一種車標(biāo)識別方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明實施例提供一種車標(biāo)識別方法和系統(tǒng)，將每類車標(biāo)識別模型通過線性判別分析LDA投影到最佳鑒別矢量空間，分別得到一個模型特征向量，其中，方法包括：獲取車標(biāo)區(qū)域；將所述車標(biāo)區(qū)域通過LDA投影到所述最佳鑒別矢量空間，得到車標(biāo)特征向量；計算所述車標(biāo)特征向量與所有模型特征向量間歐式距離，選取預(yù)定個與所述車標(biāo)特征向量歐式距離最近的模型特征向量；對所述車標(biāo)區(qū)域使用所有選取的模型特征向量相對應(yīng)的車標(biāo)識別模型分別進(jìn)行識別，得到車標(biāo)識別結(jié)果。提高了對汽車車標(biāo)的識別速度。
【專利說明】一種車標(biāo)識別方法和系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，特別是涉及一種車標(biāo)識別方法和系統(tǒng)。

【背景技術(shù)】
[0002] 目前，車牌識別設(shè)備已經(jīng)被廣泛地使用在停車場出入口對進(jìn)出場的車輛進(jìn)行管 理，目前的車牌識別系統(tǒng)使用進(jìn)場取卡，一車一卡的模式來進(jìn)行車牌識別。然而，因為車牌 識別設(shè)備的車牌識別率一般只有95%左右，無法保證將所有拍攝的車牌完全識別出來，因 此，在停車場出入口處一般會配置有工作人員來協(xié)助進(jìn)行車牌設(shè)備。但是，近年來，隨著人 力成本的提高，無人值守停車場開始被推廣，車牌識別目前在大部分系統(tǒng)中仍然作為車輛 識別的唯一標(biāo)準(zhǔn)，一旦車牌號碼無法被識別，將會對用戶使用以及停車場管理帶來麻煩，車 標(biāo)識別作為車牌識別的一種補充，在車牌無法被識別的時候可以通過識別車標(biāo)來完成尋車 以及協(xié)助收費，車標(biāo)識別越來越受到人們的重視。但是，由于現(xiàn)有的車標(biāo)種類繁多，當(dāng)需要 對一個汽車車標(biāo)進(jìn)行識別時，需要對待識別的汽車車標(biāo)使用所有類別的車標(biāo)識別模型均進(jìn) 行識別后才可對待識別車標(biāo)進(jìn)行準(zhǔn)確地識別，使得現(xiàn)有技術(shù)中對汽車車標(biāo)的識別速度緩 慢，使得對汽車車標(biāo)的識別失去了其應(yīng)有的時效性，使其無法在停車場出入口等來協(xié)助對 進(jìn)出場的車輛進(jìn)行管理，失去了對汽車車標(biāo)識別應(yīng)有的意義。


【發(fā)明內(nèi)容】

[0003] 有鑒于此，本發(fā)明實施例提供一種車標(biāo)識別方法和系統(tǒng)，以解決現(xiàn)有技術(shù)中對汽 車車標(biāo)的識別速度緩慢，使得對汽車車標(biāo)的識別失去了其應(yīng)有的時效性，使其無法在停車 場出入口等來協(xié)助對進(jìn)出場的車輛進(jìn)行管理，失去了對汽車車標(biāo)識別應(yīng)有的意義的問題。
[0004] 為實現(xiàn)上述目的，本發(fā)明實施例提供如下技術(shù)方案：
[0005] 一種車標(biāo)識別方法，將每類車標(biāo)識別模型通過線性判別分析LDA投影到最佳鑒別 矢量空間，分別得到一個模型特征向量，包括：
[0006] 獲取車標(biāo)區(qū)域；
[0007] 將所述車標(biāo)區(qū)域通過LDA投影到所述最佳鑒別矢量空間，得到車標(biāo)特征向量；
[0008] 計算所述車標(biāo)特征向量與所有模型特征向量間歐式距離，選取預(yù)定個與所述車標(biāo) 特征向量歐式距離最近的模型特征向量；
[0009] 對所述車標(biāo)區(qū)域使用所有選取的模型特征向量相對應(yīng)的車標(biāo)識別模型分別進(jìn)行 識別，得到車標(biāo)識別結(jié)果。
[0010] 其中，將每類車標(biāo)識別模型通過線性判別分析LDA投影到最佳鑒別矢量空間前還 包括：訓(xùn)練車標(biāo)識別模型，
[0011] 所述訓(xùn)練車標(biāo)識別模型包括：
[0012] 獲取車標(biāo)圖像樣本，并確定需訓(xùn)練的車標(biāo)識別模型的類別；
[0013] 取所述車標(biāo)圖像樣本中包含所述類別車標(biāo)的車標(biāo)區(qū)域為正樣本，取所述車標(biāo)圖像 樣本中不包含所述類別車標(biāo)的車標(biāo)區(qū)域為負(fù)樣本；
[0014] 將所有正樣本和負(fù)樣本歸一化到預(yù)定像素尺寸，并進(jìn)行HOG特征提?。?br> [0015] 將所有提取到的特征進(jìn)行串接后輸入支持向量機SVM進(jìn)行訓(xùn)練，得到所述類別的 車標(biāo)識別模型。
[0016] 其中，所述最佳鑒別矢量空間包括：
[0017] 對每類車標(biāo)識別模型通過LDA進(jìn)行特征提取，分別得到一個特征矩陣；
[0018] 取每個特征矩陣的最大特征值相對應(yīng)的特征向量分別組成一個最佳鑒別矢量矩 陣，得到最佳鑒別矢量空間。
[0019] 其中，所述獲取車標(biāo)區(qū)域包括：
[0020] 獲取車標(biāo)圖像；
[0021] 對所述車標(biāo)圖像使用車標(biāo)混合模型進(jìn)行搜索，得到車標(biāo)區(qū)域。
[0022] 其中，所述對所述車標(biāo)圖像使用車標(biāo)混合模型進(jìn)行搜索包括：
[0023] 判斷是否在所述車標(biāo)圖像中檢測到車牌區(qū)域；
[0024] 若檢測到，則將所述車牌區(qū)域擴大預(yù)定的范圍得到擴大區(qū)域，在所述擴大區(qū)域內(nèi) 使用車標(biāo)混合模型進(jìn)行搜索；
[0025] 若未檢測到，則對所述車標(biāo)圖像全圖使用車標(biāo)混合模型進(jìn)行搜索。
[0026] 其中，訓(xùn)練所述車標(biāo)混合模型包括：
[0027] 獲取車標(biāo)圖像樣本；
[0028] 取所述車標(biāo)圖像樣本中車標(biāo)區(qū)域為正樣本，取所述車標(biāo)圖像樣本中非車標(biāo)區(qū)域為 負(fù)樣本；
[0029] 使用哈爾特征對所述正樣本和負(fù)樣本進(jìn)行表征，形成哈爾特征；
[0030] 利用迭代算法對所述哈爾特征進(jìn)行訓(xùn)練，得到車標(biāo)混合模型。
[0031] 其中，在接收地感信號后獲取車標(biāo)圖像。
[0032] 其中，所述得到車標(biāo)識別結(jié)果包括：
[0033] 確定每類車標(biāo)識別模型對車標(biāo)區(qū)域進(jìn)行識別后的車標(biāo)識別結(jié)果置信度；
[0034] 將置信度最高的車標(biāo)識別結(jié)果作為車標(biāo)識別結(jié)果。
[0035] 一種車標(biāo)識別系統(tǒng)，包括：車標(biāo)獲取模塊、第一投影模塊、選取模塊和識別模塊； 其中，
[0036] 所述車標(biāo)獲取模塊，用于獲取車標(biāo)區(qū)域；
[0037] 所述第一投影模塊，用于將所述車標(biāo)區(qū)域通過LDA投影到所述最佳鑒別矢量空 間，得到車標(biāo)特征向量；
[0038] 所述選取模塊，用于計算所述車標(biāo)特征向量與所有模型特征向量間歐式距離，選 取預(yù)定個與所述車標(biāo)特征向量歐式距離最近的模型特征向量；
[0039] 所述識別模塊，用于對所述車標(biāo)區(qū)域使用所有選取的模型特征向量相對應(yīng)的車標(biāo) 識別模型分別進(jìn)行識別，得到車標(biāo)識別結(jié)果。
[0040] 其中，所述車標(biāo)識別系統(tǒng)還包括：第二投影模塊，用于將每類車標(biāo)識別模型通過線 性判別分析LDA投影到最佳鑒別矢量空間，分別得到一個模型特征向量。
[0041] 基于上述技術(shù)方案，本發(fā)明實施例提供的車標(biāo)識別方法和系統(tǒng)，在進(jìn)行車標(biāo)識別 前，先將每類車標(biāo)識別模型通過線性判別分析LDA投影到最佳鑒別矢量空間，使每類車標(biāo) 識別模型分別得到一個模型特征向量；在進(jìn)行車標(biāo)識別時，通過獲取車標(biāo)區(qū)域，將獲取的 車標(biāo)區(qū)域通過LDA投影到上述的最佳鑒別矢量空間，得到車標(biāo)特征向量，然后計算該車標(biāo) 特征向量與所有模型特征向量間的歐式距離，因為模型特征向量與車標(biāo)特征向量的歐式距 離越近，則模型特征向量相對應(yīng)的車標(biāo)識別模型的類型越有可能為待測汽車車標(biāo)的車標(biāo)類 型，因此，計算該車標(biāo)特征向量與所有模型特征向量間的歐式距離后，選取預(yù)定個與該車標(biāo) 特征向量歐式距離最近的模型特征向量，對該車標(biāo)區(qū)域僅使用所有選取的模型特征向量相 對應(yīng)的車標(biāo)識別模型分別來進(jìn)行識別，便可得到準(zhǔn)確的車標(biāo)識別結(jié)果，提高了汽車車標(biāo)的 識別速度，使汽車車標(biāo)的識別具有時效性，保證了車標(biāo)識別在停車場出入口等出來對進(jìn)出 場的車輛管理的協(xié)助作用。

【專利附圖】

【附圖說明】
[0042] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0043] 圖1為本發(fā)明實施例提供車標(biāo)識別系統(tǒng)；
[0044] 圖2為本發(fā)明實施例提供的車標(biāo)識別方法中得到模型特征向量的方法流程圖；
[0045] 圖3為本發(fā)明實施例提供的車標(biāo)識別方法中訓(xùn)練車標(biāo)識別模型的方法流程圖；
[0046] 圖4為本發(fā)明實施例提供的車標(biāo)識別方法中得到最佳鑒別矢量空間的方法流程 圖；
[0047] 圖5為本發(fā)明實施例提供的車標(biāo)識別方法中獲取車標(biāo)區(qū)域的方法流程圖；
[0048] 圖6為本發(fā)明實施例提供的車標(biāo)識別方法中對車標(biāo)圖像使用車標(biāo)混合模型進(jìn)行 搜索的方法流程圖；
[0049] 圖7為本發(fā)明實施例提供的車標(biāo)識別方法中訓(xùn)練車標(biāo)混合模型的方法流程圖； [0050] 圖8為本發(fā)明實施例提供的車標(biāo)識別方法中獲取車標(biāo)圖像的方法流程圖；
[0051] 圖9為本發(fā)明實施例提供的車標(biāo)識別方法中得到車標(biāo)識別結(jié)果的方法流程圖；
[0052] 圖10為本發(fā)明實施例提供的車標(biāo)識別系統(tǒng)的系統(tǒng)框圖；
[0053] 圖11為本發(fā)明實施例提供的車標(biāo)識別系統(tǒng)的另一系統(tǒng)框圖。

【具體實施方式】
[0054] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0055] 圖1為本發(fā)明實施例提供的車標(biāo)識別方法的流程圖，該車標(biāo)識別方法提高了對汽 車車標(biāo)的識別速度，使汽車車標(biāo)的識別具有時效性，保證了車標(biāo)識別在停車場出入口等出 來對進(jìn)出場的車輛管理的協(xié)助作用；參照圖1，該車標(biāo)識別方法可以包括：
[0056] 步驟SlOO :獲取車標(biāo)區(qū)域；
[0057] 車標(biāo)區(qū)域即車標(biāo)圖像中包括車標(biāo)的區(qū)域，車標(biāo)圖像即在停車場出入口等處通過攝 像機等圖像采集設(shè)備采集到的包含車標(biāo)的圖像，一般來說，一幅車標(biāo)圖像的整圖中只有一 小部分為車標(biāo)區(qū)域。
[0058] 在獲取車標(biāo)區(qū)域之前，需要將用來識別車標(biāo)區(qū)域的各類車標(biāo)識別模型通過線性判 別分析LDA投影到最佳鑒別矢量空間，每一類車標(biāo)識別模型在通過LDA投影后，分別可以得 到一個模型特征向量，也就是說，每一個模型特征向量均有其相對應(yīng)的車標(biāo)識別模型。
[0059] 其中，車標(biāo)識別模型用來識別車標(biāo)，當(dāng)一類車標(biāo)識別模型對車標(biāo)區(qū)域進(jìn)行識別時， 將會得到該被識別車標(biāo)區(qū)域的車標(biāo)識別置信度，若該被識別車標(biāo)區(qū)域與該車標(biāo)識別模型的 類別相同，則將會輸出的輸出置信度較高的車標(biāo)識別結(jié)果，若該被識別車標(biāo)區(qū)域與該車標(biāo) 識別模型的類別不相同，則將會輸出置信度較低的車標(biāo)識別結(jié)果。
[0060] 可選的，可以使用30個類別的車標(biāo)識別模型通過線性判別分析LDA投影到最佳鑒 別矢量空間，得到30個模型特征向量。
[0061] 可選的，當(dāng)具有N類的車標(biāo)識別模型時，車標(biāo)識別模型可以通過LDA降維到的最 佳鑒別空間的維數(shù)可以與N-I維。也就是說，將一個56 X 56大小的車標(biāo)區(qū)域可以提取到 1296維的特征，而通過了 LDA降維的方法，把復(fù)雜的車標(biāo)模型從1296維降到N-I維。例如， 當(dāng)具有30類的車標(biāo)識別模型時，車標(biāo)識別模型經(jīng)過LDA降維后的維數(shù)只有29維。
[0062] 其中，需要注意的，在獲取車標(biāo)區(qū)域之前，需要對每類車標(biāo)識別模型通過線性判別 分析LDA投影到最佳鑒別矢量空間，分別得到一個模型特征向量，但是，并不是每次獲取車 標(biāo)區(qū)域之前均需要將每類車標(biāo)識別模型通過LDA投影到最佳鑒別矢量空間分別得到一個 模型特征向量，在同一個車標(biāo)識別設(shè)備中，只需要進(jìn)行一次將每類車標(biāo)識別模型通過LDA 投影到最佳鑒別矢量空間的操作即可，該車標(biāo)識別設(shè)備在每次對車標(biāo)進(jìn)行識別時，均使用 該最佳鑒別矢量空間和該最佳鑒別矢量空間中的所有模型特征向量來進(jìn)行投影和計算操 作，無需重復(fù)將每類車標(biāo)識別模型通過LDA重復(fù)投影到最佳鑒別矢量空間，使分別得到一 個模型特征向量。
[0063] 可選的，在需要訓(xùn)練某個類別的車標(biāo)識別模型時，可以通過獲取車標(biāo)圖像樣本，確 定需訓(xùn)練的車標(biāo)識別模型的類別后，取獲取的車標(biāo)圖像樣本中包含該類別車標(biāo)的車標(biāo)區(qū)域 為正樣本，取獲取的車標(biāo)圖像樣本中不包含該類別車標(biāo)的車標(biāo)區(qū)域為負(fù)樣本，然后將所有 正樣本和負(fù)樣本歸一化到預(yù)定像素尺寸，然后進(jìn)行特征提取，將所有提取到的特征進(jìn)行串 接后輸入支持向量機SVM進(jìn)行訓(xùn)練，車標(biāo)識別模型。
[0064] 其中，獲取的車標(biāo)圖像樣本的包含有所有類別的車標(biāo)圖像，例如，當(dāng)車標(biāo)的總類別 數(shù)為30類，訓(xùn)練的車標(biāo)識別模型為奧迪類別時，則取30類車標(biāo)圖像樣本中，奧迪類別的車 標(biāo)區(qū)域為正樣本，取其他29類的車標(biāo)區(qū)域為負(fù)樣本。
[0065] 可選的，可以通過使用攝像頭在各個時段和天氣條件下拍攝并儲存大量停車場出 入口的視頻中來獲取車標(biāo)圖像樣本。
[0066] 可選的，可以通過人工截取的方式來獲取車標(biāo)圖像樣本作為正樣本和負(fù)樣本，也 可以通過機器自動識別的方式來獲取車標(biāo)圖像樣本作為正樣本和負(fù)樣本。
[0067] 可選的，可以通過對每類車標(biāo)識別模型通過LDA進(jìn)行特征提取，分別得到一個特 征矩陣后，取每一個特征矩陣的最大特征值相對應(yīng)的特征向量分別組成一個最佳鑒別矢量 矩陣來得到最佳鑒別矢量空間。
[0068] 可選的，因為圖像采集設(shè)備直接采集的圖像為車標(biāo)圖像，因此，在獲取車標(biāo)區(qū)域 時，需要先獲取車標(biāo)圖像，對所獲取的車標(biāo)圖像使用車標(biāo)混合模型進(jìn)行搜索來得到車標(biāo)區(qū) 域。
[0069] 其中，車標(biāo)混合模型用來檢測車標(biāo)圖像中的車標(biāo)區(qū)域。
[0070] 可選的，可以通過獲取車標(biāo)圖像樣本，取獲取的車標(biāo)圖像樣本中車標(biāo)區(qū)域為正樣 本，取所述的車標(biāo)圖像樣本中非車標(biāo)區(qū)域為負(fù)樣本，然后使用哈爾特征對取得的正樣本和 負(fù)樣本進(jìn)行表征，形成哈爾特征；最后利用迭代算法來對所述哈爾特征進(jìn)行訓(xùn)練，得到車標(biāo) 混合模型。
[0071] 可選的，在獲取車標(biāo)圖像樣本后，可以通過判斷是否在該車標(biāo)圖像中檢測到車牌 區(qū)域來決定使用何種方法對獲取的車標(biāo)圖像進(jìn)行車區(qū)域的搜索。當(dāng)在獲取的車標(biāo)圖像中檢 測到車牌區(qū)域時，因為汽車的車牌與車標(biāo)的位置接近，因此，可以通過將所述車牌區(qū)域擴大 預(yù)定的范圍得到擴大區(qū)域，在該擴大區(qū)域內(nèi)使用車標(biāo)混合模型進(jìn)行搜索，得到車標(biāo)區(qū)域；當(dāng) 在獲取的車標(biāo)圖像中沒有檢測到車牌區(qū)域時，則可以通過對所述車標(biāo)圖像全圖使用車標(biāo)混 合模型進(jìn)行搜索，來得到車標(biāo)區(qū)域。
[0072] 其中，訓(xùn)練用來檢測車標(biāo)區(qū)域的車標(biāo)混合模型所使用的車標(biāo)圖像樣本包括所有類 別的車標(biāo)圖像，例如，當(dāng)車標(biāo)的總類別數(shù)為30類時，則取所有30類車標(biāo)圖像樣本中的車標(biāo) 區(qū)域為正樣本，取所有30類車標(biāo)圖像中的非車標(biāo)區(qū)域為負(fù)樣本。
[0073] 可選的，可以在車標(biāo)識別設(shè)備接收到地感信號后獲取車標(biāo)圖像。
[0074] 步驟SllO :將所述車標(biāo)區(qū)域通過LDA投影到所述最佳鑒別矢量空間，得到車標(biāo)特 征向量；
[0075] 將獲取的車標(biāo)區(qū)域通過LDA投影到最佳鑒別矢量空間后，將會得到一個車標(biāo)特征 向量。其中，車標(biāo)區(qū)域通過LDA投影到的最佳鑒別矢量空間，與車標(biāo)識別模型投影到的最佳 鑒別矢量空間為同一個空間。
[0076] 步驟S120 :計算所述車標(biāo)特征向量與所有模型特征向量間歐式距離，選取預(yù)定個 與所述車標(biāo)特征向量歐式距離最近的模型特征向量；
[0077] 將各類車標(biāo)識別模型通過LDA投影到后最佳鑒別矢量空間，在投影后的每一類車 標(biāo)識別模型在最佳鑒別矢量空間中將有著有最佳的可分離性，即投影后的每一類車標(biāo)識別 模型在最佳鑒別矢量空間中將有著最大的類間距離和最小的類內(nèi)距離，將車標(biāo)區(qū)域通過 LDA投影到所述最佳鑒別矢量空間后得到的車標(biāo)特征向量，其與最佳鑒別矢量空間中的哪 一個模型特征向量的歐式距離越近，則說明該車標(biāo)特征向量最可能與該個模型特征向量屬 于同一類，需要選出預(yù)定個與車標(biāo)特征向量歐式距離最近的模型特征向量，即選出預(yù)定個 被測車標(biāo)最可能的類別。
[0078] 可續(xù)的，可以選取5個與所述車標(biāo)特征向量歐式距離最近的模型特征向量。
[0079] 對已知類別的車牌識別模型中訓(xùn)練樣本S采用LDA降維，可以得到一個特征矩陣V 和一個最佳投影空間W，把各類車牌識別模型S投影到最佳鑒別矢量空間W，將得到分別得 到一個模型特征向量T，把獲取的待識別車標(biāo)區(qū)域也投影到W，得到獲取的車標(biāo)區(qū)域的車標(biāo) 特征向量y。在最佳鑒別矢量空間中，求待識別車標(biāo)圖像的特征向量y與各個模型特征向量 T間的歐式距離，然后對所有的歐式距離進(jìn)行排序，選取與所述車標(biāo)特征向量歐式距離最佳 的前η名，組成距離集合。
[0080] 對于一個m X η的二維圖像矩陣，通過首尾相連轉(zhuǎn)換成一維向量D，那么一維向量 D = mxn，如果這樣的二維圖像一共有L類，用Nn表示每一類車標(biāo)識別模型中訓(xùn)練樣本的數(shù) 量，其中η = 1，2,…，L ;用N表示所有車標(biāo)識別模型中訓(xùn)練樣本的總數(shù)；所有的訓(xùn)練樣本集 合表示為X = (X1, X2, . . .，xj，均值樣本集為U = {ui u2 . . . uj，第c類訓(xùn)練樣本集合為

【權(quán)利要求】
1. 一種車標(biāo)識別方法，其特征在于，將每類車標(biāo)識別模型通過線性判別分析LDA投影 到最佳鑒別矢量空間，分別得到一個模型特征向量，包括： 獲取車標(biāo)區(qū)域； 將所述車標(biāo)區(qū)域通過LDA投影到所述最佳鑒別矢量空間，得到車標(biāo)特征向量； 計算所述車標(biāo)特征向量與所有模型特征向量間歐式距離，選取預(yù)定個與所述車標(biāo)特征 向量歐式距離最近的模型特征向量； 對所述車標(biāo)區(qū)域使用所有選取的模型特征向量相對應(yīng)的車標(biāo)識別模型分別進(jìn)行識別， 得到車標(biāo)識別結(jié)果。
2. 根據(jù)權(quán)利要求1所述的車標(biāo)識別方法，其特征在于，將每類車標(biāo)識別模型通過線性 判別分析LDA投影到最佳鑒別矢量空間前還包括；訓(xùn)練車標(biāo)識別模型， 所述訓(xùn)練車標(biāo)識別模型包括： 獲取車標(biāo)圖像樣本，并確定需訓(xùn)練的車標(biāo)識別模型的類別； 取所述車標(biāo)圖像樣本中包含所述類別車標(biāo)的車標(biāo)區(qū)域為正樣本，取所述車標(biāo)圖像樣本 中不包含所述類別車標(biāo)的車標(biāo)區(qū)域為負(fù)樣本； 將所有正樣本和負(fù)樣本歸一化到預(yù)定像素尺寸，并進(jìn)行HOG特征提取； 將所有提取到的特征進(jìn)行串接后輸入支持向量機SVM進(jìn)行訓(xùn)練，得到所述類別的車標(biāo) 識別模型。
3. 根據(jù)權(quán)利要求1所述的車標(biāo)識別方法，其特征在于，所述最佳鑒別矢量空間包括： 對每類車標(biāo)識別模型通過LDA進(jìn)行特征提取，分別得到一個特征矩陣； 取每個特征矩陣的最大特征值相對應(yīng)的特征向量分別組成一個最佳鑒別矢量矩陣，得 到最佳鑒別矢量空間。
4. 根據(jù)權(quán)利要求1所述的車標(biāo)識別方法，其特征在于，所述獲取車標(biāo)區(qū)域包括： 獲取車標(biāo)圖像； 對所述車標(biāo)圖像使用車標(biāo)混合模型進(jìn)行捜索，得到車標(biāo)區(qū)域。
5. 根據(jù)權(quán)利要求4所述的車標(biāo)識別方法，其特征在于，所述對所述車標(biāo)圖像使用車標(biāo) 混合模型進(jìn)行捜索包括： 判斷是否在所述車標(biāo)圖像中檢測到車牌區(qū)域； 若檢測到，則將所述車牌區(qū)域擴大預(yù)定的范圍得到擴大區(qū)域，在所述擴大區(qū)域內(nèi)使用 車標(biāo)混合模型進(jìn)行捜索； 若未檢測到，則對所述車標(biāo)圖像全圖使用車標(biāo)混合模型進(jìn)行捜索。
6. 根據(jù)權(quán)利要求4所述的車標(biāo)識別方法，其特征在于，訓(xùn)練所述車標(biāo)混合模型包括： 獲取車標(biāo)圖像樣本； 取所述車標(biāo)圖像樣本中車標(biāo)區(qū)域為正樣本，取所述車標(biāo)圖像樣本中非車標(biāo)區(qū)域為負(fù)樣 本； 使用哈爾特征對所述正樣本和負(fù)樣本進(jìn)行表征，形成哈爾特征； 利用迭代算法對所述哈爾特征進(jìn)行訓(xùn)練，得到車標(biāo)混合模型。
7. 根據(jù)權(quán)利要求4所述的車標(biāo)識別方法，其特征在于，在接收地感信號后獲取車標(biāo)圖 像。
8. 根據(jù)權(quán)利要求1所述的車標(biāo)識別方法，其特征在于，所述得到車標(biāo)識別結(jié)果包括： 確定每類車標(biāo)識別模型對車標(biāo)區(qū)域進(jìn)行識別后的車標(biāo)識別結(jié)果置信度； 將置信度最高的車標(biāo)識別結(jié)果作為車標(biāo)識別結(jié)果。
9. 一種車標(biāo)識別系統(tǒng)，其特征在于，包括；車標(biāo)獲取模塊、第一投影模塊、選取模塊和 識別模塊；其中， 所述車標(biāo)獲取模塊，用于獲取車標(biāo)區(qū)域； 所述第一投影模塊，用于將所述車標(biāo)區(qū)域通過LDA投影到所述最佳鑒別矢量空間，得 到車標(biāo)特征向量； 所述選取模塊，用于計算所述車標(biāo)特征向量與所有模型特征向量間歐式距離，選取預(yù) 定個與所述車標(biāo)特征向量歐式距離最近的模型特征向量； 所述識別模塊，用于對所述車標(biāo)區(qū)域使用所有選取的模型特征向量相對應(yīng)的車標(biāo)識別 模型分別進(jìn)行識別，得到車標(biāo)識別結(jié)果。
10. 根據(jù)權(quán)利要求9所述的車標(biāo)識別系統(tǒng)，其特征在于，還包括；第二投影模塊，用于將 每類車標(biāo)識別模型通過線性判別分析LDA投影到最佳鑒別矢量空間，分別得到一個模型特 征向量。
【文檔編號】G06K9/00GK104463135SQ201410800055
【公開日】2015年3月25日 申請日期:2014年12月19日 優(yōu)先權(quán)日:2014年12月19日
【發(fā)明者】唐健, 關(guān)國雄, 李銳 申請人:深圳市捷順科技實業(yè)股份有限公司