專利名稱：車標的定位方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機圖象處理技術(shù)領(lǐng)域，特別涉及一種車標的定位方法及裝置。
背景技術(shù)：
隨著社會經(jīng)濟的發(fā)展以及車輛的日益增多，通過計算機信息化、智能化地管理車輛成為一種必然趨勢。車牌識別技術(shù)被廣泛應用在交通流量監(jiān)測，高速公路卡口收費，闖紅燈違章車輛監(jiān)控及小區(qū)自動收費系統(tǒng)中。目前的處理技術(shù)只能對車牌和大型、中型、小型車輛進行識另U，但不能識別具體的車型。目前常見的車標形狀主要分為圓形、橢圓形和矩形。然而相關(guān)技術(shù)中，對于圓形車標的精確定位還缺乏相關(guān)的技術(shù)方案，因此，針對車牌上方區(qū)域的圓形車標，需要一種有效的技術(shù)方案進行準確的定位。

發(fā)明內(nèi)容
本發(fā)明提出一種車標的定位方法及裝置，以至少解決相關(guān)技術(shù)中無法對車牌上方的圓形車標進行精確定位的技術(shù)問題。根據(jù)本發(fā)明的一個方面，提供了一種車標的定位方法。根據(jù)本發(fā)明的車標的定位方法包括對于輸入圖像執(zhí)行車牌定位，獲取車牌定位信息；采用獲取的上述車牌定位信息確定待定位車標的信息區(qū)域；采用圓形所對應的特征參數(shù)對上述信息區(qū)域執(zhí)行圓檢測，在確定上述待定位車標為圓形車標時，在上述信息區(qū)域中確定上述待定位車標的位置。根據(jù)本發(fā)明的一個方面，提供了 一種車標的定位裝置。根據(jù)本發(fā)明的車標的定位裝置包括獲取模塊，用于對于輸入圖像執(zhí)行車牌定位，獲取車牌定位信息；確定模塊，用于采用獲取的上述車牌定位信息確定待定位車標的信息區(qū)域；檢測定位模塊，用于采用圓形所對應的特征參數(shù)對上述信息區(qū)域執(zhí)行圓檢測，在確定上述待定位車標為圓形車標時，在上述信息區(qū)域中確定上述待定位車標的位置。通過本發(fā)明，先根據(jù)車牌定位信息階段判別出車標的大致信息區(qū)域，然后在精定位階段，采用圓形所對應的特征參數(shù)對上述信息區(qū)域執(zhí)行圓檢測，在確定上述待定位車標為圓形車標時，在上述信息區(qū)域中確定上述待定位車標的位置。解決了相關(guān)技術(shù)中無法對車牌上方的圓形車標進行精確定位的技術(shù)問題。從而可以實現(xiàn)對車牌上方的圓形車標的精確定位，完成對車輛車型的有效識別。


此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中圖1為根據(jù)本發(fā)明實施例的車標的定位方法的流程圖2為根據(jù)本發(fā)明優(yōu)選實施例的車標的定位方法的流程圖；圖3為根據(jù)本發(fā)明實施例的車標的定位裝置的結(jié)構(gòu)框圖；以及圖4為根據(jù)本發(fā)明優(yōu)選實施例的車標的定位裝置的結(jié)構(gòu)框圖。
具體實施例方式圖1為根據(jù)本發(fā)明實施例的車標的定位方法的流程圖。如圖1所示，根據(jù)本發(fā)明實施例的車標的定位方法包括以下步驟(步驟S102-步驟S106)步驟S102 :對于輸入圖像執(zhí)行車牌定位，獲取車牌定位信息；步驟S104 :采用獲取的上述車牌定位信息確定待定位車標的信息區(qū)域；步驟S106 :采用圓形所對應的特征參數(shù)對上述信息區(qū)域執(zhí)行圓檢測，在確定上述待定位車標為圓形車標時，在上述信息區(qū)域中確定上述待定位車標的位置。在圖1中，車標的定位主要分為三個階段。第一階段(相當于步驟S102):首先對車牌進行定位；第二階段(相當于步驟S104):根據(jù)第一階段獲取的車牌定位信息判別出車標的大致信息區(qū)域，第二階段(相當于步驟S104):即車標的精確定位階段，采用圓形所對應的特征參數(shù)對上述信息區(qū)域執(zhí)行圓檢測，在確定上述待定位車標為圓形車標時，在上述信息區(qū)域中確定上述待定位車標的位置。通過上述三個步驟的有效結(jié)合，解決了相關(guān)技術(shù)中無法對車牌上方的圓形車標進行精確定位的技術(shù)問題。從而可以實現(xiàn)對車牌上方的圓形車標的精確定位，完成對車輛車型的有效識別。其中，在步驟S102中，對車牌定位的出發(fā)點是利用車牌區(qū)域的特征來判斷牌照，將車牌區(qū)域從整幅車輛圖像中分割出來。車牌自身具有許多的固有特征，根據(jù)車牌的不同特征，可以采用不同的定位方法。目前車牌定位的方法很多，最常見的車牌定位技術(shù)主要有基于邊緣檢測的方法、基于彩色分割的方法、基于小波變換的方法、基于遺傳算法的方法、基于數(shù)學形態(tài)學的車牌定位和基于灰度圖像紋理特征分析的方法等。其中，對于基于邊緣檢測的方法而言，所謂“邊緣”就是指其周圍像素灰度有階躍變化的那些像素的集合?！斑吘墶钡膬蓚?cè)分屬于兩個區(qū)域，每個區(qū)域的灰度均勻一致，而這兩個區(qū)域的灰度在特征上存在一定的差異。邊緣檢測的任務是精確定位邊緣和抑制噪聲。檢測的方法有多種，例如Roberts邊緣算子、Prewitt算子、Sobel算子以及拉普拉斯邊緣檢測。這些方法正是利用物體邊緣處灰度變化劇烈這一特點來檢測圖像的邊緣。各算子對不同邊緣類型的敏感程度不同，產(chǎn)生的效果也不同，經(jīng)過大量實驗分析可知，Roberts邊緣算子是一種利用局部方差算子尋找邊緣的算子，定位比較精確；Prewitt算子和Sobel算子對噪聲有一定的抑制能力，但不能完全排除偽邊緣；拉普拉斯算子是二階微分算子，對圖像中的階躍型邊緣點定位準確且具有旋轉(zhuǎn)不變性，但容易丟失一部分邊緣的方向信息，同時抗噪能力較差。針對不同的環(huán)境和要求，選擇合適的算子來對圖像進行邊緣檢測才能達到好的效果。以上是對基于邊緣檢測的車牌定位方法進行的簡單描述，其他車牌定位技術(shù)可以參見相關(guān)技術(shù)中的描述，此處不再贅述。其中，在步驟S104中，由于已經(jīng)對車牌進行了定位，因此可以根據(jù)車牌的位置信息對位于車牌上方的車標的大體信息區(qū)域進行定位。在優(yōu)選實施過程中，在執(zhí)行步驟S104之后，執(zhí)行步驟S106之前，還可以包括以下處理對上述車標的信息區(qū)域執(zhí)行水平矯正處理。
智能交通系統(tǒng)(IntelligentTraffic System,簡稱為 ITS)中，攝取的對象通常是運動車輛的牌照，攝像機一般只能架設在公路的側(cè)上方，因而采集到的車牌圖像都有不同程度的傾斜變形，而3度以上的傾斜會引起字符明顯變性，大部分光學字符識別(Optical Character Recognition,簡稱為OCR)方法難以適應,這給字符的準確分割和識別帶來很大的困難。因此，針對該問題，可以對上述車標的信息區(qū)域執(zhí)行水平矯正處理。在優(yōu)選實施過程中，上述執(zhí)行上述水平矯正處理可以進一步包括以下處理:( I)采用最大類間方差OTSU算法將車牌二值化，獲取二值圖；( 2 )在上述二值圖上提取水平邊緣信息，獲取水平邊緣圖；(3)對上述水平邊緣圖在預定角度范圍內(nèi)以預定角度間隔進行角度旋轉(zhuǎn)，對于每次旋轉(zhuǎn)，統(tǒng)計上述水平邊緣圖前四行中最大的水平投影值，選取該水平投影值所對應的角度中最大的角度為車牌矯正角度；(4)采用雙線性插值算法將上述信息區(qū)域按照上述車牌矯正角度進行矯正。通過上述處理，結(jié)合車牌圖像的實際情況，對車牌的水平方向進行旋轉(zhuǎn)無損矯正，而在垂直方向上則采用投影法進行拉伸變形矯正，可以有效實現(xiàn)對車標的信息區(qū)域的水平傾斜矯正。在優(yōu)選實施過程中，上述步驟S106可以進一步包括以下處理:(I)對于上述信息區(qū)域，通過邊緣檢測算法獲取邊緣圖像；(2)在獲取 的上述邊緣圖像上，采用上述圓形所對應的特征參數(shù)(例如，圓形特征量等)獲取上述信息區(qū)域內(nèi)的極大值點；其中，圓形特征C=U κ/ δ R,當區(qū)域R趨向于圓形時，圓形特征量C單調(diào)遞增且趨向于無窮，它不受區(qū)域平移、旋轉(zhuǎn)和尺度變化的影響，C是一個用區(qū)域R的所有邊界點定義的特征量，其中μR為從區(qū)域中心到邊界點的平均距離
權(quán)利要求
1.一種車標的定位方法,其特征在于,包括:對于輸入圖像執(zhí)行車牌定位，獲取車牌定位信息；采用獲取的所述車牌定位信息確定待定位車標的信息區(qū)域；采用圓形所對應的特征參數(shù)對所述信息區(qū)域執(zhí)行圓檢測，在確定所述待定位車標為圓形車標時，在所述信息區(qū)域中確定所述待定位車標的位置。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在采用圓形所對應的特征參數(shù)對所述信息區(qū)域執(zhí)行圓檢測之前，還包括:對所述信息區(qū)域執(zhí)行水平矯正處理。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，執(zhí)行所述水平矯正處理包括:采用最大類間方差OTSU算法將車牌二值化，獲取二值圖；在所述二值圖上提取水平邊緣信息，獲取水平邊緣圖；對所述水平邊緣圖在預定角度范圍內(nèi)以預定角度間隔進行角度旋轉(zhuǎn)，對于每次旋轉(zhuǎn)，統(tǒng)計所述水平邊緣圖前四行中最大的水平投影值，選取該水平投影值所對應的角度中最大的角度為車牌矯正角度；采用雙線性插值算法將所述信息區(qū)域按照所述車牌矯正角度進行矯正。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用圓形所對應的特征參數(shù)對所述信息區(qū)域執(zhí)行圓檢測，在確定所述待定位車標為圓形車標時，在所述信息區(qū)域中確定所述待定位車標的位置包括:`對于所述信息區(qū)域，通過邊緣檢測算法獲取邊緣圖像；在獲取的所述邊緣圖像上，采用所述圓形所對應的特征參數(shù)獲取所述信息區(qū)域內(nèi)的極大值點；通過廣義哈夫變換進行圓檢測，確定所述待定位車標在所述信息區(qū)域的位置；采用數(shù)學形態(tài)學濾波算法，定位所述待定位車標的坐標并在所述信息區(qū)域中截取所述待定位車標。
5.根據(jù)權(quán)利要求1至4中任一項所述的方法，其特征在于，在采用所述圓形所對應的特征參數(shù)對所述信息區(qū)域執(zhí)行圓檢測之前，還包括:對所述信息區(qū)域執(zhí)行灰度化處理，并采用結(jié)構(gòu)元素對獲取的灰度圖像執(zhí)行開運算；采用OTSU算法將所述灰度圖像二值化，并通過形態(tài)學操作獲取連通域。
6.一種車標的定位裝置，其特征在于，包括:獲取模塊，用于對于輸入圖像執(zhí)行車牌定位，獲取車牌定位信息；確定模塊，用于采用獲取的所述車牌定位信息確定待定位車標的信息區(qū)域；檢測定位模塊，用于采用圓形所對應的特征參數(shù)對所述信息區(qū)域執(zhí)行圓檢測，在確定所述待定位車標為圓形車標時，在所述信息區(qū)域中確定所述待定位車標的位置。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括:矯正模塊，用于對所述信息區(qū)域執(zhí)行水平矯正處理。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述矯正模塊包括:第一獲取單元，用于采用最大類間方差OTSU算法將車牌二值化，獲取二值圖；第二獲取單元，用于在所述二值圖上提取水平邊緣信息，獲取水平邊緣圖；統(tǒng)計單元，用于對所述水平邊緣圖在預定角度范圍內(nèi)以預定角度間隔進行角度旋轉(zhuǎn)，對于每次旋轉(zhuǎn)，統(tǒng)計所述水平邊緣圖前四行中最大的水平投影值；選取單元,用于選取該水平投影值所對應的角度中最大的角度為車牌矯正角度；矯正單元，用于采用雙線性插值算法將所述信息區(qū)域按照所述車牌矯正角度進行矯正。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述檢測定位模塊包括:第三獲取單元，用于對于所述信息區(qū)域，通過邊緣檢測算法獲取邊緣圖像；第四獲取單元，用于在獲取的所述邊緣圖像上，采用所述圓形所對應的特征參數(shù)獲取所述信息區(qū)域內(nèi)的極大值點；確定單元，用于通過廣義哈夫變換進行圓檢測，確定所述待定位車標在所述信息區(qū)域的位置；定位單元，用于采用數(shù)學形態(tài)學濾波算法，定位所述待定位車標的坐標并在所述信息區(qū)域中截取所述待定位車標。
10.根據(jù)權(quán)利要求6至 9中任一項所述的裝置，其特征在于，還包括:第一處理模塊，用于對所述信息區(qū)域執(zhí)行灰度化處理，并采用結(jié)構(gòu)元素對獲取的灰度圖像執(zhí)行開運算；第二處理模塊，用于采用OTSU算法將所述灰度圖像二值化，并通過形態(tài)學操作獲取連通域。
全文摘要
本發(fā)明公開了一種車標的定位方法及裝置。在上述方法中，對于輸入圖像執(zhí)行車牌定位，獲取車牌定位信息；采用獲取的上述車牌定位信息確定待定位車標的信息區(qū)域；采用圓形所對應的特征參數(shù)對上述信息區(qū)域執(zhí)行圓檢測，在確定上述待定位車標為圓形車標時，在上述信息區(qū)域中確定上述待定位車標的位置。根據(jù)本發(fā)明提供的技術(shù)方案，可以實現(xiàn)對車牌上方的圓形車標的精確定位，完成對車輛車型的有效識別。
文檔編號G06K9/32GK103077391SQ201210591549
公開日2013年5月1日 申請日期2012年12月30日 優(yōu)先權(quán)日2012年12月30日
發(fā)明者劉忠軒, 張凱歌 申請人:信幀電子技術(shù)(北京)有限公司