一種車標(biāo)識(shí)別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請(qǐng)涉及視頻監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種車標(biāo)識(shí)別方法及裝置。
【背景技術(shù)】
[0002] 車標(biāo)是車輛的重要信息，是車輛的標(biāo)志性圖像，車標(biāo)識(shí)別可對(duì)車輛監(jiān)控和跟蹤提 供強(qiáng)有力的信息支持。但是，由于車標(biāo)較小、相似性大，且受光照、背景、形狀等原因影響，難 以準(zhǔn)確識(shí)別。
[0003] 目前的車標(biāo)識(shí)別技術(shù)主要依賴于車標(biāo)的精準(zhǔn)定位，而車標(biāo)定位多采用圖像處理以 及模式識(shí)別技術(shù)，該車標(biāo)定位方式對(duì)車標(biāo)的周圍紋理、角度旋轉(zhuǎn)、傾斜等極度敏感，因此，在 復(fù)雜場(chǎng)景下很難做到準(zhǔn)確定位，進(jìn)而導(dǎo)致車標(biāo)的識(shí)別率低。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本申請(qǐng)?zhí)峁┮环N車標(biāo)識(shí)別方法及裝置。
[0005] 具體地，本申請(qǐng)是通過如下技術(shù)方案實(shí)現(xiàn)的：
[0006] 本申請(qǐng)?zhí)峁┮环N車標(biāo)識(shí)別方法，該方法包括：
[0007] 采用車標(biāo)檢測(cè)算法訓(xùn)練車標(biāo)分類器；
[0008] 獲取待檢測(cè)圖像中的車牌位置信息；
[0009] 根據(jù)所述車牌位置信息確定車標(biāo)初選區(qū)域；
[0010] 利用訓(xùn)練得到的車標(biāo)分類器對(duì)所述車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)，獲得若干第一車 標(biāo)候選區(qū)域；
[0011] 計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度；
[0012] 根據(jù)第一車標(biāo)候選區(qū)域的位置計(jì)算對(duì)應(yīng)的車標(biāo)位置置信度；
[0013] 根據(jù)所述車標(biāo)位置置信度從所述若干第一車標(biāo)候選區(qū)域篩選出距離所述車標(biāo)初 選區(qū)域的中軸線較近的第一車標(biāo)候選區(qū)域作為第二車標(biāo)候選區(qū)域；
[0014] 采用機(jī)器學(xué)習(xí)算法對(duì)所述第二車標(biāo)候選區(qū)域進(jìn)行識(shí)別，獲取第二車標(biāo)候選區(qū)域的 第二車標(biāo)置信度；
[0015] 對(duì)多個(gè)第二車標(biāo)候選區(qū)域進(jìn)行區(qū)域融合生成多個(gè)融合候選區(qū)域；
[0016] 根據(jù)生成融合候選區(qū)域的第二車標(biāo)候選區(qū)域的第一車標(biāo)置信度、車標(biāo)位置置信度 以及第二車標(biāo)置信度計(jì)算對(duì)應(yīng)融合候選區(qū)域的融合置信度；
[0017] 選擇融合置信度最高的融合候選區(qū)域作為識(shí)別出的車標(biāo)。
[0018] 本申請(qǐng)還提供一種車標(biāo)識(shí)別裝置，該裝置包括：
[0019] 訓(xùn)練單元，用于采用車標(biāo)檢測(cè)算法訓(xùn)練車標(biāo)分類器；
[0020] 獲取單元，用于獲取待檢測(cè)圖像中的車牌位置信息；
[0021] 確定單元，用于根據(jù)所述車牌位置信息確定車標(biāo)初選區(qū)域；
[0022] 檢測(cè)單元，用于利用訓(xùn)練得到的車標(biāo)分類器對(duì)所述車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)， 獲得若干第一車標(biāo)候選區(qū)域；
[0023] 第一計(jì)算單元，用于計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度；
[0024] 第二計(jì)算單元，用于根據(jù)第一車標(biāo)候選區(qū)域的位置計(jì)算對(duì)應(yīng)的車標(biāo)位置置信度；
[0025] 篩選單元，用于根據(jù)所述車標(biāo)位置置信度從所述若干第一車標(biāo)候選區(qū)域篩選出距 離所述車標(biāo)初選區(qū)域的中軸線較近的第一車標(biāo)候選區(qū)域作為第二車標(biāo)候選區(qū)域；
[0026] 識(shí)別單元，用于采用機(jī)器學(xué)習(xí)算法對(duì)所述第二車標(biāo)候選區(qū)域進(jìn)行識(shí)別，獲取第二 車標(biāo)候選區(qū)域的第二車標(biāo)置信度；
[0027] 融合單元，用于對(duì)多個(gè)第二車標(biāo)候選區(qū)域進(jìn)行區(qū)域融合生成多個(gè)融合候選區(qū)域；
[0028] 第三計(jì)算單元，用于根據(jù)生成融合候選區(qū)域的第二車標(biāo)候選區(qū)域的第一車標(biāo)置信 度、車標(biāo)位置置信度以及第二車標(biāo)置信度計(jì)算對(duì)應(yīng)融合候選區(qū)域的融合置信度；
[0029] 選擇單元，用于選擇融合置信度最高的融合候選區(qū)域作為識(shí)別出的車標(biāo)。
[0030] 由以上描述可以看出，本申請(qǐng)不依賴于車標(biāo)的精準(zhǔn)定位，而是基于深度學(xué)習(xí)算法， 采用多種置信度加權(quán)融合的方式進(jìn)行車標(biāo)識(shí)別，提高在復(fù)雜場(chǎng)景下的車標(biāo)識(shí)別率。
【附圖說明】
[0031] 圖1是本申請(qǐng)一示例性實(shí)施例示出的一種車標(biāo)識(shí)別方法流程圖；
[0032] 圖2是本申請(qǐng)一示例性實(shí)施例示出的正樣本和負(fù)樣本示例；
[0033] 圖3是本申請(qǐng)一示例性實(shí)施例示出的車標(biāo)初選區(qū)域示意圖；
[0034] 圖4是本申請(qǐng)一示例性實(shí)施例示出的一種車標(biāo)識(shí)別裝置所在設(shè)備的基礎(chǔ)硬件結(jié) 構(gòu)示意圖；
[0035] 圖5是本申請(qǐng)一示例性實(shí)施例示出的一種車標(biāo)識(shí)別裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0036] 這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說明，其示例表示在附圖中。下面的描述涉及 附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例 中所描述的實(shí)施方式并不代表與本申請(qǐng)相一致的所有實(shí)施方式。相反，它們僅是與如所附 權(quán)利要求書中所詳述的、本申請(qǐng)的一些方面相一致的裝置和方法的例子。
[0037] 在本申請(qǐng)使用的術(shù)語是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本申請(qǐng)。 在本申請(qǐng)和所附權(quán)利要求書中所使用的單數(shù)形式的"一種"、"所述"和"該"也旨在包括多 數(shù)形式，除非上下文清楚地表示其他含義。還應(yīng)當(dāng)理解，本文中使用的術(shù)語"和/或"是指 并包含一個(gè)或多個(gè)相關(guān)聯(lián)的列出項(xiàng)目的任何或所有可能組合。
[0038] 應(yīng)當(dāng)理解，盡管在本申請(qǐng)可能采用術(shù)語第一、第二、第三等來描述各種信息，但這 些信息不應(yīng)限于這些術(shù)語。這些術(shù)語僅用來將同一類型的信息彼此區(qū)分開。例如，在不脫離 本申請(qǐng)范圍的情況下，第一信息也可以被稱為第二信息，類似地，第二信息也可以被稱為第 一信息。取決于語境，如在此所使用的詞語"如果"可以被解釋成為"在……時(shí)"或"當(dāng)…… 時(shí)"或"響應(yīng)于確定"。
[0039]目前的車標(biāo)識(shí)別技術(shù)主要采用圖像處理以及模式識(shí)別技術(shù)，在車牌識(shí)別技術(shù)的 基礎(chǔ)上，利用車牌與車標(biāo)的相對(duì)位置關(guān)系，對(duì)車標(biāo)進(jìn)行初定位；再利用基于Haar特征的 Adaboost算法進(jìn)行車標(biāo)檢測(cè)，得到若干疑似車標(biāo)區(qū)域；然后利用基于H0G(Histogramof OrientedGradient,方向梯度直方圖）特征的SVM(SupportVectorMachine,支持向量 機(jī)）算法對(duì)疑似車標(biāo)區(qū)域進(jìn)行篩選，選取置信度最大的區(qū)域作為車標(biāo)定位區(qū)域；最后對(duì)確 定的車標(biāo)定位區(qū)域進(jìn)行車標(biāo)識(shí)別。
[0040] 在上述車標(biāo)識(shí)別過程中，通常需要根據(jù)車標(biāo)長寬比的不同訓(xùn)練出多個(gè)車標(biāo)分類 器，且由于長寬比不同，必然導(dǎo)致采用不同尺度、不同步長、不同滑動(dòng)窗口進(jìn)行檢測(cè)，因此， 需要消耗大量的系統(tǒng)資源。其次，由于H0G算法的固有缺陷，很難處理遮擋、殘缺等問題，且 該算法對(duì)圖像噪點(diǎn)相當(dāng)敏感。此外，選取置信度最大的區(qū)域作為車標(biāo)定位區(qū)域的判別方式 過于簡(jiǎn)單暴力，容易造成誤判。
[0041] 針對(duì)上述問題，本申請(qǐng)實(shí)施例提出一種車標(biāo)識(shí)別方法，該方法不依賴于車標(biāo)的精 準(zhǔn)定位，而是基于深度學(xué)習(xí)算法，用多種置信度加權(quán)融合的方式進(jìn)行車標(biāo)識(shí)別。
[0042] 參見圖1，為本申請(qǐng)車標(biāo)識(shí)別方法的一個(gè)實(shí)施例流程圖，該實(shí)施例對(duì)車標(biāo)識(shí)別過程 進(jìn)行描述。
[0043] 步驟101，采用車標(biāo)檢測(cè)算法訓(xùn)練車標(biāo)分類器。
[0044] 本申請(qǐng)實(shí)施例在車標(biāo)識(shí)別過程中使用車標(biāo)分類器進(jìn)行車標(biāo)識(shí)別，因此，需預(yù)先訓(xùn) 練車標(biāo)分類器。該車標(biāo)分類器的訓(xùn)練（步驟101)只需在車標(biāo)檢測(cè)（步驟104)之前完成即 可。具體可米用Adaboost算法、H0G算法、DPM(DeformablePartsModel，變形件模型）算 法等檢測(cè)算法進(jìn)行車標(biāo)分類器訓(xùn)練。
[0045] 在一種優(yōu)選的實(shí)施方式中，采用Adaboost算法進(jìn)行車標(biāo)分類器的訓(xùn)練，具體為：
[0046] 獲取車標(biāo)圖案的正樣本和負(fù)樣本，正樣本為包含車標(biāo)圖案的樣本，負(fù)樣本為不包 含車標(biāo)圖案的樣本。在本申請(qǐng)實(shí)施例中，所有正樣本按照1:1的寬高比進(jìn)行標(biāo)定，如圖2(a) 所示，對(duì)于不滿足1:1寬高比的車標(biāo)，可截取車標(biāo)區(qū)域具有辨識(shí)度的部分作為正樣本，例 如，奧迪車標(biāo)可選取四環(huán)中的一環(huán)作為正樣本，如圖2(b)所示。
[0047] 此外，本實(shí)施例中的負(fù)樣本分為兩部分，一部分為僅包含車標(biāo)初選區(qū)域（車標(biāo)初 選區(qū)域?yàn)檐嚺普戏絽^(qū)域，在后續(xù)描述中會(huì)詳細(xì)介紹）的負(fù)樣本，以下簡(jiǎn)稱為第一負(fù)樣本， 如圖2(c)所示，該第一負(fù)樣本主要是考慮本申請(qǐng)實(shí)施例在后續(xù)車標(biāo)識(shí)別過程中基于車標(biāo) 初始區(qū)域進(jìn)行車標(biāo)識(shí)別，因此，選擇車標(biāo)初選區(qū)域作為負(fù)樣本可有效排除車標(biāo)初選區(qū)域內(nèi) 的非車標(biāo)區(qū)域，提高車標(biāo)分類器的檢測(cè)效率。另一部分負(fù)樣本為包含整張車前臉的負(fù)樣本， 如圖2(d)所示，以下簡(jiǎn)稱為第二負(fù)樣本。盡管第一負(fù)樣本具有很強(qiáng)的排除能力，但是由于 車標(biāo)初選區(qū)域的范圍比較小，且該區(qū)域內(nèi)的紋理特征有限，當(dāng)車標(biāo)種類增加時(shí)，位于該車標(biāo) 初選區(qū)域范圍內(nèi)的車標(biāo)區(qū)域與非車標(biāo)區(qū)域的差異性很小，單純利用第一負(fù)樣本生成的車標(biāo) 分類器進(jìn)行車標(biāo)識(shí)別的效果不佳，本申請(qǐng)實(shí)施例增加了第二負(fù)樣本，該第二負(fù)樣本包含整 張車前臉，紋理特征豐富，可增大車標(biāo)區(qū)域與非車標(biāo)區(qū)域的差異，有利于車標(biāo)識(shí)別，因此，通 過增加第二負(fù)樣本可提升車標(biāo)分類器的收斂性。當(dāng)然，無論是第一負(fù)樣本還是第二負(fù)樣本 均需摳取掉車標(biāo)圖案。
[0048] 在獲取到訓(xùn)練所需的正樣本和負(fù)樣本后，本申請(qǐng)實(shí)施例首先根據(jù)正樣本和第一負(fù) 樣本訓(xùn)練得到前N級(jí)強(qiáng)分類器，再根據(jù)正樣本和第二負(fù)樣本訓(xùn)練得到后M級(jí)強(qiáng)分類器，將前 N級(jí)強(qiáng)分類器與后M級(jí)強(qiáng)分類器級(jí)聯(lián)生成車標(biāo)分類器。如前所述，根據(jù)第一負(fù)樣本訓(xùn)練得 到前N級(jí)強(qiáng)分類器可有效排除車標(biāo)初選區(qū)域內(nèi)的非車標(biāo)區(qū)域；根據(jù)第二負(fù)樣本訓(xùn)練得到后 M級(jí)強(qiáng)分類器可提升車標(biāo)分類器的收斂性，在此不再贅述。
[0049] 步驟102,獲取待檢測(cè)圖像中的車牌位置信息。
[0050] 可采用現(xiàn)有較成熟的車牌識(shí)別技術(shù)識(shí)別車牌，獲取待檢測(cè)圖像中車牌的位置信 息，在此不再贅述。
[0051] 步驟103,根據(jù)所述車牌位置信息確定車標(biāo)初選區(qū)域。
[0052] 通過大量的觀察可發(fā)現(xiàn)，車標(biāo)通常位于車牌正上方區(qū)域，但其所處高度存在差異， 例如，一些小型轎車車標(biāo)通常位于車牌上方鄰近區(qū)域，而一些大型車輛車標(biāo)通常位于車牌 上方較高區(qū)域（如大卡車、中型貨車等）。通過對(duì)大量車標(biāo)位置的統(tǒng)計(jì)發(fā)現(xiàn)，車標(biāo)高度通常 不超過兩倍車牌寬度。因此，本申請(qǐng)實(shí)施例根據(jù)上述統(tǒng)計(jì)結(jié)果確定