車標(biāo)信息的提取方法及裝置制造方法
【專利摘要】本發(fā)明提供一種車標(biāo)信息的提取方法及裝置，包括：根據(jù)在待檢測圖像中識別出的待檢測車輛的車牌區(qū)域，從所述待檢測圖像中截取包含所述待檢測車輛的車標(biāo)圖案的待識別區(qū)域；調(diào)用預(yù)配置的樹形級聯(lián)車標(biāo)分類器識別所述待識別區(qū)域中的車標(biāo)圖案和相應(yīng)的車標(biāo)類型。通過本發(fā)明的技術(shù)方案，可以準(zhǔn)確識別車輛的車標(biāo)圖案，從而快速、準(zhǔn)確地提取出車輛圖案。
【專利說明】車標(biāo)信息的提取方法及裝置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及信息處理【技術(shù)領(lǐng)域】，尤其涉及車標(biāo)信息的提取方法及裝置。

【背景技術(shù)】
[0002]車標(biāo)信息即車輛的品牌標(biāo)識圖案，通常位于車輛的前后側(cè)和車轂位置。車標(biāo)信息的提取，在電子警察、卡口等裝置中有著廣泛應(yīng)用和重要價(jià)值。
[0003]然而，由于車標(biāo)信息的目標(biāo)小、相似性大、受尺寸和光照影響大、背景不統(tǒng)一，以及不同廠商的車標(biāo)形狀大小不一致等，使得相關(guān)技術(shù)中無法準(zhǔn)確地實(shí)現(xiàn)對車標(biāo)信息的識別和提取。


【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明提供一種新的技術(shù)方案，可以準(zhǔn)確識別車輛的車標(biāo)圖案，從而快速、準(zhǔn)確地提取出車輛圖案。
[0005]為實(shí)現(xiàn)上述目的，本發(fā)明提供技術(shù)方案如下:
[0006]根據(jù)本發(fā)明的第一方面，提出了一種車標(biāo)信息的提取方法，包括:
[0007]根據(jù)在待檢測圖像中識別出的待檢測車輛的車牌區(qū)域，從所述待檢測圖像中按照預(yù)設(shè)規(guī)格截取包含所述待檢測車輛的車標(biāo)圖案的待識別區(qū)域；
[0008]通過預(yù)配置的樹形級聯(lián)車標(biāo)分類器對所述待識別區(qū)域進(jìn)行車標(biāo)矩形框識別，輸出所述樹形級聯(lián)車標(biāo)分類器認(rèn)為包含全部或部分車標(biāo)圖案的第一車標(biāo)矩形框組成的第一車標(biāo)矩形框結(jié)果集，以及所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息；
[0009]根據(jù)所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息，對所述車標(biāo)矩形框結(jié)果集中第一車標(biāo)矩形框按照預(yù)設(shè)方法進(jìn)行歸并，得到第二車標(biāo)矩形框組成的第二車標(biāo)矩形框結(jié)果集，保存歸并過程中的歸并參數(shù)；
[0010]計(jì)算第二車標(biāo)矩形框結(jié)果集中的每個(gè)第二車標(biāo)矩形框中心點(diǎn)與所述待識別區(qū)域中心點(diǎn)的水平距離；
[0011]根據(jù)所述水平距離和所述歸并參數(shù)，計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重；
[0012]對所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框根據(jù)其權(quán)重進(jìn)行排序，輸出權(quán)重最大的第二車標(biāo)矩形框作為目標(biāo)車標(biāo)矩形框，其中所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型為所述待檢測圖像中待檢測車輛的車標(biāo)類型，所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的位置即為所述待檢測圖像中待檢測車輛的車標(biāo)所在位置。
[0013]根據(jù)本發(fā)明的第二方面，提出了一種車標(biāo)信息的提取裝置，包括:
[0014]截取單元，用于根據(jù)在待檢測圖像中識別出的待檢測車輛的車牌區(qū)域，從所述待檢測圖像中按照預(yù)設(shè)規(guī)格截取包含所述待檢測車輛的車標(biāo)圖案的待識別區(qū)域；
[0015]識別單元，用于通過預(yù)配置的樹形級聯(lián)車標(biāo)分類器對所述待識別區(qū)域進(jìn)行車標(biāo)矩形框識別，輸出所述樹形級聯(lián)車標(biāo)分類器認(rèn)為包含全部或部分車標(biāo)圖案的第一車標(biāo)矩形框組成的第一車標(biāo)矩形框結(jié)果集，以及所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息；
[0016]歸并單元，用于根據(jù)所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息，對所述車標(biāo)矩形框結(jié)果集中第一車標(biāo)矩形框按照預(yù)設(shè)方法進(jìn)行歸并，得到第二車標(biāo)矩形框組成的第二車標(biāo)矩形框結(jié)果集，保存歸并過程中的歸并參數(shù)；
[0017]距離計(jì)算單元，用于計(jì)算第二車標(biāo)矩形框結(jié)果集中的每個(gè)第二車標(biāo)矩形框中心點(diǎn)與所述待識別區(qū)域中心點(diǎn)的水平距離；
[0018]權(quán)重計(jì)算單元，用于根據(jù)所述水平距離和所述歸并參數(shù)，計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重；
[0019]輸出單元，用于對所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框根據(jù)其權(quán)重進(jìn)行排序，輸出權(quán)重最大的第二車標(biāo)矩形框作為目標(biāo)車標(biāo)矩形框，其中所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型為所述待檢測圖像中待檢測車輛的車標(biāo)類型，所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的位置即為所述待檢測圖像中待檢測車輛的車標(biāo)所在位置。
[0020]由以上技術(shù)方案可見，本發(fā)明基于多分類的樹形級聯(lián)車標(biāo)分類器，通過車標(biāo)矩形框歸并方法和權(quán)重計(jì)算方法進(jìn)行車標(biāo)識別，能適應(yīng)車標(biāo)檢測的復(fù)雜環(huán)境，提高車標(biāo)檢測的魯棒性，解決車標(biāo)類型作為單類樣本產(chǎn)生的難收斂、級聯(lián)分類器級數(shù)很長以及采用特征量極大的問題，從而降低車標(biāo)分類器的復(fù)雜程度，有助于提升對車標(biāo)信息的識別效率，提高車標(biāo)檢測的正檢率，同時(shí)可以在車標(biāo)檢測的基礎(chǔ)上，可以進(jìn)一步識別出車標(biāo)類型，有助于準(zhǔn)確地提取車標(biāo)圖案。

【專利附圖】

【附圖說明】
[0021]圖1示出了根據(jù)本發(fā)明的一示例性實(shí)施例的車標(biāo)信息的提取方法的流程圖；
[0022]圖2示出了根據(jù)本發(fā)明的一示例性實(shí)施例的截取待識別區(qū)域的示意圖；
[0023]圖3示出了根據(jù)本發(fā)明的一示例性實(shí)施例的訓(xùn)練全樣本分類器的流程圖；
[0024]圖4A示出了根據(jù)本發(fā)明的一示例性實(shí)施例的正樣本的示意圖；
[0025]圖4B示出了根據(jù)本發(fā)明的一示例性實(shí)施例的負(fù)樣本的示意圖；
[0026]圖5示出了根據(jù)本發(fā)明的一示例性實(shí)施例的車標(biāo)分類器的結(jié)構(gòu)示意圖；
[0027]圖6示出了根據(jù)本發(fā)明的一示例性實(shí)施例的訓(xùn)練部分樣本分類器的流程圖；
[0028]圖7示出了根據(jù)本發(fā)明的一示例性實(shí)施例的提取車標(biāo)信息的流程圖；
[0029]圖8示出了根據(jù)本發(fā)明的一示例性實(shí)施例的檢測區(qū)域的示意圖；
[0030]圖9示出了根據(jù)本發(fā)明的一示例性實(shí)施例的對檢測區(qū)域進(jìn)行車標(biāo)識別的示意圖；
[0031]圖10示出了根據(jù)本發(fā)明的一示例性實(shí)施例的電子設(shè)備的結(jié)構(gòu)示意圖；
[0032]圖11示出了根據(jù)本發(fā)明的一示例性實(shí)施例的車標(biāo)信息的提取裝置的框圖。

【具體實(shí)施方式】
[0033]為對本發(fā)明進(jìn)行進(jìn)一步說明，提供下列實(shí)施例:
[0034]請參考圖1，圖1示出了根據(jù)本發(fā)明的一示例性實(shí)施例的車標(biāo)信息的提取方法的流程圖，該方法可以應(yīng)用于視頻監(jiān)控設(shè)備或視頻監(jiān)控系統(tǒng)，包括下述步驟:
[0035]步驟102，根據(jù)在待檢測圖像中識別出的待檢測車輛的車牌區(qū)域，從所述待檢測圖像中按照預(yù)設(shè)規(guī)格截取包含所述待檢測車輛的車標(biāo)圖案的待識別區(qū)域；
[0036]在本實(shí)施例中，作為一例性實(shí)施方式，由于車輛的車標(biāo)圖案往往位于車牌區(qū)域的上方一定位置，因而可以據(jù)此實(shí)現(xiàn)對待識別區(qū)域的自動截取，并確保該待識別區(qū)域中必然包含車標(biāo)圖案。舉例而言，對于車牌底色為黃色的情況下，可以使得待識別區(qū)域?yàn)閳D2所示的矩形區(qū)域，即該矩形區(qū)域的下邊框與車牌區(qū)域相接、側(cè)邊框的高度約為車牌寬度的2.5倍；對于車牌底色為藍(lán)色的情況下，可以使得待識別區(qū)域?qū)?yīng)的矩形區(qū)域的下邊框與車牌區(qū)域相接、側(cè)邊框的高度約為車牌寬度的1.5倍。
[0037]作為另一示例性實(shí)施方式，也可以根據(jù)來自用戶的控制指令，確定和截取待識別區(qū)域，從而尤其是對于車標(biāo)圖案或車牌的安裝位置異常(比如由于車輛改裝等原因?qū)е?的情況下，確保截取的待識別區(qū)域能夠滿足用戶的實(shí)際需求。
[0038]步驟104，通過預(yù)配置的樹形級聯(lián)車標(biāo)分類器對所述待識別區(qū)域進(jìn)行車標(biāo)矩形框識別，輸出所述樹形級聯(lián)車標(biāo)分類器認(rèn)為包含全部或部分車標(biāo)圖案的第一車標(biāo)矩形框組成的第一車標(biāo)矩形框結(jié)果集，以及所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息；
[0039]在本實(shí)施例中，樹形級聯(lián)車標(biāo)分類器可以包括全樣本分類器和部分樣本分類器，其中，所述全樣本分類器和所述部分樣本分類器呈樹狀級聯(lián)結(jié)構(gòu)。全樣本分類器對應(yīng)于所有類型的車標(biāo)圖案的正樣本區(qū)別于負(fù)樣本的共有特征，而部分樣本分類器則對應(yīng)于相應(yīng)類型的車標(biāo)圖案的正樣本區(qū)別于負(fù)樣本的特有特征，使得每個(gè)分類器對應(yīng)的特征更單一，使得對分類器的訓(xùn)練過程更容易收斂，并且易于識別出車標(biāo)圖案的具體類型。
[0040]在本實(shí)施例中，在訓(xùn)練全樣本分類器和部分樣本分類器的過程中，選用的車標(biāo)圖案的正樣本的實(shí)際類型可以由計(jì)算機(jī)通過如聚類算法確定，也可以主動標(biāo)示出每個(gè)正樣本的實(shí)際類型，以避免聚類算法可能存在的誤差，有助于提升分類器的識別準(zhǔn)確性。
[0041]在本實(shí)施例中，可以按照預(yù)設(shè)比例對所述待識別區(qū)域進(jìn)行縮放處理；將預(yù)設(shè)大小的檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中按照預(yù)設(shè)步長移動，其中每次移動后，將所述檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中對應(yīng)的畫面提取為檢測區(qū)域；因此，當(dāng)識別出檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，確定該檢測區(qū)域?yàn)樯鲜龅牡谝卉嚇?biāo)矩形框。
[0042]在對檢測區(qū)域進(jìn)行識別時(shí)，可以按照所述全樣本分類器和所述部分樣本分類器的樹狀級聯(lián)結(jié)構(gòu)，依次由每個(gè)層級的分類器對所述檢測區(qū)域進(jìn)行識別，若非最底層的分類器的識別結(jié)果為所述檢測區(qū)域中包含全部或部分車標(biāo)圖案，則由下一層級的分類器進(jìn)行識另IJ，若最底層的分類器的識別結(jié)果為所述檢測區(qū)域中包含全部或部分車標(biāo)圖案，則將所述檢測區(qū)域輸出為所述第一車標(biāo)矩形框；具體可以包括:
[0043]首先由所述全樣本分類器對所述檢測區(qū)域進(jìn)行識別，若其中任一層級的全樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案，則繼續(xù)由下一層級的全樣本分類器對所述檢測區(qū)域進(jìn)行識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別；
[0044]當(dāng)所有層級的全樣本分類器的識別結(jié)果均為所述檢測區(qū)域中包含全部或部分車標(biāo)圖案后，繼續(xù)由所述部分樣本分類器對所述檢測區(qū)域進(jìn)行識別:當(dāng)對應(yīng)于任一車標(biāo)圖案的任一部分樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，由對應(yīng)于該任一車標(biāo)圖案的下一層級的部分樣本分類器進(jìn)行識別，否則按照預(yù)設(shè)順序選取對應(yīng)于下一個(gè)車標(biāo)圖案的部分樣本分類器對所述檢測區(qū)域進(jìn)行識別；
[0045]其中，當(dāng)對應(yīng)于同一車標(biāo)圖案的所有部分樣本分類器均識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，輸出該檢測區(qū)域?yàn)榘炕蛘卟糠炙鐾卉嚇?biāo)圖案的第一車標(biāo)矩形框，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別。
[0046]步驟106，根據(jù)所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息，對所述車標(biāo)矩形框結(jié)果集中第一車標(biāo)矩形框按照預(yù)設(shè)方法進(jìn)行歸并，得到第二車標(biāo)矩形框組成的第二車標(biāo)矩形框結(jié)果集，保存歸并過程中的歸并參數(shù)；
[0047]在本實(shí)施例中，可以按照下述方式進(jìn)行歸并處理:
[0048]當(dāng)?shù)谝卉嚇?biāo)矩形框I和第一車標(biāo)矩形框2滿足條件I和條件2時(shí)，對兩個(gè)第一車標(biāo)矩形框進(jìn)行歸并，所述條件I為:
[0049]所述兩個(gè)第一車標(biāo)矩形框的車標(biāo)類型相同；
[0050]所述條件2為:
—XIA)-XL\< DelUj
XRO-XR\< Dehu
[0051]<,
YT()-YT\ < Delta
YB0-YB\< Delta
[0052]其中，(XLO，YTO)、(XRO, ΥΒΟ)為第一車標(biāo)矩形框I的左上角和右下角坐標(biāo)，(XLl,YTl)、(XRl, YBl)為第一車標(biāo)矩形框2的左上角和右下角坐標(biāo)，Delta為距離閾值，當(dāng)所述車標(biāo)類型為奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.4X (min(XR0-XL0, XR1-XL1) +min(YB0-ΥΤ0，YBl-YTl))，當(dāng)所述車標(biāo)類型為非奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.2X (min(XR0-XL0, XR1-XL1)+min(ΥΒ0-ΥΤ0, YB1-YT1))。
[0053]步驟108，計(jì)算第二車標(biāo)矩形框結(jié)果集中的每個(gè)第二車標(biāo)矩形框中心點(diǎn)與所述待識別區(qū)域中心點(diǎn)的水平距離；
[0054]步驟110，根據(jù)所述水平距離和所述歸并參數(shù)，計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重；
[0055]在本實(shí)施例中，可以按照下述公式計(jì)算第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重:
[0056]W = Ν + αχ(1-γ)
[0057]其中，W為所述權(quán)重，N為歸并成所述第二車標(biāo)矩形框的第一車標(biāo)矩形框的個(gè)數(shù)，a為預(yù)設(shè)常數(shù)，D為所述第二車標(biāo)矩形框的中心點(diǎn)與所述待識別區(qū)域的中心點(diǎn)之間的水平距離，L為所述第二車標(biāo)矩形框的水平寬度。
[0058]步驟112，對所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框根據(jù)其權(quán)重進(jìn)行排序，輸出權(quán)重最大的第二車標(biāo)矩形框作為目標(biāo)車標(biāo)矩形框，其中所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型為所述待檢測圖像中待檢測車輛的車標(biāo)類型，所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的位置即為所述待檢測圖像中待檢測車輛的車標(biāo)所在位置。
[0059]由上述實(shí)施例可知，本發(fā)明通過結(jié)合全樣本分類器和部分樣本分類器，可以實(shí)現(xiàn)對車標(biāo)圖案的準(zhǔn)確識別和提取，并確定該車標(biāo)圖案的車標(biāo)類型，從而有助于預(yù)設(shè)對象的后續(xù)功能實(shí)現(xiàn)和處理，比如該預(yù)設(shè)對象可以為后端的數(shù)據(jù)處理系統(tǒng)，比如結(jié)合該車標(biāo)圖案、車標(biāo)類型以及其他車輛特征實(shí)現(xiàn)車輛識別和追蹤等功能。
[0060]由于對車標(biāo)圖案和車標(biāo)類型的識別，需要基于車標(biāo)分類器來實(shí)現(xiàn)，因而需要事先訓(xùn)練得到合適的車標(biāo)分類器，以確保識別過程的準(zhǔn)確性。下面針對車標(biāo)分類器的訓(xùn)練過程進(jìn)行詳細(xì)描述，有助于了解全樣本分類器和部分樣本分類器的區(qū)別和各自特性。
[0061]I)全樣本分類器
[0062]如圖3所示，根據(jù)本發(fā)明的一示例性實(shí)施例，對全樣本分類器進(jìn)行訓(xùn)練的過程包括下述步驟:
[0063]步驟302，讀取所有類型的車標(biāo)圖案的正樣本和負(fù)樣本；
[0064]在本實(shí)施例中，事先獲取每種需要識別的車標(biāo)圖案的樣本，以確保據(jù)此訓(xùn)練得到的分類器可以對這些車標(biāo)圖案進(jìn)行有效識別。車標(biāo)圖案的樣本包括正樣本和負(fù)樣本，比如圖4A(a)示出了“大眾”的車標(biāo)圖案的正樣本、圖4B(a)示出了相應(yīng)的負(fù)樣本，而圖4(b)示出了 “奔馳”的車標(biāo)圖案的正樣本、圖4B (b)示出了相應(yīng)的負(fù)樣本。
[0065]具體地，正樣本即包含相應(yīng)的車標(biāo)圖案，而負(fù)樣本即不包含相應(yīng)的車標(biāo)圖案。其中負(fù)樣本可以存在下述類型:(I)圖4B(a)為對應(yīng)于圖4A(a)示出的“大眾”的車標(biāo)圖案的負(fù)樣本，其中不包含任何車標(biāo)圖案；(2)圖4B(b)為對應(yīng)于圖4A(b)示出的“奔馳”的車標(biāo)圖案的負(fù)樣本，其中不包含“奔馳”的車標(biāo)圖案，但可以包含“大眾”的車標(biāo)圖案，從而便于交叉驗(yàn)證訓(xùn)練。
[0066]進(jìn)一步地，還可以對所有正樣本進(jìn)行歸一化處理為預(yù)設(shè)規(guī)格，比如在相同縮放比例下裁剪為20像素X20像素的正方形，但由于不同車標(biāo)圖案的形狀、大小各異，可能導(dǎo)致部分車標(biāo)的車標(biāo)圖案由于太大而需要被裁剪掉一部分、部分車標(biāo)的車標(biāo)圖案由于太小而需要補(bǔ)充部分背景，但不會對分類器的訓(xùn)練效果造成影響。
[0067]在下述的步驟304至步驟310中，可以通過若干次循環(huán)，構(gòu)建若干層級的全樣本分類器；其中，為便于區(qū)分，可以將該過程中生成的分類器稱為第一分類器:
[0068](I)第一次訓(xùn)練
[0069]步驟304，當(dāng)初始值為η = I時(shí)，訓(xùn)練第I層級的第一分類器；
[0070]在本實(shí)施例中，可以采用如Adaboost算法進(jìn)行訓(xùn)練，得到的第一分類器為相應(yīng)的強(qiáng)分類器。
[0071]步驟306，確定構(gòu)成第一分類器的弱分類器的個(gè)數(shù)N，并判斷該個(gè)數(shù)N是否滿足大于或等于預(yù)設(shè)數(shù)量NO，如果滿足，則轉(zhuǎn)入步驟312，否則轉(zhuǎn)入步驟308 ；
[0072]在本實(shí)施例中，通過判斷個(gè)數(shù)N的大小，并在后續(xù)步驟中采用多次循環(huán)的方式來限制個(gè)數(shù)N的大小，可以避免全樣本分類器中包含的正樣本區(qū)別于負(fù)樣本的共有特征過于復(fù)雜，避免過擬合，有助于提升實(shí)際應(yīng)用過程中的車標(biāo)圖案的識別效率。
[0073]步驟308，讀取所有類型的車標(biāo)圖案的正樣本和第I層級的第一分類器未識別出的負(fù)樣本；
[0074]在本實(shí)施例中，假定第I層級的第一分類器已經(jīng)識別出部分負(fù)樣本，則采用第I層級的第一分類器對待識別區(qū)域進(jìn)行識別的過程中，即可體現(xiàn)出相應(yīng)的特征識別效果，無需通過第2層級以及后續(xù)層級的第一分類器進(jìn)行識別，因而在對第2層級以及后續(xù)層級的第一分類器進(jìn)行訓(xùn)練時(shí)，也就無需應(yīng)用這部分已由第I層級的第一分類器識別出來的負(fù)樣本。
[0075]因此，通過僅采用上一層級未識別出的負(fù)樣本，有助于避免多個(gè)層級的第一分類器提取重復(fù)特征，能夠提升全樣本分類器的收斂速度。
[0076]步驟310，將層級數(shù)η遞增1，即使得η = 2，并返回步驟304，進(jìn)入下一層級的第一分類器的訓(xùn)練；
[0077]步驟312，訓(xùn)練部分樣本分類器，該過程將在下文結(jié)合圖6進(jìn)行詳細(xì)描述。
[0078](2)后續(xù)訓(xùn)練
[0079]當(dāng)η > I時(shí)，第η層級的第一分類器的訓(xùn)練過程與第I層級的訓(xùn)練過程相似，但不同點(diǎn)在于:后續(xù)訓(xùn)練過程中，每次用于訓(xùn)練的樣本為所有類型的圖標(biāo)圖案的正樣本和上一層級的第一分類器未識別出的負(fù)樣本；比如在第2層級的訓(xùn)練過程中，采用的訓(xùn)練樣本為所有類型的圖標(biāo)圖案的正樣本和第I層級的第一分類器未識別出的負(fù)樣本。
[0080]基于若干層級的第一分類器的訓(xùn)練過程，訓(xùn)練得到的第一分類器之間也呈相應(yīng)的級聯(lián)關(guān)系，使得實(shí)際的車標(biāo)識別過程中，需要從最上層的第一分類器開始，依次對待識別區(qū)域進(jìn)行識別操作。比如圖5示出了一示例性實(shí)施例的車標(biāo)分類器的結(jié)構(gòu)示意圖，其中從Stage_l (即第I層級)至Stage_S_l (即第S-1層級)均為全樣本分類器，每個(gè)Stage僅包含一個(gè)強(qiáng)分類器，其中包含所有類型的車標(biāo)的正樣本與負(fù)樣本之間的共有特征。可見，全樣本分類器可能的結(jié)構(gòu)包括:
[0081]直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的第一分類器，且該第一分類器中包含的子分類器的數(shù)量大于或等于預(yù)設(shè)數(shù)量閾值；
[0082]或者，由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值。
[0083]2)部分樣本分類器
[0084]如圖5所示，從Stage_S往后均為部分樣本分類器，每個(gè)Stage包含m個(gè)強(qiáng)分類器，對應(yīng)于m種類型的車標(biāo)，且每個(gè)強(qiáng)分類器包含相應(yīng)類型的車標(biāo)的正樣本與負(fù)樣本之間的特征。
[0085]請參考圖6，圖6示出了根據(jù)本發(fā)明一示例性實(shí)施例的訓(xùn)練部分樣本分類器的過程，可以包括下述步驟:
[0086]步驟602，讀取每種類型的車標(biāo)圖案的正樣本和該類型中全樣本分類器未識別出的負(fù)樣本；
[0087]步驟604，當(dāng)初始值為m = I時(shí)，分別訓(xùn)練得到每種類型的車標(biāo)對應(yīng)的第I層級的分類器；
[0088]在本實(shí)施例中，可以采用如Adaboost算法進(jìn)行訓(xùn)練，得到的分類器為強(qiáng)分類器。
[0089]步驟606，確定訓(xùn)練得到的所有第I層級的分類器中包含的弱分類器的個(gè)數(shù)M，若個(gè)數(shù)M < N(N為底層的全樣本分類器中包含的弱分類器的個(gè)數(shù))，則轉(zhuǎn)入步驟610，否則轉(zhuǎn)入步驟608 ；
[0090]在本實(shí)施例中，由于全類型分類器的訓(xùn)練速度和識別效率更高，因而當(dāng)M彡N時(shí)，表明此時(shí)的部分樣本分類器中包含的特征數(shù)量過多，可能導(dǎo)致訓(xùn)練得到的分類器層級過大，影響收斂速度和應(yīng)用過程中的識別效率。
[0091]步驟608，訓(xùn)練第二分類器；
[0092]在本實(shí)施例中，第二分類器為全樣本分類器，其訓(xùn)練過程與圖3所示的對第一分類器的訓(xùn)練過程類似；其中，第I層級的第二分類器可以由所有類型的車標(biāo)圖案的正樣本和第一分類器未識別出的負(fù)樣本訓(xùn)練得到，而后續(xù)層級的第二分類器可以由所有類型的車標(biāo)圖案的正樣本和上一層級的第二分類器未識別出的負(fù)樣本訓(xùn)練得到。因此，圖5所示的Stage_l至Stage_S_l的全樣本分類器中，可能全部為第一分類器,也可能包括一部分的第一分類器和另一部分的第二分類器。相應(yīng)地，全樣本分類器還可以包括下述結(jié)構(gòu):
[0093]直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到的第二分類器，級聯(lián)于所述第一分類器的下層；其中，所述第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，且大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第一總數(shù)量；
[0094]或者，多個(gè)第二分類器，級聯(lián)于所述第一分類器的下層，其中處于最上層的第二分類器直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的第二分類器由上一層級的第二分類器識別出的正樣本和上一層級的第二分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，各層級的第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，處于底層的第二分類器中包含的子分類器的數(shù)量大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述處于底層的第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第二總數(shù)量，且其他層級的第二分類器中包含的子分類器的數(shù)量小于或等于所述第二總數(shù)量。
[0095]在本實(shí)施例中，可以將步驟604的訓(xùn)練過程視為“嘗試性”操作，如果弱分類器的個(gè)數(shù)M過大(比如大于或等于N)，則表明嘗試失敗，需要返回對全樣本分類器的訓(xùn)練，從而提高全樣本分類器對應(yīng)的特征數(shù)量、降低部分樣本分類器對應(yīng)的特征數(shù)量，有助于加快分類器的收斂速度、提升對車標(biāo)圖案和類別的識別效率。
[0096]其中，在每個(gè)層級的第二分類器訓(xùn)練完成后，可以重新通過步驟602至步驟606，嘗試性地訓(xùn)練出部分樣本分類器，若滿足弱分類器的個(gè)數(shù)M小于N，則轉(zhuǎn)入步驟610，否則轉(zhuǎn)入步驟608并繼續(xù)訓(xùn)練下一層級的第二分類器(丟棄嘗試性訓(xùn)練出的部分樣本分類器)。
[0097]步驟610，判斷每個(gè)分類器對相應(yīng)類型車標(biāo)的負(fù)樣本的誤檢率是否達(dá)標(biāo)，若達(dá)標(biāo)則停止繼續(xù)訓(xùn)練，否則轉(zhuǎn)入步驟612 ；
[0098]在本實(shí)施例中，每種類型的車標(biāo)圖案對應(yīng)的誤檢率可能不同，可以根據(jù)實(shí)際需求進(jìn)行設(shè)置。
[0099]步驟612，讀取每種類型的車標(biāo)圖案的正樣本和第m層級的分類器未識別出的負(fù)樣本；
[0100]在本實(shí)施例中，第m層級的分類器即首次在步驟604中訓(xùn)練得到的滿足步驟606中的“弱分類器的個(gè)數(shù)1 < N”的分類器，通過僅選取第m層級的分類器未識別出的負(fù)樣本，類似于圖3中的步驟308，有助于提升訓(xùn)練收斂效率。
[0101]步驟614，將層級數(shù)m遞增1，比如當(dāng)步驟612中的m= I時(shí)，此時(shí)使得m = 2，并轉(zhuǎn)入步驟616，執(zhí)行第2層級的分類器的訓(xùn)練；
[0102]步驟616，訓(xùn)練第m層級的分類器，并返回步驟610 ;若訓(xùn)練出的分類器滿足步驟610的判斷條件，則結(jié)束訓(xùn)練，否則繼續(xù)執(zhí)行下一層級的分類器訓(xùn)練。
[0103]如圖5所示，每個(gè)層級的部分樣本分類器之間相互獨(dú)立，分別對應(yīng)于不同的車標(biāo)圖案，比如Stage_S中的部分樣本分類器包括TS1、Ts2……Tsm等，對應(yīng)于m種不同的車標(biāo)圖案；如果某種車標(biāo)圖案在Stage_S中對應(yīng)的部分樣本分類器的誤檢率達(dá)標(biāo)，比如假定Tsi的誤檢率已達(dá)標(biāo)，則對應(yīng)于該種車標(biāo)圖案的部分樣本分類器的訓(xùn)練結(jié)束，不存在后續(xù)層級的分類器；如果某種車標(biāo)圖案在Stage_S中對應(yīng)的部分樣本分類器的誤檢率未達(dá)標(biāo)，比如假定TS2的誤檢率未達(dá)標(biāo)，則需要繼續(xù)訓(xùn)練該種車標(biāo)圖案的下一層級的部分樣本分類器，即訓(xùn)練Stage_S+l中對應(yīng)的分類器1^2+1，乃至后續(xù)的TS2+2……TS2+X等。可見，在圖5所示的結(jié)構(gòu)中，從Stage_S開始的若干個(gè)層級中，每種車標(biāo)對應(yīng)的分類器分別作為Stage_S_l的全樣本分類器的一條分支，且各個(gè)分支包含的部分樣本分類器的數(shù)量之間相互獨(dú)立?？梢?，部分樣本分類器可以包括:
[0104]直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到的分類器，且該分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值；
[0105]或者，由相應(yīng)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)分類器，其中處于頂層的分類器直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的分類器由上一層級的分類器識別出的正樣本和上一層級的分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值、處于其他層級的分類器的誤檢率大于所述預(yù)設(shè)誤檢率閾值。
[0106]基于上述車標(biāo)分類器的具體結(jié)構(gòu)，本發(fā)明提出了如圖7所示的車標(biāo)識別和提取的具體實(shí)施流程，包括下述步驟:
[0107]步驟702，訓(xùn)練樹形的車標(biāo)分類器；
[0108]在本實(shí)施例中，樹形的車標(biāo)分類器即如圖5所示的多層級的分類器，包括處于上層(Stage_l至Stage_S_l)的全樣本分類器和下層(Stage_S及后續(xù)層級)的部分樣本分類器，具體的訓(xùn)練方式可以采用圖3及圖6所示的流程，此處不再贅述。
[0109]步驟704，獲取待檢測圖像中的待檢測車輛；
[0110]步驟706，在待檢測車輛中截取待識別區(qū)域；
[0111]在本實(shí)施例中，可以根據(jù)車牌區(qū)域的位置，以及車標(biāo)圖案與車牌區(qū)域之間的相對位置關(guān)系，從而截取圖2所示的位于車牌區(qū)域上方的待識別區(qū)域。
[0112]步驟708，對待識別區(qū)域進(jìn)行縮放處理；
[0113]步驟710，通過滑動窗口選取檢測區(qū)域；
[0114]在本實(shí)施例中，“滑動窗口 ”是預(yù)設(shè)大小的檢測區(qū)域選取窗口，通過將該窗口在縮放后的待識別區(qū)域中按照預(yù)設(shè)步長移動(即“滑動”)，從而在每次移動后，將所述檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中對應(yīng)的畫面提取為檢測區(qū)域。比如圖8所示，假定檢測區(qū)域從待識別區(qū)域的左上角開始，然后分別沿X方向(水平方向)和y方向(豎直方向)進(jìn)行移動，且移動的步長可以根據(jù)實(shí)際需求設(shè)置，比如設(shè)置為2像素等；其中，移動步長應(yīng)當(dāng)小于檢測區(qū)域的邊長，使得盡可能覆蓋所有選取檢測區(qū)域的可能性，提升識別準(zhǔn)確率。其中，檢測區(qū)域選取窗口的大小可以存在多種規(guī)格，則某種規(guī)格下對車標(biāo)的識別和提取效果不佳時(shí)，可以通過更換其它規(guī)格，實(shí)現(xiàn)針對不同車標(biāo)形狀的優(yōu)化；比如針對“奧迪”車標(biāo)，檢測區(qū)域選取窗口的水平寬度可以大于其他車標(biāo)對應(yīng)的水平寬度。
[0115]在本實(shí)施例中，可以根據(jù)實(shí)際情況，設(shè)置滑動窗口的大小和對待識別區(qū)域進(jìn)行縮放的預(yù)設(shè)比例，以使得提取出的檢測區(qū)域適于車標(biāo)分類器的識別操作，有助于提升車標(biāo)識別和提取效率。
[0116]步驟712，對每個(gè)檢測區(qū)域進(jìn)行識別；
[0117]在本實(shí)施例中，基于圖5所示的樹形結(jié)構(gòu)的車標(biāo)分類器，可以按照各分類器之間的層級順序，依次采用全樣本分類器和部分樣本分類器進(jìn)行識別操作。具體地，可以采用圖9所示的過程，對每個(gè)檢測區(qū)域分別進(jìn)行檢測:
[0118]首先，采用Stage_l中的全樣本分類器T1進(jìn)行識別，若識別出該檢測區(qū)域中包含全部或部分車標(biāo)圖案，則轉(zhuǎn)入下一層級的分類器，否則直接輸出為非車標(biāo)并結(jié)束檢測。其中，在Stage_l至Stage_S_l中，每個(gè)層級的全樣本分類器采用與T1類似的方式進(jìn)行處理。
[0119]然后，若Stage_l至Stage_S_l的檢測結(jié)果均為相應(yīng)的檢測區(qū)域中包含全部或部分車標(biāo)圖案，則從Stage_S開始，轉(zhuǎn)入由部分樣本分類器的識別操作。部分樣本分類器包括多個(gè)分支，每個(gè)分支對應(yīng)于相應(yīng)的車標(biāo)類型，比如在圖9中，由左側(cè)第一列的Tsi……TS1+...等(分別對應(yīng)于Stage_S......Stage_...等層級)構(gòu)成對應(yīng)于車標(biāo)A的一個(gè)分支，由左側(cè)第二列的Ts2……Ts2+…等構(gòu)成對應(yīng)于車標(biāo)B的一個(gè)分支，……，由最右側(cè)一列的Tsm……Tsy等構(gòu)成對應(yīng)于車標(biāo)X的一個(gè)分支，則基于部分樣本分類器的識別過程，就是通過上述每個(gè)分支依次進(jìn)行識別操作；其中，在通過某個(gè)分支的分類器進(jìn)行識別操作時(shí)，若該分支內(nèi)所有層級的分類器均判定當(dāng)前檢測區(qū)域包含全部或部分車標(biāo)圖案，則直接輸出對應(yīng)的車標(biāo)類型，若該分支內(nèi)的任一層級的分類器判定當(dāng)前檢測區(qū)域不包含車標(biāo)圖案，則轉(zhuǎn)入后一分支進(jìn)行識別，直至所有分支均判定為不包含車標(biāo)圖案時(shí)，判定當(dāng)前檢測區(qū)域不包含車標(biāo)圖案。
[0120]具體地，比如當(dāng)Tsi判定檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，轉(zhuǎn)入Stage_S+l層級中對應(yīng)的TS1+1，否則轉(zhuǎn)入Ts2 ;若Stage_S+l層級中對應(yīng)的TS1+1，判定檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，轉(zhuǎn)入Stage_S+2層級中對應(yīng)的Tsl+2，否則轉(zhuǎn)入Ts2 ;若Ts2判定檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，轉(zhuǎn)入Stage_S+l層級中對應(yīng)的TS2+1，否則轉(zhuǎn)入TS3，以此類推。其中，比如當(dāng)Tsi對應(yīng)的分支最終輸出結(jié)果時(shí)，確定該檢測區(qū)域中包含全部或部分車標(biāo)圖案，且該車標(biāo)圖案為車標(biāo)A。
[0121]步驟714，歸并類型相同且相近的檢測區(qū)域；
[0122]在本實(shí)施例中，當(dāng)多個(gè)檢測區(qū)域均對應(yīng)于相同的車標(biāo)類型時(shí)，若這些檢測區(qū)域之間的距離相近，則可以對這些檢測區(qū)域進(jìn)行歸并，形成相應(yīng)的歸并區(qū)域。
[0123]比如檢測區(qū)域I的左上角坐標(biāo)為A (XL0，ΥΤ0)，右下角坐標(biāo)為B (XR0，ΥΒ0);檢測區(qū)域2的左上角坐標(biāo)為A’(XL1，YT1)，右下角坐標(biāo)為B’(XR1，YBl)，則距離閾值可以為:
[0124]Delta = 0.2X (min(XR0-XL0，XRl-XLl)+min(YB0-YT0，YBl-YTl))；
[0125]或者，Delta= 0.4X (min (XR0-XL0，XR1-XL1)+min (ΥΒΟ-ΥΤΟ, YB1-YT1))；
[0126]其中，Delta為距離閾值。因此，當(dāng)滿足下述公式時(shí)，表明相應(yīng)的檢測區(qū)域之間的距離相近:
AlO-Λ? < Delru
XRO-XR\< Delta
[0127]{
ΥΤ()-ΥΤ\< Delta
YBO-YB\< Delta
[0128]需要說明的是:對于由多個(gè)檢測區(qū)域歸并得到的歸并區(qū)域，如果多個(gè)歸并區(qū)域之間也滿足類型相同且距離相近，同樣應(yīng)當(dāng)進(jìn)一步歸并，從而形成更大的歸并區(qū)域，其處理過程與檢測區(qū)域的歸并操作類似，此處不再贅述。
[0129]步驟716，計(jì)算每個(gè)歸并區(qū)域的權(quán)重值；
[0130]在本實(shí)施例中，可以按照下述公式計(jì)算每個(gè)歸并區(qū)域?qū)?yīng)的權(quán)重值，并將權(quán)重值最大的歸并區(qū)域作為提取的所述車標(biāo)圖案:
[0131]W = Ν + αχ(\-γ)；
[0132]其中，W為所述權(quán)重值，N為構(gòu)成所述歸并區(qū)域的檢測區(qū)域的個(gè)數(shù)，a為預(yù)設(shè)常數(shù)，D為所述歸并區(qū)域的中心點(diǎn)與所述待識別區(qū)域的中心點(diǎn)之間的水平距離，L為所述歸并區(qū)域的水平寬度。
[0133]步驟718，選取權(quán)重值最大的歸并區(qū)域，并輸出相應(yīng)的車標(biāo)圖案和類型。
[0134]圖10示出了根據(jù)本申請的一示例性實(shí)施例的電子設(shè)備的示意結(jié)構(gòu)圖。請參考圖10，在硬件層面，該電子設(shè)備包括處理器、內(nèi)部總線、網(wǎng)絡(luò)接口、內(nèi)存以及非易失性存儲器，當(dāng)然還可能包括其他業(yè)務(wù)所需要的硬件。處理器從非易失性存儲器中讀取對應(yīng)的計(jì)算機(jī)程序到內(nèi)存中然后運(yùn)行，在邏輯層面上形成車標(biāo)信息的提取裝置。當(dāng)然，除了軟件實(shí)現(xiàn)方式之夕卜，本申請并不排除其他實(shí)現(xiàn)方式，比如邏輯器件抑或軟硬件結(jié)合的方式等等，也就是說以下處理流程的執(zhí)行主體并不限定于各個(gè)邏輯單元，也可以是硬件或邏輯器件。
[0135]請參考圖11，在軟件實(shí)施方式中，該車標(biāo)信息的提取裝置可以包括截取單元、識別單元、歸并單元、距離計(jì)算單元、權(quán)重計(jì)算單元和輸出單元。其中:
[0136]截取單元，用于根據(jù)在待檢測圖像中識別出的待檢測車輛的車牌區(qū)域，從所述待檢測圖像中按照預(yù)設(shè)規(guī)格截取包含所述待檢測車輛的車標(biāo)圖案的待識別區(qū)域；
[0137]識別單元，用于通過預(yù)配置的樹形級聯(lián)車標(biāo)分類器對所述待識別區(qū)域進(jìn)行車標(biāo)矩形框識別，輸出所述樹形級聯(lián)車標(biāo)分類器認(rèn)為包含全部或部分車標(biāo)圖案的第一車標(biāo)矩形框組成的第一車標(biāo)矩形框結(jié)果集，以及所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息；
[0138]歸并單元，用于根據(jù)所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息，對所述車標(biāo)矩形框結(jié)果集中第一車標(biāo)矩形框按照預(yù)設(shè)方法進(jìn)行歸并，得到第二車標(biāo)矩形框組成的第二車標(biāo)矩形框結(jié)果集，保存歸并過程中的歸并參數(shù)；
[0139]距離計(jì)算單元，用于計(jì)算第二車標(biāo)矩形框結(jié)果集中的每個(gè)第二車標(biāo)矩形框中心點(diǎn)與所述待識別區(qū)域中心點(diǎn)的水平距離；
[0140]權(quán)重計(jì)算單元，用于根據(jù)所述水平距離和所述歸并參數(shù)，計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重；
[0141]輸出單元，用于對所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框根據(jù)其權(quán)重進(jìn)行排序，輸出權(quán)重最大的第二車標(biāo)矩形框作為目標(biāo)車標(biāo)矩形框，其中所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型為所述待檢測圖像中待檢測車輛的車標(biāo)類型，所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的位置即為所述待檢測圖像中待檢測車輛的車標(biāo)所在位置。
[0142]可選的，所述全樣本分類器包括:
[0143]直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的第一分類器，且該第一分類器中包含的子分類器的數(shù)量大于或等于預(yù)設(shè)數(shù)量閾值；
[0144]或者，由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值。
[0145]可選的，所述全樣本分類器還包括:
[0146]直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到的第二分類器，級聯(lián)于所述第一分類器的下層；其中，所述第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，且大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第一總數(shù)量；
[0147]或者，多個(gè)第二分類器，級聯(lián)于所述第一分類器的下層，其中處于最上層的第二分類器直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的第二分類器由上一層級的第二分類器識別出的正樣本和上一層級的第二分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，各層級的第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，處于底層的第二分類器中包含的子分類器的數(shù)量大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述處于底層的第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第二總數(shù)量，且其他層級的第二分類器中包含的子分類器的數(shù)量小于或等于所述第二總數(shù)量。
[0148]可選的，所述部分樣本分類器包括:
[0149]直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到的分類器，且該分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值；
[0150]或者，由相應(yīng)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)分類器，其中處于頂層的分類器直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的分類器由上一層級的分類器識別出的正樣本和上一層級的分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值、處于其他層級的分類器的誤檢率大于所述預(yù)設(shè)誤檢率閾值。
[0151]可選的，所述識別單元具體用于:
[0152]按照預(yù)設(shè)比例對所述待識別區(qū)域進(jìn)行縮放處理；
[0153]將預(yù)設(shè)大小的檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中按照預(yù)設(shè)步長移動，其中每次移動后，將所述檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中對應(yīng)的畫面提取為檢測區(qū)域；
[0154]由所述全樣本分類器對所述檢測區(qū)域進(jìn)行識別，若其中任一層級的全樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案，則繼續(xù)由下一層級的全樣本分類器對所述檢測區(qū)域進(jìn)行識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別；
[0155]當(dāng)所有層級的全樣本分類器的識別結(jié)果均為所述檢測區(qū)域中包含全部或部分車標(biāo)圖案后，繼續(xù)由所述部分樣本分類器對所述檢測區(qū)域進(jìn)行識別:當(dāng)對應(yīng)于任一車標(biāo)圖案的任一部分樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，由對應(yīng)于該任一車標(biāo)圖案的下一層級的部分樣本分類器進(jìn)行識別，否則按照預(yù)設(shè)順序選取對應(yīng)于下一個(gè)車標(biāo)圖案的部分樣本分類器對所述檢測區(qū)域進(jìn)行識別；
[0156]其中，當(dāng)對應(yīng)于同一車標(biāo)圖案的所有部分樣本分類器均識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，輸出該檢測區(qū)域?yàn)榘炕蛘卟糠炙鐾卉嚇?biāo)圖案的第一車標(biāo)矩形框，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別。
[0157]可選的，所述歸并單元具體用于:
[0158]當(dāng)?shù)谝卉嚇?biāo)矩形框I和第一車標(biāo)矩形框2滿足條件I和條件2時(shí)，對兩個(gè)第一車標(biāo)矩形框進(jìn)行歸并，所述條件I為:
[0159]所述兩個(gè)第一車標(biāo)矩形框的車標(biāo)類型相同；
[0160]所述條件2為:
ΑΧΟ-Λ7」< Deltu
XRO-XRi < Dehu
[0161]< ,
YTO-YTl < Delta
ΥΒ?-ΥΒ\< Delta
[0162]其中，(XLO，YTO)、(XRO, ΥΒΟ)為第一車標(biāo)矩形框I的左上角和右下角坐標(biāo)，(XLl,YTl)、(XRl, YBl)為第一車標(biāo)矩形框2的左上角和右下角坐標(biāo)，Delta為距離閾值，當(dāng)所述車標(biāo)類型為奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.4X (min(XR0-XL0, XR1-XL1) +min(YB0-ΥΤ0，YBl-YTl))，當(dāng)所述車標(biāo)類型為非奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.2X (min(XR0-XL0, XR1-XL1)+min(ΥΒ0-ΥΤ0, YB1-YT1))。
[0163]可選的，所述權(quán)重計(jì)算單元按照下述公式計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重:
[0164]W = Ν + αχ(\-γ)；
[0165]其中，W為所述權(quán)重，N為歸并成所述第二車標(biāo)矩形框的第一車標(biāo)矩形框的個(gè)數(shù)，a為預(yù)設(shè)常數(shù)，D為所述第二車標(biāo)矩形框的中心點(diǎn)與所述待識別區(qū)域的中心點(diǎn)之間的水平距離，L為所述第二車標(biāo)矩形框的水平寬度。
[0166]因此，本發(fā)明通過獲取所有車標(biāo)的正樣本和負(fù)樣本訓(xùn)練出的全樣本分類器，使得車標(biāo)分類器更容易收斂，從而降低車標(biāo)分類器的復(fù)雜程度，有助于提升對車標(biāo)信息的識別效率；同時(shí)，通過獲取每種車標(biāo)的正樣本和負(fù)樣本分別訓(xùn)練出的部分樣本分類器，可以進(jìn)一步識別出車標(biāo)類型，有助于準(zhǔn)確地提取車標(biāo)圖案。
[0167]以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。
【權(quán)利要求】
1.一種車標(biāo)信息的提取方法,其特征在于,包括: 根據(jù)在待檢測圖像中識別出的待檢測車輛的車牌區(qū)域，從所述待檢測圖像中按照預(yù)設(shè)規(guī)格截取包含所述待檢測車輛的車標(biāo)圖案的待識別區(qū)域； 通過預(yù)配置的樹形級聯(lián)車標(biāo)分類器對所述待識別區(qū)域進(jìn)行車標(biāo)矩形框識別，輸出所述樹形級聯(lián)車標(biāo)分類器認(rèn)為包含全部或部分車標(biāo)圖案的第一車標(biāo)矩形框組成的第一車標(biāo)矩形框結(jié)果集，以及所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息； 根據(jù)所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息，對所述車標(biāo)矩形框結(jié)果集中第一車標(biāo)矩形框按照預(yù)設(shè)方法進(jìn)行歸并，得到第二車標(biāo)矩形框組成的第二車標(biāo)矩形框結(jié)果集，保存歸并過程中的歸并參數(shù)； 計(jì)算第二車標(biāo)矩形框結(jié)果集中的每個(gè)第二車標(biāo)矩形框中心點(diǎn)與所述待識別區(qū)域中心點(diǎn)的水平距離； 根據(jù)所述水平距離和所述歸并參數(shù)，計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重； 對所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框根據(jù)其權(quán)重進(jìn)行排序，輸出權(quán)重最大的第二車標(biāo)矩形框作為目標(biāo)車標(biāo)矩形框，其中所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型為所述待檢測圖像中待檢測車輛的車標(biāo)類型，所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的位置即為所述待檢測圖像中待檢測車輛的車標(biāo)所在位置。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述樹形級聯(lián)車標(biāo)分類器包括全樣本分類器和部分樣本分類器，其中，所述全樣本分類器和所述部分樣本分類器呈樹狀級聯(lián)結(jié)構(gòu)； 所述全樣本分類器包括: 直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的第一分類器，且該第一分類器中包含的子分類器的數(shù)量大于或等于預(yù)設(shè)數(shù)量閾值； 或者， 由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值； 或者， 由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值； 以及，直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到的第二分類器，級聯(lián)于所述第一分類器的下層；其中，所述第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，且大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第一總數(shù)量； 或者， 由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值； 以及，多個(gè)第二分類器，級聯(lián)于所述第一分類器的下層，其中處于最上層的第二分類器直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的第二分類器由上一層級的第二分類器識別出的正樣本和上一層級的第二分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，各層級的第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，處于底層的第二分類器中包含的子分類器的數(shù)量大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述處于底層的第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第二總數(shù)量，且其他層級的第二分類器中包含的子分類器的數(shù)量小于或等于所述第二總數(shù)量； 所述部分樣本分類器包括: 直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到的分類器，且該分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值； 或者，由相應(yīng)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)分類器，其中處于頂層的分類器直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的分類器由上一層級的分類器識別出的正樣本和上一層級的分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值、處于其他層級的分類器的誤檢率大于所述預(yù)設(shè)誤檢率閾值。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，通過預(yù)配置的樹形級聯(lián)車標(biāo)分類器對所述待識別區(qū)域進(jìn)行車標(biāo)矩形框識別，具體包括: 按照預(yù)設(shè)比例對所述待識別區(qū)域進(jìn)行縮放處理； 將預(yù)設(shè)大小的檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中按照預(yù)設(shè)步長移動，其中每次移動后，將所述檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中對應(yīng)的畫面提取為檢測區(qū)域； 由所述全樣本分類器對所述檢測區(qū)域進(jìn)行識別，若其中任一層級的全樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案，則繼續(xù)由下一層級的全樣本分類器對所述檢測區(qū)域進(jìn)行識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別； 當(dāng)所有層級的全樣本分類器的識別結(jié)果均為所述檢測區(qū)域中包含全部或部分車標(biāo)圖案后，繼續(xù)由所述部分樣本分類器對所述檢測區(qū)域進(jìn)行識別:當(dāng)對應(yīng)于任一車標(biāo)圖案的任一部分樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，由對應(yīng)于該任一車標(biāo)圖案的下一層級的部分樣本分類器進(jìn)行識別，否則按照預(yù)設(shè)順序選取對應(yīng)于下一個(gè)車標(biāo)圖案的部分樣本分類器對所述檢測區(qū)域進(jìn)行識別； 其中，當(dāng)對應(yīng)于同一車標(biāo)圖案的所有部分樣本分類器均識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，輸出該檢測區(qū)域?yàn)榘炕蛘卟糠炙鐾卉嚇?biāo)圖案的第一車標(biāo)矩形框，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息，對所述車標(biāo)矩形框結(jié)果集中第一車標(biāo)矩形框按照預(yù)設(shè)方法進(jìn)行歸并具體為: 當(dāng)?shù)谝卉嚇?biāo)矩形框I和第一車標(biāo)矩形框2滿足條件I和條件2時(shí)，對兩個(gè)第一車標(biāo)矩形框進(jìn)行歸并，所述條件I為: 所述兩個(gè)第一車標(biāo)矩形框的車標(biāo)類型相同； 所述條件2為:
XLO-XL\< Dehu
XR()-XR\<De!kj
YT()-YT\< Delta
ΥΒΟ-YB] < Delta 其中，(XLO,YTO)、(XR0,YB0)為第一車標(biāo)矩形框I的左上角和右下角坐標(biāo)，(XLLYTl)、(XRl, YBl)為第一車標(biāo)矩形框2的左上角和右下角坐標(biāo)，Delta為距離閾值，當(dāng)所述車標(biāo)類型為奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.4X (min(XR0-XL0, XR1-XL1) +min(ΥΒ0-ΥΤ0,YBl-YTl))，當(dāng)所述車標(biāo)類型為非奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.2X (min(XR0-XL0, XR1-XL1)+min(ΥΒ0-ΥΤ0, YB1-YT1))。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，按照下述公式計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重:
if = iV + ax(l-—)；
L 其中，W為所述權(quán)重，N為歸并成所述第二車標(biāo)矩形框的第一車標(biāo)矩形框的個(gè)數(shù)，a為預(yù)設(shè)常數(shù)，D為所述第二車標(biāo)矩形框的中心點(diǎn)與所述待識別區(qū)域的中心點(diǎn)之間的水平距離，L為所述第二車標(biāo)矩形框的水平寬度。
6.一種車標(biāo)信息的提取裝置，其特征在于，包括: 截取單元，用于根據(jù)在待檢測圖像中識別出的待檢測車輛的車牌區(qū)域，從所述待檢測圖像中按照預(yù)設(shè)規(guī)格截取包含所述待檢測車輛的車標(biāo)圖案的待識別區(qū)域； 識別單元，用于通過預(yù)配置的樹形級聯(lián)車標(biāo)分類器對所述待識別區(qū)域進(jìn)行車標(biāo)矩形框識別，輸出所述樹形級聯(lián)車標(biāo)分類器認(rèn)為包含全部或部分車標(biāo)圖案的第一車標(biāo)矩形框組成的第一車標(biāo)矩形框結(jié)果集，以及所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息； 歸并單元，用于根據(jù)所述第一車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型和位置信息，對所述車標(biāo)矩形框結(jié)果集中第一車標(biāo)矩形框按照預(yù)設(shè)方法進(jìn)行歸并，得到第二車標(biāo)矩形框組成的第二車標(biāo)矩形框結(jié)果集，保存歸并過程中的歸并參數(shù)； 距離計(jì)算單元，用于計(jì)算第二車標(biāo)矩形框結(jié)果集中的每個(gè)第二車標(biāo)矩形框中心點(diǎn)與所述待識別區(qū)域中心點(diǎn)的水平距離； 權(quán)重計(jì)算單元，用于根據(jù)所述水平距離和所述歸并參數(shù)，計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重； 輸出單元，用于對所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框根據(jù)其權(quán)重進(jìn)行排序，輸出權(quán)重最大的第二車標(biāo)矩形框作為目標(biāo)車標(biāo)矩形框，其中所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的車標(biāo)類型為所述待檢測圖像中待檢測車輛的車標(biāo)類型，所述目標(biāo)車標(biāo)矩形框?qū)?yīng)的位置即為所述待檢測圖像中待檢測車輛的車標(biāo)所在位置。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述樹形級聯(lián)車標(biāo)分類器包括全樣本分類器和部分樣本分類器，其中，所述全樣本分類器和所述部分樣本分類器呈樹狀級聯(lián)結(jié)構(gòu)； 所述全樣本分類器包括: 直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的第一分類器，且該第一分類器中包含的子分類器的數(shù)量大于或等于預(yù)設(shè)數(shù)量閾值； 或者， 由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值； 或者， 由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值； 以及，直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到的第二分類器，級聯(lián)于所述第一分類器的下層；其中，所述第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，且大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第一總數(shù)量； 或者， 由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)第一分類器，其中處于頂層的第一分類器直接由所有預(yù)設(shè)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到，處于其他層級的第一分類器由上一層級的第一分類器識別出的正樣本和上一層級的第一分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的第一分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值、處于其他層級的第一分類器中包含的子分類器的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值； 以及，多個(gè)第二分類器，級聯(lián)于所述第一分類器的下層，其中處于最上層的第二分類器直接由處于底層的第一分類器識別出的正樣本和處于底層的第一分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的第二分類器由上一層級的第二分類器識別出的正樣本和上一層級的第二分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，各層級的第二分類器中包含的子分類器的數(shù)量大于或等于所述預(yù)設(shè)數(shù)量閾值，處于底層的第二分類器中包含的子分類器的數(shù)量大于直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述處于底層的第二分類器未識別出的負(fù)樣本訓(xùn)練得到的所有的部分樣本分類器中包含的子分類器的第二總數(shù)量，且其他層級的第二分類器中包含的子分類器的數(shù)量小于或等于所述第二總數(shù)量； 所述部分樣本分類器包括: 直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到的分類器，且該分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值； 或者，由相應(yīng)類型的車標(biāo)圖案的正樣本和負(fù)樣本訓(xùn)練得到的呈級聯(lián)結(jié)構(gòu)的多個(gè)分類器，其中處于頂層的分類器直接由相應(yīng)類型的車標(biāo)圖案的正樣本和所述全樣本分類器未識別出的負(fù)樣本訓(xùn)練得到，處于其他層級的分類器由上一層級的分類器識別出的正樣本和上一層級的分類器未識別出的負(fù)樣本訓(xùn)練得到；其中，處于底層的分類器的誤檢率小于或等于預(yù)設(shè)誤檢率閾值、處于其他層級的分類器的誤檢率大于所述預(yù)設(shè)誤檢率閾值。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述識別單元具體用于: 按照預(yù)設(shè)比例對所述待識別區(qū)域進(jìn)行縮放處理； 將預(yù)設(shè)大小的檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中按照預(yù)設(shè)步長移動，其中每次移動后，將所述檢測區(qū)域選取窗口在縮放后的待識別區(qū)域中對應(yīng)的畫面提取為所述檢測區(qū)域； 由所述全樣本分類器對所述檢測區(qū)域進(jìn)行識別，若其中任一層級的全樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案，則繼續(xù)由下一層級的全樣本分類器對所述檢測區(qū)域進(jìn)行識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別； 當(dāng)所有層級的全樣本分類器的識別結(jié)果均為所述檢測區(qū)域中包含全部或部分車標(biāo)圖案后，繼續(xù)由所述部分樣本分類器對所述檢測區(qū)域進(jìn)行識別:當(dāng)對應(yīng)于任一車標(biāo)圖案的任一部分樣本分類器識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，由對應(yīng)于該任一車標(biāo)圖案的下一層級的部分樣本分類器進(jìn)行識別，否則按照預(yù)設(shè)順序選取對應(yīng)于下一個(gè)車標(biāo)圖案的部分樣本分類器對所述檢測區(qū)域進(jìn)行識別； 其中，當(dāng)對應(yīng)于同一車標(biāo)圖案的所有部分樣本分類器均識別出所述檢測區(qū)域中包含全部或部分車標(biāo)圖案時(shí)，輸出該檢測區(qū)域?yàn)榘炕蛘卟糠炙鐾卉嚇?biāo)圖案的第一車標(biāo)矩形框，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別，否則輸出該檢測區(qū)域?yàn)榉擒嚇?biāo)區(qū)域，并結(jié)束對當(dāng)前檢測區(qū)域的識別，進(jìn)行下一個(gè)檢測區(qū)域獲取和識別。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述歸并單元具體用于: 當(dāng)?shù)谝卉嚇?biāo)矩形框I和第一車標(biāo)矩形框2滿足條件I和條件2時(shí)，對兩個(gè)第一車標(biāo)矩形框進(jìn)行歸并，所述條件I為: 所述兩個(gè)第一車標(biāo)矩形框的車標(biāo)類型相同； 所述條件2為:
XLO-XL\< Delta
XRO - XR\ < Delta
YTO-YT\ < Ddta
YBO-YB\< Delta 其中，(XLO,YTO)、(XR0,YB0)為第一車標(biāo)矩形框I的左上角和右下角坐標(biāo)，(XLLYTl)、(XRl, YBl)為第一車標(biāo)矩形框2的左上角和右下角坐標(biāo)，Delta為距離閾值，當(dāng)所述車標(biāo)類型為奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.4X (min(XR0-XL0, XR1-XL1) +min(ΥΒ0-ΥΤ0,YBl-YTl))，當(dāng)所述車標(biāo)類型為非奧迪車標(biāo)時(shí)，所述距離閾值為:Delta = 0.2X (min(XR0-XL0, XR1-XL1)+min(ΥΒ0-ΥΤ0, YB1-YT1))。
10.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述權(quán)重計(jì)算單元按照下述公式計(jì)算所述第二車標(biāo)矩形框結(jié)果集中第二車標(biāo)矩形框的權(quán)重:
W = N + αχ(\-—)；
L 其中，W為所述權(quán)重，N為歸并成所述第二車標(biāo)矩形框的第一車標(biāo)矩形框的個(gè)數(shù)，a為預(yù)設(shè)常數(shù)，D為所述第二車標(biāo)矩形框的中心點(diǎn)與所述待識別區(qū)域的中心點(diǎn)之間的水平距離，L為所述第二車標(biāo)矩形框的水平寬度。
【文檔編號】G06K9/62GK104281851SQ201410589478
【公開日】2015年1月14日 申請日期:2014年10月28日 優(yōu)先權(quán)日:2014年10月28日
【發(fā)明者】呂春旭 申請人:浙江宇視科技有限公司