汽車車標(biāo)聯(lián)合檢測與辨識算法研究.pdf

1、車標(biāo)檢測與識別主要對視頻和圖像中車輛標(biāo)識進(jìn)行分辨，在智能交通系統(tǒng)、車輛追蹤、車輛管理等方面具有重要的應(yīng)用價值。由于車輛標(biāo)識種類多樣、形狀各異，且在不同場景條件下獲取的車標(biāo)圖像存在光照不均、邊緣模糊、背景復(fù)雜多樣等特點(diǎn)，導(dǎo)致具有難以精確檢測車標(biāo)區(qū)域、精確提取紋理特征以及具有多類多尺度車標(biāo)難適應(yīng)等問題。本文針對這些問題，開展了車標(biāo)紋理特征提取、多類多尺度車標(biāo)結(jié)構(gòu)化參數(shù)化建庫、車標(biāo)反傳導(dǎo)釋義等研究，主要工作如下：
　　1、針對難以提取小

2、尺寸車標(biāo)紋理特征的問題，運(yùn)用DenseSIFT算法提取車輛標(biāo)識紋理特征，通過對像素點(diǎn)與其鄰域的梯度信息的提取，實(shí)現(xiàn)小尺寸車標(biāo)提取足夠密集的特征。
　　2、針對多類多尺度車標(biāo)建庫問題，提出了結(jié)構(gòu)化參數(shù)化的建庫方法，通過典型車標(biāo)模板篩選、車標(biāo)紋理特征提取和參數(shù)化模板適應(yīng)等處理，并基于大量實(shí)測車標(biāo)圖片，實(shí)現(xiàn)了多類多尺度車標(biāo)離線建庫，為車標(biāo)聯(lián)合檢測與辨識提供基礎(chǔ)。
　　3、針對傳統(tǒng)車標(biāo)識別方法難以精確定位的特點(diǎn)，提出了改進(jìn)SIFTF

3、low反向車標(biāo)釋義算法。通過建立基于尺度非一致、定位反向傳導(dǎo)、相同車標(biāo)SIFT特征一致、像素點(diǎn)鄰域指向差別小四項假設(shè)的釋義能量方程，建立輸入圖像與車標(biāo)模版間的關(guān)聯(lián)性，實(shí)現(xiàn)檢測與辨識模塊的初步融合
　　4、針對多尺度多類車標(biāo)辨識的適應(yīng)問題，本文提出車標(biāo)聯(lián)合檢測與辨識機(jī)制，將檢測定位模塊和識別模塊融合，提出基于圖像與車標(biāo)間關(guān)聯(lián)性的最大后驗(yàn)概率判決決策函數(shù)，通過計算釋義平均能量、釋義邊緣圖像相似度等三項代價項得到最后的判決結(jié)果，實(shí)現(xiàn)車標(biāo)