一种车标定位识别的方法与系统

1.一种车标定位识别的方法，其特征在于，所述方法包括：
利用高清摄像机采集车辆的车头图像；
利用所述车头图像，进行车辆定位和车牌定位识别，并根据车标与车牌的先验信息，生成车标预估位置区域；
在所述车标预估位置区域中，根据提取的纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过寻找连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息；
根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图；
采用滑动匹配的方法将所述车标对应的二值图与预存的车标模板进行匹配，根据位置信息进行加权计算，计算得到的分数最高者对应的车标类型为车标识别结果，其中采用滑动匹配的方法具体为：将所述车标对应的二值图在上、下、左、右四个方向上进行1到2个像素的滑动，空白部分补0对齐，然后将所述车标对应的二值图八位合成一个字节与所述预存的车标模板进行匹配；
所述利用所述车头图像，进行车辆定位和车牌定位，并根据车标与车牌的先验信息，生成车标预估位置区域的步骤，其包括：
对所述采集的车头图像按比例进行压缩，生成灰度图像；
在所述灰度图像上根据高斯模型建立背景，根据背景差和相邻三帧做差取与操作进行车辆定位，生成车辆位置区域，其中，相邻三帧做差取与操作具体为：采用连续三帧，相邻两帧两两做帧差然后二值化，对得到的两个帧差二值图取与，即所述两个帧差二值图上同一位置都有帧差信息的认为是有效点，得到取与后的最终帧差二值图，寻找连通域即为车辆所在区域，通过帧差定位出来的车辆与通过背景差定位出来的车辆进行确认，得到最终车辆位置；
在所述车辆位置区域内，根据车辆的纹理信息及颜色信息进行车牌定位识别，生成车牌位置区域；
在所述车牌位置区域内，根据所述车标与车牌的先验信息进行车标定位，生成车标预估区域。
2.根据权利要求1所述的车标定位识别的方法，其特征在于，所述车标与车牌的先验信息包括车标与车牌的位置信息、车标形状以及车辆对称性。
3.根据权利要求1所述的车标定位识别的方法，其特征在于，所述在所述车标预估位置区域中，根据提取的纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息的步骤，包括：
在所述车标预估位置区域内提取sobel横向纹理和纵向纹理；
比较提取横向纹理后的灰度图及提取纵向纹理后的灰度图的灰度平均值，通过两者差值确定所述车标背景区域干扰的纹理方向；
提取与所述车标背景区域干扰的纹理方向相反相的纹理图像，生成车标预估位置区域内的车标纹理灰度图；
对所述车标纹理化灰度图进行二值化处理，并进行形态学滤波及腐蚀膨胀，生成所述车标纹理灰度图对应的二值图；
在所述车标纹理化灰度图对应的二值图基础上进行投影，寻找车标对应的左右边界，生成车标精确位置信息。
4.根据权利要求1所述的车标定位识别的方法，其特征在于，所述根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图的步骤，包括：
根据所述车牌定位识别中生成的车牌倾斜角度，对所述车标精确灰度图进行倾斜校正；
对所述校正后的车标精确灰度图按照双线性OTSU的方法进行二值化处理，生成所述车标对应的二值图。
5.根据权利要求4所述的车标定位识别的方法，其特征在于，所述将所述车标对应的二值图与预存的车标模板进行匹配的步骤，包括：
通过hough变换对所述车标对应的二值图上的车标进行外轮廓拟合；
根据拟合结果对所述车标进行分类；
选择与所述车标对应类型的车标模板进行匹配。
6.根据权利要求1所述的车标定位识别的方法，其特征在于，在得到车标识别结果后，还包括：
建立车辆跟踪链，得到所述车辆的多个车标识别结果，选择所述多个车标识别结果中的分数最高者对应的车标类型为最终的车标识别结果。
7.一种车标定位识别的系统，其特征在于，所述系统包括：
图像采集装置，用于采集车辆的车头图像；
车标预估位置区域生成装置，用于利用所述车头图像，进行车辆定位和车牌定位识别，并根据车标与车牌的先验信息，生成车标预估位置区域；
车标精确位置信息生成装置，用于在所述车标预估位置区域中，根据提取的纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过寻找连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息；
车标二值图生成装置，用于根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图；
车标识别结果生成装置，用于采用滑动匹配的方法将所述车标对应的二值图与预存的车标模板进行匹配，根据位置信息进行加权计算，计算得到的分数最高者对应的车标类型为车标识别结果，其中采用滑动匹配的方法具体为：将所述车标对应的二值图在上、下、左、右四个方向上进行1到2个像素的滑动，空白部分补0对齐，然后将所述车标对应的二值图八位合成一个字节与预存的车标模板进行匹配；
所述车标预估位置区域生成装置包括：
图像压缩单元，用于对所述采集的车头图像按比例进行压缩，生成灰度图像；
车辆区域生成单元，用于在所述灰度图像上根据高斯模型建立背景，根据背景差和相邻三帧做差取与操作进行车辆定位，生成车辆位置区域，其中，相邻三帧做差取与操作具体为：采用连续三帧，相邻两帧两两做帧差然后二值化，对得到的两个帧差二值图取与，即所述两个帧差二值图上同一位置都有帧差信息的认为是有效点，得到取与后的最终帧差二值图，寻找连通域即为车辆所在区域，通过帧差定位出来的车辆与通过背景差定位出来的车辆进行确认，得到最终车辆位置；
车牌区域生成单元，用于在所述车辆位置区域内，根据车辆的纹理信息及颜色信息进行车牌定位识别，生成车牌位置区域；
车标预估区域生成单元，用于在所述车牌位置区域内，根据所述车标与车牌的先验信息进行车标定位，生成车标预估区域。
8.根据权利要求7所述的车标定位识别的系统，其特征在于，所述车标与车牌的先验信息包括车标与车牌的位置信息、车标形状以及车辆对称性。
9.根据权利要求7所述的车标定位识别的系统，其特征在于，所述车标精确位置信息生成装置包括：
纹理提取单元，用于在所述车标预估位置区域内提取sobel横向纹理和纵向纹理；
背景干扰纹理确定单元，用于比较提取横向纹理后的灰度图及提取纵向纹理后的灰度图的灰度平均值，通过两者差值确定所述车标背景区域干扰的纹理方向；
车标纹理灰度图生成单元，用于提取与所述车标背景区域干扰的纹理方向相反相的纹理图像，生成车标预估位置区域内的车标纹理灰度图；
车标纹理二值图生成单元，用于对所述车标纹理化灰度图进行二值化处理，并进行形态学滤波及腐蚀膨胀，生成所述车标纹理灰度图对应的二值图；
车标边界定位单元，用于在所述车标纹理化灰度图对应的二值图基础上进行投影，寻找车标对应的左右边界，生成车标精确位置信息。
10.根据权利要求7所述的车标定位识别的系统，其特征在于，所述车标二值图生成装置根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图，包括：
倾斜校正单元，用于根据所述车牌定位识别中生成的车牌倾斜角度，对所述车标精确灰度图进行倾斜校正；
车标二值图生成单元，用于对所述校正后的车标精确灰度图按照双线性OTSU的方法进行二值化处理，生成所述车标对应的二值图。
11.根据权利要求7所述的车标定位识别的系统，其特征在于，所述车标识别结果生成装置包括：
拟合单元，用于通过hough变换对所述车标对应的二值图上的车标进行外轮廓拟合；
分类单元，用于根据拟合结果对所述车标进行分类；
匹配单元，用于将所述车标与所述车标对应类型的车标模板进行匹配。
12.根据权利要求7所述的车标定位识别的系统，其特征在于，所述车标定位识别装置还包括：
多帧车标优选装置，用于建立车辆跟踪链，得到所述车辆的多个车标识别结果，选择所述多个车标识别结果中的分数最高者对应的车标类型为最终的车标识别结果。

一种车标定位识别的方法与系统\n技术领域\n[0001] 本发明涉及交通车辆定位识别领域，尤其涉及一种车标定位识别方法与系统。\n背景技术\n[0002] 车标是车辆的标志性图像，不仅包含了车型信息，还包含了生产厂家的信息，更重要是它难以更换。如果将车标信息与车牌信息相结合，会极大的提高车辆识别的可靠性。在有些犯罪活动中，尽管车牌容易更换，但车标是唯一的，车标识别技术可广泛应用于交通事故处理、违章车辆自动监控、自动收费、机场、港口、停车场、小区等车辆的自动安全管理、打击车辆犯罪等领域，因此车标识别对智能交通中车辆识别技术的完善和发展具有重要的理论意义和应用价值。\n[0003] 目前能够对车标进行有效检测，定位和识别的主要手段是基于视频的方法，但是利用视频方法进行车标定位识别存在的问题主要是：\n[0004] 1、车辆图像的自身背景和车身背景的影响；\n[0005] 2、同一车辆中存在多个车标，且车标受天气及天色变化影响严重；\n[0006] 3、车标的形状各异且尺寸差别图大，图像模糊，位置不尽相同；\n[0007] 4、车标所在的散热网纹理多种多样，且散热网高度不均；\n[0008] 5、车标周围存在大量干扰，如车灯、保险杠等。车标位于车体上且有些与车身颜色类似。\n[0009] 上述问题的存在，使得使用视频方法进行车标的定位识别的精确度不高，而且目前还没有一种检测设备能够对车标进行精确定位及有效识别。\n发明内容\n[0010] 本发明提供一种车标定位识别的方法及系统，以解决现有的视频定位的方法精确度不高的问题。\n[0011] 为了达到上述目的，本发明实施例公开了一种车标定位识别的方法，包括：利用高清摄像机采集车辆的车头图像；利用所述车头图像，进行车辆定位和车牌定位识别，并根据车标与车牌的先验信息，生成车标预估位置区域；在所述车标预估位置区域中，根据提取的纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过寻找连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息；根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图；将所述车标对应的二值图与预存的车标模板进行匹配，根据位置信息进行加权计算，计算得到的分数最高者对应的车标类型为车标识别结果。\n[0012] 为了达到上述目的，本发明实施例还公开了一种车标定位识别的系统，包括：图像采集装置，用于采集车辆的车头图像；车标预估位置区域生成装置，用于利用所述车头图像，进行车辆定位和车牌定位识别，并根据车标与车牌的先验信息，生成车标预估位置区域；车标精确位置信息生成装置，用于在所述车标预估位置区域中，根据提取的纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过寻找连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息；车标二值图生成装置，用于根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图；车标识别结果生成装置，用于将所述车标对应的二值图与预存的车标模板进行匹配，根据位置信息进行加权计算，计算得到的分数最高者对应的车标类型为车标识别结果。\n[0013] 本发明的标定位识别方法及系统，可以对车标进行精确定位和有效识别。\n附图说明\n[0014] 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一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。\n[0015] 图1为本发明实施例的车标定位识别方法的流程图；\n[0016] 图2为图1所示实施例中的步骤S102的子步骤的方法流程图；\n[0017] 图3为对采集的某帧图像进行车辆定位、车牌定位识别，生成车标预估区域的一个具体实施例的结果示意图；\n[0018] 图4为图1所示实施例中的步骤S103的子步骤的方法流程图；\n[0019] 图5为图4所示实施例中的车标预估区域内的横向纹理的示意图；\n[0020] 图6为图4所示实施例中的车标预估区域内的纵向纹理的示意图；\n[0021] 图7为对图6所示实施例进行预处理后生成的二值图；\n[0022] 图8为在图7的二值图基础上，进行纵向投影的纵向投影图；\n[0023] 图9为图8所示实施例的最终的车标精确定位的结果示意图；\n[0024] 图10为图1所示实施例中的步骤S104的子步骤的方法流程图；\n[0025] 图11为图1所示实施例中的步骤S105的子步骤的方法流程图；\n[0026] 图12为图9所示实施例中定位出来的车标识别结果；\n[0027] 图13为本发明的车标定位识别方法的的另一实施例的方法流程图；\n[0028] 图14为本发明实施例的车标定位识别系统的结构示意图；\n[0029] 图15为图14所示实施例中的车标预估位置区域生成装置101的结构示意图；\n[0030] 图16为图14所示实施例中的车标精确位置信息生成装置102的结构示意图；\n[0031] 图17为图14所示实施例中的车标二值图生成装置103的结构示意图；\n[0032] 图18为图14所示实施例中的车标识别结果生成装置104的结构示意图；\n[0033] 图19为本发明的车标定位识别系统的另一实施例的结构示意图；\n[0034] 图20a、b、c、d为利用本发明的车标定位识别方法及系统，对几种车型的车标进行识别的处理流程示意图。\n具体实施方式\n[0035] 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。\n[0036] 本发明实施例提供一种车标定位识别方法及系统，在车辆存在有效牌的前提下，能够快速的定位出车标位置，并进行单帧识别、多帧确认，通过车牌和车标确定车型和车辆的唯一性，上报后台系统，对车辆进行登记确认。\n[0037] 图1为本发明实施例的车标定位识别方法的流程图。如图所示，本实施例的车标定位识别方法包括：\n[0038] 步骤S101，利用高清摄像机采集车辆的车头图像；步骤S102，利用所述车头图像，进行车辆定位和车牌定位识别，并根据车标与车牌的先验信息，生成车标预估位置区域；步骤S103，在所述车标预估位置区域中，根据提取的纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过寻找连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息；步骤S104，根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图；步骤S105，将所述车标对应的二值图与预存的车标模板进行匹配，根据位置信息进行加权计算，计算得到的分数最高者对应的车标类型为车标识别结果。\n[0039] 在本实施例的步骤S101中，在高速路驶出端，安装高清摄像机，捕获进入视野的车头图像，200W场景下每秒钟15帧，图像大小为1600*1200，500W场景下为每秒钟7帧，大小为\n2432*2048，图像分辨率根据高清摄像机的不同可进行调整。在本实施例的下述步骤中，是对步骤S101中采取到的每一帧图像进行处理，生成对应每一帧的车标识别结果。\n[0040] 在本实施例的步骤S102中，如图2所示，利用所述车头图像，进行车辆定位和车牌定位识别，并根据车标与车牌的先验信息，生成车标预估位置区域的步骤包括以下子步骤：\n步骤S1021，对所述采集的车头图像按比例进行压缩，生成灰度图像；步骤S1022，在所述灰度图像上根据高斯模型建立背景，根据背景差和帧差进行车辆定位，生成车辆位置区域；步骤S1023，在所述车辆位置区域内，根据车辆的纹理信息及颜色信息进行车牌定位识别，生成车牌位置区域；步骤S1024，在所述车牌位置区域内，根据所述车标与车牌的先验信息进行车标定位，生成车标预估区域。\n[0041] 在步骤S1021中，接收到高清摄像机采集的车头图像后，为了减少复杂度，对彩色图像按比例进行压缩，同时进行降维提取灰度图像作为接下来进行车标定位识别的输入。\n[0042] 在步骤S1022中，在灰度图像上根据高斯模型建立背景，根据背景差寻找连通区域进行车辆定位，由相邻三帧做差“取与”对进行出来的车辆进行确认，从而生成车辆位置区域。\n[0043] 在本实施例中，由当前帧灰度图与背景灰度图做差，对背景差灰度图二值化，寻找白色点连通域，面积大于一定阈值的便初步认为车辆区域。因为相邻两帧做差得到的帧差图会造成车辆拖影现象，将车辆所在区域拉长，引入干扰，所以采用连续三帧，相邻两帧两两做帧差然后二值化，对得到的两个帧差二值图取与，即两幅帧差图上同一位置都有帧差信息的认为是有效点，得到“取与”后的最终帧差二值图，寻找连通域即为车辆所在区域，通过帧差定位出来的车辆与通过背景差定位出来的车辆进行确认，得到最终车辆位置。\n[0044] 在步骤S1023中，在所述车辆位置区域内，根据纹理信息及颜色信息进行对应车辆的车牌定位识别，生成车牌位置区域。\n[0045] 在本实施例中，在车辆定位区域内，彩色图进行灰度化，然后求横向纹理，常见车牌有7个字符，横向纹理会有14个跳变，所以在纹理图上寻找满足车牌宽度范围内跳变大于\n10的联通区域，即为车牌候选区域。通过颜色信息进行车牌定位方法是，车牌主要是蓝牌和黄牌，在车辆定位区域的彩图范围内，提取蓝色点和黄色点信息，满足蓝色点连通域或者黄色点连通域面积大小符合车牌规律的即为候选车牌，对候选车牌灰度图进行二值化，字符切割，单字符模版匹配识别，车牌的七个字符求一个平均匹配度，平均匹配度最高且达到设定识别阈值的即为真正车牌，对真正车牌灰度图进行二值化，根据二值图投影及连通域方法进行字符的精确切割，得到七个字符准确的上下边缘位置，根据字符的上下边缘拟合一条直线与水平线对比，从而得出车牌倾斜角度。\n[0046] 在本实施例中，还包括通过字符切割及粗识别，寻找车牌定位中最优车牌然后进行精确识别，如果识别置信度低于预设的识别阈值则认为该车辆不含有效牌，车辆定位结果有可能有偏差，车辆区域内不含有效车牌及车标区域，否则认为该车辆定位有效。\n[0047] 在步骤S1024中，在所述车牌位置区域内，根据所述车标与车牌的先验信息进行车标定位，生成车标预估区域。本实施例中，在车牌定位识别的基础上，根据车标与车牌的位置信息、车标形状、车辆对称性等先验知识可以预估车标所在的区域，即车标预估区域。\n[0048] 本实施例中，步骤S1021-1024是对车标区域进行预估的方法流程。参考图3，是对采集的某帧图像进行车辆定位、车牌定位识别，生成车标预估区域的一个具体实施例。其中，虚框①是步骤S1022根据背景差和帧差定位出来的车辆区域，虚框②是步骤S1023在车辆位置区域虚框①的基础上定位识别的车牌预估位置区域，而虚框③是步骤S1023中寻找有效牌后最后定位的车牌位置区域，然后根据车标与车牌的位置信息、车标形状、车辆对称性等先验知识，寻找到了虚框③上面的虚框④为车标预估区域，在此虚框④内进行车标定位。\n[0049] 在本实施例的步骤S103中，如图4所示，在所述车标预估位置区域中，根据提取的纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过寻找连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息，通过以下子步骤来实现：步骤S1031，在所述车标预估位置区域内提取sobel横向纹理和纵向纹理；步骤S1032，比较提取横向纹理后的灰度图及提取纵向纹理后的灰度图的灰度平均值，通过两者差值确定所述车标背景区域干扰的纹理方向；步骤S1033，提取与所述车标背景区域干扰的纹理方向相反相的纹理图像，生成车标预估位置区域内的车标纹理灰度图；步骤S1034，对所述车标纹理化灰度图进行二值化处理，并进行形态学滤波及腐蚀膨胀，生成所述车标纹理灰度图对应的二值图；步骤S1035，在所述车标纹理化灰度图对应的二值图基础上进行投影，寻找车标对应的左右边界，生成车标精确位置信息。\n[0050] 在步骤S1031中，前面步骤102已经找到了包含车标的粗略位置区域，即如图3中的虚框④内区域所示，在此区域灰度图的基础上对虚框④内区域提取sobel横向纹理及纵向纹理，如下图5和图6所示。其中，图5为车标预估区域内的横向纹理，图6为车标预估区域内的纵向纹理。\n[0051] 在步骤S1032和步骤S1033中，通过比较图5与图6分别提取纹理后的灰度图的灰度平均值，如果两者差值大于设定的纹理阈值(纹理阈值一般取15，当然，可根据实际情况为其他数值)，则认为车标背景纹理为横向纹理，所以应该提取车标预估区域内的纵向纹理，滤除横向散热窗干扰等，只剩下车标纹理信息。如果车标预估区域提取横纵向背景纹理后，如果纵向纹理平均值远大于横向平均值，则认为背景为纵向纹理，就需要提取横向纹理，滤除背景的纵向纹理干扰而只剩下车标信息，但如果横向纹理与纵向纹理均值相近的话，则背景认为是网状纹理，此时将通过sobel滤波算子提取综合纹理。即：提取与所述车标背景区域干扰的纹理方向相反相的纹理图像，以生成车标预估位置区域内的车标纹理灰度图。\n此处的纹理提取、比较及sobel滤波算子的计算方法为本领域技术人员公知的技术，故此处不再赘述。\n[0052] 在步骤S1034中，在图6粗略滤除干扰的灰度图像上经过预处理寻找车标精确位置，用OTSU的方法求图6所示的灰度图的二值化阈值，为了避免光线、阴影等造成的明暗不均的现象，以及车标背景区域反光灯影响，用灰度图的平均值修正OTSU求出来的二值化阈值，对图6进行二值化处理，然后再进行形态学滤波、腐蚀膨胀，消除横向长线等处理，图6预处理后的效果如图7所示。可以看到，灰度图像已经被二值化为二值图。\n[0053] 在步骤S1035中，在所述车标纹理化灰度图对应的二值图基础上进行投影，寻找车标对应的左右边界，生成车标精确位置信息。在图2-图7所示的实施例中，在图7的二值图的基础上，进行纵向投影，并求取纵向投影平均值nAvg，取平均值的一定比例k作为寻找左右边界的阈值nTh=k*nAvg，以车牌中轴线为基准，在横向投影图上左右扩张寻找车标左右边界，当连续一定点比例小于寻找边界的阈值时，则认为边界终止，否则从新连接上的节点清零断裂次数，重新一直左右寻找，图7纵向投影图如图8所示，确定好车标的左右边界后，根据同样方法进行横向投影，以寻找车标的上下边界，最终的车标精确定位的结果如图9中间虚框⑤所示。\n[0054] 在步骤S104中，如图10所示，根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图的步骤，包括以下子步骤：步骤S1041，根据所述车牌定位中生成的车牌倾斜角度，对所述车标精确灰度图进行倾斜校正；步骤S1042，对所述校正后的车标精确灰度图按照双线性OTSU的方法进行二值化处理，生成所述车标对应的二值图。\n[0055] 在本实施例中，根据车标定位给出的车标精确位置信息，提取车标灰度图，由前面的进行车牌定位识别中计算出来的车牌倾斜角度，对车标区域进行倾斜校正，然后归一化为40*40的图形，为了防止因光线不均、树影等干扰影响造成的明暗不均，对车标灰度图按照双线性OTSU的方法进行二值化。\n[0056] 在步骤S105中，如图11所示，将所述车标对应的二值图与预存的车标模板进行匹配的步骤，包括：步骤S1051，通过hough变换对所述车标对应的二值图上的车标进行外轮廓拟合；步骤S1052，根据拟合结果对所述车标进行分类；步骤S1053，选择与所述车标对应类型的车标模板进行匹配。\n[0057] 在本实施例中，在二值图的基础上由hough变换对车标进行外轮廓拟合，同时根据车标高宽比形状等先验知识，将该车标粗分为椭圆、圆形及不规则图形中的一类，然后选择该类型的车标模版进行匹配。hough变换是在二值图上拟合圆的方法，即：根据车牌与车标关系，可以得出车标最小半径和最大半径，即所要拟合圆的半径最小值和最大值，根据对称性，在车标区域二值图上以中心点为圆心坐标，根据半径范围扫描圆周，计算圆周上白点个数，当白点个数与周长比高于一定阈值时，认为此圆有效，该车标为圆形外轮廓车标，否则以车标区域中心点为基础点，以最小半径和最大半径的二倍为椭圆长轴长范围或者正方形边长范围扫描一周，判断满足正方形或者椭圆形的点占周长的比例，高于一定阈值时便认为是椭圆形或者正方形外轮廓车标，如果圆形、椭圆形、正方形拟合都失效的话则认为属于不规则类型车标。\n[0058] 车标模版是根据类间差最大、类内差最大的原则提取出来的具有代表性的车标二值图，大小为40*40，为了节省空间复杂度及时间复杂度，将二值图八位合成一个字节，40*\n40大小的模版压缩为40*5，目前每个类型的车标有三个模板，个数可以根据实际情况进行调整。\n[0059] 在进行车标模板匹配时，考虑到定位很难以精确到车标边界的像素位置，并且在选取模版时也可能有一定的边界干扰信息，所以采用滑动匹配的方法，车标二值图在上、下、左、右四个方向上可以进行1到2个像素的滑动，空白部分补0对齐，然后将二值图八位合成一个字节与模板进行匹配，考虑到同一类型的车标，如福特与比亚迪、起亚，大众、别克与奔驰等，外轮廓相同都是圆形或者椭圆，只有内部中心信息不一样，所以在模版匹配时，根据位置信息进行加权，40*40的车标二值图上，最外8层权重为1，中间16层权重为2，中心16层权重为3，如果没匹配上为零分，匹配成功后根据位置权重不同分别置为1分、2分、3分，最后将分数归一化为0—100分，将滑动匹配后的所有结果排序，选取分数最高的为最终单帧车标识别结果，设置单帧车标识别置信度，如果最高置信度高于该值则认为识别有效，否则拒识别。\n[0060] 图9中定位出来的车标识别结果如图12所示，其中，图12中左一图为原始定位灰度图，左二图为经过倾斜校正、归一化等预处理后的图形，右二图为双线性OTSU二值化之后的二值图，右一图是右二图与模板库中匹配之后，相似度最高的模板，匹配分数为89分的奥迪模板，所以该车标单帧识别结果为奥迪。\n[0061] 在本发明实施例中，如图13所示，除了包含图1-图11所示实施例的方法步骤外，还包括步骤S106，建立车辆跟踪链，得到所述车辆的多个车标识别结果，选择所述多个车标识别结果中的分数最高者对应的车标类型为最终的车标识别结果。\n[0062] 其具体方法为：对进入视野中的车辆建立跟踪链，跟踪链上的每个节点都有该车辆的车标识别结果，当车辆满足出图条件或者驶出视野时，统计该跟踪链上单帧车标识别的最高分数及对应的车标类型，出现次数最多的车标及对应置信度，如果两种类型相同则为最终车标识别结果，否则在出现次数最多的车标中，求取一个均值置信度，如果第一种最高置信度高于该均值置信度一定分数，则按出现分数最高的车标类型定位最终识别结果，否则选出现次数最多的车标类型为最终识别结果。\n[0063] 建立跟踪链进行优选匹配，可以提高匹配精度，藉以提高车标识别精度。\n[0064] 图14为本发明实施例的车标定位识别系统的结构示意图。如图所示，本实施例的车标定位识别系统包括：\n[0065] 图像采集装置101，用于采集车辆的车头图像；车标预估位置区域生成装置102，用于利用所述车头图像，进行车辆定位和车牌定位识别，并根据车标与车牌的先验信息，生成车标预估位置区域；车标精确位置信息生成装置103，用于在所述车标预估位置区域中，根据纹理信息滤除车标背景区域干扰，在滤除车标背景区域干扰后的车标纹理灰度图上进行二值化，在生成的二值化图像上通过寻找连通域方法在所述车标预估位置区域内进行车标精确定位，生成车标精确位置信息；车标二值图生成装置104，用于根据所述车标精确位置信息，提取车标精确灰度图，并将所述车标精确灰度图进行二值化，生成所述车标对应的二值图；车标识别结果生成装置105，用于将所述车标对应的二值图与预存的车标模板进行匹配，根据位置信息进行加权计算，计算得到的分数最高者对应的车标类型为车标识别结果。\n[0066] 在本实施例中，图像采集装置可为高清摄像机，捕获进入视野的车头图像，200W场景下每秒钟15帧，图像大小为1600*1200，500W场景下为每秒钟7帧，大小为2432*2048，图像分辨率根据高清摄像机的不同可进行调整。在本实施例的下述步骤中，是对步骤S101中采取到的每一帧图像进行处理，生成对应每一帧的车标识别结果。\n[0067] 在本实施例中，如图15所示，车标预估位置区域生成装置101包括：\n[0068] 图像压缩单元1011，用于对所述采集的车头图像按比例进行压缩，生成灰度图像。\n接收到高清摄像机采集的车头图像后，为了减少复杂度，对彩色图像按比例进行压缩，同时进行降维提取灰度图像作为接下来进行车标定位识别的输入。\n[0069] 车辆区域生成单元1012，用于在所述灰度图像上根据高斯模型建立背景，根据背景差和帧差进行车辆定位，即由相邻三帧“做差取与”对进行出来的车辆进行确认，从而生成车辆位置区域。\n[0070] 车牌区域生成单元1013，用于在所述车辆位置区域内，根据车辆的纹理信息及颜色信息进行车牌定位，生成车牌位置区域。在本实施例中，还包括通过字符切割及粗识别，寻找车牌定位中最优车牌然后进行精确识别，如果识别置信度低于预设的识别阈值则认为该车辆不含有效牌，车辆定位结果有可能有偏差，车辆区域内不含有效车牌及车标区域，否则认为该车辆定位有效。\n[0071] 车标预估区域生成单元1014，用于在所述车牌位置区域内，根据所述车标与车牌的先验信息进行车标定位，生成车标预估区域，其中，所述车标与车牌的先验信息包括车标与车牌的位置信息、车标形状以及车辆对称性。\n[0072] 在本实施例中，如图16所示，车标精确位置信息生成装置102包括：\n[0073] 纹理提取单元1021，用于在所述车标预估位置区域内提取sobel横向纹理和纵向纹理。\n[0074] 背景干扰纹理确定单元1022，用于比较提取横向纹理后的灰度图及提取纵向纹理后的灰度图的灰度平均值，通过两者差值确定所述车标背景区域干扰的纹理方向。\n[0075] 车标纹理灰度图生成单元1023，用于提取与所述车标背景区域干扰的纹理方向相反相的纹理图像，生成车标预估位置区域内的车标纹理灰度图。本实施例中，如果两者差值大于设定的纹理阈值(纹理阈值一般取15，当然，可根据实际情况为其他数值)，则认为车标背景纹理为横向纹理，所以应该提取车标预估区域内的纵向纹理，滤除横向散热窗干扰等，只剩下车标纹理信息。如果车标预估区域提取横纵向背景纹理后，如果纵向纹理平均值远大于横向平均值，则认为背景为纵向纹理，就需要提取横向纹理，滤除背景的纵向纹理干扰而只剩下车标信息，但如果横向纹理与纵向纹理均值相近的话，则背景认为是网状纹理，此时将通过sobel滤波算子提取综合纹理。即：提取与所述车标背景区域干扰的纹理方向相反相的纹理图像，以生成车标预估位置区域内的车标纹理灰度图。\n[0076] 车标纹理二值图生成单元1024，用于对所述车标纹理化灰度图进行二值化处理，并进行形态学滤波及腐蚀膨胀，生成所述车标纹理灰度图对应的二值图。\n[0077] 车标边界定位单元1025，用于在所述车标纹理化灰度图对应的二值图基础上进行投影，寻找车标对应的左右边界，生成车标精确位置信息。\n[0078] 在本实施例中，如图17所示，车标二值图生成装置103包括：\n[0079] 倾斜校正单元1031，用于根据所述车牌定位识别中生成的车牌倾斜角度，对所述车标精确灰度图进行倾斜校正；车标二值图生成单元1032，用于对所述校正后的车标精确灰度图按照双线性OTSU的方法进行二值化处理，生成所述车标对应的二值图。在本实施例中，根据车标定位给出的车标精确位置信息，提取车标灰度图，由前面的进行车牌定位识别中计算出来的车牌倾斜角度，对车标区域进行倾斜校正，然后归一化为40*40的图形，为了防止因光线不均、树影等干扰影响造成的明暗不均，对车标灰度图按照双线性OTSU的方法进行二值化。\n[0080] 在本实施例中，如图18所示，车标识别结果生成装置104包括：拟合单元1041，用于通过hough变换对所述车标对应的二值图上的车标进行外轮廓拟合；分类单元1042，用于根据拟合结果对所述车标进行分类；匹配单元1043，用于将所述车标与所述车标对应类型的车标模板进行匹配。\n[0081] 在本实施例中，在二值图的基础上由hough变换对车标进行外轮廓拟合，同时根据车标高宽比形状等先验知识，将该车标粗分为椭圆、圆形及不规则图形中的一类，然后选择该类型的车标模版进行匹配。车标模版是根据类间差最大、类内差最大的原则提取出来的具有代表性的车标二值图，大小为40*40，为了节省空间复杂度及时间复杂度，将二值图八位合成一个字节，40*40大小的模版压缩为40*5，目前每个类型的车标有三个模板，个数可以根据实际情况进行调整。\n[0082] 在进行车标模板匹配时，考虑到定位很难以精确到车标边界的像素位置，并且在选取模版时也可能有一定的边界干扰信息，所以采用滑动匹配的方法，车标二值图在上、下、左、右四个方向上可以进行1到2个像素的滑动，空白部分补0对齐，然后将二值图八位合成一个字节与模板进行匹配，考虑到同一类型的车标，如福特与比亚迪、起亚，大众、别克与奔驰等，外轮廓相同都是圆形或者椭圆，只有内部中心信息不一样，所以在模版匹配时，根据位置信息进行加权，40*40的车标二值图上，最外8层权重为1，中间16层权重为2，中心16层权重为3，如果没匹配上为零分，匹配成功后根据位置权重不同分别置为1分、2分、3分，最后将分数归一化为0—100分，将滑动匹配后的所有结果排序，选取分数最高的为最终单帧车标识别结果，设置单帧车标识别置信度，如果最高置信度高于该值则认为识别有效，否则拒识别。\n[0083] 在本发明中，如图19所示，本发明的车标定位识别系统除了包含图14-图18所示实施例的结构外，还包括多帧车标优选装置106，用于建立车辆跟踪链，得到所述车辆的多个车标识别结果，选择所述多个车标识别结果中的分数最高者对应的车标类型为最终的车标识别结果。\n[0084] 该装置对进入视野中的车辆建立跟踪链，跟踪链上的每个节点都有该车辆的车标识别结果，当车辆满足出图条件或者驶出视野时，统计该跟踪链上单帧车标识别的最高分数及对应的车标类型，出现次数最多的车标及对应置信度，如果两种类型相同则为最终车标识别结果，否则在出现次数最多的车标中，求取一个均值置信度，如果第一种最高置信度高于该均值置信度一定分数，则按出现分数最高的车标类型定位最终识别结果，否则选出现次数最多的车标类型为最终识别结果。建立跟踪链进行优选匹配，可以提高匹配精度，藉以提高车标识别精度。\n[0085] 图20a、b、c、d为利用本发明的车标定位识别方法及系统，对几种车型的车标进行识别的处理流程图。其显示过程是从车标定位灰度图→倾斜校正后的图像→双线性OTSU二值化之后的二值图→模板库中匹配模板。其中，图20（a）为对奥迪车车标的识别过程，其匹配分数为85分；图20（b）为对大众车车标的识别结果，其匹配分数为82分；图20（c）为对宝马车车标的识别结果，其匹配分数为77分；图20（d）为对铃木车车标的识别结果，其匹配分数为78分。而在对某高速路上对几种常见车标进行识别测试，测试的指标如下：\n[0086] 奥迪：99%；大众：99%；铃木：90%；宝马：86%；吉利：85%；奔驰：83%；现代：89%；丰田：\n97%；本田：98%。因此，本发明的标定位识别方法及系统可以对车标进行精确定位和有效识别。\n[0087] 本发明实施例的车标定位识别方法及系统，在车辆存在有效牌的前提下，能够快速的定位出车标位置，并进行单帧识别、多帧确认，通过车牌和车标确定车型和车辆的唯一性。\n[0088] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。