[发明专利]一种基于车标识别交通分析方法及系统

说明书

技术领域

本发明涉及视频分析技术领域，具体涉及一种基于车标识别交通分析方法及系统。

背景技术

随着社会经济的发展，车辆的增多，通过计算机信息化、智能化的管理车辆成为必然。车牌识别技术被广泛应用在交通流量监测，高速公路卡口收费，闯红灯违章车辆监控及小区自动收费系统中。车辆识别技术是智能交通领域的关键技术之一，车标识别技术是车辆识别技术新的研究方向，车辆的车标的类型按形状可以分为圆形，椭圆和方形，目前的处理技术只能对车牌和大型、中型、小型车辆进行识别，但不能识别具体的车型。车标的识别大体分为车标粗定位，车标精定位，车标识别三个步骤，在现有技术中利用车牌与车标的拓扑关系，确定车标的大致区域；根据提取的粗略位置再准确的提取车标，但是在对车标进行定位、识别时，由于有些背景和前方的干扰物会影响到车标的分割，进而影响到车标的识别。针对现有技术中由于车牌的干扰物影响车标识别，从而影响辨别车辆的问题，目前尚未提出有效的解决方案。

针对于此，需要做出改进。

发明内容

本发明提供了一种基于车标识别交通分析方法及系统，提高车标的识别准确率和效率。

一种基于车标识别交通分析方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

一种基于车标识别交通分析系统，

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。

进一步的，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。

进一步的，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。

进一步的，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。