一种雾霾天气下的车标检测方法技术

本发明专利技术公开了一种雾霾天气下的车标检测方法，包括：利用暗通道去雾算法处理包含车辆的待检测图像，并对图像进行细节增强处理；利用深度学习检测算法检测去雾后的图像中的待检测车辆；利用经过训练的卷积神经网络识别待检测车辆的类型；结合待检测车辆的类型，获取待检测车辆的前脸组件位置关系；在HSV模型中利用阈值分割检测待检测车辆的车牌位置；在车牌左右两侧利用训练好的级联分类器检测两侧车灯；结合两侧车灯的位置以及车辆前脸组件的位置关系定位车标。本发明专利技术有效提高了暗通道去雾算法的实时性，更好地了恢复图像的细节，并且在车标检测中参考了与车型对应的组件位置关系，提高了不同车型车标检测的成功率，对于新车型也有很好的接纳能力。

【技术实现步骤摘要】
一种雾霾天气下的车标检测方法
本专利技术属于道路车辆管理领域，特别涉及一种雾霾天气下的车标检测方法。
技术介绍
目前国内的汽车数量已超过2.6亿辆，并且仍在逐年增长，给道路交通管理带来了巨大的压力。车辆的车标包含有重要的车辆品牌信息，市面上超过有300中不同的车标类型，并且车标体积小，传统的图像识别技术很难准确检测识别各类型车标。此外，近些年恶劣雾霾天气不断涌现，道路交通环境的能见度明显降低，使得检测车标工作变得愈加困难。因此对雾霾天气下的车标检测技术进行研究具有重要的实用意义。关于图像去雾的算法主要以下三种：基于深度学习的去雾算法，这种算法需要大量的图片作为训练集去训练，这导致了同样一张图片需要有有雾和无雾两种状态，这样的数据集难以构造。此外训练好的模型在实际应用中能否有效使用依然存疑。基于图像增强算法，该算法不是基于大气散射原理等物理性模型，而是非物理性的。通过只针对图像自身，将图像去雾的问题转化为对对比度的提升，并不关心导致图像退化和复原的本质，虽然图像在增强过后通过视觉观察会有更高的对比度，但是处理后的图像存在信本文档来自技高网...

【技术保护点】
1.一种雾霾天气下的车标检测方法，其特征在于，所述方法包括以下步骤：/n步骤1，利用暗通道去雾算法处理包含车辆的待检测图像，并对图像进行细节增强处理；/n步骤2，利用深度学习检测算法检测去雾后的图像中的待检测车辆；/n步骤3，利用经过训练的卷积神经网络识别待检测车辆的类型；/n步骤4，构建车辆前脸组件位置关系数据库，该库中包括若干车辆类型及每类车辆的前脸组件位置关系，结合待检测车辆的类型，获取待检测车辆的前脸组件位置关系；/n步骤5，在HSV模型中利用阈值分割检测待检测车辆的车牌位置；/n步骤6，在车牌左右两侧利用训练好的级联分类器检测两侧车灯；/n步骤7，结合两侧车灯的位置以及步骤4获得的车...

【技术特征摘要】
1.一种雾霾天气下的车标检测方法，其特征在于，所述方法包括以下步骤：
步骤1，利用暗通道去雾算法处理包含车辆的待检测图像，并对图像进行细节增强处理；
步骤2，利用深度学习检测算法检测去雾后的图像中的待检测车辆；
步骤3，利用经过训练的卷积神经网络识别待检测车辆的类型；
步骤4，构建车辆前脸组件位置关系数据库，该库中包括若干车辆类型及每类车辆的前脸组件位置关系，结合待检测车辆的类型，获取待检测车辆的前脸组件位置关系；
步骤5，在HSV模型中利用阈值分割检测待检测车辆的车牌位置；
步骤6，在车牌左右两侧利用训练好的级联分类器检测两侧车灯；
步骤7，结合两侧车灯的位置以及步骤4获得的车辆前脸组件的位置关系定位车标。


2.根据权利要求1所述的雾霾天气下的车标检测方法，其特征在于，步骤1中所述细节增强处理具体为：对去雾后的图像进行导向滤波和gamma校正处理。


3.根据权利要求1所述的雾霾天气下的车标检测方法，其特征在于，步骤2中所述深度学习检测算法，具体采用Faster-RCNN检测算法。


4.根据权利要求1所述的雾霾天气下的车标检测方法，其特征在于，步骤3中所述卷积神经网络的训练集的构建过程为：
采集若干张包含不同类型车辆的图像，构建车辆类型数据集；
针对车辆类型数据集中的每幅图像，提取其中的车辆目标，形成新的车辆类型数据集；
针对车辆类型数据集中尺寸规格为矩形的图像，对图像的短边进行填充，将其尺寸规格变为正方形；
对车辆类型数据集中的所有图像进行缩放，统一尺寸，形成训练集；该尺寸符合卷积神经网络的输入图像尺寸要求。


5.根据权利要求1所述的雾霾天气下的车标检测方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：张恒，张伟斌，邹顺宇，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32