導(dǎo)語：車標(biāo)標(biāo)記與識別系統(tǒng)設(shè)計探討一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

[摘要]以汽車車標(biāo)為主要研究對象，利用機器視覺和圖像處理技術(shù)建立了一種車標(biāo)檢測與識別系統(tǒng)。首先進行車標(biāo)圖像的采集，將采集到的圖像作為該系統(tǒng)的測試樣本和訓(xùn)練樣本，然后利用MATLAB軟件平臺進行圖像預(yù)處理，圖像增強、圖像二值化、邊緣檢測等，最后進行圖像重構(gòu)，將所有的操作進行仿真。實驗結(jié)果表明，該系統(tǒng)精度高、耗時短、系統(tǒng)工作穩(wěn)定。

[關(guān)鍵詞]機器視覺；車標(biāo)檢測；車標(biāo)識別；MATLAB

隨著汽車數(shù)量的急劇增加，車標(biāo)的識別與檢測成為目前在道路交通監(jiān)管方面研究較多的課題之一。受外界環(huán)境影響，如白天與黑夜光線變化、道路灰塵的遮蓋、季節(jié)更替等，車標(biāo)的識別與檢測精度不夠理想[1-2]。通常情況下，采用紅外線照明攝像或者運用比較特殊的光線傳感器的檢測方法，檢測成本較高，難以普遍推廣[3]。本文結(jié)合圖像處理技術(shù)設(shè)計的汽車車標(biāo)檢測與識別系統(tǒng)，不僅提高了識別的準(zhǔn)確率，而且造價較低，在車標(biāo)檢測與識別方面具有很好的應(yīng)用價值。

1設(shè)計方案

該系統(tǒng)以計算機硬件為主體，以MATLAB軟件為核心，設(shè)計了一套基于機器視覺的車標(biāo)檢測與識別系統(tǒng)。系統(tǒng)總體設(shè)計主要包括：車標(biāo)圖像采集與顯示、圖像預(yù)處理、圖像的檢測標(biāo)記與識別，其中圖像預(yù)處理包括灰度化、邊緣檢測、列檢測以及圖像的閉運算。系統(tǒng)結(jié)構(gòu)框圖如圖1所示。系統(tǒng)開始工作前首先進行大量的車標(biāo)圖片數(shù)據(jù)的采集，然后將采集到的車標(biāo)圖片進行訓(xùn)練得到訓(xùn)練集，再進行圖像預(yù)處理工作，得到處理后去除噪聲和干擾的圖片，最后進行車標(biāo)檢測和識別。為保證系統(tǒng)的可靠性、降低干擾，車標(biāo)圖片采集需要在相同的天氣環(huán)境和相同的時間進行。

2圖像處理

圖像預(yù)處理可消除圖像中的無關(guān)信息，增強真實信息的可檢測性，提高車標(biāo)的檢測與識別的準(zhǔn)確率[4-5]，本系統(tǒng)借助MATLAB軟件對采集到的車標(biāo)圖片進行圖像灰度化、圖像的邊緣檢測、圖像的列檢測和圖像的標(biāo)記檢測，達(dá)到了車標(biāo)檢測和識別的目的。

2.1圖像的灰度化

彩色的圖像中包含著許多顏色信息，在圖像識別過程中會降低MATLAB的處理速度，所以在對車標(biāo)圖像進行標(biāo)記與識別時需要將圖像進行灰度化處理。經(jīng)過灰度變換后，圖像像素的動態(tài)范圍會增加，圖像的對比度擴展，圖像變得更加清晰、細(xì)膩且容易識別。圖2為原始圖像經(jīng)灰度化后的圖像。

2.2圖像的邊沿檢測

2個相異的灰度值的相鄰區(qū)域之間總存在交叉的邊沿，邊沿檢測是圖像分割、特征提取等圖像分析的前提。通常通過門的極限法來確定一個值或者一個點是否實用有效，所以如果一個有效點的二維1階反導(dǎo)數(shù)比所指定門的極限大，就可以定義所處理的圖像中的一個次點就是一個邊沿點。經(jīng)過1階或2階導(dǎo)數(shù)的圖像的邊沿檢測，求得的1階導(dǎo)數(shù)值若高于某個臨界點的閾值，則確定這個點為所求的邊緣點。但是這樣做會導(dǎo)致所檢測的邊沿點超出太多，所以可以利用對梯度局部求解得到所需要的最大值對應(yīng)點，并確定這個點為所需要的邊沿點，去除非局部邊沿的最大值，可以檢測出所得的邊沿。如圖3所示為圖像的邊沿檢測。

2.3圖像的列檢測

圖像的列檢測就是對圖像進行左右檢測，去除上下圖像對車標(biāo)檢測與識別的影響，保留左右所需要的圖像，以客觀操作達(dá)到主觀效果，圖像的列檢測與圖像增強處理的最大區(qū)別是，圖像的增強理是將灰度化圖像與所得的背景圖像作程序的減法處理，然后運用程序?qū)λ脠D像進行增強處理，達(dá)到對所需圖像的增強；圖像的列檢測是對上下圖像的剔除，保留左右圖像。圖4為圖像的列檢測結(jié)果。

2.4圖像的閉運算

圖像的閉運算就是對圖像進行數(shù)學(xué)上的閉合運算，其目的是為了突出車標(biāo)與車牌的部分領(lǐng)域，使其實化，達(dá)到圖像的小型處理。圖像的腐蝕是一種對邊界點進行消除的方式，其作用是可將所需要的圖像目標(biāo)縮小，孔洞變大，能有效消除被孤立的噪聲點。而膨脹的作用是將與現(xiàn)存的物體相接觸的所有背景點合并到物體內(nèi)部，這樣做的結(jié)果與腐蝕的恰恰相反，能讓目標(biāo)增大，孔洞變小，填補了現(xiàn)存目標(biāo)物體內(nèi)部的空洞，形成一個連通域。對圖像進行先膨脹后腐蝕的過程叫做圖像的閉運算，其特點是可以填充物體內(nèi)部一些細(xì)小的空洞，以達(dá)到對鄰近物體的連接和對邊界平滑的作用。如圖5所示為圖像的閉運算結(jié)果。

2.5圖像最小目標(biāo)的去除

因為目標(biāo)圖像中含有車標(biāo)圖像、車牌圖像、輪廓圖像等一系列圖像，而我們僅需對車標(biāo)進行檢測與識別，因此就需要對目標(biāo)圖像進行整理，去除輪廓圖像。如圖6為圖像最小目標(biāo)的去除結(jié)果。

2.5車標(biāo)的標(biāo)記與識別

車標(biāo)的標(biāo)記檢測是將圖片中車標(biāo)所在的位置標(biāo)記出來，同時達(dá)到圖像校正的目的[6-8]。圖7所示即為車標(biāo)的標(biāo)記與識別結(jié)果，系統(tǒng)能夠正確識別汽車標(biāo)志，且識別率較高。

3結(jié)果與分析

本文通過對車標(biāo)的檢測與識別的算法研究，并進行大量訓(xùn)練、檢驗與分析，得到了對車標(biāo)的檢測與識別結(jié)果。在此過程中，首先要采集大量車標(biāo)圖片輸入MATLAB軟件進行圖像預(yù)處理。圖像采集統(tǒng)一選擇在下午6時，這時的太陽溫和、光線充足，降低了太陽光線和噪音的干擾，使用同一個相機進行采集，避免由于像素差異引起圖像檢驗結(jié)果的不準(zhǔn)確性。實驗表明，該系統(tǒng)檢測效率高，檢測精度和穩(wěn)定性好。如圖8所示為實驗驗證結(jié)果。機器視覺的算法需要對車標(biāo)進行大量的訓(xùn)練，然后進行匹配，由于車標(biāo)的種類繁多，有些車標(biāo)在訓(xùn)練時沒有統(tǒng)計進去，降低了對一些特殊車標(biāo)的檢測與識別的正確率。今后的研究應(yīng)加大對訓(xùn)練集的擴充，達(dá)到應(yīng)檢盡檢的目的。

作者：賈尚云 高曉陽 鄭博博 李紅嶺 楊梅 周蓓蓓 單位：甘肅農(nóng)業(yè)大學(xué)機電工程學(xué)院