[发明专利]一种面向交通卡口的多特征融合车标识别方法及系统

权利要求书

1.一种面向交通卡口的多特征融合车标识别方法，用于对从交通卡口拍摄车标所得图像进行识别，其特征在于：针对从交通卡口拍摄车标所得图像采用多特征融合方式实现车标识别，包括以下步骤：

步骤1，特征提取，包括对输入的各幅图像分别进行三种特征提取，三种特征包括HOG特征、Curv-H特征和GIST特征，所述HOG特征为方向梯度直方图特征，所述Curv-H特征为曲率直方图特征；

步骤2，训练一级分类器，包括从所有图像中按比例取一级训练样本，剩下的图像作为一级测试样本，基于一级训练样本的三种特征分别进行训练，得到三种一级分类器，利用所得三种一级分类器分别对各一级测试样本基于相应特征进行预测，得到一级测试样本属于一级分类器中每一类的概率，记为软概率；

步骤3，特征融合，包括把每个一级测试样本在三种一级分类器下得到的软概率进行串联，完成三种特征的融合；

步骤4，训练二级分类器，包括从一级测试样本中按比例取二级训练样本，剩余图像作为二级测试样本，把串联之后的软概率作为特征，基于二级训练样本的特征进行训练，得到二级分类器，利用二级分类器对二级测试样本基于相应特征进行预测，得到二级测试样本所属的类别，完成相应车标识别。

2.根据权利要求1所述面向交通卡口的多特征融合车标识别方法，其特征在于：当有新输入的图像时，首先将新的图像作为一级测试样本，利用步骤2所得三种一级分类器分别对该一级测试样本基于相应特征进行预测，得到该一级测试样本属于一级分类器中每一类的概率，记为软概率；然后将新的图像在三种一级分类器下得到的软概率进行串联，把串联之后的软概率作为特征，将新的图像作为二级测试样本，利用二级分类器对该二级测试样本基于相应特征进行预测，得到该二级测试样本所属的类别，完成新的图像相应车标识别。

3.根据权利要求1或2所述面向交通卡口的多特征融合车标识别方法，其特征在于：从所有图像中按比例取一级训练样本，和从一级测试样本中按比例取二级训练样本时，比例的取值相同。

4.根据权利要求1或2所述面向交通卡口的多特征融合车标识别方法，其特征在于：训练一级分类器和二级分类器，基于SVM实现，所述SVM为支持向量机。

5.一种面向交通卡口的多特征融合车标识别系统，用于对从交通卡口拍摄车标所得图像进行识别，其特征在于：针对从交通卡口拍摄车标所得图像采用多特征融合方式实现车标识别，包括以下模块：

特征提取模块，用于对输入的各幅图像分别进行三种特征提取，三种特征包括HOG特征、Curv-H特征和GIST特征，所述HOG特征为方向梯度直方图特征，所述Curv-H特征为曲率直方图特征；

一级分类器训练模块，用于从所有图像中按比例取一级训练样本，剩下的图像作为一级测试样本，基于一级训练样本的三种特征分别进行训练，得到三种一级分类器，利用所得三种一级分类器分别对各一级测试样本基于相应特征进行预测，得到一级测试样本属于一级分类器中每一类的概率，记为软概率；

特征融合模块，用于把每个一级测试样本在三种一级分类器下得到的软概率进行串联，完成三种特征的融合；

二级分类器训练模块，用于从一级测试样本中按比例取二级训练样本，剩余图像作为二级测试样本，把串联之后的软概率作为特征，基于二级训练样本的特征进行训练，得到二级分类器，利用二级分类器对二级测试样本基于相应特征进行预测，得到二级测试样本所属的类别，完成相应车标识别。

6.根据权利要求5所述面向交通卡口的多特征融合车标识别系统，其特征在于：设置实时处理模块，用于当有新输入的图像时，首先将新的图像作为一级测试样本，利用一级分类器训练模块所得三种一级分类器分别对该一级测试样本基于相应特征进行预测，得到该一级测试样本属于一级分类器中每一类的概率，记为软概率；然后将新的图像在三种一级分类器下得到的软概率进行串联，把串联之后的软概率作为特征，将新的图像作为二级测试样本，利用二级分类器训练模块所得二级分类器对该二级测试样本基于相应特征进行预测，得到该二级测试样本所属的类别，完成新的图像相应车标识别。