一種車標(biāo)識(shí)別方法及裝置

暫無(wú)

一種車標(biāo)識(shí)別方法及裝置\n技術(shù)領(lǐng)域\n[0001] 本申請(qǐng)涉及視頻監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種車標(biāo)識(shí)別方法及裝置。\n背景技術(shù)\n[0002] 車標(biāo)是車輛的重要信息，是車輛的標(biāo)志性圖像，車標(biāo)識(shí)別可對(duì)車輛監(jiān)控和跟蹤提供強(qiáng)有力的信息支持。但是，由于車標(biāo)較小、相似性大，且受光照、背景、形狀等原因影響，難以準(zhǔn)確識(shí)別。\n[0003] 目前的車標(biāo)識(shí)別技術(shù)主要依賴于車標(biāo)的精準(zhǔn)定位，而車標(biāo)定位多采用圖像處理以及模式識(shí)別技術(shù)，該車標(biāo)定位方式對(duì)車標(biāo)的周圍紋理、角度旋轉(zhuǎn)、傾斜等極度敏感，因此，在復(fù)雜場(chǎng)景下很難做到準(zhǔn)確定位，進(jìn)而導(dǎo)致車標(biāo)的識(shí)別率低。\n發(fā)明內(nèi)容\n[0004] 有鑒于此，本申請(qǐng)?zhí)峁┮环N車標(biāo)識(shí)別方法及裝置。\n[0005] 具體地，本申請(qǐng)是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的：\n[0006] 本申請(qǐng)?zhí)峁┮环N車標(biāo)識(shí)別方法，該方法包括：\n[0007] 采用車標(biāo)檢測(cè)算法訓(xùn)練車標(biāo)分類器；\n[0008] 獲取待檢測(cè)圖像中的車牌位置信息；\n[0009] 根據(jù)所述車牌位置信息確定車標(biāo)初選區(qū)域；\n[0010] 利用訓(xùn)練得到的車標(biāo)分類器對(duì)所述車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)，獲得若干第一車標(biāo)候選區(qū)域；\n[0011] 計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度；\n[0012] 根據(jù)第一車標(biāo)候選區(qū)域的位置計(jì)算對(duì)應(yīng)的車標(biāo)位置置信度；\n[0013] 根據(jù)所述車標(biāo)位置置信度從所述若干第一車標(biāo)候選區(qū)域篩選出距離所述車標(biāo)初選區(qū)域的中軸線較近的第一車標(biāo)候選區(qū)域作為第二車標(biāo)候選區(qū)域；\n[0014] 采用機(jī)器學(xué)習(xí)算法對(duì)所述第二車標(biāo)候選區(qū)域進(jìn)行識(shí)別，獲取第二車標(biāo)候選區(qū)域的第二車標(biāo)置信度；\n[0015] 對(duì)多個(gè)第二車標(biāo)候選區(qū)域進(jìn)行區(qū)域融合生成多個(gè)融合候選區(qū)域；\n[0016] 根據(jù)生成融合候選區(qū)域的第二車標(biāo)候選區(qū)域的第一車標(biāo)置信度、車標(biāo)位置置信度以及第二車標(biāo)置信度計(jì)算對(duì)應(yīng)融合候選區(qū)域的融合置信度；\n[0017] 選擇融合置信度最高的融合候選區(qū)域作為識(shí)別出的車標(biāo)。\n[0018] 本申請(qǐng)還提供一種車標(biāo)識(shí)別裝置，該裝置包括：\n[0019] 訓(xùn)練單元，用于采用車標(biāo)檢測(cè)算法訓(xùn)練車標(biāo)分類器；\n[0020] 獲取單元，用于獲取待檢測(cè)圖像中的車牌位置信息；\n[0021] 確定單元，用于根據(jù)所述車牌位置信息確定車標(biāo)初選區(qū)域；\n[0022] 檢測(cè)單元，用于利用訓(xùn)練得到的車標(biāo)分類器對(duì)所述車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)，獲得若干第一車標(biāo)候選區(qū)域；\n[0023] 第一計(jì)算單元，用于計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度；\n[0024] 第二計(jì)算單元，用于根據(jù)第一車標(biāo)候選區(qū)域的位置計(jì)算對(duì)應(yīng)的車標(biāo)位置置信度；\n[0025] 篩選單元，用于根據(jù)所述車標(biāo)位置置信度從所述若干第一車標(biāo)候選區(qū)域篩選出距離所述車標(biāo)初選區(qū)域的中軸線較近的第一車標(biāo)候選區(qū)域作為第二車標(biāo)候選區(qū)域；\n[0026] 識(shí)別單元，用于采用機(jī)器學(xué)習(xí)算法對(duì)所述第二車標(biāo)候選區(qū)域進(jìn)行識(shí)別，獲取第二車標(biāo)候選區(qū)域的第二車標(biāo)置信度；\n[0027] 融合單元，用于對(duì)多個(gè)第二車標(biāo)候選區(qū)域進(jìn)行區(qū)域融合生成多個(gè)融合候選區(qū)域；\n[0028] 第三計(jì)算單元，用于根據(jù)生成融合候選區(qū)域的第二車標(biāo)候選區(qū)域的第一車標(biāo)置信度、車標(biāo)位置置信度以及第二車標(biāo)置信度計(jì)算對(duì)應(yīng)融合候選區(qū)域的融合置信度；\n[0029] 選擇單元，用于選擇融合置信度最高的融合候選區(qū)域作為識(shí)別出的車標(biāo)。\n[0030] 由以上描述可以看出，本申請(qǐng)不依賴于車標(biāo)的精準(zhǔn)定位，而是基于深度學(xué)習(xí)算法，采用多種置信度加權(quán)融合的方式進(jìn)行車標(biāo)識(shí)別，提高在復(fù)雜場(chǎng)景下的車標(biāo)識(shí)別率。\n附圖說(shuō)明\n[0031] 圖1是本申請(qǐng)一示例性實(shí)施例示出的一種車標(biāo)識(shí)別方法流程圖；\n[0032] 圖2是本申請(qǐng)一示例性實(shí)施例示出的正樣本和負(fù)樣本示例；\n[0033] 圖3是本申請(qǐng)一示例性實(shí)施例示出的車標(biāo)初選區(qū)域示意圖；\n[0034] 圖4是本申請(qǐng)一示例性實(shí)施例示出的一種車標(biāo)識(shí)別裝置所在設(shè)備的基礎(chǔ)硬件結(jié)構(gòu)示意圖；\n[0035] 圖5是本申請(qǐng)一示例性實(shí)施例示出的一種車標(biāo)識(shí)別裝置的結(jié)構(gòu)示意圖。\n具體實(shí)施方式\n[0036] 這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本申請(qǐng)相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本申請(qǐng)的一些方面相一致的裝置和方法的例子。\n[0037] 在本申請(qǐng)使用的術(shù)語(yǔ)是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本申請(qǐng)。\n在本申請(qǐng)和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。還應(yīng)當(dāng)理解，本文中使用的術(shù)語(yǔ)“和/或”是指并包含一個(gè)或多個(gè)相關(guān)聯(lián)的列出項(xiàng)目的任何或所有可能組合。\n[0038] 應(yīng)當(dāng)理解，盡管在本申請(qǐng)可能采用術(shù)語(yǔ)第一、第二、第三等來(lái)描述各種信息，但這些信息不應(yīng)限于這些術(shù)語(yǔ)。這些術(shù)語(yǔ)僅用來(lái)將同一類型的信息彼此區(qū)分開(kāi)。例如，在不脫離本申請(qǐng)范圍的情況下，第一信息也可以被稱為第二信息，類似地，第二信息也可以被稱為第一信息。取決于語(yǔ)境，如在此所使用的詞語(yǔ)“如果”可以被解釋成為“在……時(shí)”或“當(dāng)……時(shí)”或“響應(yīng)于確定”。\n[0039] 目前的車標(biāo)識(shí)別技術(shù)主要采用圖像處理以及模式識(shí)別技術(shù)，在車牌識(shí)別技術(shù)的基礎(chǔ)上，利用車牌與車標(biāo)的相對(duì)位置關(guān)系，對(duì)車標(biāo)進(jìn)行初定位；再利用基于Haar特征的Adaboost算法進(jìn)行車標(biāo)檢測(cè)，得到若干疑似車標(biāo)區(qū)域；然后利用基于HOG(Histogram?of?Oriented?Gradient,方向梯度直方圖)特征的SVM(Support?Vector?Machine,支持向量機(jī))算法對(duì)疑似車標(biāo)區(qū)域進(jìn)行篩選，選取置信度最大的區(qū)域作為車標(biāo)定位區(qū)域；最后對(duì)確定的車標(biāo)定位區(qū)域進(jìn)行車標(biāo)識(shí)別。\n[0040] 在上述車標(biāo)識(shí)別過(guò)程中，通常需要根據(jù)車標(biāo)長(zhǎng)寬比的不同訓(xùn)練出多個(gè)車標(biāo)分類器，且由于長(zhǎng)寬比不同，必然導(dǎo)致采用不同尺度、不同步長(zhǎng)、不同滑動(dòng)窗口進(jìn)行檢測(cè)，因此，需要消耗大量的系統(tǒng)資源。其次，由于HOG算法的固有缺陷，很難處理遮擋、殘缺等問(wèn)題，且該算法對(duì)圖像噪點(diǎn)相當(dāng)敏感。此外，選取置信度最大的區(qū)域作為車標(biāo)定位區(qū)域的判別方式過(guò)于簡(jiǎn)單暴力，容易造成誤判。\n[0041] 針對(duì)上述問(wèn)題，本申請(qǐng)實(shí)施例提出一種車標(biāo)識(shí)別方法，該方法不依賴于車標(biāo)的精準(zhǔn)定位，而是基于深度學(xué)習(xí)算法，用多種置信度加權(quán)融合的方式進(jìn)行車標(biāo)識(shí)別。\n[0042] 參見(jiàn)圖1，為本申請(qǐng)車標(biāo)識(shí)別方法的一個(gè)實(shí)施例流程圖，該實(shí)施例對(duì)車標(biāo)識(shí)別過(guò)程進(jìn)行描述。\n[0043] 步驟101，采用車標(biāo)檢測(cè)算法訓(xùn)練車標(biāo)分類器。\n[0044] 本申請(qǐng)實(shí)施例在車標(biāo)識(shí)別過(guò)程中使用車標(biāo)分類器進(jìn)行車標(biāo)識(shí)別，因此，需預(yù)先訓(xùn)練車標(biāo)分類器。該車標(biāo)分類器的訓(xùn)練(步驟101)只需在車標(biāo)檢測(cè)(步驟104)之前完成即可。\n具體可采用Adaboost算法、HOG算法、DPM(Deformable?Parts?Model，變形件模型)算法等檢測(cè)算法進(jìn)行車標(biāo)分類器訓(xùn)練。\n[0045] 在一種優(yōu)選的實(shí)施方式中，采用Adaboost算法進(jìn)行車標(biāo)分類器的訓(xùn)練，具體為：\n[0046] 獲取車標(biāo)圖案的正樣本和負(fù)樣本，正樣本為包含車標(biāo)圖案的樣本，負(fù)樣本為不包含車標(biāo)圖案的樣本。在本申請(qǐng)實(shí)施例中，所有正樣本按照1:1的寬高比進(jìn)行標(biāo)定，如圖2(a)所示，對(duì)于不滿足1:1寬高比的車標(biāo)，可截取車標(biāo)區(qū)域具有辨識(shí)度的部分作為正樣本，例如，奧迪車標(biāo)可選取四環(huán)中的一環(huán)作為正樣本，如圖2(b)所示。\n[0047] 此外，本實(shí)施例中的負(fù)樣本分為兩部分，一部分為僅包含車標(biāo)初選區(qū)域(車標(biāo)初選區(qū)域?yàn)檐嚺普戏絽^(qū)域，在后續(xù)描述中會(huì)詳細(xì)介紹)的負(fù)樣本，以下簡(jiǎn)稱為第一負(fù)樣本，如圖2(c)所示，該第一負(fù)樣本主要是考慮本申請(qǐng)實(shí)施例在后續(xù)車標(biāo)識(shí)別過(guò)程中基于車標(biāo)初始區(qū)域進(jìn)行車標(biāo)識(shí)別，因此，選擇車標(biāo)初選區(qū)域作為負(fù)樣本可有效排除車標(biāo)初選區(qū)域內(nèi)的非車標(biāo)區(qū)域，提高車標(biāo)分類器的檢測(cè)效率。另一部分負(fù)樣本為包含整張車前臉的負(fù)樣本，如圖\n2(d)所示，以下簡(jiǎn)稱為第二負(fù)樣本。盡管第一負(fù)樣本具有很強(qiáng)的排除能力，但是由于車標(biāo)初選區(qū)域的范圍比較小，且該區(qū)域內(nèi)的紋理特征有限，當(dāng)車標(biāo)種類增加時(shí)，位于該車標(biāo)初選區(qū)域范圍內(nèi)的車標(biāo)區(qū)域與非車標(biāo)區(qū)域的差異性很小，單純利用第一負(fù)樣本生成的車標(biāo)分類器進(jìn)行車標(biāo)識(shí)別的效果不佳，本申請(qǐng)實(shí)施例增加了第二負(fù)樣本，該第二負(fù)樣本包含整張車前臉，紋理特征豐富，可增大車標(biāo)區(qū)域與非車標(biāo)區(qū)域的差異，有利于車標(biāo)識(shí)別，因此，通過(guò)增加第二負(fù)樣本可提升車標(biāo)分類器的收斂性。當(dāng)然，無(wú)論是第一負(fù)樣本還是第二負(fù)樣本均需摳取掉車標(biāo)圖案。\n[0048] 在獲取到訓(xùn)練所需的正樣本和負(fù)樣本后，本申請(qǐng)實(shí)施例首先根據(jù)正樣本和第一負(fù)樣本訓(xùn)練得到前N級(jí)強(qiáng)分類器，再根據(jù)正樣本和第二負(fù)樣本訓(xùn)練得到后M級(jí)強(qiáng)分類器，將前N級(jí)強(qiáng)分類器與后M級(jí)強(qiáng)分類器級(jí)聯(lián)生成車標(biāo)分類器。如前所述，根據(jù)第一負(fù)樣本訓(xùn)練得到前N級(jí)強(qiáng)分類器可有效排除車標(biāo)初選區(qū)域內(nèi)的非車標(biāo)區(qū)域；根據(jù)第二負(fù)樣本訓(xùn)練得到后M級(jí)強(qiáng)分類器可提升車標(biāo)分類器的收斂性，在此不再贅述。\n[0049] 步驟102，獲取待檢測(cè)圖像中的車牌位置信息。\n[0050] 可采用現(xiàn)有較成熟的車牌識(shí)別技術(shù)識(shí)別車牌，獲取待檢測(cè)圖像中車牌的位置信息，在此不再贅述。\n[0051] 步驟103，根據(jù)所述車牌位置信息確定車標(biāo)初選區(qū)域。\n[0052] 通過(guò)大量的觀察可發(fā)現(xiàn)，車標(biāo)通常位于車牌正上方區(qū)域，但其所處高度存在差異，例如，一些小型轎車車標(biāo)通常位于車牌上方鄰近區(qū)域，而一些大型車輛車標(biāo)通常位于車牌上方較高區(qū)域(如大卡車、中型貨車等)。通過(guò)對(duì)大量車標(biāo)位置的統(tǒng)計(jì)發(fā)現(xiàn)，車標(biāo)高度通常不超過(guò)兩倍車牌寬度。因此，本申請(qǐng)實(shí)施例根據(jù)上述統(tǒng)計(jì)結(jié)果確定一個(gè)位于車牌上方的車標(biāo)初選區(qū)域，該車標(biāo)初選區(qū)域的下邊沿與車牌上邊沿相接、側(cè)邊沿的高度為車牌寬度的2倍，如圖3所示。該車標(biāo)初選區(qū)域可以涵蓋絕大部分的車標(biāo)位置，且由于該車標(biāo)初選區(qū)域僅與車牌的寬高和位置有關(guān)，因此，在不同環(huán)境及不同角度下，該車標(biāo)初選區(qū)域相對(duì)于整個(gè)車前臉變化較小，為后續(xù)車標(biāo)識(shí)別提供了一個(gè)相對(duì)穩(wěn)定且范圍較小的檢測(cè)區(qū)域。\n[0053] 步驟104，利用訓(xùn)練得到的車標(biāo)分類器對(duì)所述車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)，獲得若干第一車標(biāo)候選區(qū)域。\n[0054] 通過(guò)步驟101已完成車標(biāo)分類器的訓(xùn)練，利用該車標(biāo)分類器對(duì)待檢測(cè)圖像中的車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)，排除非車標(biāo)區(qū)域，獲取到多個(gè)疑似的車標(biāo)區(qū)域，以下簡(jiǎn)稱為第一車標(biāo)候選區(qū)域。通過(guò)上述車標(biāo)分類器檢測(cè)得到的第一車標(biāo)候選區(qū)域在真實(shí)車標(biāo)或類似車標(biāo)周圍具有明顯的聚集性，為后續(xù)區(qū)域融合打下基礎(chǔ)。\n[0055] 步驟105，計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度。\n[0056] 在獲取到第一車標(biāo)候選區(qū)域后，計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的置信度，以下簡(jiǎn)稱為第一車標(biāo)置信度，具體計(jì)算過(guò)程如下：\n[0057] FFstWeight＝K/P????公式(1)\n[0058] 其中，K為車標(biāo)分類器中能夠檢測(cè)出第一車標(biāo)候選區(qū)域的弱分類器的個(gè)數(shù)；P為車標(biāo)分類器中弱分類器的總個(gè)數(shù)；FFstWeight為第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度。\n[0059] 在前述描述可知，車標(biāo)分類器由多個(gè)級(jí)聯(lián)的強(qiáng)分類器組成，而強(qiáng)分類器是由訓(xùn)練過(guò)程中生成的多個(gè)弱分類器組成。上述公式(1)正是利用訓(xùn)練過(guò)程中生成的弱分類器作為計(jì)算第一車標(biāo)候選區(qū)域的基礎(chǔ)。在車標(biāo)分類器訓(xùn)練過(guò)程中，每一個(gè)弱分類器都有一個(gè)對(duì)應(yīng)的閾值，每一個(gè)弱分類器對(duì)輸入的待檢測(cè)區(qū)域都會(huì)有一個(gè)對(duì)應(yīng)的輸出值，將該輸出值與對(duì)應(yīng)的閾值進(jìn)行比較，從而確定待檢測(cè)區(qū)域是否可以通過(guò)弱分類的檢測(cè)。如果待檢測(cè)區(qū)域可以通過(guò)當(dāng)前弱分類器的檢測(cè)，則統(tǒng)計(jì)的弱分類器個(gè)數(shù)加一，當(dāng)待檢測(cè)區(qū)域經(jīng)過(guò)所有的弱分類器(P個(gè)弱分類器)檢測(cè)后可得到最終的統(tǒng)計(jì)結(jié)果，即K值。在確認(rèn)該待檢測(cè)區(qū)域通過(guò)車標(biāo)分類器的檢測(cè)后，該待檢測(cè)區(qū)域可作為第一車標(biāo)候選區(qū)域按照公式(1)計(jì)算對(duì)應(yīng)的第一車標(biāo)置信度。該第一車標(biāo)置信度越大，則對(duì)應(yīng)的第一車標(biāo)候選區(qū)域是車標(biāo)的可能性越大。\n[0060] 步驟106，根據(jù)第一車標(biāo)候選區(qū)域的位置計(jì)算對(duì)應(yīng)的車標(biāo)位置置信度。\n[0061] 由于本申請(qǐng)實(shí)施例并未對(duì)車標(biāo)區(qū)域進(jìn)行精準(zhǔn)定位，因此，通過(guò)目標(biāo)檢測(cè)算法在預(yù)設(shè)的車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)時(shí)，可能會(huì)檢測(cè)出結(jié)構(gòu)紋理與車標(biāo)相似的特征區(qū)域，并在該特征區(qū)域附近聚集大量的第一車標(biāo)候選區(qū)域。\n[0062] 為了排除上述結(jié)構(gòu)紋理與車標(biāo)相似的特征區(qū)域，本申請(qǐng)實(shí)施例基于車標(biāo)位置作進(jìn)一步排查。眾所周知，雖然車標(biāo)的大小、高度存在差異，但車標(biāo)的水平位置通常位于車輛的中軸線上，因此，本申請(qǐng)實(shí)施例利用車標(biāo)的位置特性計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的車標(biāo)位置置信度。\n[0063] 車標(biāo)位置置信度的計(jì)算過(guò)程如下：\n[0064] ????????公式(2)\n[0065] 其中，D為第一車標(biāo)候選區(qū)域中心點(diǎn)到車標(biāo)初選區(qū)域中軸線的距離；W為第一車標(biāo)候選區(qū)域的寬；FLocWeight為第一車標(biāo)候選區(qū)域的車標(biāo)位置置信度。\n[0066] 需要補(bǔ)充說(shuō)明一點(diǎn)，對(duì)于車標(biāo)不在中軸線上的車輛，仍然可以采用公式(2)計(jì)算車標(biāo)位置置信度，這需要在車標(biāo)分類器訓(xùn)練時(shí)，選擇車標(biāo)初選區(qū)域中位于中軸線上的一些明顯特征區(qū)域代替真實(shí)車標(biāo)作為正樣本，同樣可以排除掉位置偏差比較大的類似車標(biāo)區(qū)域。\n[0067] 步驟107，根據(jù)所述車標(biāo)位置置信度從所述若干第一車標(biāo)候選區(qū)域篩選出距離所述車標(biāo)初選區(qū)域的中軸線較近的第一車標(biāo)候選區(qū)域作為第二車標(biāo)候選區(qū)域。\n[0068] 具體地，本申請(qǐng)實(shí)施例根據(jù)公式(2)計(jì)算的車標(biāo)位置置信度判斷當(dāng)前第一車標(biāo)候選區(qū)域是否可以作為第二車標(biāo)候選區(qū)域進(jìn)行后續(xù)車標(biāo)識(shí)別。\n[0069] 在一種優(yōu)選的實(shí)施方式中，計(jì)算得到的車標(biāo)位置置信度FLocWeight位于0到1之間時(shí)，認(rèn)為對(duì)應(yīng)的第一車標(biāo)候選區(qū)域位于中軸線附近，可作為第二車標(biāo)候選區(qū)域進(jìn)一步識(shí)別；而當(dāng)FLocWeight小于0時(shí)，說(shuō)明對(duì)應(yīng)的第一車標(biāo)候選區(qū)域距離中軸線較遠(yuǎn)，應(yīng)剔除該第一車標(biāo)候選區(qū)域。通過(guò)本步驟篩選得到的第二車標(biāo)候選區(qū)域均位于中軸線附近，且較集中地聚類在不同的高度上，縮小后續(xù)車標(biāo)識(shí)別范圍。\n[0070] 步驟108，采用機(jī)器學(xué)習(xí)算法對(duì)所述第二車標(biāo)候選區(qū)域進(jìn)行識(shí)別，獲取第二車標(biāo)候選區(qū)域的第二車標(biāo)置信度。\n[0071] 現(xiàn)有的機(jī)器學(xué)習(xí)算法很多，例如，CNN(Convolutional?Neural?Networks，卷積神經(jīng)網(wǎng)絡(luò))算法、SVM算法、BOW(Bag?of?words，詞袋)算法等。本申請(qǐng)實(shí)施例以CNN算法為例，對(duì)第二車標(biāo)候選區(qū)域作進(jìn)一步識(shí)別。\n[0072] 在進(jìn)行CNN分類器訓(xùn)練時(shí)，CNN的訓(xùn)練樣本可在前述目標(biāo)檢測(cè)算法樣本的基礎(chǔ)上增加部分殘缺、旋轉(zhuǎn)、平移的車標(biāo)樣本，以增強(qiáng)CNN分類器識(shí)別車標(biāo)的魯棒性。\n[0073] 本步驟中，通過(guò)CNN分類器識(shí)別可獲取到每一個(gè)第二車標(biāo)候選區(qū)域的第二車標(biāo)置信度FSndWeight，該第二車標(biāo)置信度的獲取方法為現(xiàn)有技術(shù)，在此不再贅述。\n[0074] 步驟109，對(duì)多個(gè)第二車標(biāo)候選區(qū)域進(jìn)行區(qū)域融合生成多個(gè)融合候選區(qū)域。\n[0075] 由于上述識(shí)別算法均存在誤差，且識(shí)別出的第二車標(biāo)候選區(qū)域一般較集中地聚類在真實(shí)車標(biāo)或類似車標(biāo)周圍，因此，本申請(qǐng)實(shí)施例對(duì)位置和大小相近、且機(jī)器學(xué)習(xí)結(jié)果一致的第二車標(biāo)候選區(qū)域進(jìn)行融合。通過(guò)對(duì)獲取的第二車標(biāo)候選區(qū)域進(jìn)行S輪融合后，生成S個(gè)融合候選區(qū)域，具體融合過(guò)程如下：\n[0076] 執(zhí)行新一輪融合操作：選擇一個(gè)未與其它車標(biāo)候選區(qū)域融合過(guò)且未被選為初始融合區(qū)域的第二車標(biāo)候選區(qū)域作為新一輪融合操作的初始融合區(qū)域，該初始融合區(qū)域?yàn)楫?dāng)前輪融合操作的首個(gè)中間融合區(qū)域。\n[0077] 執(zhí)行當(dāng)前輪融合操作：選擇一個(gè)未參與當(dāng)前輪融合操作的第二車標(biāo)候選區(qū)域作為待融合區(qū)域；分別獲取中間融合區(qū)域和待融合區(qū)域的位置、寬度、高度以及機(jī)器識(shí)別結(jié)果(經(jīng)機(jī)器學(xué)習(xí)算法識(shí)別后的結(jié)果)；計(jì)算當(dāng)前的融合閾值；根據(jù)融合閾值、中間融合區(qū)域和待融合區(qū)域的位置、寬度、高度以及機(jī)器識(shí)別結(jié)果判斷中間融合區(qū)域和待融合區(qū)域是否滿足融合條件；當(dāng)中間融合區(qū)域和待融合區(qū)域滿足融合條件時(shí)，將中間融合區(qū)域和待融合區(qū)域進(jìn)行融合，作為新的中間融合區(qū)域。\n[0078] 判斷是否每一個(gè)第二車標(biāo)候選區(qū)域均已參與當(dāng)前輪的融合操作；若否，返回執(zhí)行當(dāng)前輪融合操作；若是，判斷是否還有未被選為初始融合區(qū)域的第二車標(biāo)候選區(qū)域；若無(wú)，則當(dāng)前存在的中間融合區(qū)域?yàn)槿诤虾蜻x區(qū)域；若有，則返回執(zhí)行新一輪融合操作。\n[0079] 上述融合閾值的計(jì)算過(guò)程如下：\n[0080] dDelta＝θ×MIN(iRectWdt1，iRectWdt2)??????公式(3)\n[0081] 其中，θ為閾值調(diào)節(jié)系數(shù)，例如，θ＝0.3；iRectWdt1為中間融合區(qū)域的寬度；\niRectWdt2為待融合區(qū)域的寬度；MIN(iRectWdt1，iRectWdt2)為取中間融合區(qū)域?qū)挾群痛诤蠀^(qū)域?qū)挾鹊淖钚≈?；dDelta為融合閾值。\n[0082] 上述判斷中間融合區(qū)域和待融合區(qū)域是否滿足融合條件的過(guò)程如下：\n[0083] iType1＝iType2????????公式(4)\n[0084] |iRectX1-iRectX2|≤dDelta????????公式(5)\n[0085] |iRectY1-iRectY2|≤dDelta????????公式(6)\n[0086] |iRectX1+iRectWdt1-iRectX2-iRectWdt2|≤dDelta????????公式(7)[0087] |iRectY1+iRectHgt1-iRectY2-iRectHgt2|≤dDelta????????公式(8)[0088] 其中，iType1為中間融合區(qū)域的機(jī)器識(shí)別結(jié)果；iType2為待融合區(qū)域的機(jī)器識(shí)別結(jié)果；(iRectX1，iRectY1)為中間融合區(qū)域的位置；(iRectX2，iRectY2)為待融合區(qū)域的位置；iRectWdt1為中間融合區(qū)域的寬度；iRectWdt2為待融合區(qū)域的寬度；iRectHgt1為中間融合區(qū)域的高度；iRectHgt2為待融合區(qū)域的高度；dDelta為融合閾值。\n[0089] 從上述公式可以看出，公式(4)表示中間融合區(qū)域和待融合區(qū)域的機(jī)器識(shí)別結(jié)果相同，例如，均識(shí)別為“奔馳”車標(biāo)；公式(5)和公式(6)表示中間融合區(qū)域和待融合區(qū)域的位置相近；公式(7)和公式(8)表示中間融合區(qū)域和待融合區(qū)域的大小相近。\n[0090] 當(dāng)中間融合區(qū)域和待融合區(qū)域同時(shí)滿足機(jī)器識(shí)別結(jié)果相同、位置相近、大小相近時(shí)，確認(rèn)中間融合區(qū)域和待融合區(qū)域滿足融合條件。\n[0091] 步驟110，根據(jù)生成融合候選區(qū)域的第二車標(biāo)候選區(qū)域的第一車標(biāo)置信度、車標(biāo)位置置信度以及第二車標(biāo)置信度計(jì)算對(duì)應(yīng)融合候選區(qū)域的融合置信度。\n[0092] 在通過(guò)步驟109的融合后，仍然存在多個(gè)融合候選區(qū)域，需要繼續(xù)篩選以確定最終的車標(biāo)。\n[0093] 在車標(biāo)識(shí)別過(guò)程中所采用的識(shí)別算法均具有各自的優(yōu)缺點(diǎn)，例如，CNN算法對(duì)平移、比例縮放、傾斜或者共他形式的變形具有高度不變性；Adaboost算法對(duì)較準(zhǔn)確的候選區(qū)域的識(shí)別置信度較高，而對(duì)于位置有偏移的候選區(qū)域的識(shí)別置信度略低，誤檢的候選區(qū)域的識(shí)別置信度更低。當(dāng)然，也不排除某些候選區(qū)域在結(jié)構(gòu)和形態(tài)上與訓(xùn)練庫(kù)中的樣本有極大的相似性。因此，為了提高車標(biāo)識(shí)別的準(zhǔn)確度，本申請(qǐng)實(shí)施例結(jié)合上述過(guò)程中得到的多個(gè)置信度計(jì)算每一個(gè)融合候選區(qū)域的融合置信度。\n[0094] 融合置信度的計(jì)算過(guò)程為：\n[0095]\n[0096] 公式(9)\n[0097] 其中，t為構(gòu)成當(dāng)前融合候選區(qū)域的第二車標(biāo)候選區(qū)域的個(gè)數(shù)；FSndWeight(i)為第i個(gè)第二車標(biāo)候選區(qū)域的第二車標(biāo)置信度；FFstWeight(i)為第i個(gè)第二車標(biāo)候選區(qū)域的第一車標(biāo)置信度；FLocWeight(i)為第i個(gè)第二車標(biāo)候選區(qū)域的車標(biāo)位置置信度；α、β分別為第一車標(biāo)置信度和車標(biāo)位置置信度的權(quán)重系數(shù)，且α+β＝1；FWeight為當(dāng)前融合候選區(qū)域的融合置信度。\n[0098] 由公式(9)可以看出，融合候選區(qū)域的融合置信度為構(gòu)成該融合候選區(qū)域的第二車標(biāo)候選區(qū)域的置信度的累加和。其中，在計(jì)算每一個(gè)第二車標(biāo)候選區(qū)域的置信度時(shí)，對(duì)表示第二車標(biāo)候選區(qū)域與真實(shí)車標(biāo)相似程度的第一車標(biāo)置信度和車標(biāo)位置置信度進(jìn)行加權(quán)處理，例如，在一種優(yōu)選的實(shí)施方式中，取α＝0.35，β＝0.65，識(shí)別效果較佳。\n[0099] 步驟111，選擇融合置信度最高的融合候選區(qū)域作為識(shí)別出的車標(biāo)。\n[0100] 融合置信度越高的融合候選區(qū)域是車標(biāo)的可能性也就越高。\n[0101] 由上述描述可以看出，本申請(qǐng)無(wú)需對(duì)車標(biāo)進(jìn)行精準(zhǔn)定位，而是通過(guò)對(duì)深度識(shí)別獲取的多種置信度進(jìn)行加權(quán)融合，得到最終的識(shí)別結(jié)果。本申請(qǐng)適用于復(fù)雜場(chǎng)景下的車標(biāo)識(shí)別，識(shí)別率較高。\n[0102] 與前述車標(biāo)識(shí)別方法的實(shí)施例相對(duì)應(yīng)，本申請(qǐng)還提供了車標(biāo)識(shí)別裝置的實(shí)施例。\n[0103] 本申請(qǐng)車標(biāo)識(shí)別裝置的實(shí)施例可以應(yīng)用在電子設(shè)備上。裝置實(shí)施例可以通過(guò)軟件實(shí)現(xiàn)，也可以通過(guò)硬件或者軟硬件結(jié)合的方式實(shí)現(xiàn)。以軟件實(shí)現(xiàn)為例，作為一個(gè)邏輯意義上的裝置，是通過(guò)其所在設(shè)備的處理器運(yùn)行存儲(chǔ)器中對(duì)應(yīng)的計(jì)算機(jī)程序指令形成的。從硬件層面而言，如圖4所示，為本申請(qǐng)車標(biāo)識(shí)別裝置所在設(shè)備的一種硬件結(jié)構(gòu)圖，除了圖4所示的處理器、網(wǎng)絡(luò)接口、以及存儲(chǔ)器之外，實(shí)施例中裝置所在的設(shè)備通常根據(jù)該設(shè)備的實(shí)際功能，還可以包括其他硬件，對(duì)此不再贅述。\n[0104] 請(qǐng)參考圖5，為本申請(qǐng)一個(gè)實(shí)施例中的車標(biāo)識(shí)別裝置的結(jié)構(gòu)示意圖。該車標(biāo)識(shí)別裝置包括訓(xùn)練單元501、獲取單元502、確定單元503、檢測(cè)單元504、第一計(jì)算單元505、第二計(jì)算單元506、篩選單元507、識(shí)別單元508、融合單元509、第三計(jì)算單元510以及選擇單元511，其中：\n[0105] 訓(xùn)練單元501，用于采用車標(biāo)檢測(cè)算法訓(xùn)練車標(biāo)分類器；\n[0106] 獲取單元502，用于獲取待檢測(cè)圖像中的車牌位置信息；\n[0107] 確定單元503，用于根據(jù)所述車牌位置信息確定車標(biāo)初選區(qū)域；\n[0108] 檢測(cè)單元504，用于利用訓(xùn)練得到的車標(biāo)分類器對(duì)所述車標(biāo)初選區(qū)域進(jìn)行車標(biāo)檢測(cè)，獲得若干第一車標(biāo)候選區(qū)域；\n[0109] 第一計(jì)算單元505，用于計(jì)算每一個(gè)第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度；\n[0110] 第二計(jì)算單元506，用于根據(jù)第一車標(biāo)候選區(qū)域的位置計(jì)算對(duì)應(yīng)的車標(biāo)位置置信度；\n[0111] 篩選單元507，用于根據(jù)所述車標(biāo)位置置信度從所述若干第一車標(biāo)候選區(qū)域篩選出距離所述車標(biāo)初選區(qū)域的中軸線較近的第一車標(biāo)候選區(qū)域作為第二車標(biāo)候選區(qū)域；\n[0112] 識(shí)別單元508，用于采用機(jī)器學(xué)習(xí)算法對(duì)所述第二車標(biāo)候選區(qū)域進(jìn)行識(shí)別，獲取第二車標(biāo)候選區(qū)域的第二車標(biāo)置信度；\n[0113] 融合單元509，用于對(duì)多個(gè)第二車標(biāo)候選區(qū)域進(jìn)行區(qū)域融合生成多個(gè)融合候選區(qū)域；\n[0114] 第三計(jì)算單元510，用于根據(jù)生成融合候選區(qū)域的第二車標(biāo)候選區(qū)域的第一車標(biāo)置信度、車標(biāo)位置置信度以及第二車標(biāo)置信度計(jì)算對(duì)應(yīng)融合候選區(qū)域的融合置信度；\n[0115] 選擇單元511，用于選擇融合置信度最高的融合候選區(qū)域作為識(shí)別出的車標(biāo)。\n[0116] 進(jìn)一步地，所述第一計(jì)算單元505，具體為：\n[0117] FFstWeight＝K/P\n[0118] 其中，\n[0119] K為所述車標(biāo)分類器中能夠檢測(cè)出第一車標(biāo)候選區(qū)域的弱分類器的個(gè)數(shù)；\n[0120] P為所述車標(biāo)分類器中弱分類器的總個(gè)數(shù)；\n[0121] FFstWeight為所述第一車標(biāo)候選區(qū)域的第一車標(biāo)置信度。\n[0122] 進(jìn)一步地，所述第二計(jì)算單元506，具體為：\n[0123]\n[0124] 其中，\n[0125] D為第一車標(biāo)候選區(qū)域中心點(diǎn)到車標(biāo)初選區(qū)域中軸線的距離；\n[0126] W為第一車標(biāo)候選區(qū)域的寬；\n[0127] FLocWeight為第一車標(biāo)候選區(qū)域的車標(biāo)位置置信度。\n[0128] 進(jìn)一步地，所述融合單元509，包括：\n[0129] 初始融合區(qū)域選擇模塊，用于選擇一個(gè)未與其它車標(biāo)候選區(qū)域融合過(guò)且未被選為初始融合區(qū)域的第二車標(biāo)候選區(qū)域作為新一輪融合操作的初始融合區(qū)域，所述初始融合區(qū)域?yàn)楫?dāng)前輪融合操作的首個(gè)中間融合區(qū)域；\n[0130] 待融合區(qū)域選擇模塊，用于選擇一個(gè)未參與當(dāng)前輪融合操作的第二車標(biāo)候選區(qū)域作為待融合區(qū)域；\n[0131] 信息獲取模塊，用于分別獲取所述中間融合區(qū)域和所述待融合區(qū)域的位置、寬度、高度以及機(jī)器識(shí)別結(jié)果；\n[0132] 閾值計(jì)算模塊，用于計(jì)算當(dāng)前的融合閾值；\n[0133] 融合判斷模塊，用于根據(jù)所述融合閾值、所述中間融合區(qū)域和所述待融合區(qū)域的位置、寬度、高度以及機(jī)器識(shí)別結(jié)果判斷所述中間融合區(qū)域和所述待融合區(qū)域是否滿足融合條件；\n[0134] 區(qū)域融合模塊，用于當(dāng)所述中間融合區(qū)域和所述待融合區(qū)域滿足融合條件時(shí)，將所述中間融合區(qū)域和所述待融合區(qū)域進(jìn)行融合，作為新的中間融合區(qū)域；\n[0135] 結(jié)果判斷模塊，用于判斷是否每一個(gè)第二車標(biāo)候選區(qū)域均已參與當(dāng)前輪的融合操作；若否，則執(zhí)行待融合區(qū)域選擇模塊；若是，判斷是否還有未被選為初始融合區(qū)域的第二車標(biāo)候選區(qū)域；若無(wú)，則當(dāng)前存在的中間融合區(qū)域?yàn)槿诤虾蜻x區(qū)域；若有，則執(zhí)行初始融合區(qū)域選擇模塊。\n[0136] 進(jìn)一步地，所述閾值計(jì)算模塊，具體為：\n[0137] dDelta＝θ×MIN(iRectWdt1，iRectWdt2)\n[0138] 其中，\n[0139] θ為閾值調(diào)節(jié)系數(shù)；\n[0140] iRectWdt1為中間融合區(qū)域的寬度；\n[0141] iRectWdt2為待融合區(qū)域的寬度；\n[0142] MIN(iRectWdt1，iRectWdt2)為取中間融合區(qū)域?qū)挾群痛诤蠀^(qū)域?qū)挾鹊淖钚≈?；\n[0143] dDelta為融合閾值。\n[0144] 進(jìn)一步地，所述融合條件為：\n[0145] iType1＝iType2\n[0146] |iRectX1-iRectX2|≤dDelta\n[0147] |iRectY1-iRectY2|≤dDelta\n[0148] |iRectX1+iRectWdt1-iRectX2-iRectWdt2|≤dDelta\n[0149] |iRectY1+iRectHgt1-iRectY2-iRectHgt2|≤dDelta\n[0150] 其中，\n[0151] iType1為中間融合區(qū)域的機(jī)器識(shí)別結(jié)果；\n[0152] iType2為待融合區(qū)域的機(jī)器識(shí)別結(jié)果；\n[0153] (iRectX1，iRectY1)為中間融合區(qū)域的位置；\n[0154] (iRectX2，iRectY2)為待融合區(qū)域的位置；\n[0155] iRectWdt1為中間融合區(qū)域的寬度；\n[0156] iRectWdt2為待融合區(qū)域的寬度；\n[0157] iRectHgt1為中間融合區(qū)域的高度；\n[0158] iRectHgt2為待融合區(qū)域的高度；\n[0159] dDelta為融合閾值。\n[0160] 進(jìn)一步地，所述第三計(jì)算單元510，具體為：\n[0161]\n[0162] 其中，\n[0163] t為構(gòu)成當(dāng)前融合候選區(qū)域的第二車標(biāo)候選區(qū)域的個(gè)數(shù)；\n[0164] FSndWeight(i)為第i個(gè)第二車標(biāo)候選區(qū)域的第二車標(biāo)置信度；\n[0165] FFstWeight(i)為第i個(gè)第二車標(biāo)候選區(qū)域的第一車標(biāo)置信度；\n[0166] FLocWeight(i)為第i個(gè)第二車標(biāo)候選區(qū)域的車標(biāo)位置置信度；\n[0167] α、β分別為第一車標(biāo)置信度和車標(biāo)位置置信度的權(quán)重系數(shù)，且α+β＝1；\n[0168] FWeight為當(dāng)前融合候選區(qū)域的融合置信度。\n[0169] 上述裝置中各個(gè)單元的功能和作用的實(shí)現(xiàn)過(guò)程具體詳見(jiàn)上述方法中對(duì)應(yīng)步驟的實(shí)現(xiàn)過(guò)程，在此不再贅述。\n[0170] 對(duì)于裝置實(shí)施例而言，由于其基本對(duì)應(yīng)于方法實(shí)施例，所以相關(guān)之處參見(jiàn)方法實(shí)施例的部分說(shuō)明即可。以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來(lái)實(shí)現(xiàn)本申請(qǐng)方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動(dòng)的情況下，即可以理解并實(shí)施。\n[0171] 以上所述僅為本申請(qǐng)的較佳實(shí)施例而已，并不用以限制本申請(qǐng)，凡在本申請(qǐng)的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請(qǐng)保護(hù)的范圍之內(nèi)。