CN104504398B - 车标识别方法及车标识别装置 - Google Patents
车标识别方法及车标识别装置 Download PDFInfo
- Publication number
- CN104504398B CN104504398B CN201410856629.6A CN201410856629A CN104504398B CN 104504398 B CN104504398 B CN 104504398B CN 201410856629 A CN201410856629 A CN 201410856629A CN 104504398 B CN104504398 B CN 104504398B
- Authority
- CN
- China
- Prior art keywords
- logo
- vehicle
- image
- model
- variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开一种车标识别方法,在视频流中先后获取某一车辆的多帧车辆图像,每获取到一帧车辆图像后,在车辆图像中搜索车标图像,之后利用预存的n组车标模型中的一组对该车标图像进行识别,当获取到的该车辆的车标图像达到预设次数之后,预存的n组车标模型均至少参与一次车标识别操作,之后在多次车标识别获得的置信度中确定最大置信度对应的车标模型,输出该车标模型的名称。基于本发明公开的车标识别方法,能够提高车标的识别率和实时性。本发明还公开了相应的车标识别装置。
Description
技术领域
本发明属于车辆识别技术领域,尤其涉及车标识别方法及车标识别装置。
背景技术
车牌识别已经被广泛应用在停车场的出入口,对进出场的车辆进行管理。目前出现了车标识别技术,车标识别是车辆识别技术新的研究方向,可以作为车牌识别的一种补充。
目前主要的车标识别主要采用以下方式:采集一帧车辆图像,对该帧车辆图像进行车牌识别,之后在车牌识别的基础上确定车标位置,利用预存的车标模型对该车标进行识别,以确定当前车辆的车标。
但是,现在的车标识别方式存在识别率低和实时性差的问题。
发明内容
有鉴于此,本发明的目的在于提供一种车标识别方法及车标识别装置,以提高车标识别的识别率和实时性。
为实现上述目的,本发明提供如下技术方案:
本发明公开一种车标识别方法,包括:
在视频流中获取车辆图像,对所述车辆图像进行车牌识别;
在所述车辆图像包含有效车牌图像的情况下,根据所述有效车牌图像确定当前车辆是否为未进行车标识别的新车辆;
在当前车辆为未进行车标识别的新车辆的情况下,清空预设存储空间,将第一变量置为0,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1;
在当前车辆为正在进行车标识别的车辆的情况下,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1;
利用当前的第一变量,在预存的n组车标模型中选择其中的第i组车标模型,其中,i为当前的第一变量整除n得到的余数;
利用所述第i组车标模型对搜索到的车标图像进行识别,获得多个置信度,将所述多个置信度依次存储于所述预设存储空间中;
判断所述第一变量是否达到预设数值,该预设数值为K*n,其中K为不小于1的整数;
在所述第一变量达到预设数值的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称,在所述第一变量未达到所述预设数值的情况下,执行在视频流中获取车辆图像的步骤以及后续步骤。
优选的,在对所述车辆图像进行车牌识别之后,还包括:
在所述车辆图像未包含有效车牌图像的情况下,当接收到地感触发信号时,在视频流中获取车辆图像,利用预存的车标混合模型在当前获取的车辆图像进行全图搜索,以获得车标图像,之后利用预存的n组车标模型对当前获得的车标图像进行识别,输出最大置信度对应的车标模型的名称;
其中,所述车标混合模型用于确定某一图像是否为车标图像。
优选的,在所述第一变量未达到所述预设数值的情况下,当接收到地感触发信号时,还包括:
判断所述第一变量是否达到n;
若所述第一变量达到n,则确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称;
若所述第一变量未达到n,则确定所述n组车标模型中未参与当前车辆的车标识别的剩余车标模型,利用所述剩余车标模型对当前的车标图像进行识别,将获得的置信度存储于所述预设存储空间,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出所述车标模型的名称。
优选的,在所述车辆图像中确定车标搜索区域,包括:基于车辆图像中的车牌区域确定车标搜索区域,其中,所述车标搜索区域包含所述车牌区域且大于所述车牌区域。
优选的,在所述车标搜索区域搜索车标图像,包括:利用预存的车标混合模型在所述车标搜索区域进行搜索,以获得车标图像。
本发明还公开一种车标识别装置,包括:
图像处理单元,用于在视频流中获取车辆图像,对所述车辆图像进行车牌识别;
第一判断单元,用于在所述车辆图像包含有效车牌图像的情况下,根据所述有效车牌图像确定当前车辆是否为未进行车标识别的新车辆;
第一处理单元,用于在当前车辆为未进行车标识别的新车辆的情况下,清空预设存储空间,将第一变量置为0,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1;
第二处理单元,用于在当前车辆为正在进行车标识别的车辆的情况下,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1;
车标模型选择单元,用于利用当前的第一变量,在预存的n组车标模型中选择其中的第i组车标模型,其中,i为当前的第一变量整除n得到的余数;
第一识别单元,用于利用所述第i组车标模型对搜索到的车标图像进行识别,获得多个置信度,将所述多个置信度依次存储于所述预设存储空间中;
第二判断单元,用于判断所述第一变量是否达到预设数值,该预设数值为K*n,其中K为不小于1的整数;
第三处理单元,用于在所述第一变量达到预设数值的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称,在所述第一变量未达到所述预设数值的情况下,触发所述图像处理单元执行在视频流中获取车辆图像,对所述车辆图像进行车牌识别的操作。
优选的,上述车标识别装置还包括:
车标图像搜索单元,用于在所述车辆图像未包含有效车牌图像的情况下,当接收到地感触发信号时,在视频流中获取车辆图像,利用预存的车标混合模型在当前获取的车辆图像进行全图搜索,以获得车标图像;
第二识别单元,用于利用预存的n组车标模型对当前获得的车标图像进行识别,输出最大置信度对应的车标模型的名称;
其中,所述车标混合模型用于确定某一图像是否为车标图像。
优选的,上述车标识别装置还包括:
第三判断单元,用于在所述第一变量未达到所述预设数值的情况下,当接收到地感触发信号时,判断所述第一变量是否达到n;
第四处理单元,用于在所述第一变量达到n的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称;
第五处理单元,用于在所述第一变量未达到n的情况下,确定所述n组车标模型中未参与当前车辆的车标识别的剩余车标模型,利用所述剩余车标模型对当前的车标图像进行识别,将获得的置信度存储于所述预设存储空间,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出所述车标模型的名称。
优选的,上述车标识别装置中,所述第二处理单元在所述车辆图像中确定车标搜索区域,具体为:所述第二处理单元基于车辆图像中的车牌区域确定车标搜索区域,其中,所述车标搜索区域包含所述车牌区域且大于所述车牌区域。
优选的,上述车标识别装置中,所述第二处理单元在所述车标搜索区域搜索车标图像,具体为:所述第二处理单元利用预存的车标混合模型在所述车标搜索区域进行搜索,以获得车标图像。
由此可见,本发明的有益效果为:本发明公开的车标识别方法,在视频流中先后获取某一车辆的多帧车辆图像,每获取到一帧车辆图像后,在车辆图像中搜索车标图像,之后利用预存的n组车标模型中的一组对该车标图像进行识别,当获取到的该车辆的车标图像达到预设次数之后,预存的n组车标模型均至少参与一次车标识别操作,之后在多次车标识别获得的置信度中确定最大置信度对应的车标模型,输出该车标模型的名称。基于本发明公开的车标识别方法,在针对一辆机动车的车标识别过程中,要先后获取该机动车的多帧车辆图像,相对于现有的单帧识别方式,能够提高获取到清晰车标图像的概率,从而能够提高车标的识别率;另外,对于在一帧车辆图像中获取到的车标图像,仅利用n组车标模型中的一组进行车标识别,而不是利用全部车标模型对一帧车标图像进行识别,减少了针对一帧车标图像执行的车标识别次数,从而提高了针对一帧车标图像的识别速度,进而提高了车标识别的实时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明公开的一种车标识别方法的流程图;
图2为本发明公开的另一种车标识别方法的流程图;
图3为本发明公开的一种车标识别装置的结构示意图;
图4为本发明公开的另一种车标识别装置的结构示意图;
图5为本发明公开的另一种车标识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开一种车标识别方法,用以提高车标识别的识别率和实时性。本发明公开的车标识别方法的最优应用场景为,对进出停车场的车辆进行车标识别。
参见图1,图1为本发明公开的一种车标识别方法的流程图。该车标识别方法包括:
步骤S11:在视频流中获取车辆图像,对车辆图像进行车牌识别。
拍摄装置(如摄像头)实时对车辆进行拍摄,输出视频流数据。在拍摄装置产生的视频流中,获取其中一帧图像,由于该图像包含车辆的图像,因此将其称为车辆图像,之后对该车辆图像进行车牌识别,以确定该车辆图像中是否包含有效车牌图像。需要说明的是,当车辆无车牌、车牌被严重污损,或者车牌发生严重变形时,无法获取到有效车牌图像。
步骤S12:在车辆图像包含有效车牌图像的情况下,根据有效车牌图像确定当前车辆是否为未进行车标识别的新车辆,在当前车辆为未进行车标识别的新车辆的情况下,执行步骤S13,在当前车辆为正在进行车标识别的车辆的情况下,执行步骤S14。
当确定车辆图像包含有效车牌图像时,利用获取到的有效车牌图像确定当前车辆是否是未进行车标识别的新车辆。例如,在第一辆机动车驶离之后,第二辆机动车进入拍摄装置的拍摄范围内,则该第二辆机动车即为未进行车标识别的新车辆,在开始对第二辆机动车进行车标识别之后,在该第二辆机动车驶离之前,该第二辆机动车即为正在进行车标识别的车辆。
步骤S13:清空预设存储空间,将第一变量置为0,执行步骤S14。
在确定当前车辆为未进行车标识别的新车辆的情况下,需要清空预设存储空间,该预设存储空间用于存储利用车标模型对车标图像进行识别后得到的置信度。同时,要将第一变量置为0,该第一变量用于记录获取到的某一机动车的车标图像的数量。之后执行步骤S14。
在确定当前车辆为正在进行车标识别的车辆的情况下,直接执行步骤S14。
步骤S14:在车辆图像中确定车标搜索区域,当在车标搜索区域搜索到车标图像时,将第一变量加1。
在当前获取到的车辆图像中确定车标搜索区域,该车标搜索区域是车辆图像中可能存在车标的区域。之后,在该车标搜索区域进行车标搜索,如果搜索到了车标图像,则将第一变量加1。
步骤S15:利用当前的第一变量,在预存的n组车标模型中选择其中的第i组车标模型。其中,i为当前的第一变量整除n得到的余数。
在本发明公开的车标识别装置中预存有n组车标模型,其中,每组车标模型包括多个车标模型。在获取一帧车辆图像后,如果在该帧车辆图像中获取到车标图像,则仅利用一组车标模型对该车标图像进行识别。
实施中,将第一变量的取值作为在n组车标模型中选取其中一组车标模型的依据。具体的,将该第一变量除以n,得到余数i,在n组车标模型中选取排序处于第i位的车标模型组。例如:在第一变量为1的情况下,则选取n组车标模型中的第1组车标模型,在第一变量为2的情况下,则选取n组车标模型中的第2组车标模型,以此类推,如果第一变量为n的整数倍,则选取n组车标模型中的第n组。
假如车标识别装置中预存有5组车标模型,当第一变量为1时,选取5组车标模型中的第一组车标模型;当第一变量为2时,选取5组车标模型中的第二组车标模型;当第一变量为3时,选取5组车标模型中的第三组车标模型;当第一变量为4时,选取5组车标模型中的第四组车标模型;当第一变量为5时,选取5组车标模型中的第五组车标模型;当第一变量为6时,选取5组车标模型中的第1组车标模型;后续以此类推。
步骤S16:利用第i组车标模型对搜索到的车标图像进行识别,获得多个置信度,将多个置信度依次存储于预设存储空间中。
当在预存的n组车标模型中选取第i组车标模型之后,利用第i组车标模型中的多个车标模型,分别对车标图像进行识别,获得多个置信度,其中置信度表征了车标模型与车标图像之间的匹配度,某一车标模型的置信度越高,表明车标图像与该车标模型的匹配度越高。之后,将获得的多个置信度依次存储于预设存储空间中。
步骤S17:判断第一变量是否达到预设数值,该预设数值为K*n,其中K为不小于1的整数。若第一变量达到该预设数值,则执行步骤S18,若第一变量未达到该预设数值,执行步骤S11及后续步骤。
步骤S18:在第一变量达到预设数值的情况下,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出该车标模型的名称。
车标识别装置中预存有n组车标模型,针对每次获取到的车标图像要利用一组车标模型进行识别,当第一变量达到了n之后,车标识别装置中预存的n组车标模型都参与了当前车辆的车标识别操作。因此,在执行步骤S16之后,通过判断第一变量是否达到预设数值,就可以确定是否可以输出车标识别结果。当第一变量达到预设数值的情况下,对预设存储空间中存储的K*n个置信度进行排序,确定最大的置信度,该最大置信度所对应的车标模型即为当前车辆的车标。
作为优选方案,该预设数值可以为2n。也就是说,针对一辆机动车,先后获取该机动车的2n个车标图像,车标识别装置中预存的n组车标模型均参与两次车标识别操作,得到2n个置信度。
本发明公开的车标识别方法,在视频流中先后获取某一车辆的多帧车辆图像,每获取到一帧车辆图像后,在车辆图像中搜索车标图像,之后利用预存的n组车标模型中的一组对该车标图像进行识别,当获取到的该车辆的车标图像达到预设次数之后,预存的n组车标模型均至少参与一次车标识别操作,之后在多次车标识别获得的置信度中确定最大置信度对应的车标模型,输出该车标模型的名称。基于本发明公开的车标识别方法,在针对一辆机动车的车标识别过程中,要先后获取该机动车的多帧车辆图像,相对于现有的单帧识别方式,能够提高获取到清晰车标图像的概率,从而能够提高车标的识别率;另外,对于在一帧车辆图像中获取到的车标图像,仅利用n组车标模型中的一组进行车标识别,而不是利用全部车标模型对一帧车标图像进行识别,减少了针对一帧车标图像执行的车标识别次数,从而提高了针对一帧车标图像的识别速度,进而提高了车标识别的实时性。
实施中,可以将车标识别装置的存储介质中的较大空间作为预设存储空间,该预设存储空间足以存储K*n个置信度。将针对一辆机动车进行车标识别过程中产生的置信度依次存储于该预设存储空间。在第一变量达到预设次数之后,对该预设存储空间中存储的全部置信度进行排序,从而确定最大置信度,之后输出该最大置信度对应的车标。
例如:将存储介质中地址为0000(十进制)~1000(十进制)的空间作为存储置信度的预设存储空间。由于n组车标模型之间具有固定的排列顺序,同一组中的车标模型也具有固定的排列顺序,并且在n组车标模型中选取其中一组车标模型也是固定方式,因此该预设存储空间中任意地址存储的置信度对应的车标模型也是固定的。在确定最大置信度之后,就可以确定该最大置信度对应的车标模型。
作为一种优选方案,该预设存储空间可以为一个队列,该队列足以存储利用一组车标模型对车标图像进行识别所产生的置信度。队列具有“先入先出”的特性。在每次执行完步骤S16后,将多个置信度依次存储于该队列中,确定队列当前存储的全部置信度中的最大置信度,如果该最大置信度大于第二变量(第二变量的初始值为0),则利用该最大置信度更新第二变量,并记录当前第二变量所对应的车标模型。在第一变量达到预设数值之后,只需要比较队列当前存储的置信度和第二变量,就可以确定最大置信度,之后输出该最大置信度对应的车标模型的名称。由于车标识别设备通常是嵌入式设备,当采用上述方式时,可以减小存储空间的占用。
这里以一个实例说明:例如车标识别装置预存有5组车标模型,则当获取的车标图像达到5帧之后,全部车标模型都参与了一次车标识别,此时,使用对第1帧到第5帧车标图像进行识别所产生的置信度进行一次“投票”,即选取最大置信度,存储该最大置信度。然后对第6帧车标图像进行识别后,使用对第2帧到第6帧车标图像进行识别所产生的置信度进行一次“投票”,如果此次“投票”确定的最大置信度比之前保存的最大置信度高,则进行更新操作。当对第7帧车标图像进行识别后,使用对第3帧到第7帧车标图像进行识别所产生的置信度进行一次“投票”,如果此次“投票”确定的最大置信度比之前保存的最大置信度高,则进行更新操作。以此类推,直到满足输出条件。
实施中,如果车辆未安装车牌、车牌污损比较严重或者车牌发生比较严重变形,导致车牌无法被识别时,无法利用本发明图1所示的车标识别方法完成车标识别。为了解决这一问题,本发明在图1所示的车标识别方法的基础上进行改进,具体的,在执行步骤S11对车辆图像进行车牌识别之后,在车辆图像未包含有效车牌图像的情况下,还包括以下步骤:
当接收到地感触发信号时,在视频流中获取车辆图像;利用预存的车标混合模型在当前获取的车辆图像进行全图搜索,以获得车标图像;利用预存的n组车标模型对当前获得的车标图像进行识别,输出最大置信度对应的车标。
其中,车标混合模型用于确定某一图像是否为车标图像。利用车标混合模型进行搜索的目的是:确定车标在车辆图像中的大致位置。实施中,可以采用下述方式训练车标混合模型:
1、获取N个车标图像样本集合和M个非车标图像样本。
2、之后将N个车标图像样本集合作为车标混合模型的正样本,将M个非车标图像样本作为车标混合模型的负样本。
3、提取车标混合模型的正样本的HOG特征,提取车标混合模型的负样本的HOG特征。
4、将正样本的HOG特征和负样本的HOG特征作为SVM的输入进行训练,获得车标混合模型。
其中,HOG(Histogram of oriented gradients,梯度方向直方图)刻画图像的局部梯度幅值和方向特征。SVM(Support Vector Machine,支持向量机)是一种快速的模式识别方法。
这里需要说明的是,地感被埋设在地下,当有车辆经过时,地感输出地感触发信号,当接收到地感触发信号时,车辆与拍摄装置之间的距离较近,拍摄装置当前输出的视频流中车辆的车标也是比较清楚的。
在视频流中获取车辆图像后,如果该车辆图像中的车牌无法识别,则等待地感触发信号。当接收到地感触发信号时,在视频流中获取车辆图像,该车辆图像包含较为清楚的车标图像。之后,利用预存的车标混合模型在当前获取到的车辆图像中进行全图搜索,以获得车辆的车标图像,之后利用预存的n组车标模型对当前获取到的车标图像进行识别,在获得的置信度中确定最大置信度,之后输出最大置信度对应的车标模型的名称。
另外,在车辆图像中的车牌无法识别的情况下,利用上述方法进行车标识别的过程中,可以暂停车牌识别过程,当车标识别完成之后,再继续进行车牌识别。
基于上述改进,当车辆未安装车牌、车牌严重污损或者车牌严重变形,导致车辆的车牌无法识别的情况下,仍然可以完成对车辆车标的识别。并且,由于车标识别所使用的车辆图像是在车辆经过地感之后获取的,因此车辆图像包含较为清楚的车标图像,从而保证车标识别具有较高准确度。
另外,如果车辆的行驶速度较快,那么可能在第一变量达到预设次数之前,车辆已经行驶至地感,在这种情况下,可以设置以下步骤:
判断第一变量是否达到n;
若第一变量达到n,则确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出该车标模型的名称;
若第一变量未达到n,确定n组车标模型中未参与当前车辆的车标识别的剩余车标模型,利用剩余车标模型对当前的车标图像进行识别,将获得的置信度存储于预设存储空间,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出该车标模型的名称。
在接收到地感触发信号,但是第一变量未达到预设数量的情况下,如果第一变量达到n,表明车标识别装置预存的n组车标模型都已经参与一次识别操作,此时,可以输出当前车辆的置信度中最大置信度对应的车标模型的名称。
在接收到地感触发信号,但是第一变量未达到预设数量的情况下,如果第一变量也未达到n,表明车标识别装置预存的n组车标模型中仍有部分车标模型未参与识别操作,此时将剩余的未参与识别操作的车标模型对当前的车标图像进行识别,并将获得的置信度存储于预设存储空间,之后输出对当前车辆进行车标识别产生的执行度中最大置信度对应的车标模型的名称。
实施中,本发明上述公开的车标识别方法中,在车辆图像中确定车标搜索区域,可以采用如下方式:基于车辆图像中的车牌区域确定车标搜索区域,其中,车标搜索区域包含该车牌区域且大于车牌区域。
在车牌识别过程中,能够确定车辆图像中的车牌区域,由于车标通常位于车牌的上方,因此,在车牌被识别的情况下,可以根据车辆图像中的车牌区域确定车标搜索区域,该车标搜索区域包含了车牌区域,并且面积大于车牌区域。
这里以一个实例进行说明:在车牌被识别的情况下,在车牌区域的基础上,向车牌区域的左侧和右侧分别扩大车牌长度的10%,向车牌区域的上侧扩大车牌宽度的8倍,该区域作为车标搜索区域。
另外,实施中,本发明上述公开的车标识别方法中,在车标搜索区域搜索车标图像,可以采用如下方式:利用预存的车标混合模型在车标搜索区域进行搜索,以获得车标图像;其中,车标混合模型用于确定某一图像是否为车标图像。通过上述方式,可以在车标搜索区域快速确定车标位置,从而确定车标图像。
下面结合图2对本发明公开的车标识别方法进行更加详细的说明。该车标识别方法包括:
步骤S21:在视频流中获取车辆图像,对车辆图像进行车牌识别,在车辆图像包含有效车牌图像的情况下,执行步骤S22,在车辆图像未包含有效车牌图像的情况下,执行步骤S212。
步骤S22:根据有效车牌图像确定当前车辆是否为未进行车标识别的新车辆,在当前车辆为未进行车标识别的新车辆的情况下,执行步骤S23,在当前车辆为正在进行车标识别的车辆的情况下,执行步骤S24。
步骤S23:清空预设存储空间,将第一变量置为0,执行步骤S24。
步骤S24:在车辆图像中确定车标搜索区域,当在车标搜索区域搜索到车标图像时,将第一变量加1,执行步骤S25。
步骤S25:利用当前的第一变量,在预存的n组车标模型中选择其中的第i组车标模型,执行步骤S26。其中,i为当前的第一变量整除n得到的余数。
步骤S26:利用第i组车标模型对搜索到的车标图像进行识别,获得多个置信度,将多个置信度依次存储于预设存储空间中,执行步骤S27。
步骤S27:判断第一变量是否达到预设数值,该预设数值为K*n,其中K为不小于1的整数。若第一变量达到该预设数值,则执行步骤S28,若第一变量未达到该预设数值,执行步骤S29。
步骤S28:确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出该车标模型的名称。
步骤S29:判断是否接收到地感触发信号,若接收到地感触发信号,则执行步骤S210,若未接收到地感触发信号,则再次执行步骤S21。
步骤S210:判断第一变量是否达到n,若第一变量达到n,则执行步骤S28,若第一变量未达到n,则执行步骤S211。
步骤S211:确定n组车标模型中未参与当前车辆的车标识别的剩余车标模型,利用剩余车标模型对当前的车标图像进行识别,将获得的置信度存储于预设存储空间,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出该车标模型的名称。
步骤S212:当接收到地感触发信号时,在视频流中获取车辆图像,利用预存的车标混合模型在当前获取的车辆图像进行全图搜索,以获得车标图像,执行步骤S213。
步骤S213:利用预存的n组车标模型对当前获得的车标图像进行识别,输出最大置信度对应的车标。
本发明上述公开了车标识别方法,相应的,本发明还公开车标识别装置。参见图3,图3为本发明公开的一种车标识别方法的结构示意图。该车标识别装置包括图像处理单元10、第一判断单元20、第一处理单元30、第二处理单元40、车标模型选择单元50、第一识别单元60、第二判断单元70和第三处理单元80。
其中:
图像处理单元10,用于在视频流中获取车辆图像,对车辆图像进行车牌识别。
第一判断单元20,用于在车辆图像包含有效车牌图像的情况下,根据有效车牌图像确定当前车辆是否为未进行车标识别的新车辆。
第一处理单元30,用于在当前车辆为未进行车标识别的新车辆的情况下,清空预设存储空间,将第一变量置为0,在车辆图像中确定车标搜索区域,当在车标搜索区域搜索到车标图像时,将第一变量加1。
第二处理单元40,用于在当前车辆为正在进行车标识别的车辆的情况下,在车辆图像中确定车标搜索区域,当在车标搜索区域搜索到车标图像时,将第一变量加1。
车标模型选择单元50,用于利用当前的第一变量,在预存的n组车标模型中选择其中的第i组车标模型,其中,i为当前的第一变量整除n得到的余数。实施中,将第一变量的取值作为在n组车标模型中选取其中一组车标模型的依据。具体的,将该第一变量除以n,得到余数i,在n组车标模型中选取排序处于第i位的车标模型组。
第一识别单元60,用于利用第i组车标模型对搜索到的车标图像进行识别,获得多个置信度,将多个置信度依次存储于预设存储空间中。当在预存的n组车标模型中选取第i组车标模型之后,利用第i组车标模型中的多个车标模型,分别对车标图像进行识别,获得多个置信度,其中置信度表征了车标模型与车标图像之间的匹配度,某一车标模型的置信度越高,表明车标图像与该车标模型的匹配度越高。之后,将获得的多个置信度依次存储于预设存储空间中。
第二判断单元70,用于判断第一变量是否达到预设数值,该预设数值为K*n,其中K为不小于1的整数。
第三处理单元80,用于在第一变量达到预设数值的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出车标模型的名称,在第一变量未达到预设数值的情况下,触发图像处理单元10执行在视频流中获取车辆图像,对车辆图像进行车牌识别的操作。
车标识别装置中预存有n组车标模型,针对每次获取到的车标图像要利用一组车标模型进行识别,当第一变量达到了n之后,车标识别装置中预存的n组车标模型都参与了当前车辆的车标识别操作。因此,通过判断第一变量是否达到预设数值,就可以确定是否可以输出车标识别结果。当第一变量达到预设数值的情况下,对预设存储空间中存储的K*n个置信度进行排序,确定最大的置信度,该最大置信度所对应的车标模型即为当前车辆的车标。
作为优选方案,该预设数值可以为2n。也就是说,针对一辆机动车,先后获取该机动车的2n个车标图像,车标识别装置中预存的n组车标模型均参与两次车标识别操作,得到2n个置信度。
本发明公开的车标识别装置,在针对一辆机动车的车标识别过程中,要先后获取该机动车的多帧车辆图像,相对于现有的单帧识别方式,能够提高获取到清晰车标图像的概率,从而能够提高车标的识别率;另外,对于在一帧车辆图像中获取到的车标图像,仅利用n组车标模型中的一组进行车标识别,而不是利用全部车标模型对一帧车标图像进行识别,减少了针对一帧车标图像执行的车标识别次数,从而提高了针对一帧车标图像的识别速度,进而提高了车标识别的实时性。
参见图4,图4为本发明公开的另一种车标识别在的结构示意图。与图3所示的车标识别装置相比,图4所示的车标识别装置进一步设置车标图像搜索单元90和第二识别单元100。这里仅就与图3所示车标识别装置的区别进行说明,其他单元的功能请参见前文描述。
车标图像搜索单元90,用于在车辆图像未包含有效车牌图像的情况下,当接收到地感触发信号时,在视频流中获取车辆图像,利用预存的车标混合模型在当前获取的车辆图像进行全图搜索,以获得车标图像。
第二识别单元100,用于利用预存的n组车标模型对当前获得的车标图像进行识别,输出最大置信度对应的车标模型的名称。其中,车标混合模型用于确定某一图像是否为车标图像。
本发明图4所示的车标识别装置,在视频流中获取车辆图像后,如果该车辆图像中的车牌无法识别,则等待地感触发信号。当接收到地感触发信号时,在视频流中获取车辆图像,该车辆图像包含较为清楚的车标图像。之后,利用预存的车标混合模型在当前获取到的车辆图像中进行全图搜索,以获得车辆的车标图像,之后利用预存的n组车标模型对当前获取到的车标图像进行识别,在获得的置信度中确定最大置信度,之后输出最大置信度对应的车标模型的名称。当车辆未安装车牌、车牌严重污损或者车牌严重变形,导致车辆的车牌无法识别的情况下,图4所述的车标识别装置仍然可以完成对车辆车标的识别。并且,由于车标识别所使用的车辆图像是在车辆经过地感之后获取的,因此车辆图像包含较为清楚的车标图像,从而保证车标识别具有较高准确度。
参见图5,图5为本发明公开的另一种车标识别装置的结构示意图。与图4所示的车标识别装置相比,图5所示的车标识别装置进一步设置第三判断单元110、第四处理单元120和第五处理单元130。这里仅就与图4所示车标识别装置的区别进行说明,其他单元的功能请参见前文描述。
第三判断单元110,用于在第一变量未达到预设数值的情况下,当接收到地感触发信号时,判断第一变量是否达到n。
第四处理单元120,用于在第一变量达到n的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出该车标模型的名称。
第五处理单元130,用于在第一变量未达到n的情况下,确定n组车标模型中未参与当前车辆的车标识别的剩余车标模型,利用剩余车标模型对当前的车标图像进行识别,将获得的置信度存储于预设存储空间,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出车标模型的名称。
本发明图5所示的车标识别装置,在接收到地感触发信号,但是第一变量未达到预设数量的情况下,如果第一变量达到n,则确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出该车标模型的名称;如果第一变量也未达到n,将剩余的未参与识别操作的车标模型对当前的车标图像进行识别,并将获得的置信度存储于预设存储空间,之后输出对当前车辆进行车标识别产生的执行度中最大置信度对应的车标模型的名称。基于图5所示的车标识别装置,当车辆行驶速度较快时,也可以完成车标识别。
实施中,第二处理单元40在车辆图像中确定车标搜索区域,具体为:第二处理单元40基于车辆图像中的车牌区域确定车标搜索区域,其中,车标搜索区域包含车牌区域且大于车牌区域。
第二处理单元40在车标搜索区域搜索车标图像,具体为:第二处理单元40利用预存的车标混合模型在车标搜索区域进行搜索,以获得车标图像。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车标识别方法,其特征在于,包括:
在视频流中获取车辆图像,对所述车辆图像进行车牌识别;
在所述车辆图像包含有效车牌图像的情况下,根据所述有效车牌图像确定当前车辆是否为未进行车标识别的新车辆;
在当前车辆为未进行车标识别的新车辆的情况下,清空预设存储空间,将第一变量置为0,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1,其中,所述预设存储空间用于存储利用车标模型对车标图像进行识别后得到的置信度,所述第一变量用于记录获取到的机动车的车标图像的数量;
在当前车辆为正在进行车标识别的车辆的情况下,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1;
利用当前的第一变量,在预存的n组车标模型中选择其中的第i组车标模型,其中,i为当前的第一变量整除n得到的余数,n为大于1的整数;
利用所述第i组车标模型对搜索到的车标图像进行识别,获得多个置信度,将所述多个置信度依次存储于所述预设存储空间中;
判断所述第一变量是否达到预设数值,该预设数值为K*n,其中K为不小于1的整数;
在所述第一变量达到预设数值的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称,在所述第一变量未达到所述预设数值的情况下,执行在视频流中获取车辆图像的步骤以及后续步骤。
2.根据权利要求1所述的方法,其特征在于,在对所述车辆图像进行车牌识别之后,还包括:
在所述车辆图像未包含有效车牌图像的情况下,当接收到地感触发信号时,在视频流中获取车辆图像,利用预存的车标混合模型在当前获取的车辆图像进行全图搜索,以获得车标图像,之后利用预存的n组车标模型对当前获得的车标图像进行识别,输出最大置信度对应的车标模型的名称;
其中,所述车标混合模型用于确定某一图像是否为车标图像。
3.根据权利要求2所述的方法,其特征在于,在所述第一变量未达到所述预设数值的情况下,当接收到地感触发信号时,还包括:
判断所述第一变量是否达到n;
若所述第一变量达到n,则确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称;
若所述第一变量未达到n,则确定所述n组车标模型中未参与当前车辆的车标识别的剩余车标模型,利用所述剩余车标模型对当前的车标图像进行识别,将获得的置信度存储于所述预设存储空间,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出所述车标模型的名称。
4.根据权利要求1、2或3所述的方法,其特征在于,在所述车辆图像中确定车标搜索区域,包括:
基于车辆图像中的车牌区域确定车标搜索区域,其中,所述车标搜索区域包含所述车牌区域且大于所述车牌区域。
5.根据权利要求1、2或3所述的方法,其特征在于,在所述车标搜索区域搜索车标图像,包括:
利用预存的车标混合模型在所述车标搜索区域进行搜索,以获得车标图像。
6.一种车标识别装置,其特征在于,包括:
图像处理单元,用于在视频流中获取车辆图像,对所述车辆图像进行车牌识别;
第一判断单元,用于在所述车辆图像包含有效车牌图像的情况下,根据所述有效车牌图像确定当前车辆是否为未进行车标识别的新车辆;
第一处理单元,用于在当前车辆为未进行车标识别的新车辆的情况下,清空预设存储空间,将第一变量置为0,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1,其中,所述预设存储空间用于存储利用车标模型对车标图像进行识别后得到的置信度,所述第一变量用于记录获取到的机动车的车标图像的数量;
第二处理单元,用于在当前车辆为正在进行车标识别的车辆的情况下,在所述车辆图像中确定车标搜索区域,当在所述车标搜索区域搜索到车标图像时,将所述第一变量加1;
车标模型选择单元,用于利用当前的第一变量,在预存的n组车标模型中选择其中的第i组车标模型,其中,i为当前的第一变量整除n得到的余数,n为大于1的整数;
第一识别单元,用于利用所述第i组车标模型对搜索到的车标图像进行识别,获得多个置信度,将所述多个置信度依次存储于所述预设存储空间中;
第二判断单元,用于判断所述第一变量是否达到预设数值,该预设数值为K*n,其中K为不小于1的整数;
第三处理单元,用于在所述第一变量达到预设数值的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称,在所述第一变量未达到所述预设数值的情况下,触发所述图像处理单元执行在视频流中获取车辆图像,对所述车辆图像进行车牌识别的操作。
7.根据权利要求6所述的车标识别装置,其特征在于,还包括:
车标图像搜索单元,用于在所述车辆图像未包含有效车牌图像的情况下,当接收到地感触发信号时,在视频流中获取车辆图像,利用预存的车标混合模型在当前获取的车辆图像进行全图搜索,以获得车标图像;
第二识别单元,用于利用预存的n组车标模型对当前获得的车标图像进行识别,输出最大置信度对应的车标模型的名称;
其中,所述车标混合模型用于确定某一图像是否为车标图像。
8.根据权利要求7所述的车标识别装置,其特征在于,还包括:
第三判断单元,用于在所述第一变量未达到所述预设数值的情况下,当接收到地感触发信号时,判断所述第一变量是否达到n;
第四处理单元,用于在所述第一变量达到n的情况下,确定对当前车辆进行车标识别生成的最大置信度所对应的车标模型,输出所述车标模型的名称;
第五处理单元,用于在所述第一变量未达到n的情况下,确定所述n组车标模型中未参与当前车辆的车标识别的剩余车标模型,利用所述剩余车标模型对当前的车标图像进行识别,将获得的置信度存储于所述预设存储空间,确定对当前车辆进行车标识别生成的最大置信度对应的车标模型,输出所述车标模型的名称。
9.根据权利要求6、7或8所述的车标识别装置,其特征在于,所述第二处理单元在所述车辆图像中确定车标搜索区域,具体为:
所述第二处理单元基于车辆图像中的车牌区域确定车标搜索区域,其中,所述车标搜索区域包含所述车牌区域且大于所述车牌区域。
10.根据权利要求6、7或8所述的车标识别装置,其特征在于,所述第二处理单元在所述车标搜索区域搜索车标图像,具体为:
所述第二处理单元利用预存的车标混合模型在所述车标搜索区域进行搜索,以获得车标图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410856629.6A CN104504398B (zh) | 2014-12-31 | 2014-12-31 | 车标识别方法及车标识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410856629.6A CN104504398B (zh) | 2014-12-31 | 2014-12-31 | 车标识别方法及车标识别装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104504398A CN104504398A (zh) | 2015-04-08 |
CN104504398B true CN104504398B (zh) | 2017-12-01 |
Family
ID=52945794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410856629.6A Active CN104504398B (zh) | 2014-12-31 | 2014-12-31 | 车标识别方法及车标识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104504398B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090470B (zh) | 2018-01-10 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种人脸对齐方法及装置 |
CN115100890A (zh) * | 2022-05-07 | 2022-09-23 | 恒大新能源汽车投资控股集团有限公司 | 车辆互动的方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077407A (zh) * | 2013-01-21 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及*** |
CN103077384A (zh) * | 2013-01-10 | 2013-05-01 | 北京万集科技股份有限公司 | 一种车标定位识别的方法与*** |
CN103093201A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及*** |
CN103093205A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 识别车标的方法 |
US8467570B2 (en) * | 2006-06-14 | 2013-06-18 | Honeywell International Inc. | Tracking system with fused motion and object detection |
-
2014
- 2014-12-31 CN CN201410856629.6A patent/CN104504398B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8467570B2 (en) * | 2006-06-14 | 2013-06-18 | Honeywell International Inc. | Tracking system with fused motion and object detection |
CN103077384A (zh) * | 2013-01-10 | 2013-05-01 | 北京万集科技股份有限公司 | 一种车标定位识别的方法与*** |
CN103077407A (zh) * | 2013-01-21 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及*** |
CN103093201A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及*** |
CN103093205A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 识别车标的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104504398A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tao et al. | An object detection system based on YOLO in traffic scene | |
CN107451607B (zh) | 一种基于深度学习的典型人物的身份识别方法 | |
CN106469299A (zh) | 一种车辆搜索方法及装置 | |
CN106295541A (zh) | 车辆类型识别方法及*** | |
CN109948418A (zh) | 一种基于深度学习的违反导向违法自动审核方法 | |
CN104063712A (zh) | 一种车辆信息提取方法和*** | |
CN104021677B (zh) | 一种车辆翻牌检测方法和装置 | |
CN110443904A (zh) | 一种漏费检测方法、装置、服务器及存储介质 | |
CN106985668A (zh) | 车辆控制*** | |
CN108647595A (zh) | 基于多属性深度特征的车辆重识别方法 | |
CN110516633A (zh) | 一种基于深度学习的车道线检测方法及*** | |
CN104504398B (zh) | 车标识别方法及车标识别装置 | |
CN108665699A (zh) | 一种预测车辆出现地点的方法及装置 | |
CN113379869B (zh) | 一种车牌图像生成方法、装置、电子设备及存储介质 | |
CN109872541A (zh) | 一种车辆信息分析方法及装置 | |
CN112613434A (zh) | 道路目标检测方法、装置及存储介质 | |
CN108882152A (zh) | 一种基于路径选择上报的用户隐私保护方法 | |
CN106777350B (zh) | 一种基于卡口数据的以图搜图方法和装置 | |
CN107133574A (zh) | 一种车辆特征识别方法及装置 | |
CN103328266A (zh) | 服务发送装置及服务显示装置 | |
CN110334572A (zh) | 一种多角度下车型精细识别方法 | |
CN106846808A (zh) | 一种基于车牌数据的车辆停车次数计算方法 | |
CN112507867A (zh) | 一种基于EDLines线特征的车道线检测方法 | |
CN106599846A (zh) | 一种易于计算机视觉识别的交通标志牌的识别方法 | |
CN109800685A (zh) | 一种视频中对象的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |