[发明专利]基于卷积神经网络的车标识别方法

权利要求书

1.一种基于卷积神经网络的车标识别方法，包括如下步骤：

(1)输入交通路口中高清拍照设备获取的车标待检测图片；

(2)车标定位：

(2a)对输入的车标待检测图片进行二值化操作，得到二值化后的车标图片；

(2b)对二值化后的车标图片进行腐蚀和膨胀的形态学操作，得到联通区域；

(2c)在联通区域中利用车牌联通区域的宽高比和矩形特征，筛选出车牌联通区域，得到车牌联通区域的左上坐标(x_1，y₁)和右下坐标(x_2，y₂)；

(2d)在待检测车标图片中，通过滑窗截取车标区域图，滑窗底边以车牌上边沿为起始，沿着车牌的中央线往上滑动3次截取候选区域，得到车标区域图；

(3)构建并训练卷积神经网络CNN：

(3a)构建含有7层的卷积神经网络CNN，7层依次是卷积层Conv1，池化层Pool2,卷积层Conv3，池化层Pool4，全连接层Fc5，全连接层Fc6，分类层Softmax7；

(3b)输入已标记并灰度化的车标区域样本图片，训练卷积神经网络CNN，直到输出层的损失函数J(θ)≤0.0001，得到车标识别的卷积神经网络CNN；

(4)车标识别：

(4a)对车标区域图进行灰度化操作；

(4b)将灰度化后的车标区域图分辨率归一化至38×38像素大小，得到处理后的车标图；

(4c)将处理后的车标图输入车标识别的卷积神经网络CNN，最终输出结果。

2.根据权利要求1所述的基于卷积神经网络的车标识别方法，其特征在于：步骤(1)中所述的车标待检测图片包含清晰可见的标记车牌和车标，标准车牌区域大小为180×60像素。

3.根据权利要求1所述的基于卷积神经网络的车标识别方法，其特征在于：步骤(2a)中所述的对输入的车标待检测图片进行二值化操作的步骤如下：

第一步，选取50个标记样本中车牌底色的三原色红绿蓝RGB值，统计三原色红绿蓝RGB值的均值；

第二步，按照下式，对输入的车标待检测图片进行二值化操作：

其中，q_ij表示二值化后的图片的像素点的灰度值，r₀,g₀,b₀分别表示样本图片像素点的三原色红绿蓝均值，r_ij，g_ij,b_ij分别表示待检测图片像素点的三原色红绿蓝值,i,j分别表示图片像素点的行数和列数。

4.根据权利要求1所述的基于卷积神经网络的车标识别方法，其特征在于：

步骤(2c)中所述的车牌联通区域的宽高比和矩形特征是指，车牌的宽高比为3:1，车牌宽大于高，且与拍摄道路的水平线的倾斜角小于5度。

5.根据权利要求1所述的基于卷积神经网络的车标识别方法，其特征在于：步骤(2d)中所述的滑窗的窗口为正方形，其边长为：步长为：其中，l表示滑窗窗口的边长，h表示滑窗窗口的步长，(x_1，y₁)表示车牌联通区域的左上坐标，(x_2，y₂)表示车牌联通区域的右下坐标。