The invention discloses a vehicle logo recognition method, sparse sampling intensity distribution and gradient distribution based on features include: selecting a region in the upper plate, as the logo recognition region of interest using random sampling method; sparse sampling of the sample images, and all of the sampling points randomly, divided into adjacent points of set and non adjacent points on the set of methods for two kinds of different points of different sets used for feature extraction, establish feature library; set a zoom window, in the measured region of interest within the scan on the current window position, the window size of the image feature extraction and comparison and feature library prepared, and ultimately determine the logo type. Compared with the prior art, the method of the invention will locate and identify the organic combination together, reducing the error of the intermediate process, improves the recognition rate for large noise, poor quality, low pixel images also have a higher recognition rate.
【技术实现步骤摘要】
基于稀疏取样灰度分布和梯度分布特征的车标识别方法
本专利技术涉及一种基于稀疏取样灰度分布和梯度分布特征的车标识别方法,属于图像处理
技术介绍
智能交通系统(IntelligentTransportSystem简称ITS),又叫做车辆道路系统,是一种广泛的、多功能的、及时的、高效率和精确的综合运输和治理的系统。车标作为车辆的品牌标志,人们对它的关注不亚于甚至超过车牌。现阶段车辆标志识别系统其过程主要分为定位和识别两个主要阶段,研究方法包括:定位部分,李侠等提出基于模板匹配和边缘检测的车标定位方法,刘玉松等提出基于梯度值投影的车标定位,郑德键等提出基于中轴线和先验知识的车标定位。识别部分,刘玉松等提出基于模板匹配的车标识别方法,郑德键等提出基于修正不变矩的车标识别方法,朱资淘提出基于SIFT算子的车标识别方法,陈舜杰、王建均提出基于特征值提取和支持向量机的车标识别。但是现在研究方法都是基于样本图像分辨率高、图像质量较好进行的,如果因为客观原因导致图像质量不理想,分辨率不高,就很难取得理想状态下的识别效果。事实也如此,交通摄像头在阴雨大雾等天气里,所形成的图像质量不高。因此,研究低分辨率低质量的车辆图像具有重要的现实意义。
技术实现思路
专利技术目的:针对现有技术中存在的问题,本专利技术目的在于提出一种基于稀疏采样的灰度分布和梯度分布特征的车标识别方法,针对成像效果不理想的图像进行定位识别,提高识别率。技术方案:为实现上述专利技术目的,本专利技术提供一种基于稀疏取样灰度分布和梯度分布特征的车标识别方法,包括如下步骤:在车牌上方选取一个区域,作为车标识别的感 ...
【技术保护点】
基于稀疏取样灰度分布和梯度分布特征的车标识别方法,其特征在于,包括如下步骤:在车牌上方选取一个区域,作为车标识别的感兴趣区域;采用随机均匀稀疏采样方法对样本图像进行采样,并将所有的采样点随机配对,划分成邻近点对集和非邻近点对集,对两类不同的点对集采用不同的方法进行特征提取,建立特征库,其中对于邻近点对集中的每个采样点提取八个角度范围的梯度幅值作为梯度分布特征,对于非邻近点对集中的每个采样点对计算其明暗关系及明暗关系的信任度作为灰度分布特征;在确定感兴趣区域并准备好样本特征库后,设定一可缩放的窗口,在待测的感兴趣区域内进行扫描,对当前窗口位置上,窗口大小的图像进行特征提取,并与准备好的特征库进行对比,最终确定车标类型。
【技术特征摘要】
1.基于稀疏取样灰度分布和梯度分布特征的车标识别方法,其特征在于,包括如下步骤:在车牌上方选取一个区域,作为车标识别的感兴趣区域;采用随机均匀稀疏采样方法对样本图像进行采样,并将所有的采样点随机配对,划分成邻近点对集和非邻近点对集,对两类不同的点对集采用不同的方法进行特征提取,建立特征库,其中对于邻近点对集中的每个采样点提取八个角度范围的梯度幅值作为梯度分布特征,对于非邻近点对集中的每个采样点对计算其明暗关系及明暗关系的信任度作为灰度分布特征;在确定感兴趣区域并准备好样本特征库后,设定一可缩放的窗口,在待测的感兴趣区域内进行扫描,对当前窗口位置上,窗口大小的图像进行特征提取,并与准备好的特征库进行对比,最终确定车标类型。2.根据权利要求1所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法,其特征在于,所述车标识别的感兴趣区域的位置为:xl=xplxr=xpryb=yptyt=ypt+a*height其中,xl,xr,yb,yt分别表示车标的左边界、右边界、下边界和上边界;xpl,xpr,ypt,height分别表示车牌的左边界、右边界、上边界以及车牌的高度;a为设定的车牌高度倍数。3.根据权利要求1所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法,其特征在于,对于采样点集中的随机配对的两个点p1点与p2点,分类方法为:对于随机选择的第一个点p1:若选择的第二个点p2满足:则p1点与p2点配成的点对分类到非邻近点对集,否则分类到邻近点对集;其中,P(p1)、P(p2)分别表示选择p1点和p2点的概率,(x1,y1)为第一个点p1的坐标,(x2,y2)为第二个点p2的坐标,n0表示采样点总数目,np为已配对采样点数,p(x,y)为已配对的采样点,σ为尺度参数。4.根据权利要求1所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法,其特征在于,所述对于邻近点对集中的每个采样点提取八个角度范围的梯度幅值中,八个角度范围为0°~45°、45°~90°、90°~135°、135°~180°、180°~225°、225°~270°、270°~315°、315°~360°八个角度范围;将一个样本图像上邻近点对集中的所有采样点的梯度幅值按照对应角度范围区间累加到一起,得到一个梯度幅值总和的集合作为该样本图像的随机梯度分布特征。5.根据权利要求1所述的基于稀疏取样灰度分布和梯度分布特征的车...
【专利技术属性】
技术研发人员:高尚兵,周斌斌,周君,王亮亮,张正伟,严云洋,王洪阳,朱松杰,张海艳,李木子,郝大景,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。