汽車車標(biāo)聯(lián)合檢測(cè)與辨識(shí)算法研究.pdf

1、車標(biāo)檢測(cè)與識(shí)別主要對(duì)視頻和圖像中車輛標(biāo)識(shí)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(jià)值。由于車輛標(biāo)識(shí)種類多樣、形狀各異，且在不同場(chǎng)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(cè)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(wèn)題。本文針對(duì)這些問(wèn)題，開(kāi)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(kù)、車標(biāo)反傳導(dǎo)釋義等研究，主要工作如下：
　　1、針對(duì)難以提取小

2、尺寸車標(biāo)紋理特征的問(wèn)題，運(yùn)用DenseSIFT算法提取車輛標(biāo)識(shí)紋理特征，通過(guò)對(duì)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(duì)多類多尺度車標(biāo)建庫(kù)問(wèn)題，提出了結(jié)構(gòu)化參數(shù)化的建庫(kù)方法，通過(guò)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(cè)車標(biāo)圖片，實(shí)現(xiàn)了多類多尺度車標(biāo)離線建庫(kù)，為車標(biāo)聯(lián)合檢測(cè)與辨識(shí)提供基礎(chǔ)。
　　3、針對(duì)傳統(tǒng)車標(biāo)識(shí)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(guò)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(xiàng)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(cè)與辨識(shí)模塊的初步融合
　　4、針對(duì)多尺度多類車標(biāo)辨識(shí)的適應(yīng)問(wèn)題，本文提出車標(biāo)聯(lián)合檢測(cè)與辨識(shí)機(jī)制，將檢測(cè)定位模塊和識(shí)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(guò)計(jì)算釋義平均能量、釋義邊緣圖像相似度等三項(xiàng)代價(jià)項(xiàng)得到最后的判決結(jié)果，實(shí)現(xiàn)車標(biāo)