[发明专利]一种基于车标识别交通分析方法及系统在审
申请号: | 201611167461.3 | 申请日: | 2016-12-16 |
公开(公告)号: | CN106599850A | 公开(公告)日: | 2017-04-26 |
发明(设计)人: | 陈拥权;华东亚;陈影;侯曼曼 | 申请(专利权)人: | 合肥寰景信息技术有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/32;G06K9/46;G06K9/62 |
代理公司: | 合肥市浩智运专利代理事务所(普通合伙)34124 | 代理人: | 丁瑞瑞 |
地址: | 230000 安徽省合肥市*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 标识 交通 分析 方法 系统 | ||
1.一种基于车标识别交通分析方法,其特征在于,包括以下步骤:
1)获取原始图像,通过摄像机获取原始图像;
2)车标定位,使用采用纹理特征分析定位方法,确定一个车标区域;
3)图像变换处理,对所述车标图像进行特征变换处理,以获取所述车标图像的特征向量集合;
4)匹配处理,对所述车标图像的特征向量集合中的特征点与预设特征向量集合中的特征点进行匹配处理,以获取匹配特征点集合;
5)匹配车标,根据所述匹配特征点集合获取对应的车标类型。
2.根据权利要求1所述的一种基于车标识别交通分析方法,其特征在于,所述步骤2)中,车标定位方法具体为,在原始图像经过预处理之后的图像上进行行扫描,确定在列方向上含有车标线段的候选区域,确定候选区域的起始行坐标和高度;然后对候选区域进行列扫描确定其列坐标和宽度,由此确定一个车标区域。
3.根据权利要求1所述的一种基于车标识别交通分析方法,其特征在于,所述步骤3)具体为:
1)对所述原始图像进行边缘定位,以获取边缘图像;
2)对所述边缘图像进行特征变换处理,以获取对应每幅所述边缘图像的特征向量集合;
3)对所述特征向量集合进行聚类分析,以获取多个类数据以及与每个所述类数据对应的特征均值;
4)对每个所述特征均值进行标签设置,以获取设置标签的特征均值集,将所述特征均值集作为所述特征向量集合。
4.根据权利要求1所述的一种基于车标识别交通分析方法,其特征在于,所述步骤4)包括:检测所述车标图像的特征向量集合中是否存在与所述预设特征向量集合中的特征点相匹配的特征点;在所述车标图像的特征向量集合中存在与预设特征向量集合中的特征点相匹配的特征点的情况下,获取所述匹配特征点集合。
5.根据权利要求1所述的一种基于车标识别交通分析方法,其特征在于,还包括步骤6)输出结果,将匹配后的车标类型以文字和logo方式显示。
6.一种基于车标识别交通分析系统,其特征在于,
1)图像获取模块,通过摄像机获取原始图像;
2)车标定位模块,使用采用纹理特征分析定位方法,确定一个车标区域;
3)变换处理模块,对所述车标图像进行特征变换处理,以获取所述车标图像的特征向量集合;
4)匹配处理模块,对所述车标图像的特征向量集合中的特征点与预设特征向量集合中的特征点进行匹配处理,以获取匹配特征点集合;
5)车标匹配模块,根据所述匹配特征点集合获取对应的车标类型。
7.根据权利要求6所述的一种基于车标识别交通分析的系统,其特征在于,所述变换处理模块包括:
1)车标定位模块,用于对所述车标图像进行边缘定位,以获取边缘图像;
2)特征变换模块,用于对所述边缘图像进行特征变换处理,以获取对应每幅所述边缘图像的特征向量集合;
3)分析处理模块,用于对所述特征向量集合进行聚类分析,以获取多个类数据以及与每个所述类数据对应的特征均值;
4)标签设置模块,用于对每个所述特征均值进行标签设置,以获取设置标签的特征均值集,将所述特征均值集作为所述特征向量集合。
8.根据权利要求6所述的一种基于车标识别交通分析的系统,其特征在于,所述步骤1)图像获取模块还包括步骤:
1)图像采集模块,用于采集原始图像;
2)定位计算模块,用于对所述原始图像进行车标定位计算,以获取所述原始图像中的初始车标图像;
3)截取处理模块,用于对所述初始车标图像进行截取处理,以获取所述车标图像。
9.根据权利要求6所述的一种基于车标识别交通分析的系统,其特征在于,输出结果为,确定每类车标识别模型对车标区域进行识别后的车标识别结果置信度;将置信度最高的车标识别结果作为车标识别结果。
10.根据权利要求6所述的一种基于车标识别交通分析的系统,其特征在于,还包括输出显示模块,将匹配后的车标类型以文字和logo方式显示。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥寰景信息技术有限公司,未经合肥寰景信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611167461.3/1.html,转载请声明来源钻瓜专利网。