[发明专利]车辆品牌型号识别方法和系统

摘要

本发明提供了车辆品牌型号识别方法和系统，涉及计算机视觉技术领域，包括获取训练图像信息，并提取训练图像信息的第一特征信息；对训练图像信息进行随机字典学习，得到字典信息；从字典信息中选取多组字码信息，并利用多组字码信息对第一特征信息进行处理，得到第一中级特征信息；对第一中级特征信息进行训练，得到图像分类器；获取当前图像信息，并提取当前图像信息的第二特征信息；从多组字码信息中选取相应的字码信息，对第二特征信息进行处理，得到第二中级特征信息；利用图像分类器对第二中级特征信息进行识别分类，得到当前图像的车辆品牌型号识别结果。本发明可以准确识别车辆品牌型号，并且对应用场景鲁棒，提高了识别效果。

主权项

1.一种车辆品牌型号识别方法，其特征在于，包括：获取训练图像信息，并提取所述训练图像信息的第一特征信息；对所述训练图像信息进行随机字典学习，得到字典信息；从所述字典信息中选取多组字码信息，并利用多组所述字码信息对所述第一特征信息进行处理，得到第一中级特征信息；对所述第一中级特征信息进行训练，得到图像分类器；获取当前图像信息，并提取所述当前图像信息的第二特征信息；从多组所述字码信息中选取相应的字码信息，并利用所述相应的字码信息对所述第二特征信息进行处理，得到第二中级特征信息；利用所述图像分类器对所述第二中级特征信息进行识别分类，得到当前图像的车辆品牌型号识别结果；所述对所述训练图像信息进行随机字典学习，得到字典信息包括以下步骤：步骤S1021，将所述训练图像信息随机划分为G个无交叉的类组，每个类组里包含一到多个图像类别的所有图像；步骤S1022，将每个类组的所有图像当成同一大类，根据最大间隔多示例字典学习MMDL将所有同一类组下所提取的图像块局部特征集当做正样本，非该同一类组下的图像块局部特征集作为负样本；步骤S1023，使用k‑means聚类对正样本图像中的所有图像块局部特征聚成K个不同的簇心，并将负样本产生另一个簇，将每个类组生成K+1个簇心；步骤S1024，根据MMDL将所述簇心训练得到一个线性支持向量机SVM；步骤S1025，根据训练得到的SVM更新每个图像块局部特征的标签；步骤S1026，重复步骤S1024和步骤S1025多次，生成最终的K+1个字码；步骤S1027，重复步骤S1022‑步骤S1026，针对每个类组进行步骤S1023和步骤S1024中的k‑means聚类以及步骤S1024和步骤S1025中的迭代SVM学习，得到(K+1)×G个不同的字码，形成单次划分的字典；步骤S1028，重复步骤S1021‑步骤S1026Y次，根据Y次随机类组的划分并进行MMDL学习，产生了(K+1)×G×Y个不同的字码，得到所述字典信息。