一种车标定位方法和装置制造方法及图纸

本发明专利技术公开了一种车标定位方法和装置，属于计算机图像处理领域，该方法包括：根据先验知识确定车标所在的大致区域，并提取轮廓图；对轮廓图进行自适应分割，得到最优连通区分割；筛选出分割所得区域中为车标的区域，提取出车标图像。本发明专利技术实施例的方法和装置，采用自适应的连通区分割来定位车标，能提高车标定位的准确率。此外，通过定义车标似然度来进一步精定位车标，能更有效提高车标的定位准确率。

【技术实现步骤摘要】
一种车标定位方法和装置
本专利技术涉及智能交通领域和计算机图像处理领域，尤其涉及一种车标定位方法和 装直。
技术介绍
近年来，随着汽车数量的不断增加、现代交通的不断发展，智能交通系统被广泛关注。作为智能交通系统的重要组成部分，车标识别成为一个热门的研究课题，具有很高的经济价值。车标定位是车标识别中最重要的一步，将直接影响车标识别的效果。车标定位是在包含车辆的图片上定位包含车标的小块区域。它的难点在于当车辆图片中有较多噪音和干扰，会造成:(I)散热片的垂直、水平、网格状边缘；(2)未被去除干净的散热片的边缘；(3)提取边缘时的误检边缘；(4)由于光照变化造成的假边缘。目前主要有两种思路来定位车标:1)基于车标和背景特征，例如基于图像的边缘、形状、模板匹配和纹理特征来定位车标；考虑到车标背景是散热片，去除散热片的固有模式后进行形态学操作，去除面积很·小的白点，最终得到连通度为固定值的车标区域；2)基于机器学习算法，例如用Adaboost来学习车标的位置。车标的定位大体分为车标粗定位，车标精定位两个步骤。连通区划分是车标精定位的重要步骤，对车标粗定位处理的结果通过划分连通区得到若干区域直接影响最终车标的定位结果。目前大部分算法直接用一个经验值定义连通度。设定的连通度太小时，划分得到的连通区域可能只包含车标的一部分；设定的连通度太大时，划分得到的连通区域可能会包含噪音和干扰，从而导致车标定位不准确。
技术实现思路
有鉴于此，本专利技术要解决的技术问题是提供一种车标定位方法和装置，以通过自适应连通区域划分进行图像分割来优化车标定位，提高车标定位的准确率。本专利技术解决上述技术问题所采用的技术方案如下:根据本专利技术的一个方面，提供的一种车标定位方法包括:车标粗定位步骤:根据先验知识确定车标所在的大致区域，并提取轮廓图；自适应分割步骤:对轮廓图进行自适应分割，得到最优连通区分割；车标区域筛选步骤:筛选出最优连通区分割所得区域中为车标的区域，提取出车标图像。优选地，车标粗定位步骤进一步包括:根据车牌位置确定车标所在的大致区域；对车标所在的大致区域提取轮廓图；去除轮廓图中散热片的轮廓。优选地，自适应分割步骤进一步包括:对轮廓图用不同的连通半径定义连通，得到不同的连通区；根据连通区数量与连通半径的关系，找出使连通区数量保持不变的连通半径的最长区间；采用最长区间内的连通半径的值划分连通区，得到最优连通区分割。优选地，车标区域筛选步骤进一步包括:根据噪音的先验知识，去除最优连通区分割所得区域中的噪音区域；根据似然度判别去除噪音区域后的每一个连通区是车标还是噪音，提取连通区为车标的区域，得到车标图像。优选地，根据对噪音的先验知识，去除最优连通区分割所得区域中的噪音区域进一步包括:针对每一个连通区的最小包络矩形，当矩形的面积小于第一预定的阈值、矩形的长宽比大于第二预定的阈值、或者连通区的前景点数目与矩形面积之比小于第三预定的阈值时，将矩形视为噪音区域去掉。优选地，根据似然度判别去除噪音区域后的每一个连通区是车标还是噪音进一步包括:根据车标的居中性和/或均匀性定义似然函数；计算每个连通区的车标似然度，确定似然度最大的连通区域为车标区域。根据本专利技术的另一个方面，提供的一种车标定位装置包括车标粗定位模块、自适应分割模块以及车标区域筛选模块，其中:车标粗定位模块:用于根据先验知识确定车标所在的大致区域，并提取轮廓图；自适应分割模块:用于对轮廓图进行自适应分割，得到最优连通区分割；车标区域筛选模块:用于筛选出最优连通区分割所得区域中为车标的区域，提取出车标图像。优选地，车标粗定位模块进一步包括区域确定单元、轮廓图提取单元以及轮廓图去噪单兀，其中:区域确定单元，用于根据车牌位置确定车标所在的大致区域；轮廓图提取单元，用于对车标所在的大致区域提取轮廓图；轮廓图去噪单元，用于去除轮廓图中散热片的轮廓。优选地，自适应分割模块进一步包括区域分割单元、连通半径确定单元以及最优分割单元，其中:区域分割单元，用于对轮廓图用不同的连通半径定义连通，得到不同的连通区；连通半径确定单元，用于根据连通区数量与连通半径的关系，找出使连通区数量保持不变的连通半径的最长区间；最优分割单元，用于采用最长区间内的连通半径的值划分连通区，得到最优连通区分割。优选地，车标区域筛选模块进一步包括区域去噪单元、区域判别单元以及车标提取单元，其中:区域去噪单元，用于根据噪音的先验知识，去除最优连通区分割所得区域中的噪音区域；区域判别单元，用于根据似然度判别去除噪音区域后的每一个连通区是车标还是噪音；车标提取单元，用于提取连通区为车标的区域，得到车标图像。本专利技术实施例提供的车标定位方法和装置，通过自适应连通区域划分进行图像分害I]，使得划分得到的连通区域内部的点距离尽可能的近，连通区域之间点距离尽可能远，提高了车标定位的准确率。此外，通过定义车标似然度来进一步精定位车标，更有效提高车标的定位准确率。【附图说明】图1为本专利技术实施例提供的一种车标定位方法的流程图。图2为本专利技术优选实施例提供的车标粗定位方法的流程图。图3为本专利技术优选实施例提供的自适应分割方法的流程图。图4为本专利技术优选实施例提供的车标区域筛选方法的流程图。图5为本专利技术优选实施例提供的一种车标定位方法的流程图。图6为本专利技术实施例提供的一种车标定位装置的结构示意图。图7为本专利技术优选实施例提供的车标粗定位模块的结构示意图。图8为本专利技术优选实施例提供的自适应分割模块的结构示意图。图9为本专利技术优选实施例提供的车标区域筛选模块的结构示意图。【具体实施方式】为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示为本专利技术实施例提供的一种车标定位方法的流程图，该方法包括以下步骤:S102、根据先验知识确定车标所在的大致区域，并提取轮廓图。请参阅图2，作为本步骤S102的一种优选方式，可进一步包括以下步骤:S1022、根据车牌位置确定车标所在的大致区域。具体来说，本步骤中对车辆图像根据车牌位置确定车标所在的大致区域。比如确定为:车牌正上方与车牌等宽，高度为5倍车牌高度的区域。S1024、对车标所在的大致区域提取轮廓图。具体来说,可以对车标所在的大致区域采用Prewitt算子、Roberts Cross算子、Canny算子、Sobel算子、罗盘算子、Marr-Hildreth算子、高斯_拉普拉斯算子等任何一种方式提取轮廓图。在本实施例中使用Canny算子检测边缘。S1026、去除轮廓图中散热片的轮廓。其中，散热片的轮廓包括但不限于直线纹理，在本实施例中可使用Hough变换的方法去除各个角度的直线纹理。[0061 ] S104、对轮廓图进行自适应分割，得到最优连通区分割。具体来说，本步骤采用不同的连通度来划分连通区，并自适应地选择一种连通度使得在当前分割下不同连通区的点距离最远，使得分割效果最好。即用不同的连通半径r对图片求连通区，记录连通区的数目N与连通半径r的变化关系，在N-r关系图上，找出使N保持不变的最长区间。以上述最长区间内的r值来分割连通区，得到若干连通区。S106、筛选出最优连通区分割本文档来自技高网...

【技术保护点】
一种车标定位方法，其特征在于，该方法包括：车标粗定位步骤：根据先验知识确定车标所在的大致区域，并提取轮廓图；自适应分割步骤：对所述轮廓图进行自适应分割，得到最优连通区分割；车标区域筛选步骤：筛选出所述最优连通区分割所得区域中为车标的区域，提取出车标图像。

【技术特征摘要】
1.一种车标定位方法,其特征在于,该方法包括: 车标粗定位步骤:根据先验知识确定车标所在的大致区域，并提取轮廓图； 自适应分割步骤:对所述轮廓图进行自适应分割，得到最优连通区分割； 车标区域筛选步骤:筛选出所述最优连通区分割所得区域中为车标的区域，提取出车标图像。2.根据权利要求1所述的车标定位方法，其特征在于，所述车标粗定位步骤进一步包括: 根据车牌位置确定车标所在的大致区域； 对所述车标所在的大致区域提取轮廓图； 去除所述轮廓图中散热片的轮廓。3.根据权利要求1所述的车标定位方法，其特征在于，所述自适应分割步骤进一步包括: 对所述轮廓图用不同的连通半径定义连通，得到不同的连通区； 根据连通区数量与连通半径的关系，找出使连通区数量保持不变的连通半径的最长区间； 采用所述最长区间内的连通半径的值划分连通区，得到最优连通区分割。4.根据权利要求1所述的车标定位方法，其特征在于，所述车标区域筛选步骤进一步包括: 根据噪音的先验知识，去除所述最优连通区分割所得区域中的噪音区域； 根据似然度判别所述去除噪音区域后的每一个连通区是车标还是噪音，提取连通区为车标的区域，得到车标图像。5.根据权利要求4所述的车标定位方法，其特征在于，所述根据对噪音的先验知识，去除所述最优连通区分割所得区域中的噪音区域进一步包括: 针对每一个连通区的最小包络矩形，当矩形的面积小于第一预定的阈值、矩形的长宽比大于第二预定的阈值、或者连通区的前景点数目与矩形面积之比小于第三预定的阈值时，将所述矩形视为噪音区域去掉。6.根据权利要求4所述的车标定位方法，其特征在于，...

【专利技术属性】
技术研发人员：田永鸿，彭佩玺，王耀威，黄铁军，
申请(专利权)人：中安消技术有限公司，北京大学，
类型：发明
国别省市：