CN108614985A - 一种车标定位方法 - Google Patents
一种车标定位方法 Download PDFInfo
- Publication number
- CN108614985A CN108614985A CN201611139492.8A CN201611139492A CN108614985A CN 108614985 A CN108614985 A CN 108614985A CN 201611139492 A CN201611139492 A CN 201611139492A CN 108614985 A CN108614985 A CN 108614985A
- Authority
- CN
- China
- Prior art keywords
- logo
- image
- radiator
- grid
- projection
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车标定位方法,车牌的定位及车标的粗定位,区分车标周围散热网类型,排除散热网的干扰,图像分块去除背景孤立点,数学形态学操作及求最小外接矩形,尺寸验证,确定最终车标图像,该方法能不受光照不均、车标种类不同、车标形状不一和周围散热网等因素的影响,有效地提高车标定位的准确率。
Description
技术领域
本发明涉及一种定位方法,特别是涉及一种车标定位方法。
背景技术
随着经济的飞速发展,全球汽车保有量已突破十亿大关,其中中国汽车保有量已接近一亿。汽车数量的陡然上升,不仅导致排放污染物急剧上升,同时导致城市交通严重超荷载,进而导致交通事故数量的不断增多。因此,通过高科技手段缓解交通阻塞,提高道路运输能力,节约人力资源,减少交通事故的智能交通***应运而生。
在智能交通领域,目前国内的研究机构主要立足于车牌识别技术,涉足于车标识别方面的研究较少。而车标是车辆的一个重要属性,不同于车牌,车标难以更换、涂改,它在盗抢车辆追查、违章车辆自动记录、停车场无人管理、桥梁路口自动收费等领域都有广泛的应用,具有重大的经济价值和现实意义。
在现有技术中,车标定位的方法主要有:基于先验知识的车牌定位方法、基于模板匹配的定位方法、基于能量增强和形态滤波的车标定位方法、基于主成分分析的车标定位方法等。上述几种车标定位方法具有一定可行性,然而很多算法只考虑相对简单情况,没有综合考虑背景复杂、光照不均、大小形状不一等情况。例如:对于汽车散热网的分析,由于设计上的不断创新,汽车的散热网形状各异,有水平纹理、垂直纹理等,若统一用一种算法处理,则效果较差。
发明内容
针对现有技术的缺点,本发明提供一种车标定位方法,该方法能不受光照不均、车标种类不同、车标形状不一和周围散热网等因素的影响,有效地提高车标定位的准确率。
一种车标定位方法,包括如下步骤:
1)车牌的定位及车标的粗定位,
2)区分车标周围散热网类型,
3)排除散热网的干扰,
4)图像分块去除背景孤立点,
5)数学形态学操作及求外接矩形,
6)尺寸验证,完成车标精定位,
通过上述步骤就能定位车标。
步骤1)中,先定位出车牌的位置,利用车牌位置与车标位置相对固定的先验知识,设定位到的车牌宽高分别为w,h,提取车牌垂直正上方宽度为w,高度为3*h的矩形区域图像作为粗定位图像。
步骤2)中,对步骤1)的粗定位图像进行灰度化,拍摄获得的图像含有一定的噪声,使用邻域平均法对图像进行平滑去噪,保留图像的特征,得到平滑去噪的车标粗定位图像,利用定义水平梯度的Sobel算子,对平滑去噪的车标粗定位图像进行滤波处理,获得垂直边缘检测图像,然后在垂直方向上进行积分投影,即:
式中,VgradH(x)为垂直积分投影的值,x的范围为0≤x≤Width,Width,Height分别为图像的宽和高,设投影的均值为m,则满足VgradH(n-1)<m且VgradH(n)>m,则认为发生一次跳变。计算水平梯度投影的总跳变次数,选取适当阈值,即可区分散热网是水平分布还是垂直分布。
步骤3)中,当步骤2)检测到车标周围散热网为水平分布时,则使用Sobel算子求垂直边缘检测,并将二值化后的图像作为操作图像;
当步骤2)检测到车标周围散热网为垂直分布时,则使用Sobel算子求水平边缘检测,为了排除车标上方的引擎盖分界线和散热网的上下包围线,二值化后进行水平方向投影,投影后车标部分的投影值与引擎盖分界线及散热网包围线的投影值相比总是较低,且车标部分投影后,其上下分别有一小部分投影值接近0的区域;根据上述两点信息,计算水平投影后非零行的数目,记为nrows,总投影值记为sum,则定义阈值T=sum/nrows,投影值大于阈值T的区域判断为车标上方的引擎盖分界线和散热网的上下包围线,将这部分区域对应的像素点的值设置为0,得到操作图像。
步骤4)中,拍摄获得的图像容易受到的光照、阴影等外部因素的影响,二值化后的车标附近会有较少量的背景孤立点残留,为消除这些孤立点,对步骤3)中获得的操作图像,进行分块,并计算每一块的二值和,根据自适应阈值分辨目标块和背景块,其中:
M=Width/m (2)
式中:M为宽度上分块的数量,Width为图像的宽度,m为宽度的阈值
N=Height/n (3)
式中:N为长度度上分块的数量,Height为图像的长度,n为长度的阈值;
输入图像的大小为Width×Height,分成M×N块,每块记为A(i,j),利用自适应来求出阈值mTh:
式中:mTh为自适应的阈值,mi为每一个分块的A(i,j)的二值和;
通过判断背景的条件:
式中,A(i,j)=1表示这个分块是目标块,而A(i,j)=0表示该分块为背景块。
若判断为目标块,则保留块内的白色像素点;若判断为背景块,则块内的白色像素点为背景孤立点,剔除后作为操作图像。
步骤5)中,选择矩形结构元素,对步骤4)中获得的操作图像做闭运算,得到一个或多个独立的,不与外界有交接的连通区域,对每个连通区域,求包围它的最小面积的外接矩形。
步骤6)中,对步骤5)中的外接矩形进行尺寸验证:若最小外接矩形不满足任一条件,则舍弃;
若外接矩形满足设置的宽高比阈值和面积大小阈值,则判定该外接矩形的边界为车标的边界,完成车标精定位。
有益效果
本发明提供了一种车标定位方法,该方法能不受光照不均、车标种类不同、车标形状不一和周围散热网等因素的影响,有效地提高车标定位的准确率。
附图说明
图1为车标定位的流程图。
具体实施方式
下面结合实施方式和附图,对本发明作进一步地详细描述。
实施例
一种车标定位方法,包括如下步骤:
1)车牌的定位及车标的粗定位,
2)区分车标周围散热网类型,
3)排除散热网的干扰,
4)图像分块去除背景孤立点,
5)数学形态学操作及求外接矩形,
6)尺寸验证,完成车标精定位,
通过上述步骤就能定位车标。
步骤1)中,先定位出车牌的位置,利用车牌位置与车标位置相对固定的先验知识,设定位到的车牌宽高分别为w,h,提取车牌垂直正上方宽度为w,高度为3*h的矩形区域图像作为粗定位图像。
步骤2)中,对步骤1)的粗定位图像进行灰度化,拍摄获得的图像含有一定的噪声,使用邻域平均法对图像进行平滑去噪,保留图像的特征,得到平滑去噪的车标粗定位图像,利用定义水平梯度的Sobel算子,对平滑去噪的车标粗定位图像进行滤波处理,获得垂直边缘检测图像,然后在垂直方向上进行积分投影,即:
式中,VgradH(x)为垂直积分投影的值,x的范围为0≤x≤Width,Width,Height分别为图像的宽和高,设投影的均值为m,则满足VgradH(n-1)<m且VgradH(n)>m,则认为发生一次跳变。计算水平梯度投影的总跳变次数,选取适当阈值,即可区分散热网是水平分布还是垂直分布。
步骤3)中,当步骤2)检测到车标周围散热网为水平分布时,则使用Sobel算子求垂直边缘检测,并将二值化后的图像作为操作图像;
当步骤2)检测到车标周围散热网为垂直分布时,则使用Sobel算子求水平边缘检测,为了排除车标上方的引擎盖分界线和散热网的上下包围线,二值化后进行水平方向投影,投影后车标部分的投影值与引擎盖分界线及散热网包围线的投影值相比总是较低,且车标部分投影后,其上下分别有一小部分投影值接近0的区域;根据上述两点信息,计算水平投影后非零行的数目,记为nrows,总投影值记为sum,则定义阈值T=sum/nrows,投影值大于阈值T的区域判断为车标上方的引擎盖分界线和散热网的上下包围线,将这部分区域对应的像素点的值设置为0,得到操作图像。
步骤4)中,拍摄获得的图像容易受到的光照、阴影等外部因素的影响,二值化后的车标附近会有较少量的背景孤立点残留,为消除这些孤立点,对步骤3)中获得的操作图像,进行分块,并计算每一块的二值和,根据自适应阈值分辨目标块和背景块,其中:
M=Width/m (2)
式中:M为宽度上分块的数量,Width为图像的宽度,m为宽度的阈值
N=Height/n (3)
式中:N为长度度上分块的数量,Height为图像的长度,n为长度的阈值;
输入图像的大小为Width×Height,分成M×N块,每块记为A(i,j),利用自适应来求出阈值mTh:
式中:mTh为自适应的阈值,mi为每一个分块的A(i,j)的二值和;
通过判断背景的条件:
式中,A(i,j)=1表示这个分块是目标块,而A(i,j)=0表示该分块为背景块,
若判断为目标块,则保留块内的白色像素点;若判断为背景块,则块内的白色像素点为背景孤立点,剔除后作为操作图像。
步骤5)中,选择矩形结构元素,对步骤4)中获得的操作图像做闭运算,得到一个或多个独立的,不与外界有交接的连通区域,对每个连通区域,求包围它的最小面积的外接矩形。
步骤6)中,对步骤5)中的外接矩形进行尺寸验证:若最小外接矩形不满足任一条件,则舍弃;
若外接矩形满足设置的宽高比阈值和面积大小阈值,则判定该外接矩形的边界为车标的边界,完成车标精定位。
如图1所示:车标定位的实施步骤如下:
S101开始:准备进行车标定位工作;
S102图像摄取;
S103车牌的定位与车标的粗定位;
S104区分车标周围散热网类型:若散热网为水平分布,则执行步骤S105;若散热网为垂直分布,则执行步骤S106;
S105消除水平分布散热网,跳转执行步骤S107;
S106消除垂直分布散热网,跳转执行步骤S107;
S107去除背景孤立点;
S108车标精确定位;
S109输出定位结果;
S110定位结束。
Claims (4)
1.一种车标定位方法,其特征在于,包括如下步骤:
1)车牌的定位及车标的粗定位,
2)区分车标周围散热网类型,
3)排除散热网的干扰,
4)图像分块去除背景孤立点,
5)数学形态学操作及求外接矩形,
6)尺寸验证,完成车标精定位,
通过上述步骤就能定位车标。
2.根据权利要求1所述的车标定位方法,其特征在于,步骤2)中,对步骤1)的粗定位图像进行灰度化,拍摄获得的图像含有一定的噪声,使用邻域平均法对图像进行平滑去噪,保留图像的特征,得到平滑去噪的车标粗定位图像,利用定义水平梯度的Sobel算子,对平滑去噪的车标粗定位图像进行滤波处理,获得垂直边缘检测图像,然后在垂直方向上进行积分投影,即:
计算水平梯度投影的总跳变次数,选取适当阈值,即可区分散热网是水平分布还是垂直分布。
3.根据权利要求1所述的车标定位方法,其特征在于,步骤3)中,当步骤2)检测到车标周围散热网为水平分布时,则使用Sobel算子求垂直边缘检测,并将二值化后的图像作为操作图像;
当步骤2)检测到车标周围散热网为垂直分布时,则使用Sobel算子求水平边缘检测,为了排除车标上方的引擎盖分界线和散热网的上下包围线,二值化后进行水平方向投影,投影后车标部分的投影值与引擎盖分界线及散热网包围线的投影值相比总是较低,且车标部分投影后,其上下分别有一小部分投影值接近0的区域;根据上述两点信息,计算水平投影后非零行的数目,记为nrows,总投影值记为sum,则定义阈值T=sum/nrows,投影值大于阈值T的区域判断为车标上方的引擎盖分界线和散热网的上下包围线,将这部分区域对应的像素点的值设置为0,得到操作图像。
4.根据权利要求1所述的车标定位方法,其特征在于,步骤4)中,拍摄获得的图像容易受到的光照、阴影等外部因素的影响,二值化后的车标附近会有较少量的背景孤立点残留,为消除这些孤立点,对步骤3)中获得的操作图像,进行分块,并计算每一块的二值和,根据自适应阈值分辨目标块和背景块,其中:
M=Width/m (2)
N=Height/n (3)输入图像的大小为Width×Height,分成M×N块,每块记为A(i,j),利用自适应来求出阈值mTh:
通过判断背景的条件:
若判断为目标块,则保留块内的白色像素点;若判断为背景块,则块内的白色像素点为背景孤立点,剔除后作为操作图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611139492.8A CN108614985A (zh) | 2016-12-12 | 2016-12-12 | 一种车标定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611139492.8A CN108614985A (zh) | 2016-12-12 | 2016-12-12 | 一种车标定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108614985A true CN108614985A (zh) | 2018-10-02 |
Family
ID=63643619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611139492.8A Pending CN108614985A (zh) | 2016-12-12 | 2016-12-12 | 一种车标定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108614985A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN103093229A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 车标定位方法及装置 |
CN204347862U (zh) * | 2014-12-01 | 2015-05-20 | 王云 | 一种车辆车标识别*** |
CN105023002A (zh) * | 2015-07-20 | 2015-11-04 | 上海应用技术学院 | 基于主动视觉的车标定位方法 |
CN105426896A (zh) * | 2015-11-16 | 2016-03-23 | 成都神州数码索贝科技有限公司 | 一种车标自动识别方法和*** |
CN105701487A (zh) * | 2014-11-26 | 2016-06-22 | 王云 | 一种车标定位的方法 |
-
2016
- 2016-12-12 CN CN201611139492.8A patent/CN108614985A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN103093229A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 车标定位方法及装置 |
CN105701487A (zh) * | 2014-11-26 | 2016-06-22 | 王云 | 一种车标定位的方法 |
CN204347862U (zh) * | 2014-12-01 | 2015-05-20 | 王云 | 一种车辆车标识别*** |
CN105023002A (zh) * | 2015-07-20 | 2015-11-04 | 上海应用技术学院 | 基于主动视觉的车标定位方法 |
CN105426896A (zh) * | 2015-11-16 | 2016-03-23 | 成都神州数码索贝科技有限公司 | 一种车标自动识别方法和*** |
Non-Patent Citations (3)
Title |
---|
孙翼: "车标自识别***算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
曹蒙蒙: "基于图像内容的交通车辆识别关键技术", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
魏平顺: "智能交通***中车标图像识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103077384B (zh) | 一种车标定位识别的方法与*** | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和*** | |
CN103268471B (zh) | 一种车辆非法占道检测方法及装置 | |
CN104732227B (zh) | 一种基于清晰度和亮度评估的车牌快速定位方法 | |
CN105260713B (zh) | 一种车道线检测方法和装置 | |
CN104933409B (zh) | 一种基于全景图像点线特征的车位识别方法 | |
CN102419820A (zh) | 一种快速检测视频与图像中汽车车标的方法 | |
CN104778444B (zh) | 道路场景下车辆图像的表观特征分析方法 | |
CN105913685A (zh) | 一种基于视频监控的车位识别及智能引导方法 | |
CN102999753B (zh) | 车牌定位方法 | |
CN109784344A (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
CN102999749B (zh) | 基于人脸检测的安全带违章事件智能检测方法 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
Guo et al. | Image-based seat belt detection | |
CN107895151A (zh) | 一种强光照条件下基于机器视觉的车道线检测方法 | |
CN108256521A (zh) | 用于车身颜色识别的有效区域定位方法 | |
CN108009522A (zh) | 一种道路检测方法、装置及终端 | |
CN105740836B (zh) | 一种违法占用应急车道的检测方法 | |
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN105741559A (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
CN103927548B (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
CN105654073A (zh) | 一种基于视觉检测的速度自动控制方法 | |
CN101246553B (zh) | 一种基于三角剖分变换的车型识别方法 | |
CN105117726A (zh) | 基于多特征区域累积的车牌定位方法 | |
CN103544480A (zh) | 车辆颜色识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181002 |