CN105701487A - 一种车标定位的方法 - Google Patents
一种车标定位的方法 Download PDFInfo
- Publication number
- CN105701487A CN105701487A CN201410689507.2A CN201410689507A CN105701487A CN 105701487 A CN105701487 A CN 105701487A CN 201410689507 A CN201410689507 A CN 201410689507A CN 105701487 A CN105701487 A CN 105701487A
- Authority
- CN
- China
- Prior art keywords
- image
- car
- done
- vehicle
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
车标识别在智能交通系统中扮演重要角色,对于完善智能交通系统有重要的意义,车标的精确定位是车标识别的前提。目前,车标定位的一些方法往往存在定位较慢、正确率不高等问题。本发明提供了一种车标定位的方法。首先,根据车牌、车灯和车标的位置关系的先验知识,完成车标的粗定位,确定车标的粗糙区域;然后结合灰度积分投影、边缘提取及数学形态学运算,完成车标的精确定位。
Description
技术领域
本发明涉及一种定位方法,特别是涉及一种车标定位的方法。
背景技术
进入21世纪以来,随着我国经济的飞速发展,机动车辆保有量也与日俱增,由此引发了日趋严重的交通问题;同时还出现了其他影响人们正常生活和财产安全的问题,给国家和人民带来了巨大的经济损失。因此,结合我国的实际国情和交通安全中存在的一些亟待解决的问题,开发具有自主知识产权的智能交通关键技术具有十分重要的意义。
在智能交通领域方面,目前国内的研究机构主要立足于车牌识别技术,涉足于车标识别方面的研究甚少,技术成果也相对薄弱。在车标的定位与识别中,光照、噪声、表面污损以及标记周围的散热网都是不可避免的影响因素,直接影响着车标定位和车标识别的准确度,所以大多车标识别的方法普遍存在识别能力低和性能较差的现象。然而,车标是车辆的一个显著性标志,它对车型的正确识别起着关键性的作用。
基于上述研究背景,为了实现一种定位速度快、准确性高、实用性强的车标定位方法,本发明采用图像处理与模式识别的相关技术手段,并结合计算机应用技术,应用相关算法提出了一种车标自动定位的方法。
在现有技术中,彩色图像由R、G、B三个颜色分量组成,直接提取理想的边缘图像比较困难。因此,采用彩色空间转换技术,将图像由RGB彩色空间转换至HSV彩色空间,再运用一阶水平差分技术对V通道(即亮度通道)下的图像做差分处理,可提取到图像的大致轮廓,结合图像的二值化技术可以获得较清晰的图像边缘。
灰度积分投影技术是一种反映图像在水平方向或者垂直方向上灰度累积的技术。借助于灰度积分投影曲线上连通域的边界可以定位兴趣区域的边界,进而实现兴趣区域的定位。
在视频系统中,Gamma校正反映的是亮度与输入电压的非线性关系,通过调整Gamma值来补偿不同输出设备之间存在的颜色差异,从而使图像呈现出相同的颜色效果。在灰度图像中,可以通过Gamma校正来增强图像,在一定程度上达到去雾的效果。与直方图均衡等其他图像增强的技术相比较,Gamma校正能够抑制噪声的引入。
发明内容
针对光照、噪声、表面污损以及标记周围的散热网等影响因素导致车标识别准确度偏低的问题,本发明提供了一种车标定位的技术方案,该方案能够有效提高车标定位的准确率。
本发明车标定位技术方案的方法步骤如下。
1、根据车牌、车灯和车标位置关系的先验知识,完成车标的粗定位。主要是通过车牌定位技术和图像的一阶差分技术分别确定车牌和车灯的精确位置。其中,首先,需要将被检测图像由RGB彩色空间转换到HSV彩色空间,提取V通道(即亮度通道)下的图像,并对其做二值化和一阶水平向前差分处理;然后,对一阶水平向前差分处理后的图像做水平灰度积分投影,根据投影曲线的连通域确定车灯的位置,连通域最大的位置认为是车灯的位置。由于车标位于车牌上方和车灯之间,因而可以提取出车标的粗糙区域。
2、将提取出的车标粗糙区域的图像灰度化。选择合适的校正参数,对车标粗糙区域图像做Gamma校正,获得Gamma校正后的图像。Gamma校正既能增强图像的效果,同时又抑制了图像增强过程中噪声的引入。
3、定义水平方向和垂直方向的Laws算子,利用定义的Laws算子对Gamma校正后的车标区域粗糙图像进行滤波处理,分别获得水平边缘图像和垂直边缘图像。然后,对获得的水平边缘图像做垂直灰度积分投影,根据图像的垂直灰度积分投影曲线,判断车标是否位于散热网上以及散热网的类型(水平纹理散热网、垂直纹理散热网、菱形纹理散热网)。
4、若车标不在散热网上或者在水平纹理的散热网上,将水平方向的Laws算子的滤波图像作为操作图像;若车标在垂直纹理或者菱形纹理的散热网上,对水平方向的Laws算子的滤波处理图像和垂直方向Laws算子的滤波图像做与运算,与运算的结果作为操作图像。
5、选择圆盘状的结构元素,对操作图像做闭运算,并对闭运算后的图像做垂直灰度积分投影。根据垂直灰度积分投影曲线中的连通域判断闭运算后的图像中是否包含足够的兴趣点。若兴趣点较少,则对图像做孤立点(非兴趣区域)移除的操作;若兴趣点足够,则对图像做开运算,并通过灰度积分投影曲线确定兴趣区域的边界,将兴趣区域以外的部分(非兴趣区域)移除。
6、对步骤5所得图像做膨胀运算,减弱开运算和非兴趣区域移除操作对车标大小造成的影响。
7、确定车标的边界。对车标的宽度和高度均设定一个适当的阈值,若车标的大小在设定的阈值范围内,则认为定位成功;若车标的大小不在设定的阈值范围内,则应用Sobel算子重新定位。
8、定义水平方向和垂直方向的Sobel算子,对步骤2中Gamma校正后的图像做滤波处理,然后对滤波后的图像做与运算和闭运算,获得闭运算图像,对闭运算图像做孤立点(非兴趣区域)移除的操作,再做膨胀运算,减弱孤立点移除操作对车标大小造成的影响。
9、确定车标的边界,定位车标。
本发明提出的车标定位方法能有效提高车标定位的准确度,该方法既不受车标位置限制,又不受车标背景纹理限制,具有实际应用价值。
附图说明
图1为本发明实施例车标定位的方法步骤流程图。
具体实施方式
为了使发明的技术手段和所取得的技术效果易于理解,并被推广应用,下面结合附图对本发明的具体实施方式进行进一步的阐述。
如图1所示,车标定位的实施步骤如下。
D101开始;准备进行车标定位工作,执行步骤D102。
D102图像摄取;利用专用摄像机摄取车辆的正面图像,执行步骤D103。
D103车牌检测与定位;利用车牌定位现有技术,定位车牌位置,执行步骤D104。
D104车标粗定位;具体方法步骤如下:
(1)根据定位的车牌位置,在车牌上方剪取5倍车牌高和2倍车牌宽的矩形区域;
(2)将剪取的矩形图像由RGB彩色空间转换至HSV彩色空间,并提取V通道下(亮度通道)的图像;
(3)对提取的V通道图像做水平一阶向前差分,将差分图像中的像素值均设定为其自身的绝对值;
(4)求出差分图像的OSTU阈值,并将其进行二值化处理;
(5)对所得的二值图像做水平灰度积分投影,根据积分投影曲线中的连通域来确定车灯的位置;
(6)根据车牌、车灯及车标的先验知识确定车标的粗糙区域,执行步骤D105。
D105提取Laws滤波图像;具体方法步骤如下:
(1)将粗定位的图像转化为灰度图像;
(2)选择合适的校正参数对灰度图像进行Gamma校正;
(3)定义水平方向和垂直方向的Laws算子,对Gamma校正后的图像进行Laws滤波处理,并提取Laws滤波图像,分别获得水平边缘图像和垂直边缘图像,执行步骤D106。
D106车标精确定位;具体方法步骤如下:
(1)对获得的水平边缘图像做垂直灰度积分投影,根据图像的垂直灰度积分投影曲线,判断散热网的纹理类型及车标是否在散热网上;
(2)根据散热网的类型,选择操作图像;若车标不在散热网上或者在水平纹理的散热网上,将水平方向的Laws算子的滤波图像作为操作图像;若车标在垂直纹理或者菱形纹理的散热网上,对水平方向的Laws算子的滤波处理图像和垂直方向Laws算子的滤波图像做与运算,与运算的结果作为操作图像;
(3)选择圆盘状的结构元素,对操作图像做闭运算;
(4)对闭运算后的图像做垂直灰度积分投影,根据积分投影曲线中的连通域来判断粗糙图像中车标的信息点是否充分;
(5)信息点不充分,对图像做孤立点移除操作,获得兴趣区域;信息点充分时,对图像做开运算操作,然后做垂直灰度积分投影,根据垂直灰度积分投影曲线的连通域,确定兴趣区域,并移除非兴趣区域;
(6)对上一步骤所得图像做膨胀运算,减弱开运算和非兴趣区域移除操作对车标大小造成的影响;
(7)确定车标的边界,完成车标精定位,执行步骤D107。
D107判断定位是否成功;判断步骤如下:
(1)确定车标的边界,然后计算车标的大小;
(2)与设置的车标大小的阈值进行比较,若车标的大小在设置的阈值范围内,则认为定位成功,执行步骤D109,输出定位结果;反之,执行步骤D108,进行二次定位。
D108二次定位;二次定位步骤如下:
(1)定位水平方向和垂直方向的Sobel算子,对Gamma校正后的图像做Sobel滤波处理;
(2)对滤波图像做与运算;
(3)对与运算获得的图像做闭运算;
(4)对闭运算的图像做孤立点移除操作和膨胀运算,获得最终的兴趣区域;
(5)将兴趣区域的边界作为车标的边界,定位成功。
D109输出定位结果,执行步骤D110。
D110定位结束。
Claims (1)
1.一种车标定位的方法,其特征在于:车标定位的方法包括如下步骤:
(1)根据车牌、车灯和车标位置关系的先验知识,完成车标的粗定位;主要是通过车牌定位技术和图像的一阶差分技术分别确定车牌和车灯的精确位置;其中,首先,需要将被检测图像由RGB彩色空间转换到HSV彩色空间,提取V通道(即亮度通道)下的图像,并对其做二值化和一阶水平向前差分处理;然后,对一阶水平向前差分处理后的图像做水平灰度积分投影,根据投影曲线的连通域确定车灯的位置,连通域最大的位置认为是车灯的位置;由于车标位于车牌上方和车灯之间,因而可以提取出车标的粗糙区域;
(2)将提取出的车标粗糙区域的图像灰度化;选择合适的校正参数,对车标粗糙区域图像做Gamma校正,获得Gamma校正后的图像;Gamma校正既能增强图像的效果,同时又抑制了图像增强过程中噪声的引入;
(3)定义水平方向和垂直方向的Laws算子,利用定义的Laws算子对Gamma校正后的车标区域粗糙图像进行滤波处理,分别获得水平边缘图像和垂直边缘图像;然后,对获得的水平边缘图像做垂直灰度积分投影,根据图像的垂直灰度积分投影曲线,判断车标是否位于散热网上以及散热网的类型(水平纹理散热网、垂直纹理散热网、菱形纹理散热网);
若车标不在散热网上或者在水平纹理的散热网上,将水平方向的Laws算子的滤波图像作为操作图像;若车标在垂直纹理或者菱形纹理的散热网上,对水平方向的Laws算子的滤波处理图像和垂直方向Laws算子的滤波图像做与运算,与运算的结果作为操作图像;
(4)选择圆盘状的结构元素,对操作图像做闭运算,并对闭运算后的图像做垂直灰度积分投影;根据垂直灰度积分投影曲线中的连通域判断闭运算后的图像中是否包含足够的兴趣点;若兴趣点较少,则对图像做孤立点(非兴趣区域)移除的操作;若兴趣点足够,则对图像做开运算,并通过灰度积分投影曲线确定兴趣区域的边界,将兴趣区域以外的部分(非兴趣区域)移除;
(5)对步骤(4)所得图像做膨胀运算,减弱开运算和非兴趣区域移除操作对车标大小造成的影响;
(6)确定车标的边界;对车标的宽度和高度均设定一个适当的阈值,若车标的大小在设定的阈值范围内,则认为定位成功;若车标的大小不在设定的阈值范围内,则应用Sobel算子重新定位;
(7)定义水平方向和垂直方向的Sobel算子,对步骤(2)中Gamma校正后的图像做Sobel滤波处理,然后对滤波后的图像做与运算和闭运算,获得闭运算图像,对闭运算图像做孤立点(非兴趣区域)移除的操作,再做膨胀运算,减弱孤立点移除操作对车标大小造成的影响;最后确定车标的边界,定位车标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410689507.2A CN105701487A (zh) | 2014-11-26 | 2014-11-26 | 一种车标定位的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410689507.2A CN105701487A (zh) | 2014-11-26 | 2014-11-26 | 一种车标定位的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105701487A true CN105701487A (zh) | 2016-06-22 |
Family
ID=56942168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410689507.2A Pending CN105701487A (zh) | 2014-11-26 | 2014-11-26 | 一种车标定位的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701487A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760876A (zh) * | 2016-03-18 | 2016-07-13 | 中山大学 | 一种基于散热器栅格背景消融的车标定位方法 |
CN106157270A (zh) * | 2016-08-29 | 2016-11-23 | 潍坊学院 | 一种单幅图像快速去雾方法及系统 |
CN106529471A (zh) * | 2016-11-08 | 2017-03-22 | 广东安居宝数码科技股份有限公司 | 车脸定位方法和系统 |
CN106803087A (zh) * | 2017-01-19 | 2017-06-06 | 南京航空航天大学 | 一种车号自动识别方法及系统 |
CN107274398A (zh) * | 2017-06-16 | 2017-10-20 | 重庆越畅汽车科技有限公司 | 基于汽车中网质量检测系统及方法 |
CN108614985A (zh) * | 2016-12-12 | 2018-10-02 | 广西师范大学 | 一种车标定位方法 |
CN111368816A (zh) * | 2020-02-27 | 2020-07-03 | 深圳中兴网信科技有限公司 | 车牌识别方法、系统、装置和计算机可读存储介质 |
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
-
2014
- 2014-11-26 CN CN201410689507.2A patent/CN105701487A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760876A (zh) * | 2016-03-18 | 2016-07-13 | 中山大学 | 一种基于散热器栅格背景消融的车标定位方法 |
CN105760876B (zh) * | 2016-03-18 | 2019-03-08 | 中山大学 | 一种基于散热器栅格背景消融的车标定位方法 |
CN106157270A (zh) * | 2016-08-29 | 2016-11-23 | 潍坊学院 | 一种单幅图像快速去雾方法及系统 |
CN106157270B (zh) * | 2016-08-29 | 2019-07-12 | 潍坊学院 | 一种单幅图像快速去雾方法及系统 |
CN106529471A (zh) * | 2016-11-08 | 2017-03-22 | 广东安居宝数码科技股份有限公司 | 车脸定位方法和系统 |
CN106529471B (zh) * | 2016-11-08 | 2019-08-23 | 广东安居宝数码科技股份有限公司 | 车脸定位方法和系统 |
CN108614985A (zh) * | 2016-12-12 | 2018-10-02 | 广西师范大学 | 一种车标定位方法 |
CN106803087A (zh) * | 2017-01-19 | 2017-06-06 | 南京航空航天大学 | 一种车号自动识别方法及系统 |
CN107274398A (zh) * | 2017-06-16 | 2017-10-20 | 重庆越畅汽车科技有限公司 | 基于汽车中网质量检测系统及方法 |
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
CN111368816A (zh) * | 2020-02-27 | 2020-07-03 | 深圳中兴网信科技有限公司 | 车牌识别方法、系统、装置和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701487A (zh) | 一种车标定位的方法 | |
CN103198315B (zh) | 基于字符轮廓和模板匹配的车牌字符分割算法 | |
CN109598244B (zh) | 一种交通信号灯识别系统及其识别方法 | |
CN103177259B (zh) | 色块识别方法 | |
CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
CN105335743A (zh) | 一种车牌识别方法 | |
CN106097368B (zh) | 一种单板裂缝的识别方法 | |
CN102938057B (zh) | 一种车辆阴影消除方法及装置 | |
CN110688907B (zh) | 基于夜间道路光源识别物体的方法及装置 | |
CN202084185U (zh) | 一种交通标志自动识别装置 | |
CN103971128A (zh) | 一种面向无人驾驶车的交通标志识别方法 | |
CN105893944B (zh) | 深度信息静态手势分割方法 | |
CN103679146A (zh) | 基于高通滤波器和Hough变换的安全带智能检测方法 | |
CN102999753A (zh) | 车牌定位方法 | |
CN106682597A (zh) | 一种交通信号灯识别方法 | |
CN105117727A (zh) | 一种车牌快速定位方法 | |
CN103390167A (zh) | 一种多特征的分层交通标志识别方法 | |
CN103824091A (zh) | 一种用于智能交通系统的车牌识别方法 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN102737221B (zh) | 车辆颜色的识别方法及装置 | |
CN108960259A (zh) | 一种基于hsv的车牌预处理方法 | |
CN104392211A (zh) | 一种基于显著性检测的皮肤识别方法 | |
CN106327464A (zh) | 一种边缘检测方法 | |
CN102509095A (zh) | 一种车牌图像的预处理方法 | |
Sulehria et al. | Mathematical morphology methodology for extraction of vehicle number plates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160622 |