基于图像的车辆品牌识别方法和系统技术方案

本发明专利技术提供了一种基于图像的车辆品牌识别方法和系统。该方法和系统能够基于在图像中进行多维位置检测来快速识别车辆品牌，且检测率高同时误报较少。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种基于图像的车辆品牌识别方法和系统。该方法和系统能够基于在图像中进行多维位置检测来快速识别车辆品牌，且检测率高同时误报较少。【专利说明】基于图像的车辆品牌识别方法和系统
本专利技术涉及车辆识别，尤其涉及车辆品牌识别。
技术介绍
在城市的智能交通系统中，车辆品牌识别是一个重要的组成部分。它可以自动识别车辆的品牌信息，例如某辆车是大众、福特还是解放等。车辆品牌识别在交通管理系统、公安系统和商业系统都有广泛的应用。在交通管理系统中，可根据路网中不同类型车辆的分布和密集度，进行不同的信号灯调节、交警警力配置等等；在公安系统中，最直接的应用是套牌车辆的检测。如果某辆车识别出来的品牌和其车牌在公安系统的记录不一致时，该车辆就有可能是套牌车；在商业系统中，当了解某个区域的车辆品牌分布情况，广告主的广告投放会更有针对性，效果更明显。车辆品牌识别在现有文献中没有成熟有效的方法。类似工作主要是车标识别和车型识别:车标识别通过对交通视频或交通图像中车体上的车标进行分类得到车辆品牌信息。该方法存在两个问题:1)它要求视频或图像的清晰度高，车标清晰可见，但现阶段的交通视频/图像质量满足不了要求；2)车标分类的前提是车标检测，即检测车标在图像中的位置。目前车标检测技术还不成熟，检测率低同时误报较多，所以车标识别还无法在现实中得到应用。此处，误报是指误认为车标的非车标位置。车型识别区分了车辆的种类型号，例如小轿车，小货车、客车和货车等。从功能上看，车型识别是品牌识别的子问题。在车型识别技术的主要方法中，感应线圈测量得到最广泛的应用。感应线圈测量是利用电磁感应原理:当一辆车通过时，线圈的电感发生变化，同时产生一定的波形。通过对波形的分类来得到车型信息。基于感应线圈的方法虽然有成本低廉的好处，但其问题也很明显:1)安装不方便，需要破坏路面；2)波形噪声大，识别率低；3)维护成本高。因此，需要一种能够基于在图像中进行多维位置检测来快速识别车辆品牌，且检测率高同时误报较少的方法和系统。
技术实现思路
本专利技术提供了一种基于图像的车辆品牌识别方法，该方法包括:检测车牌在输入图像中的位置；校正所检测到的车牌位置；根据经校正的车牌位置计算多个车辆部件位置；从该多个车辆部件位置的每一个抽取特征向量；以及对所抽取的特征向量进行分类并输出车辆的品牌信息。在本专利技术的基于图像的车辆品牌识别方法的一个实施例中，车辆部件位置是利用车辆部件位置和车牌位置的关系来计算的。在本专利技术的基于图像的车辆品牌识别方法的一个实施例中，该多个车辆部件位置是从该车辆的大灯、雾灯、通气栅、后视镜、雨刷、车标、保险杠等中选择的位置。在本专利技术的基于图像的车辆品牌识别方法的一个实施例中，该特征向量包括外形特征和形状特征。在本专利技术的基于图像的车辆品牌识别方法的一个实施例中，该对所抽取的特征向量进行分类的步骤包括:判断该形状特征是否与所存储的标准形状特征相匹配；如果匹配，则基于该外形特征计算该车辆相对于每一品牌的置信度；将该置信度最高的品牌确定为该车辆的品牌。在本专利技术的基于图像的车辆品牌识别方法的一个实施例中，该输入图像可以是车辆车头的图像，或者是车辆车尾的图像。本专利技术提供了一种基于图像的车辆品牌识别系统，该系统包括:车牌检测模块，用于检测车牌在输入图像中的位置；车牌校正模块，用于校正所检测到的车牌位置；车辆部件位置获取模块，用于根据经校正的车牌位置计算多个车辆部件位置；特征抽取模块，用于从该多个车辆部件位置的每一个抽取特征向量；以及品牌分类模块，用于对所抽取的特征向量进行分类并输出车辆的品牌信息。在本专利技术的基于图像的车辆品牌识别系统的一个实施例中，该多个车辆部件位置是从该车辆的大灯、雾灯、通气栅、后视镜、雨刷、车标、保险杠等中选择的位置。在本专利技术的基于图像的车辆品牌识别系统的一个实施例中，该特征向量包括外形特征和形状特征。在本专利技术的基于图像的车辆品牌识别系统的一个实施例中，该品牌分类模块进一步用于:判断该形状特征是否与所存储的标准形状特征相匹配；如果匹配，则基于该外形特征计算该车辆相对于每一品牌的置信度；将该置信度最高的品牌确定为该车辆的品牌。在本专利技术的基于图像的车辆品牌识别系统的一个实施例中，该输入图像可以是车辆车头的图像，或者是车辆车尾的图像。由此，本专利技术提供了一套成熟有效的车牌品牌识别方案。它既可以处理普清和高清的视频和图像，又可以处理复杂场景下的交通视频和图像。该方案对视频和图像中车辆的行驶方向没有要求，即可处理车辆前部，也可处理车辆尾部。其实现成本低、可靠性高，通过普通计算机、摄像机就可实现，而且识别速度快，在视频分析中使用普通计算机就可以达到实时识别。【专利附图】【附图说明】图1示出根据本专利技术实施例的基于图像的车辆品牌识别方法的流程图概览；图2示出车牌检测示意图。图3示出车牌对齐模型示意图。图4示出车牌匹配示意图。图5示出车辆部件位置抽取示意图。图6示出品牌分类示意图。图7示出针对车辆车头的匹配分类结果图。图8示出针对车辆车尾的匹配分类结果图。图9示出根据本专利技术实施例的基于图像的车辆品牌识别系统的框图。【具体实施方式】在本专利技术中，车辆品牌识别是基于图像进行的。其输入是单张图像或视频的某帧。图1示出了根据本专利技术实施例的基于图像的车辆品牌识别方法的流程图概览。本专利技术的基于图像的车辆品牌识别方法包括以下步骤:(a)车牌检测:在步骤101，检测车牌在输入图像中的位置。在该步骤中，对输入图像做车牌检测，其输出是车牌在图像中的位置。在一个实施例中，位置包括了车牌在图像内的坐标、车牌高度和车牌宽度。一幅图像可以输出多个车牌位置。如图2的车牌检测示意图所示，该幅图像输出了 3个车牌位置，分别由矩形框代表车牌位置。车辆检测得到的车牌位置的精度不够精确同时也不稳定，会出现偏大/偏小/左右平移等现象。目前车牌检测存在各种方案，各有其优缺点。在本实施例中，该步骤采用了AdaBoost+Haar Feature的方案。其优点在于:适用范围广(可处理各种复杂场景)，性能高，同时速度满足需求。(b)车牌位置校正:在步骤102，校正所检测到的车牌位置。在该步骤中，对车牌检测得到的车牌位置做校正。其输出是车牌在图像中的精确位置。车牌位置校正步骤可在车牌检测的基础上进行校正，得到车牌精确位置。精确位置是车牌品牌识别性能的保证。在本实施例中，该步骤采用了二值化的算法，将车牌字符从车牌背景分割出来，从而得到车牌的精确位置。该二值化算法优点在于:速度快，适用范围广。在现有技术中，二维的车牌识别与定位方法是公知的。而在本专利技术中，需要基于图像，对车辆品牌进行快速识别。此时，仅仅进行二维的识别与定位是不够的；需要的是进行多维的识别与定位。因此，在本专利技术的一个实施例中，采用了模型匹配的方式进行车辆的车牌位置校正。以车头为例，车头的模型由N个车辆部件模块构成，每一车辆部件模块表示为(xi, yi, fi),其中(xi，yi)表示车辆部件模块的位置，fi是该车辆部件模块的特征向量。SIFT描述子由于其快速和描述能力强等特性，被用做特征向量。模型的示例见图3。在图3中，左侧每个圆圈表示车体上的一个车辆部件模块，右侧是单个车辆部件模块的SIFT示意图。在此，使用的是层次匹配的方法，由此在图本文档来自技高网...

【技术保护点】
一种基于图像的车辆品牌识别方法，所述方法包括：检测车牌在输入图像中的位置；校正所检测到的车牌位置；根据经校正的车牌位置计算多个车辆部件位置；从所述多个车辆部件位置的每一个抽取特征向量；以及对所抽取的特征向量进行分类并输出车辆的品牌信息。

【技术特征摘要】

【专利技术属性】
技术研发人员：朱珑，林晨曦，陈远浩，戎术，周元剑，
申请(专利权)人：上海依图网络科技有限公司，
类型：发明
国别省市：