專利名稱：車標識別方法及裝置的制作方法
技術領域：
本發明涉及圖像處理領域，具體而言，涉及一種車標識別方法及裝置。
背景技術：
隨著社會經濟的發展，車輛的增多，通過計算機信息化、智能化的管理車輛成為必然。車牌識別技術被廣泛應用在交通流量監測，高速公路卡口收費，闖紅燈違章車輛監控及小區自動收費系統中。車輛識別技術是智能交通領域的關鍵技術之一，車標識別技術是車輛識別技術新的研究方向，車輛的車標的類型按形狀可以分為圓形，橢圓和方形，目前的處理技術只能對車牌和大型、中型、小型車輛進行識別，但不能識別具體的車型。車標的識別大體分為車標粗定位，車標精定位，車標識別三個步驟，在現有技術中利用車牌與車標的拓撲關系，確定車標的大致區域；根據提取的粗略位置再準確的提取車標，但是在對車標進行定位、識別時，由于有些背景和前方的干擾物會影響到車標的分割，進而影響到車標的識別。針對現有技術中由于車牌的干擾物影響車標識別，從而影響辨別車輛的問題，目前尚未提出有效的解決方案。
發明內容
針對相關技術由于車牌的干擾物影響車標識別，從而影響辨別車輛的問題，目前尚未提出有效的解決方案，為此，本發明的主要目的在于提供一種車標識別方法及裝置，以解決上述問題。為了實現上述目的，根據本發明的一個方面，提供了一種車標識別方法，該方法包括獲取車標圖像；對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合；對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合；根據匹配特征點集合獲取對應的車標類型。進一步地，對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合的步驟包括對車標圖像進行邊緣定位，以獲取邊緣圖像；對邊緣圖像進行特征變換處理，以獲取對應每幅邊緣圖像的特征向量集合；對特征向量集合進行聚類分析，以獲取多個類數據以及與每個類數據對應的特征均值；對每個特征均值進行標簽設置，以獲取設置標簽的特征均值集，將特征均值集作為特征向量集合。進一步地，獲取車標圖像的步驟包括采集原始圖像；對原始圖像進行車標定位計算，以獲取原始圖像中的初始車標圖像；對初始車標圖像進行截取處理，以獲取車標圖像。進一步地，在對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，方法包括檢測車標圖像的特征向量集合中是否存在與預設特征向量集合中的特征點相匹配的特征點，并在車標圖像的特征向量集合中存在與預設特征向量集合中的特征點相匹配的特征點的情況下，獲取匹配特征點集人
口 O進一步地，在對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，方法包括獲取預設車標圖像集，其中，預設車標圖像集包括一個或多個預設車標圖像；對預設車標圖像集中的任意一個預設車標圖像進行特征變換處理，以獲取預設特征向量，并獲取預設特征向量集合。為了實現上述目的，根據本發明的一個方面，提供了一種車標識別裝置，該裝置包括包括第一獲取模塊，用于獲取車標圖像；第一處理模塊，用于對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合；第二處理模塊，用于對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合；第三處理模塊，用于根據匹配特征點集合獲取對應的車標類型。進一步地，第一處理模塊包括第一子處理模塊，用于對車標圖像進行邊緣定位，以獲取邊緣圖像；第二子處理模塊，用于對邊緣圖像進行特征變換處理，以獲取對應每幅邊緣圖像的特征向量集合；第一分析模塊，用于對特征向量集合進行聚類分析，以獲取多個類數據以及與每個類數據對應的特征均值；第一設置模塊，用于對每個特征均值進行標簽設置，以獲取設置標簽的特征均值集，將特征均值集作為特征向量集合。進一步地，第一獲取模塊包括采集模塊，用于采集原始圖像；第一計算模塊，用于對原始圖像進行車標定位計算，以獲取原始圖像中的初始車標圖像；第三子處理模塊，用于對初始車標圖像進行截取處理，以獲取車標圖像。進一步地，裝置包括第四子處理模塊，用于檢測車標圖像的特征向量集合中是否存在與預設特征向量集合中的特征點相匹配的特征點，并在車標圖像的特征向量集合中存在與預設特征向量集合中的特征點相匹配的特征點的情況下，獲取匹配特征點集合。進一步地，在對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，方法包括第二獲取模塊，用于獲取預設車標圖像集，其中，預設車標圖像集包括一個或多個預設車標圖像；第五子處理模塊，用于對預設車標圖像集中的任意一個預設車標圖像進行特征變換處理，以獲取預設特征向量，并獲取預設特征向量集合。通過本發明，在獲取車標圖像之后運用SIFT算法對待識別的車標圖像進行處理，獲取車標圖像的SIFT特征向量集合，然后對預設特征向量集合中的特征點和待識別的車標圖像的特征點進行匹配操作，實現了待識別圖像中的車標識別，解決了現有技術中由于車牌的干擾物影響車標識別，從而影響辨別車輛，實現了準確獲取車標的識別結果，從而可對復雜背景、傾斜、形變、污濁、部分遮擋、光線變化的車標進行有效識別的效果。
此處所說明的附圖用來提供對本發明的進一步理解，構成本申請的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中圖1是根據本發明實施例的車標識別裝置的結構示意圖；圖2是根據本發明實施例的車標識別方法的流程圖；以及圖3是根據圖2所示實施例的車標識別方法的流程圖。
具體實施例方式需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結合實施例來詳細說明本發明。圖1是根據本發明實施例的車標識別裝置的結構示意圖。如圖1所示，該裝置可以包括第一獲取模塊10，用于獲取車標圖像；第一處理模塊30，用于對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合；第二處理模塊50，用于對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合；第三處理模塊70，用于根據匹配特征點集合獲取對應的車標類型。采用本發明，通過第一獲取模塊獲取車標圖像，然后通過第一處理模塊對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合，在第二處理模塊對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之后，通過第三處理模塊根據匹配特征點集合獲取對應的車標類型。通過本發明，在獲取車標圖像之后運用SIFT算法對待識別的車標圖像進行處理，獲取車標圖像的SIFT特征向量集合，然后對預設特征向量集合中的特征點和待識別的車標圖像的特征點進行匹配操作，實現了待識別圖像中的車標類型的識別，解決了現有技術中由于車牌的干擾物影響車標識別，從而影響辨別車輛，實現了準確獲取車標的識別結果，從而可對復雜背景、傾斜、形變、污濁、部分遮擋、光線變化的車標進行有效識別的效果。在本發明的上述實施例中，第一處理模塊30可以包括 第一子處理模塊,用于對車標圖像進行邊緣定位，以獲取邊緣圖像；第二子處理模塊，用于對邊緣圖像進行特征變換處理，以獲取對應每幅邊緣圖像的特征向量集合；第一分析模塊，用于對特征向量集合進行聚類分析，以獲取多個類數據以及與每個類數據對應的特征均值；第一設置模塊，用于對每個特征均值進行標簽設置，以獲 取設置標簽的特征均值集，將特征均值集作為特征向量集
口 ο根據本發明的上述實施例，第一獲取模塊10可以包括采集模塊，用于采集原始圖像；第一計算模塊，用于對原始圖像進行車標定位計算，以獲取原始圖像中的初始車標圖像；第三子處理模塊，用于對初始車標圖像進行截取處理，以獲取車標圖像。在本發明的上述實施例中，裝置可以包括第四子處理模塊，用于檢測車標圖像的特征向量集合中是否存在與預設特征向量集合中的特征點相匹配的特征點，并在車標圖像的特征向量集合中存在與預設特征向量集合中的特征點相匹配的特征點的情況下，獲取匹配特征點集合。根據本發明的上述實施例，在對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，方法還可以包括第二獲取模塊，用于獲取預設車標圖像集，其中，預設車標圖像集包括一個或多個預設車標圖像；第五子處理模塊，用于對預設車標圖像集中的任意一個預設車標圖像進行特征變換處理，以獲取預設特征向量，并獲取預設特征向量集合。圖2是根據本發明實施例的車標識別方法的流程圖。圖3是根據圖2所示實施例的車標識別方法的流程圖。如圖2和圖3所示，該方法包括如下步驟步驟S102，獲取車標圖像。
步驟S104，對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合。步驟S106，對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合。步驟S108，根據匹配特征點集合獲取對應的車標類型。采用本發明，在獲取車標圖像之后，對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合，在對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之后，根據匹配特征點集合獲取對應的車標類型。通過本發明，在獲取車標圖像之后運用SIFT算法對待識別的車標圖像進行處理，獲取車標圖像的SIFT特征向量集合，然后對預設特征向量集合中的特征點和待識別的車標圖像的特征點進行匹配操作，實現了待識別圖像中的車標識別，解決了現有技術中由于車牌的干擾物影響車標識別，從而影響辨別車輛，實現了準確獲取車標類型的識別結果，從而可對復雜背景、傾斜、形變、污濁、部分遮擋、光線變化的車標進行有效識別的效果。在本發明的上述實施例中，對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合的步驟包括對車標圖像進行邊緣定位，以獲取邊緣圖像；對邊緣圖像進行特征變換處理，以獲取對應每幅邊緣圖像的特征向量集合；對特征向量集合進行聚類分析，以獲取多個類數據以及與每個類數據對應的特征均值；對每個特征均值進行標簽設置，以獲取設置標簽的特征均值集，將特征均值集作為特征向量集合。具體地，在獲得車標圖像之后，對每一幅車標圖像進行預處理，具體地對車標圖像進行邊緣定位，以獲取邊緣圖像，利用SIFT算子獲得每一幅邊緣圖像的SIFT特征向量集合，之后用KNN算法對SIFT特征向量集合進行聚類分析，得到K個類及對應的特征均值，并為每一個特征均值賦予一個標簽，以標識該特征均值代表的類，并得到由K個帶標簽的特征均值構成的優選的SIFT特征向量集合。其中，SIFT特征點具有圖像的局部特征，并且對旋轉、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩定性，從而可以運用SIFT特征向量集合中的特征點與預設特征向量集合中的特征點進行快速準確的匹配，從而能夠對復雜背景、傾斜、形變、污濁、部分遮擋、光線變化的車標進行有效識別。如圖3所示的步驟S208 :獲取初始車標圖像。步驟S210 :對初始車標圖像進行截取處理，以獲取車標圖像。步驟S212 :對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合。運用SIFT算法對上述步驟中得到的初始車標圖像進行處理，得到待識別的車標圖像的SIFT特征點向量集合。具體地，在本申請的上述實施例種，獲取車標圖像的SIFT特征向量集合，利用SIFT算法獲取每一幅車標圖像中車標的SIFT特征點，然后計算待識別的車標圖像與預設車標圖像的直方圖距離；以直方圖距離最小的目標車標圖像對應的對象作為識別結果。根據本發明的上述實施例，獲取車標圖像的步驟包括采集原始圖像；對原始圖像進行車標定位計算，以獲取原始圖像中的初始車標圖像；對初始車標圖像進行截取處理，以獲取車標圖像。具體地，對采集到的原始圖像進行預處理，并對原始圖像進行車標的定位計算，得到一個或多個可能包含車標候選區域的初始車標圖像，并根據實際情況截取初始車標圖像中的一部分作為待識別的車標圖像，然后將待識別的車標圖像運用SIFT算法進行特征變換處理，得到SIFT特征向量集合，然后根據該特征向量集合與預設特征向量集合計算匹配的特征點，獲取匹配特征集合，獲取識別車標類型的結果。具體地，如圖3所示，執行步驟S202 :采集原始圖像，具體地，將拍攝裝置安裝于公路路口、收費站、停車場或其它要求的位置，對車輛進行圖像采集，得到含有車標圖像的原始圖像，然后對含有車標圖像的原始圖像進行車標定位計算，得到一個或多個可能包含車標的初始車標圖像。在本發明的上述實施例中，在對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，方法還可以包括檢測車標圖像的特征向量集合中是否存在與預設特征向量集合中的特征點相匹配的特征點，并在車標圖像的特征向量集合中存在與預設特征向量集合中的特征點相匹配的特征點的情況下，獲取匹配特征點集合。具體地，執行圖3所示的步驟S214:檢測車標圖像的特征向量集合中是否存在與預設特征向量集合中的特征點相匹配的特征點，并在查找相互匹配的特征點之后執行步驟S216，獲取匹配特征點集合；如果預設特征向量集合與車標圖像的特征向量集合中沒有相互匹配的特征點，則判斷待識別圖像不包含車標，則返回執行步驟S208直到處理完所有的候選的車標圖像。根據本發明的上述實施例，在對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，方法包括獲取預設車標圖像集，其中，預設車標圖像集包括一個或多個預設車標圖像；對預設車標圖像集中的任意一個預設車標圖像進行特征變換處理，以獲取預設特征向量，并獲取預設特征向量集合。具體地，如圖3所示，執行步驟S204 :獲取預設車標圖像集。具體地，對含有全部車型的車標進行高清晰度拍攝，截取圖像中的車標部分，并對車標類型進行排列，組成預設車標圖像集。執行步驟S206 :對每個預設車標圖像進行特征變換處理，并獲取預設特征向量集合。具體地，運用SIFT算法獲取每個預設車標圖像的特征向量，并獲取預設車標圖像集的預設特征向量集合。從以上的描述中，可以看出，本發明實現了如下技術效果通過本發明，在獲取車標圖像之后運用SIFT算法對待識別的車標圖像進行處理，獲取車標圖像的SIFT特征向量集合，然后對預設特征向量集合中的特征點和待識別的車標圖像的特征點進行匹配操作，實現了待識別圖像中的車標識別，解決了現有技術中由于車牌的干擾物影響車標識別，從而影響辨別車輛，實現了準確獲取車標的識別結果，從而可對復雜背景、傾斜、形變、污濁、部分遮擋、光線變化的車標進行有效識別的效果。通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到本發明可借助軟件加必需的通用硬件平臺的方式來實現，當然也可以通過硬件，但很多情況下前者是更佳的實施方式。基于這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟件產品的形式體現出來，該計算機軟件產品可以存儲在存儲介質中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執行本發明各個實施例或者實施例的某些部分所述的方法。
以上所述僅是本發明的優選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。
權利要求
1.一種車標識別方法，其特征在于，包括 獲取車標圖像； 對所述車標圖像進行特征變換處理，以獲取所述車標圖像的特征向量集合； 對所述車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合； 根據所述匹配特征點集合獲取對應的車標類型。
2.根據權利要求1所述的方法，其特征在于，對所述車標圖像進行特征變換處理，以獲取所述車標圖像的特征向量集合的步驟包括 對所述車標圖像進行邊緣定位，以獲取邊緣圖像； 對所述邊緣圖像進行特征變換處理，以獲取對應每幅所述邊緣圖像的特征向量集合；對所述特征向量集合進行聚類分析，以獲取多個類數據以及與每個所述類數據對應的特征均值； 對每個所述特征均值進行標簽設置，以獲取設置標簽的特征均值集，將所述特征均值集作為所述特征向量集合。
3.根據權利要求1所述的方法，其特征在于，獲取車標圖像的步驟包括 采集原始圖像； 對所述原始圖像進行車標定位計算，以獲取所述原始圖像中的初始車標圖像； 對所述初始車標圖像進行截取處理，以獲取所述車標圖像。
4.根據權利要求3所述的方法，其特征在于，在對所述車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，所述方法包括 檢測所述車標圖像的特征向量集合中是否存在與所述預設特征向量集合中的特征點相匹配的特征點； 在所述車標圖像的特征向量集合中存在與預設特征向量集合中的特征點相匹配的特征點的情況下，獲取所述匹配特征點集合。
5.根據權利要求1所述的方法，其特征在于，在對所述車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，所述方法包括 獲取預設車標圖像集，其中，所述預設車標圖像集包括一個或多個預設車標圖像； 對所述預設車標圖像集中的任意一個所述預設車標圖像進行特征變換處理，以獲取預設特征向量，并獲取所述預設特征向量集合。
6.一種車標識別裝置，其特征在于，包括 第一獲取模塊，用于獲取車標圖像； 第一處理模塊，用于對所述車標圖像進行特征變換處理，以獲取所述車標圖像的特征向量集合； 第二處理模塊，用于對所述車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合； 第三處理模塊，用于根據所述匹配特征點集合獲取對應的車標類型。
7.根據權利要求6所述的裝置，其特征在于，所述第一處理模塊包括第一子處理模塊，用于對所述車標圖像進行邊緣定位，以獲取邊緣圖像； 第二子處理模塊，用于對所述邊緣圖像進行特征變換處理，以獲取對應每幅所述邊緣圖像的特征向量集合； 第一分析模塊，用于對所述特征向量集合進行聚類分析，以獲取多個類數據以及與每個所述類數據對應的特征均值； 第一設置模塊，用于對每個所述特征均值進行標簽設置，以獲取設置標簽的特征均值集，將所述特征均值集作為所述特征向量集合。
8.根據權利要求6所述的方法，其特征在于，所述第一獲取模塊包括 采集模塊，用于采集原始圖像； 第一計算模塊，用于對所述原始圖像進行車標定位計算，以獲取所述原始圖像中的初始車標圖像； 第三子處理模塊，用于對所述初始車標圖像進行截取處理，以獲取所述車標圖像。
9.根據權利要求8所述的裝置，其特征在于，所述裝置包括 第四子處理模塊，用于檢測所述車標圖像的特征向量集合中是否存在與所述預設特征向量集合中的特征點相匹配的特征點，并在所述車標圖像的特征向量集合中存在與預設特征向量集合中的特征點相匹配的特征點的情況下，獲取所述匹配特征點集合。
10.根據權利要求6所述的裝置，其特征在于，在對所述車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合之前，所述方法包括 第二獲取模塊，用于獲取預設車標圖像集，其中，所述預設車標圖像集包括一個或多個預設車標圖像； 第五子處理模塊，用于對所述預設車標圖像集中的任意一個所述預設車標圖像進行特征變換處理，以獲取預設特征向量，并獲取所述預設特征向量集合。
全文摘要
本發明公開了一種車標識別方法及裝置。其中，該方法包括獲取車標圖像；對車標圖像進行特征變換處理，以獲取車標圖像的特征向量集合；對車標圖像的特征向量集合中的特征點與預設特征向量集合中的特征點進行匹配處理，以獲取匹配特征點集合；根據匹配特征點集合獲取對應的車標類型。通過本發明，解決了現有技術中由于車牌的干擾物影響車標識別，從而影響辨別車輛，實現了準確獲取車標的識別結果。
文檔編號G06K9/46GK103065143SQ201210592310
公開日2013年4月24日 申請日期2012年12月30日 優先權日2012年12月30日
發明者劉忠軒, 張凱歌 申請人:信幀電子技術(北京)有限公司