车标的定位方法及装置

1.一种车标的定位方法，其特征在于，包括：
对于输入图像执行车牌定位，获取车牌定位信息；
采用获取的所述车牌定位信息确定待定位车标的信息区域；
采用圆形所对应的特征参数对所述信息区域执行圆检测，在确定所述待定位车标为圆形车标时，在所述信息区域中确定所述待定位车标的位置；
其中，采用圆形所对应的特征参数对所述信息区域执行圆检测，在确定所述待定位车标为圆形车标时，在所述信息区域中确定所述待定位车标的位置包括：
对于所述信息区域，通过边缘检测算法获取边缘图像；
在获取的所述边缘图像上,采用所述圆形所对应的特征参数获取所述信息区域内的极大值点；
通过广义哈夫变换进行圆检测，确定所述待定位车标在所述信息区域的位置；
采用数学形态学滤波算法，定位所述待定位车标的坐标并在所述信息区域中截取所述待定位车标；
其中，圆形特征参数C满足公式：C＝μR/δR；
其中μR为从区域中心到边界点的平均距离；δR为从区域重心到边界点的距离均方差；
(xk，yK)为图像中任一点的坐标；(x,y)为区域重心坐标。
2.根据权利要求1所述的方法，其特征在于，在采用圆形所对应的特征参数对所述信息区域执行圆检测之前，还包括：对所述信息区域执行水平矫正处理。
3.根据权利要求2所述的方法，其特征在于，执行所述水平矫正处理包括：
采用最大类间方差OTSU算法将车牌二值化，获取二值图；
在所述二值图上提取水平边缘信息，获取水平边缘图；
对所述水平边缘图在预定角度范围内以预定角度间隔进行角度旋转，对于每次旋转，统计所述水平边缘图前四行中最大的水平投影值，选取该水平投影值所对应的角度中最大的角度为车牌矫正角度；
采用双线性插值算法将所述信息区域按照所述车牌矫正角度进行矫正。
4.根据权利要求1至3中任一项所述的方法，其特征在于，在采用所述圆形所对应的特征参数对所述信息区域执行圆检测之前，还包括：
对所述信息区域执行灰度化处理，并采用结构元素对获取的灰度图像执行开运算；
采用OTSU算法将所述灰度图像二值化，并通过形态学操作获取连通域。
5.一种车标的定位装置，其特征在于，包括：
获取模块，用于对于输入图像执行车牌定位，获取车牌定位信息；
确定模块，用于采用获取的所述车牌定位信息确定待定位车标的信息区域；
检测定位模块，用于采用圆形所对应的特征参数对所述信息区域执行圆检测，在确定所述待定位车标为圆形车标时，在所述信息区域中确定所述待定位车标的位置；
所述检测定位模块包括：
第三获取单元，用于对于所述信息区域，通过边缘检测算法获取边缘图像；
第四获取单元，用于在获取的所述边缘图像上,采用所述圆形所对应的特征参数获取所述信息区域内的极大值点；
确定单元，用于通过广义哈夫变换进行圆检测，确定所述待定位车标在所述信息区域的位置；
定位单元，用于采用数学形态学滤波算法，定位所述待定位车标的坐标并在所述信息区域中截取所述待定位车标；
其中，圆形特征参数C满足公式：C＝μR/δR；
其中μR为从区域中心到边界点的平均距离；δR为从区域重心到边界点的距离均方差；
(xk，yK)为图像中任一点的坐标；(x,y)为区域重心坐标。
6.根据权利要求5所述的装置，其特征在于，还包括：矫正模块，用于对所述信息区域执行水平矫正处理。
7.根据权利要求6所述的装置，其特征在于，所述矫正模块包括：
第一获取单元，用于采用最大类间方差OTSU算法将车牌二值化，获取二值图；
第二获取单元，用于在所述二值图上提取水平边缘信息，获取水平边缘图；
统计单元，用于对所述水平边缘图在预定角度范围内以预定角度间隔进行角度旋转，对于每次旋转，统计所述水平边缘图前四行中最大的水平投影值；
选取单元，用于选取该水平投影值所对应的角度中最大的角度为车牌矫正角度；
矫正单元，用于采用双线性插值算法将所述信息区域按照所述车牌矫正角度进行矫正。
8.根据权利要求5至7中任一项所述的装置，其特征在于，还包括：
第一处理模块，用于对所述信息区域执行灰度化处理，并采用结构元素对获取的灰度图像执行开运算；
第二处理模块，用于采用OTSU算法将所述灰度图像二值化，并通过形态学操作获取连通域。

车标的定位方法及装置\n技术领域\n[0001] 本发明涉及计算机图象处理技术领域，特别涉及一种车标的定位方法及装置。\n背景技术\n[0002] 随着社会经济的发展以及车辆的日益增多，通过计算机信息化、智能化地管理车辆成为一种必然趋势。\n[0003] 车牌识别技术被广泛应用在交通流量监测，高速公路卡口收费，闯红灯违章车辆监控及小区自动收费系统中。目前的处理技术只能对车牌和大型、中型、小型车辆进行识别，但不能识别具体的车型。\n[0004] 目前常见的车标形状主要分为圆形、椭圆形和矩形。然而相关技术中，对于圆形车标的精确定位还缺乏相关的技术方案，因此，针对车牌上方区域的圆形车标，需要一种有效的技术方案进行准确的定位。\n发明内容\n[0005] 本发明提出一种车标的定位方法及装置，以至少解决相关技术中无法对车牌上方的圆形车标进行精确定位的技术问题。\n[0006] 根据本发明的一个方面，提供了一种车标的定位方法。\n[0007] 根据本发明的车标的定位方法包括：对于输入图像执行车牌定位，获取车牌定位信息；采用获取的上述车牌定位信息确定待定位车标的信息区域；采用圆形所对应的特征参数对上述信息区域执行圆检测，在确定上述待定位车标为圆形车标时，在上述信息区域中确定上述待定位车标的位置。\n[0008] 根据本发明的一个方面，提供了一种车标的定位装置。\n[0009] 根据本发明的车标的定位装置包括：获取模块，用于对于输入图像执行车牌定位，获取车牌定位信息；确定模块，用于采用获取的上述车牌定位信息确定待定位车标的信息区域；检测定位模块，用于采用圆形所对应的特征参数对上述信息区域执行圆检测，在确定上述待定位车标为圆形车标时，在上述信息区域中确定上述待定位车标的位置。\n[0010] 通过本发明，先根据车牌定位信息阶段判别出车标的大致信息区域，然后在精定位阶段，采用圆形所对应的特征参数对上述信息区域执行圆检测，在确定上述待定位车标为圆形车标时，在上述信息区域中确定上述待定位车标的位置。解决了相关技术中无法对车牌上方的圆形车标进行精确定位的技术问题。从而可以实现对车牌上方的圆形车标的精确定位，完成对车辆车型的有效识别。\n附图说明\n[0011] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：\n[0012] 图1为根据本发明实施例的车标的定位方法的流程图；\n[0013] 图2为根据本发明优选实施例的车标的定位方法的流程图；\n[0014] 图3为根据本发明实施例的车标的定位装置的结构框图；以及\n[0015] 图4为根据本发明优选实施例的车标的定位装置的结构框图。\n具体实施方式\n[0016] 图1为根据本发明实施例的车标的定位方法的流程图。如图1所示，根据本发明实施例的车标的定位方法包括以下步骤（步骤S102-步骤S106）：\n[0017] 步骤S102：对于输入图像执行车牌定位，获取车牌定位信息；\n[0018] 步骤S104：采用获取的上述车牌定位信息确定待定位车标的信息区域；\n[0019] 步骤S106：采用圆形所对应的特征参数对上述信息区域执行圆检测，在确定上述待定位车标为圆形车标时，在上述信息区域中确定上述待定位车标的位置。\n[0020] 在图1中，车标的定位主要分为三个阶段。第一阶段（相当于步骤S102）:首先对车牌进行定位；第二阶段（相当于步骤S104）:根据第一阶段获取的车牌定位信息判别出车标的大致信息区域，第二阶段（相当于步骤S104）:即车标的精确定位阶段，采用圆形所对应的特征参数对上述信息区域执行圆检测，在确定上述待定位车标为圆形车标时，在上述信息区域中确定上述待定位车标的位置。通过上述三个步骤的有效结合，解决了相关技术中无法对车牌上方的圆形车标进行精确定位的技术问题。从而可以实现对车牌上方的圆形车标的精确定位，完成对车辆车型的有效识别。\n[0021] 其中，在步骤S102中，对车牌定位的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，根据车牌的不同特征，可以采用不同的定位方法。目前车牌定位的方法很多，最常见的车牌定位技术主要有基于边缘检测的方法、基于彩色分割的方法、基于小波变换的方法、基于遗传算法的方法、基于数学形态学的车牌定位和基于灰度图像纹理特征分析的方法等。\n[0022] 其中，对于基于边缘检测的方法而言，所谓“边缘”就是指其周围像素灰度有阶跃变化的那些像素的集合。“边缘”的两侧分属于两个区域，每个区域的灰度均匀一致，而这两个区域的灰度在特征上存在一定的差异。边缘检测的任务是精确定位边缘和抑制噪声。检测的方法有多种,例如Roberts边缘算子、Prewitt算子、Sobel算子以及拉普拉斯边缘检测。这些方法正是利用物体边缘处灰度变化剧烈这一特点来检测图像的边缘。各算子对不同边缘类型的敏感程度不同,产生的效果也不同,经过大量实验分析可知,Roberts边缘算子是一种利用局部方差算子寻找边缘的算子,定位比较精确;Prewitt算子和Sobel算子对噪声有一定的抑制能力,但不能完全排除伪边缘;拉普拉斯算子是二阶微分算子,对图像中的阶跃型边缘点定位准确且具有旋转不变性,但容易丢失一部分边缘的方向信息,同时抗噪能力较差。针对不同的环境和要求,选择合适的算子来对图像进行边缘检测才能达到好的效果。以上是对基于边缘检测的车牌定位方法进行的简单描述，其他车牌定位技术可以参见相关技术中的描述，此处不再赘述。\n[0023] 其中，在步骤S104中，由于已经对车牌进行了定位，因此可以根据车牌的位置信息对位于车牌上方的车标的大体信息区域进行定位。\n[0024] 在优选实施过程中，在执行步骤S104之后，执行步骤S106之前，还可以包括以下处理：对上述车标的信息区域执行水平矫正处理。\n[0025] 智能交通系统（Intelligent Traffic System，简称为ITS）\n[0026] 中，摄取的对象通常是运动车辆的牌照，摄像机一般只能架设在公路的侧上方，因而采集到的车牌图像都有不同程度的倾斜变形，而3度以上的倾斜会引起字符明显变性，大部分光学字符识别(Optical Character Recognition,简称为OCR)方法难以适应，这给字符的准确分割和识别带来很大的困难。因此，针对该问题，可以对上述车标的信息区域执行水平矫正处理。\n[0027] 在优选实施过程中，上述执行上述水平矫正处理可以进一步包括以下处理：\n[0028] （1）采用最大类间方差OTSU算法将车牌二值化，获取二值图；\n[0029] （2）在上述二值图上提取水平边缘信息，获取水平边缘图；\n[0030] （3）对上述水平边缘图在预定角度范围内以预定角度间隔进行角度旋转，对于每次旋转，统计上述水平边缘图前四行中最大的水平投影值，选取该水平投影值所对应的角度中最大的角度为车牌矫正角度；\n[0031] （4）采用双线性插值算法将上述信息区域按照上述车牌矫正角度进行矫正。\n[0032] 通过上述处理，结合车牌图像的实际情况，对车牌的水平方向进行旋转无损矫正，而在垂直方向上则采用投影法进行拉伸变形矫正，可以有效实现对车标的信息区域的水平倾斜矫正。\n[0033] 在优选实施过程中，上述步骤S106可以进一步包括以下处理：\n[0034] （1）对于上述信息区域，通过边缘检测算法获取边缘图像；\n[0035] （2）在获取的上述边缘图像上,采用上述圆形所对应的特征参数（例如，圆形特征量等）获取上述信息区域内的极大值点；\n[0036] 其中，圆形特征C=μR/δR，当区域R趋向于圆形时,圆形特征量C单调递增且趋向于无穷,它不受区域平移、旋转和尺度变化的影响,C是一个用区域R的所有边界点定义的特征量，其中μR为从区域中心到边界点的平均距离\n[0037] \n[0038] 在上述公式中（xk，yK）为图像中任一点的坐标；（x,y）为区域重心坐标；定义δR为从区域重心到边界点的距离均方差\n[0039] \n[0040] （3）通过广义哈夫变换进行圆检测，确定所述待定位车标在所述信息区域的位置；\n[0041] （4）采用数学形态学滤波算法，定位上述待定位车标的坐标并在上述信息区域中截取上述待定位车标。\n[0042] 在优选实施过程中，在步骤S104之后，步骤S106之前，还可以包括以下处理：对上述信息区域执行灰度化处理，并采用结构元素对获取的灰度图像执行开运算。\n[0043] 其中，开运算属于形态学图像处理，是先腐蚀后膨胀，其作用是：可以使边界平滑，消除细小的尖刺，断开窄小的连接,保持面积大小不变等。使用同一个结构元素对图像先腐蚀再进行膨胀的运算称为开运算。具体地，在结构元素B下的开运算定义如下：\n[0044] \n[0045] 由此可见，开运算可以用来消除小对象物、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。因此，在步骤S104之后步骤S106之前，采用开运算，可以有效将车标的信息区域中一些无关的背景图像去除。\n[0046] 在优选实施过程中，在采用结构元素对获取的灰度图像执行开运算之后，采用上述圆形所对应的特征参数对上述信息区域执行圆检测之前，还可以包括以下处理：采用OTSU算法将上述灰度图像二值化，并通过形态学操作获取连通域。\n[0047] 其中，所谓“二值化”，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。而通过形态学操作获取连通域，在相关技术中存在很多种方法，具体可以参见相关技术中的描述，此处不再赘述。\n[0048] 以下结合图2对上述优选实施方式进行进一步说明。\n[0049] 图2为根据本发明优选实施例的车标的定位方法的流程图。如图2所示，该车标的定位方法可以包括以下处理：\n[0050] 步骤S202：利用边缘检测或者机器学习等算法对输入图像进行车牌定位。\n[0051] 在优选实施过程中，可以采用以下方式对车牌执行定位：\n[0052] Y1=Ymax-t*Hpai\n[0053] Y2=Ymin-t*Hpai\n[0054] X1=Xmin\n[0055] X2=Xmax\n[0056] 其中，t=0.5～4,Y1和Y2分别是车标区域上下边界坐标，X1和X2分别是区域左右边界的坐标，Ymax和Ymin分别是车牌区域上下边界的坐标，Xmin和Xmax分别是车牌区域左右边界的坐标，Hpai是车牌的高度。\n[0057] 步骤S204：根据车牌定位信息粗定位车标的信息区域。\n[0058] 步骤S206（车标粗定位区域预处理）：利用车牌矫正的参数对车标粗定位的区域（即上述车标的信息区域）进行水平矫正。\n[0059] 具体地，可以利用车牌水平矫正中的旋转角度信息结合双线性插值对车标区域进行水平倾斜校正。\n[0060] (1)提取二值化车牌的水平边缘信息图，即按列搜索二值图，当遇到跳变时，即遇到0→1或1→0时，将边缘图上与二值图白色像素对应点赋值为1。\n0 0 0\n[0061] (2)将提取的水平边缘图在以1为步长在[-20 ,20]范围内进行水平旋转，每旋转一次，分别统计每行在水平方向上的投影值，取其中最大的前n行，然后求和，作为这个旋转角度的水平投影值(n为阈值，可以取4)。\n[0062] (3)比较每次旋转角度所求得的水平投影值Sum(α)，找到投影值最大所对应的角度α即为车牌水平倾斜的角度。\n[0063] (4)对粗定位区域以α角度利用双线性插值进行水平倾斜校正。\n[0064] 步骤S208：将矫正过的车标粗定位区域进行灰度化，利用结构元素对灰度图像进行一次开运算，用于在车标的信息区域中去除一些无关的背景图像。\n[0065] 步骤S210：利用OTSU二值化算法进行二值化，再进行形态学操作，得到连通域，将车标的信息区域中面积很小的白点去掉。\n[0066] 步骤S212：先通过广义Hough变换的多圆快速检测算法进行圆形检测，检测出圆的大致位置，然后设置较小的圆形约束系数（例如，初始分割的约束函数通常取0）采用偏微分方程的数值解经过适当的迭代后，可以提取出图像中所有目标的近似轮廓，作为目标的初始分割，此时采用水平集函数分割图像，使得每一个图像中包含一个目标物体。\n[0067] 对于每一个目标物体，以上述分割水平集函数重新初始化的距离为初始设置，设置较大的圆形约束函数（例如，可以取200）以检测圆形物体，然后采用偏微分方程对其求解，如果求得的解为0，则目标物体为圆形物体，然后将所有的目标图像叠加起来，就得到原图像中的所有圆形目标。\n[0068] 如果检测为圆形，则执行步骤S214，否则，可以设置再执行一次或多次检测，以防检测结果出现偏差，提高检测正确性。图2示出了再执行一次检测的技术方案，即如果检测不是圆形，执行步骤S218。\n[0069] 步骤S214：根据中轴线检测连通区域，将位于中轴线的圆形连通区域用标签标注，分别进行处理，统计出连通域的位置，从而实现车标的精确定位。\n[0070] 步骤S216：在粗定位且校正后的车标的信息区域中截取最终的车标。\n[0071] 步骤S218：二次检测车标是否为圆形；如果是，执行步骤S214。否则，流程结束。\n[0072] 图3为根据本发明实施例的车标的定位装置的结构框图。如图3所示，该车标的定位装置包括但不限于以下模块：\n[0073] 获取模块30，用于对于输入图像执行车牌定位，获取车牌定位信息；\n[0074] 确定模块32，与获取模块30相连接，用于采用获取的上述车牌定位信息确定待定位车标的信息区域；\n[0075] 检测定位模块34，与确定模块32相连接，用于采用圆形所对应的特征参数对上述信息区域执行圆检测，在确定上述待定位车标为圆形车标时，在上述信息区域中确定上述待定位车标的位置。\n[0076] 通过图3所示的车标定位装置的三个模块的有效结合，解决了相关技术中无法对车牌上方的圆形车标进行精确定位的技术问题。从而可以实现对车牌上方的圆形车标的精确定位，完成对车辆车型的有效识别。\n[0077] 在优选实施过程中，如图4所示，上述装置还可以包括：矫正模块36，连接于确定模块32和检测定位模块34之间，用于对上述信息区域执行水平矫正处理。\n[0078] 在优选实施过程中，如图4所示，上述矫正模块36可以进一步包括：第一获取单元\n360，用于采用最大类间方差OTSU算法将车牌二值化，获取二值图；第二获取单元362，用于在上述二值图上提取水平边缘信息，获取水平边缘图；统计单元364，用于对上述水平边缘图在预定角度范围内以预定角度间隔进行角度旋转，对于每次旋转，统计上述水平边缘图前四行中最大的水平投影值；选取单元366，用于选取该水平投影值所对应的角度中最大的角度为车牌矫正角度；矫正单元368，用于采用双线性插值算法将上述信息区域按照上述车牌矫正角度进行矫正。\n[0079] 在优选实施过程中，如图4所示，上述检测定位模块34可以进一步包括：第三获取单元340，用于对于上述信息区域，通过边缘检测算法获取边缘图像；第四获取单元342，用于在获取的上述边缘图像上,采用上述圆形所对应的特征参数获取所述信息区域内的极大值点；确定单元344，用于通过广义哈夫变换进行圆检测，确定上述待定位车标在所述信息区域的位置；定位单元346，用于采用数学形态学滤波算法，定位上述待定位车标的坐标并在上述信息区域中截取上述待定位车标。\n[0080] 在优选实施过程中，上述装置还包括：第一处理模块38，可以连接于矫正模块36和检测定位模块34之间，连接于用于对上述信息区域执行灰度化处理，并采用结构元素对获取的灰度图像执行开运算。\n[0081] 在优选实施过程中，上述装置还包括：第二处理模块40，可以连接于第一处理模块38和检测定位模块34之间，用于采用OTSU算法将上述灰度图像二值化，并通过形态学操作获取连通域。\n[0082] 需要说明的是，上述车标的定位装置中各模块，以及各单元的相互结合的优选工作方式，可以参见图1至图2中的描述，此处不再赘述。\n[0083] 综上上述，借助本发明提供的上述实施例，可以实现对车牌上方的圆形车标的精确定位，完成对车辆车型的有效识别。并且，通过采用一些优化处理方案，例如，对车标的信息区域水平矫正，执行开运算去除车标的信息区域的无关背景图像等，可以更加精确地定位车标，识别车型。\n[0084] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分上述的方法。\n[0085] 以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。