[发明专利]一种基于联合检测与辨识算法的车标识别方法

权利要求书

1.一种车标联合检测与识别的方法，包括以下步骤：

步骤1：获得清晰的车标模板图像，并计算模板图像的图像特征，获得车标模板特征库；

步骤2：截取获得车辆图像中的车标图像I₁，将彩色图像I₁转化为灰度图像，再进行二值化处理得到图像I₂；

步骤3：图像I₂通过SIFTFlow算法对车标模板特征库一一释义，得到释义结果图I_3Ni，和匹配能量分布E(w)，其中N为指定的模板车标，i＝1,2,3,4是得到的释义结果图的4个尺度；

步骤4：释义图I_3Ni与模板图之间运用相似度计算，得到相似度S；

步骤5：将匹配能量分布E(w)与相似度S加权累加得到截取的车标图像分别与模板图像之间的相似距离L；

步骤6：获得判断车标的置信区间：获取同一监控处多张相同车标的监控车标图像，将这些监控车标图像与其对应的模版图像求取相似距离，获得模版车标与监控车标相似距离的均值E_N和方差σ_N，置信区间为(E_N-3σ_N,E_N+3σ_N)；

步骤7：将得到的相似距离L分布中的最小值与置信区间进行比对，在置信区间的则判定为该车标，否则输出无车标。

2.如权利要求1所述的一种车标联合检测与识别的方法，其特征在于所述模板特征库由从多个标准车标图形提取的多个尺度的DenseSIFT特征矩阵组成。

3.如权利要求1所述的一种车标联合检测与识别的方法，其特征在于所述步骤3中的SIFTFlow算法是：

步骤3.1：提取图像I₂的DenseSIFT M×N×128特征矩阵；

步骤3.2：匹配图像I₂的特征矩阵与模板特征库，求解目标能量函数的最优解；目标函数由两部分构成：边缘特征项构成、邻域项；满足多尺度精确匹配，目标函数增加尺度变量D，并在依据全图确定最优解的搜索框；

步骤3.3：求解目标函数得到最优能量函数和最优解向量矩阵vx，vy；由I₂、vx和vy获得释义图I₃。