CN104331691A - 一种车标分类器训练方法、车标识别方法及装置 - Google Patents

Abstract

本发明提供一种车标分类器训练方法、车标识别方法及装置，方法包括：在车辆进入监控区域时，获取多帧车辆图像；对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；在达到车标识别结果输出条件时，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。本发明可对车标分类器进行优化训练，实现提升车标分类器的识别准确率的目的。

Description

一种车标分类器训练方法、车标识别方法及装置

技术领域

本发明涉及车牌识别技术领域，更具体地说，涉及一种车标分类器训练方法、车标识别方法及装置。

背景技术

车牌识别设备目前已经被广泛使用在停车场出入口对进出场的车辆进行管理。目前的车牌识别系统都使用进场取卡，一车一卡的模式。然而车牌识别的识别率一般只有95％，停车场出入口一般会配置工作人员协助用户。随着人力成本提高，无人值守停车场开始推广。车牌识别目前在大部分系统中仍然作为车辆识别的唯一标准。一旦车牌号码无法识别，会对用户使用以及停车场管理带来麻烦。车标识别作为车牌识别的一种补充，在车牌无法被识别的时候可以通过识别车标来完成寻车以及协助收费，同时通过对车标进行识别可收集到出入停车场的车辆档次信息，从而为判断消费人群的消费能力，引进不同品牌店等提供基础，可见车标识别在车辆识别领域越来越受到人们的重视。

车标识别包括车标检测与对检测到的车标进行识别两个步骤，其中涉及到车标分类器的使用，具体通过车标分类器的混合模型进行车标检测，通过车标分类器的车标模型进行车标识别。其中，车标检测是为了区分了当前识别对象是车标还是非车标，常用的车标检测方式为训练一个车标的混合模型进行车标检测，从而区分当前识别对象是车标还是非车标；车标识别是在通过车标检测检测到当前识别对象是车标时，确定当前识别对象的车标种类，如当前识别对象是“大众”车标还是“宝马”车标等，常用的车标识别方式为对每一种车标均训练出一个车标模型，使得每一种车标均对应有一个车标模型识别，从而通过车标模型从多种车标种类中识别出当前识别对象的车标种类。

本发明的发明人发现现有技术存在如下问题：目前的车标分类器的训练是在实验室中完成的，车标分类器的正负样本的收集是前期通过使用摄像机在各个时段和天气条件下拍摄并储存大量停车场出入口的视频；从这些视频中，人工截取出每辆车的车标部分图像，作为正样本，人工截取出不是车标的部分作为负样本，从而实现车标分类器的训练；然而，由于实验室训练车标分类器所采用的样本图像是有限的，不可能包含所有类型的停车场出入口的车辆图像，使得训练出来的车标分类器的识别准确率较低，因此如何对所训练的车标分类器进行优化训练，从而提升车标分类器的识别准确率成为本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本发明实施例提供一种车标分类器训练方法、车标识别方法及装置，以解决现有车标分类器的识别准确率较低的问题，以对所训练的车标分类器进行优化训练，实现提升车标分类器的识别准确率的目的。

为实现上述目的，本发明实施例提供如下技术方案：

一种车标分类器训练方法，包括：

在车辆进入监控区域时，获取多帧车辆图像；

对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

在达到车标识别结果输出条件时，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；

对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。

其中，所述确定每一帧车辆图像对应的车标识别结果包括：

对所获取的当前帧车辆图像进行车牌识别，若检测到有效车牌，将检测到有效车牌时对应的有效车牌区域进行扩大；

对扩大的区域使用车标混合模型进行车标检测，若检测到车标，使用设定的各车标种类对应的车标模型对检测到车标的区域进行车标识别，确定所识别的车标种类及所确定的车标种类的置信度，其中，检测到车标的区域视为进行车标识别时所使用的车标图像。

其中，所述方法还包括：

通过预先设置的队列保存同一车辆对应的多份车标识别结果，一份车标识别结果对应一帧车辆图像对应的车标识别结果；在确定每一帧车辆图像对应的车标识别结果后，每一帧车辆图像对应的车标识别结果均保存在所述队列，直至达到车标识别结果输出条件时，输出所述队列所保存的多份车标识别结果。

其中，所述达到车标识别结果输出条件包括：

对所获取的当前帧车辆图像进行车牌识别，若检测到有效车牌，且所检测的车牌为新车牌，则确定当前达到车标识别结果输出条件；

或，若当前检测到地感信号，则确定当前达到车标识别结果输出条件；

或，若所确定的车标识别结果对应的车辆图像的帧数达到设定帧数，则确定当前达到车标识别结果输出条件。

其中，所述方法还包括：

将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本，以进行车标模型训练。

其中，所述方法还包括：

在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本进行车标模型训练；

或，在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，若有多个车标模型存在对同一非目标车标种类的识别，且该多个车标模型中有至少一个车标模型对所述同一非目标车标种类的识别次数达到设定次数，则调高所述同一非目标车标种类对应的车标模型的阈值。

本发明实施例还提供一种车标识别方法，基于上述所述的车标分类器训练方法，所述车标识别方法包括：

在达到车标识别条件时，获取车辆图像；

使用混合模型对所述车辆图像进行车标检测；

若检测到车标，采用如上述所述的车标分类器训练方法所训练的各车标种类对应的车标模型，对检测到车标的区域进行车标识别，确定各车标模型所识别的车标种类的置信度；

将置信度最大的车标模型所识别的车标种类作为车标识别的结果。

其中，所述达到车标识别条件包括：

检测到地感信号时，确定当前达到车标识别条件。

本发明实施例还提供一种车标分类器训练装置，包括：

第一获取模块，用于在车辆进入监控区域时，获取多帧车辆图像；

车标识别结果确定模块，用于对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

目标种类确定模块，用于在达到车标识别结果输出条件时，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；

负样本确定模块，用于对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。

本发明实施例还提供一种车标识别装置，基于上述所述的车标分类器训练方法，所述车标识别装置包括：

第二获取模块，用于在达到车标识别条件时，获取车辆图像；

车标检测模块，用于使用混合模型对所述车辆图像进行车标检测；

车标识别模块，用于若检测到车标，采用如上述所述的车标分类器训练方法所训练的各车标种类对应的车标模型，对检测到车标的区域进行车标识别，确定各车标模型所识别的车标种类的置信度；

结果确定模块，用于将置信度最大的车标模型所识别的车标种类作为车标识别的结果。

基于上述技术方案，本发明实施例提供的车标分类器训练方法，在车辆进入监控区域时，可获取多帧车辆图像，对于每一帧车辆图像，可确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；并在达到车标识别结果输出条件时，可确定车标识别结果中最大的置信度对应的车标种类为目标车标种类，从而将所确定的车标识别结果中非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练，提升非目标车标种类对应的车标模型识别的正确率，从而对车标分类器进行优化训练，实现提升车标分类器的识别准确率的目的。

附图说明

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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的车标分类器训练方法的流程图；

图2为本发明实施例提供的车标分类器训练方法的另一流程图；

图3为本发明实施例提供的车标分类器训练方法的再一流程；

图4为本发明实施例提供的车标识别方法的流程图；

图5为本发明实施例提供的车标分类器训练装置的结构框图；

图6为本发明实施例提供的车标识别结果确定模块的结构框图；

图7为本发明实施例提供的车标分类器训练装置的另一结构框图；

图8为本发明实施例提供的车标分类器训练装置的再一结构框图；

图9为本发明实施例提供的车标分类器训练装置的又一结构框图；

图10为本发明实施例提供的车标识别装置的结构框图。

具体实施方式

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。

图1为本发明实施例提供的车标分类器训练方法的流程图，参照图1，该方法可应用于数据处理设备，该数据处理设备可以是具有数据处理能力的计算机，笔记本电脑等电子设备，该数据处理设备可与对车辆进行监控的摄像头进行数据通信，该摄像头可以是设置于通行场所的出入口(如停车场的出入口)，监控车辆通行的摄像头；参照图1，该方法可以包括：

步骤S100、在车辆进入监控区域时，获取多帧车辆图像；

本发明实施例可在车辆通行场所的出入口设置摄像头对车辆进行监控，当车辆进入监控区域时，该摄像头可获取多帧车辆图像并传递至数据处理设备。

步骤S110、对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

对于每一帧车辆图像，本发明实施例可先采用车标混合模型进行车标检测，若检测到车标，则说明该帧车辆图像具有车标样本，可通过设定的各车标种类对应的车标模型对检测到车标的区域进行车标识别，从而确定所识别的车标种类及所确定的车标种类的置信度，其中进行车标识别所使用的检测到车标的区域为进行车标识别时所使用的车标图像。

可选的，各车标种类对应的车标模型可以是通过本发明实施例提供的车标分类器训练方法所训练出的车标模型；在通过设定的各车标种类对应的车标模型对检测到车标的区域进行车标识别时，将得到各车标模型所识别的车标种类及所识别的车标种类的置信度，本发明实施例可将最大的置信度，最大的置信度对应的车标种类和检测到车标的区域作为该帧车辆图像对应的车标识别结果。

为便于描述，本发明实施例以各车标种类对应的车标模型有两个，分别是“丰田”的车标模型和“大众”的车标模型为例进行说明，本发明实施例在采用车标混合模型检测到车标后，可分别采用“丰田”的车标模型和“大众”的车标模型对检测到车标的区域进行车标识别，得到“丰田”的车标模型所识别的车标种类和置信度，及“大众”的车标模型所识别的车标种类和置信度，若“丰田”的车标模型的置信度最大，则确定“丰田”的车标模型所识别的车标种类，置信度和检测到车标的区域为该帧车辆图像对应的车标识别结果，当然，若“大众”的车标模型的置信度最大，则确定“大众”的车标模型所识别的车标种类，置信度和检测到车标的区域为该帧车辆图像对应的车标识别结果。

车标识别结果有三个内容，分别为进行车标识别时所使用的车标图像，识别的车标种类，所识别的车标种类的置信度；可选的，识别的车标种类可通过一个文件进行待识别目标车标种类，和当前帧识别的车标种类的标注；待识别目标车标种类在步骤S120确定目标车标种类后，将在该文件中进行填充。例如当前帧车辆图像识别的车标种类为“丰田”，则车标识别结果的三个内容为：一张识别时候所使用的车标图像，标注“待识别目标车标种类_当前帧识别的车标种类”的文件填充为“待识别_丰田”的文件以及当前识别为“丰田”车标种类的置信度。其中，标注文件记录的“待识别_丰田”中，待识别字段为标识目标车标种类的字段，将在下文确定目标车标种类后填充，“丰田”为当前帧车辆图像识别的车标种类。

可选的，本发明实施例所确定的每一帧车辆图像的车标识别结果，可基于车牌识别的基础上；具体的，对于每一帧车辆图像，本发明实施例可对所获取的当前帧车辆图像进行车牌识别，若检测到有效车牌，将检测到有效车牌时对应的有效车牌区域进行扩大，对扩大的区域使用车标混合模型进行车标检测，若检测到车标，使用设定的各车标种类对应的车标模型对检测到车标的区域进行车标识别，确定所识别的车标种类及所确定的车标种类的置信度，其中，所述检测到车标的区域视为进行车标识别时所使用的车标图像；可选的，本发明实施例也可将最大的置信度，最大的置信度对应的车标种类和检测到车标的区域作为该帧车辆图像对应的车标识别结果。

可选的，置信度可以为0到1.0之间的一个浮点数。

步骤S120、在达到车标识别结果输出条件时，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；

在确定每一帧车辆图像对应的车标识别结果后，本发明实施例可得到与所获取的车辆图像的帧数数量相同的多份车标识别结果，本发明实施例可将该多份车标识别结果中每份车标识别结果对应的置信度按照大小进行排序，确定出最大的置信度，将该最大的置信度对应的车标种类确定为目标车标种类；目标车标种类可以初步认为是摄像头所监控的车辆的真实车标。

步骤S130、对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。

由于所确定的多份车标识别结果中，可能存在与目标车标种类不同的非目标车标种类，本发明实施例可将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，从而对该非目标车标种类对应的车标模型进行训练，从而提升该非目标车标种类对应的车标模型的识别正确率。

为便于理解，可假设目标车标种类为“丰田”，若所确定的多份车标识别结果中存在“大众”这一非目标车标种类，则可确定本发明实施例中的“丰田”车标图像容易被“大众”的车标模型识别成“大众”，因此被“大众”的车标模型识别为“大众”的“丰田”车标图像(即所确定的车标识别结果中“大众”这一识别结果对应的车标图像)为“大众”的车标模型识别较为困难的负样本，可将该“丰田”图标图像加入“大众”的车标模型的负样本中进行“大众”车标模型的训练，从而降低“大众”的车标模型将“丰田”车标图像识别为“大众”的概率，提升车标识别的正确率。

以步骤S110对当前帧所识别的车标种类在文件中标注为“待识别目标车标种类_当前帧识别的车标种类”为例，在确定目标车标种类中后，可在各个文件中将待识别字段标注为目标车标种类；以目标车标种类为“丰田”，步骤S110中当前帧所识别的车标种类为“丰田”为例，则标注“待识别_丰田”的文件，将在确定目标车标种类后标注为“丰田_丰田”，说明此识别结果为目标车标种类对应的识别结果；如果目标车标种类为“大众”，则标注“待识别_丰田”的文件可被填充为“大众_丰田”，说明此识别结果为非目标车标种类对应的识别结果。

本发明实施例提供的车标分类器训练方法，在车辆进入监控区域时，可获取多帧车辆图像，对于每一帧车辆图像，可确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；并在达到车标识别结果输出条件时，可确定车标识别结果中最大的置信度对应的车标种类为目标车标种类，从而将所确定的车标识别结果中非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练，提升非目标车标种类对应的车标模型识别的正确率，从而对车标分类器进行优化训练，实现提升车标分类器的识别准确率的目的。

可选的，本发明实施例也可将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本，以进行车标分类器训练。以上文举例为例，目标车标种类为“丰田”，则本发明实施例可将被“丰田”的车标模型识别成“丰田”的车标图像作为“丰田”的车标模型的正样本(即所确定的车标识别结果中“丰田”这一目标车标种类的车标识别结果对应的车标图像)，从而提升“丰田”的车标模型的车标识别准确率。

可选的，为便于车标识别结果的保存，本发明实施例可预先设置一个队列保存同一车辆对应的多份车标识别结果，该队列将保存同一车辆的每一帧车辆图像对应的车标识别结果，直至达到车标识别结果输出条件时，输出所保存的多份车标识别结果。图2示出了本发明实施例提供的车标分类器训练方法的另一流程图，参照图2，该方法可以包括：

步骤S200、预先设置一个队列保存同一车辆对应的多份车标识别结果，一份车标识别结果对应一帧车辆图像对应的车标识别结果；

步骤S210、在车辆进入监控区域时，获取多帧车辆图像；

步骤S220、对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，并将所确定的车标识别结果保存入所述队列，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

可选的，由于车标识别需要资源较多，因此不一定能满足连续的每帧车辆图像检测的要求，本发明实施例可以使用隔帧识别或者每秒抽取其中几帧识别的方式，获取各帧车辆图像，从而进行车标识别。

步骤S230、在达到车标识别结果输出条件时，输出所述队列所保存的多份车标识别结果，以清空所述队列，并确定所输出的多份车标识别结果中最大的置信度对应的车标种类为目标车标种类；

步骤S240、对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。

可选的，达到车标识别结果输出条件可以有如下情况：

一、摄像头监控的车辆发生改变；即摄像头获取的当前帧车辆图像为新车辆的图像，则队列中所保存的上一车辆的车标识别结果应输出，以使队列可保存新车辆的车标识别结果；具体的，本发明实施例可通过检测获取的当前帧车辆图像的车牌是否为新车牌，实现车标识别结果是否达到输出条件的判断(即通过判断当前帧车辆图像的车牌与队列中所保存的车标识别结果对应的车牌是否相同，实现车标识别结果是否达到输出条件的判断)；一种可选的实现方式为：本发明实施例可对所获取的当前帧车辆图像进行车牌识别，若检测到有效车牌，且所检测的车牌为新车牌，则确定当前达到车标识别结果输出条件；

二、车辆停靠在地感上时；若当前检测到地感信号，则确定当前达到车标识别结果输出条件；

三、所确定的车标识别结果对应的车辆图像的帧数达到设定帧数(如队列中所保存的车标识别结果达到与设定帧数相同的数量)。

图3示出了本发明实施例提供的车标分类器训练方法的再一流程，图3所示方法为一种较为具体的可选方法，参照图3，该方法可以包括：

步骤S300、在车辆进入监控区域时，通过摄像头获取车辆图像；

步骤S310、获取当前帧车辆图像，对当前帧车辆图像进行车牌识别，根据识别结果判断当前车牌是否有效，若是，执行步骤S320，若否，执行步骤S400；

车牌无效可以是当前帧车辆图像无车牌，也可以是所检测到的车牌为无效车牌。

步骤S320、判断当前车牌是否为新车牌，若是，执行步骤S330，若否，执行步骤S340；

步骤S330、如果队列不为空，输出预先设置的队列中保存的车标识别结果，所述队列保存有同一车辆对应的多份车标识别结果，进入步骤S340和步骤S380；如果队列为空，执行步骤S340；

如果上一辆车是无牌车或者车牌识别失败的车辆，当前队列会出现为空的情况。一旦来了一辆有牌照的车辆，该车辆会被判断为新车。

步骤S340、将检测到车牌的区域左右扩大车牌宽度的10％，向上扩大车牌高度8倍，对扩大后的区域使用车标混合模型进行车标检测；

步骤S350、判断是否检测到车标，若否，执行步骤S400，若是，执行步骤S360；

步骤S360、使用设定的各车标种类对应的车标模型对扩大的区域进行车标识别，确定车标识别结果，并将车标识别结果存储入所述队列，所述车标识别结果包括：进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

步骤S370、判断队列中保存的车标识别结果的数量是否大于与设定帧数相同的数量，若是，输出所述队列中保存的车标识别结果，执行步骤S380，若否，执行步骤S400；

步骤S380、对于所述队列输出的车标识别结果，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；

步骤S390、如果队列中保存的记录满足适合迭代训练的最小阈值，对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练；及将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本，以进行车标分类器训练；进入步骤S440；

如果队列中保存的车标识别结果的数量不多，小于最小阈值，则车标识别的结果不一定准确，则不进行迭代训练。

步骤S400、判断是否检测到地感信号，若是，如果队列不为空，输出所述队列中保存的车标识别结果，进入步骤S380，如果队列为空，执行步骤S410；若否，进入步骤S310；

步骤S410、获取一张车辆图像，使用混合模型对车辆图像进行车标检测；

步骤S420、判断是否检测到车标，若否，执行步骤S440，若是，执行步骤S430；

步骤S430、使用设定的各车标种类对应的车标模型对检测到车标的区域进行车标识别，确定各车标模型所确定的车标种类及车标种类的置信度，将最大置信度对应的车标种类确定为车辆图像所对应的识别车标。

由于该次识别仅使用了一帧图像，因此识别的结果不一定准确，识别的结果不应用于迭代训练。

步骤S440、结束流程；

可选的，本发明实施例可在达到车标分类器训练条件时，采用迭代训练方式对车标模型进行训练。具体的，可在车标模型的误识别率达到阈值时(如非目标车标种类的确定次数达到阈值)，确定车标模型的误检情况严重，确定此时达到车标分类器训练条件。工作人员可对图1所示方法所确定的目标车标种类进行检查，判定目标车标种类的识别是否正确，并在不正确时，对目标车标种类进行纠正，确定正确的目标车标种类，从而对车标模型进行迭代训练；

以上述的例子，如果检查的结果显示图1所示方法确定的目标车标种类为“丰田”，且目标车标种类识别正确，为正确目标车标种类；则识别为“大众”车标的车标图像可以作为“大众”车标模型的负样本使用，即“大众”分类器有可能把“丰田”车标识别成“大众”；

如果工作人员检查发现图1所示方法确定的目标车标种类为“丰田”，且目标车标种类识别错误，正确的目标车标种类并非“丰田”，而是其他车标种类，则工作人员可对已确定的目标车标种类进行纠正，如果正确的目标车标种类为“大众”，那么目标车标种类由之前确定的“丰田”修改为“大众”，并将识别为“丰田”车标的车标图像可以作为“丰田”车标模型的负样本使用，即“丰田”分类器有可能把“大众”车标识别成“丰田”；如果正确的目标车标种类不是“大众”和“丰田”，而是其他的车标种类，则可将识别为“大众”车标的车标图像作为“大众”车标模型的负样本使用，识别为“丰田”车标的车标图像作为“丰田”车标模型的负样本使用。可选的，一种较为便捷的目标车标种类的纠正方式可以为对标注有目标车标种类字段的文件中的目标车标种类字段进行修改，将目标车标种类字段修改为正确的目标车标种类；如工作人员在进行纠正前，文件中标注为“丰田_大众”，但目标车标种类不为“丰田”而是“大众”，则可直接将文件中的目标车标种类字段修改为“大众”，即文件标注修改为“大众_大众”，从而使得目标车标种类的纠正更为便捷。

本发明实施例进行的迭代训练的过程如下：

1、在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本。当车标模型的误识别率达到阈值时，本发明实施例可能得到多个车辆对应的车标识别结果，在对这些车标识别结果进行人工检查后，可将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本。

例如，一般来说经过实验室训练的车标对于大部分的车标分类都有比较高的识别率，仅对于部分的车标容易识别错误。统计所有的错误识别的车标种类的每类数量，统计出错误识别最多的几类，例如车标模型容易把“丰田”识别成“大众”，“三菱”识别成“五菱”等，则可把所有的识别成“大众”的丰田车标图像作为负样本添加到“大众”车标模型训练的负样本中。经过了这次训练后，车标模型错误识别会明显减少。

2、若有多个车标模型存在对同一非目标车标种类的识别，且该多个车标模型中有至少一个车标模型对所述同一非目标车标种类的识别次数达到设定次数，则调高所述同一非目标车标种类对应的车标模型的阈值。例如，可统计所有的车标识别结果中是否存在某一车标种类容易被误识别，例如有多类车标模型容易将车标误识别为“三菱”，并且每类车标模型错误识别成“三菱”的个数还达到一定阈值，那么说明“三菱”车标模型的阈值偏低，就适当调高“三菱”的车标模型的阈值。

3、在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本进行车标模型训练。当车标模型的误识别率达到阈值时，本发明实施例可能得到多个车辆对应的车标识别结果，在对这些车标识别结果进行人工检查后，可将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本进行车标模型训练。

例如，可检查哪类车标模型的识别率偏低，将收集到的该类车标模型识别正确的车标图像添加到该类车标模型的正样本中，如“丰田”车标模型识别率低，就把正确的目标车标种类是“丰田”对应的车标图像作为“丰田”车标模型的正样本进行训练。

本发明实施例提供的车标分类器训练方法，可将所确定的车标识别结果中非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练，提升非目标车标种类对应的车标模型识别的正确率，从而对车标分类器进行优化训练，实现提升车标分类器的识别准确率的目的。

下面对本发明实施例提供的车标识别方法进行介绍，下文描述的车标识别方法基于上文描述的车标分类器训练方法。

图4为本发明实施例提供的车标识别方法的流程图，该方法可应用于具有数据处理能力的电子设备，该电子设备可以专门设置来进行车标识别，参照图4，该方法可以包括：

步骤S500、在达到车标识别条件时，获取车辆图像；

可选的，本发明实施例可在车辆停靠在地感，检测到地感信号时，确定当前达到车标识别条件。

步骤S510、使用混合模型对所述车辆图像进行车标检测；

步骤S520、若检测到车标，采用各车标种类对应的车标模型，对检测到车标的区域进行车标识别，确定各车标模型所识别的车标种类的置信度；

可选的，各车标种类对应的车标模型可以是采用上文描述的车标分类器训练方法所训练的车标模型。

步骤S530、将置信度最大的车标模型所识别的车标种类作为车标识别的结果。

本发明实施例采用优化训练后的车标分类器进行车标识别，实现了提升车标识别的准确率的目的。

下面对本发明实施例提供的车标分类器训练装置进行介绍，下文描述的车标分类器训练装置与上文描述的车标分类器训练方法可相互对应参照。

图5为本发明实施例提供的车标分类器训练装置的结构框图，该装置可应用于数据处理设备，该数据处理设备可以是具有数据处理能力的计算机，笔记本电脑等电子设备，该数据处理设备可与对车辆进行监控的摄像头进行数据通信，该摄像头可以是设置于通行场所的出入口，监控车辆通行的摄像头；参照图5，该装置可以包括：

第一获取模块100，用于在车辆进入监控区域时，获取多帧车辆图像；

车标识别结果确定模块110，用于对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

目标种类确定模块120，用于在达到车标识别结果输出条件时，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；

负样本确定模块130，用于对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。

可选的，达到车标识别结果输出条件可以为：当前帧车辆图像所检测的车牌为新车牌；或，当前检测到地感信号；或，所确定的车标识别结果对应的车辆图像的帧数达到设定帧数。

图6示出了车标识别结果确定模块110的一种可选结构，参照图6，车标识别结果确定模块110可以包括：

车牌识别单元1101，用于对所获取的当前帧车辆图像进行车牌识别，若检测到有效车牌，将检测到有效车牌时对应的有效车牌区域进行扩大；

车标检测识别单元1102，用于对扩大的区域使用车标混合模型进行车标检测，若检测到车标，使用设定的各车标种类对应的车标模型对检测到车标的区域进行车标识别，确定所识别的车标种类及所确定的车标种类的置信度，其中，所述检测到车标的区域视为进行车标识别时所使用的车标图像。

可选的，图7示出了本发明实施例提供的车标分类器训练装置的另一结构框图，结合图5和图7所示，该装置还可以包括：

队列保存模块140，用于通过预先设置的队列保存同一车辆对应的多份车标识别结果，一份车标识别结果对应一帧车辆图像对应的车标识别结果；在确定每一帧车辆图像对应的车标识别结果后，每一帧车辆图像对应的车标识别结果均保存在所述队列，直至达到车标识别结果输出条件时，输出所述队列所保存的多份车标识别结果。

图8示出了本发明实施例提供的车标分类器训练装置的再一结构框图，结合图5和图8所示，该装置还可以包括：

正样本确定模块150，用于将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本，以进行车标模型训练。

可选的，图9示出了本发明实施例提供的车标分类器训练装置的又一结构框图，结合图5和图9所示，该装置还可以包括：

第一训练模块160，用于在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本进行车标模型训练；

第二训练模块170，用于在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，若有多个车标模型存在对同一非目标车标种类的识别，且该多个车标模型中有至少一个车标模型对所述同一非目标车标种类的识别次数达到设定次数，则调高所述同一非目标车标种类对应的车标模型的阈值。

本发明实施例提供的车标分类器训练装置，可将所确定的车标识别结果中非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练，提升非目标车标种类对应的车标模型识别的正确率，从而对车标分类器进行优化训练，实现提升车标分类器的识别准确率的目的。

下面对本发明实施例提供的车标识别装置进行介绍，下文描述的车标识别装置可与上文描述的车标识别方法相互对应参照。

图10为本发明实施例提供的车标识别装置的结构框图，该装置可应用于具有数据处理能力的电子设备，该电子设备可以专门设置来进行车标识别，参照图10，该装置可以包括：

第二获取模块200，用于在达到车标识别条件时，获取车辆图像；

车标检测模块210，用于使用混合模型对所述车辆图像进行车标检测；

车标识别模块220，用于若检测到车标，采用各车标种类对应的车标模型，对检测到车标的区域进行车标识别，确定各车标模型所识别的车标种类的置信度；

可选的，所使用的车标模型可以为通过本发明实施例提供的车标分类器训练方法所训练的车标模型。

结果确定模块230，用于将置信度最大的车标模型所识别的车标种类作为车标识别的结果。

本发明实施例采用优化训练后的车标分类器进行车标识别，实现了提升车标识别的准确率的目的。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车标分类器训练方法，其特征在于，包括：

在车辆进入监控区域时，获取多帧车辆图像；

对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

在达到车标识别结果输出条件时，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；

对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。

2.根据权利要求1所述的车标分类器训练方法，其特征在于，所述确定每一帧车辆图像对应的车标识别结果包括：

对所获取的当前帧车辆图像进行车牌识别，若检测到有效车牌，将检测到有效车牌时对应的有效车牌区域进行扩大；

对扩大的区域使用车标混合模型进行车标检测，若检测到车标，使用设定的各车标种类对应的车标模型对检测到车标的区域进行车标识别，确定所识别的车标种类及所确定的车标种类的置信度，其中检测到车标的区域视为进行车标识别时所使用的车标图像。

3.根据权利要求1所述的车标分类器训练方法，其特征在于，所述方法还包括：

通过预先设置的队列保存同一车辆对应的多份车标识别结果，一份车标识别结果对应一帧车辆图像对应的车标识别结果；在确定每一帧车辆图像对应的车标识别结果后，每一帧车辆图像对应的车标识别结果均保存在所述队列，直至达到车标识别结果输出条件时，输出所述队列所保存的多份车标识别结果。

4.根据权利要求1-3任一项所述的车标分类器训练方法，其特征在于，所述达到车标识别结果输出条件包括：

对所获取的当前帧车辆图像进行车牌识别，若检测到有效车牌，且所检测的车牌为新车牌，则确定当前达到车标识别结果输出条件；

或，若当前检测到地感信号，则确定当前达到车标识别结果输出条件；

或，若所确定的车标识别结果对应的车辆图像的帧数达到设定帧数，则确定当前达到车标识别结果输出条件。

5.根据权利要求1所述的车标分类器训练方法，其特征在于，所述方法还包括：

将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本，以进行车标模型训练。

6.根据权利要求1、2、3或5所述的车标分类器训练方法，其特征在于，所述方法还包括：

在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，将目标车标种类的车标识别结果对应的车标图像，作为目标车标种类对应的车标模型的正样本进行车标模型训练；

或，在达到车标分类器训练条件时，获取至少一个车辆对应的车标识别结果，确定正确的目标车标种类，若有多个车标模型存在对同一非目标车标种类的识别，且该多个车标模型中有至少一个车标模型对所述同一非目标车标种类的识别次数达到设定次数，则调高所述同一非目标车标种类对应的车标模型的阈值。

7.一种车标识别方法，其特征在于，基于权利要求1-6任一项所述的车标分类器训练方法，所述车标识别方法包括：

在达到车标识别条件时，获取车辆图像；

使用混合模型对所述车辆图像进行车标检测；

若检测到车标，采用如权利要求1-6任一项所述的车标分类器训练方法所训练的各车标种类对应的车标模型，对检测到车标的区域进行车标识别，确定各车标模型所识别的车标种类的置信度；

将置信度最大的车标模型所识别的车标种类作为车标识别的结果。

8.根据权利要求7所述的车标识别方法，其特征在于，所述达到车标识别条件包括：

检测到地感信号时，确定当前达到车标识别条件。

9.一种车标分类器训练装置，其特征在于，包括：

第一获取模块，用于在车辆进入监控区域时，获取多帧车辆图像；

车标识别结果确定模块，用于对于每一帧车辆图像，确定每一帧车辆图像对应的车标识别结果，所述车标识别结果包括：每一帧车辆图像进行车标识别时所使用的车标图像，所识别的车标种类，所识别的车标种类的置信度；

目标种类确定模块，用于在达到车标识别结果输出条件时，确定车标识别结果中最大的置信度对应的车标种类为目标车标种类；

负样本确定模块，用于对于所确定的车标识别结果中非目标车标种类的各车标识别结果，将非目标车标种类的车标识别结果对应的车标图像，作为非目标车标种类对应的车标模型的负样本，以进行车标模型训练。

10.一种车标识别装置，其特征在于，基于权利要求1-6任一项所述的车标分类器训练方法，所述车标识别装置包括：

第二获取模块，用于在达到车标识别条件时，获取车辆图像；

车标检测模块，用于使用混合模型对所述车辆图像进行车标检测；

车标识别模块，用于若检测到车标，采用如权利要求1-6任一项所述的车标分类器训练方法所训练的各车标种类对应的车标模型，对检测到车标的区域进行车标识别，确定各车标模型所识别的车标种类的置信度；

结果确定模块，用于将置信度最大的车标模型所识别的车标种类作为车标识别的结果。