[发明专利]一种基于车标再定位的车标检测和识别方法

说明书

本发明涉及一种基于车标再定位的车标检测和识别方法。首先采用了颜色特征作为车牌的定位特征对车牌进行定位，通过定位出的车牌位置信息可以对车标进行大致定位。框选出车标的粗定位范围后，本发明通过一种新的基于Canny算子的车标提取方法进一步定位车标。定位完成后，由于车辆散热网形状各异，对有些情况无法精确定位，本发明提出一种基于车标再定位的思想，重新定位车标分类范围。由于车标边缘特征明显，本发明使用梯度方向直方图(HOG)特征作为分类特征。计算提取出的车标范围的梯度方向直方图(HOG)特征，送入支持向量机(SVM)进行训练分类。本发明能够有效地对车标图像进行检测。

技术领域

本发明涉及模式识别与计算机视觉领域，特别是一种基于车标再定位的车标检测和识别方法。

背景技术

智能交通，其核心思想在于用传感器，摄像头等方式采集汽车数据，并用计算机辅助管理的方式代替传统的人工监视，且能快速完成数据共享和检索，达到交通管理一体化的效果。在这其中，计算机视觉技术扮演着至关重要的任务。要完成智能交通被赋予的任务，其基础就在于汽车数据的采集。而对一辆汽车来说，其车牌以及车标是两个重要的标志。对车牌识别，国内外已经有各种各样的研究，也有大量成熟稳定的系统被开发出来，并广泛应用于实际的生产场景中。但是对车标识别的研究却不够重视，而这又是智能交通中的一环。因此，对车标识别的需求在将来会日益增大。

发明内容

有鉴于此，本发明的目的是提出一种基于车标再定位的车标检测和识别方法，能够有效地对车标进行定位和检测。

本发明采用以下方案实现：一种基于车标再定位的车标检测和识别方法，包括以下步骤：

步骤S1：获取不同种类车辆的正面图像，并将所述正面图像进行重命名用以标注车的类别，将所述正面图像按比例分为两部分，其中2/3作为训练集，剩余1/3作为测试集；

步骤S2：采用HSV颜色空间法提取所述测试集正面图像中存在的车牌区域，并利用形态学变换算法检测筛选车牌区域；

步骤S3：通过步骤S2筛选出的车牌区域，确定车标范围，然后利用再定位的方法获取再定位的车标区域；

步骤S4：训练支持向量机，对再定位的车标区域提取方向梯度直方图，用训练好的支持向量机进行分类。

进一步地，所述步骤S2具体包括以下步骤：

步骤S21：将所述正面图像的颜色空间由RGB颜色空间通过openCV图像视觉库中的cvtColor函数转换为HSV颜色空间；

步骤S22：搜索步骤S21转换得到HSV颜色空间的图像中的每一个像素点，若当前搜索像素点的三个通道分别满足：色相通道即H范围在90-150之间，纯度通道即S范围在55-255之间，明度通道即V在30-255之间，则将当前像素点取值为1，否则就为0，最终得到一个像素值只有0和1的黑白图像；

步骤S23：使用大小为[4,4]的算子对步骤S22得到的黑白图像进行开运算，可以去除噪声；

步骤S24：使用大小为[20，2]的算子对步骤S23去除完噪声的图像进行闭运算，可以连接未被填充的区域，得到存在车牌的可能性区域；

步骤S25：使用大小为[1，5]的算子对步骤S24得到的车牌可能性图像进行开运算，可以去除S24得到的车牌可能性区域的边缘毛躁；

步骤S26：通过步骤S23、步骤S24、步骤S25步骤处理完S22得到的黑白图像，最终得到各个连通区域，即车牌可能性区域，计算每个连通区域的宽高比和面积；根据公式：

其中WHi为第i个连通区域的长宽比，Area为该连通区域的面积；满足上述公式则判定为车牌区域。

进一步地，所述步骤S3具体包括以下步骤：