分割得到的观察向量和状态数对EHMM模型参数进行初始化；

X6、采用双重嵌套的Viterbi算法对车标图像进行重新分割；

X7、用Baum-Welch算法对模型参数进行估计；

X8、当前后两次迭代误差小于给定阈值时结束训练，获得相应车标EHMM模型参数。

6.根据权利要求5所述的方法，其特征在于，步骤S2和S3具体过程为：

Y1、获得待识别的车标图像；

Y11、通过混合高斯模型和自适应背景更新的方式获得待识别的车辆检测图像；

Y12、利用获得的检测图像通过改进的GRM快速模板匹配方法实现车辆的车型匹配；

Y13、通过获取的车型匹配结果，由车型信息粗略定位车标位置区域，利用多层的精确定位方法得到车标位置区域；

Y14、在初次获得的粗略车标区域上，分别利用水平方向Sobel运算去除横纹得到车标竖纹图像，通过垂直方向Sobel运算去除竖纹得到车标横纹图像；

Y15、在这两种不同方向加强的纹理图片上，进一步分析区域中相关像素和的差异情况，根据差值变化的不同，在样本常见车标位置类型中确定检测车标的隶属；

Y16、确定车标隶属位置类型后，根据其位置的类型，选择相应的精确的车标检测位置方法，获得最终的车标位置，实现多层次的精确定位；

Y2、精确定位车标区域中提取相关特征，构造观察向量序列；

Y21、在精确定位的车标区域上用一个大小为W×H的采样窗口，从上向下，从左到右进行滑动采样，相邻的窗口在水平方向和垂直方向分别有X行、Y列重叠来得到观察图像团块；

Y22、获得的精确定位的车标图像预处理，对车标图像灰度均衡化、对图像大小进行归一化；

Y23、设定参数，将超状态数设为5，子状态序列设为3、6、6、6和3，共24个子状态；

Y24、采用步骤Y21的方法对车标图像进行采样，得到图像块序列，再用二维离散余弦变换系数来构造观察向量序列；

Y3、通过和训练好的EHMM进行似然估计，确定车标类型；计算获取的观察向量和训练获得的EHMM的相似概率，从所有的相似概率中选取最大值，最大值对应的车标作为最终的识别结果。

7.根据权利要求1-6之任一项权利要求所述的方法，其特征在于，所述EHMM模型训练环境包括光照度和角度变量。