车标检测，opencv_opencv_其他

<html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta charset="utf-8"> <meta name="generator" content="pdf2htmlEX"> <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"> <link rel="stylesheet" href="https://static.pudn.com/base/css/base.min.css"> <link rel="stylesheet" href="https://static.pudn.com/base/css/fancy.min.css"> <link rel="stylesheet" href="https://static.pudn.com/prod/directory_preview_static/629e0947a1ab4536ad095be4/raw.css"> <script src="https://static.pudn.com/base/js/compatibility.min.js"></script> <script src="https://static.pudn.com/base/js/pdf2htmlEX.min.js"></script> <script> try{ pdf2htmlEX.defaultViewer = new pdf2htmlEX.Viewer({}); }catch(e){} </script> <title></title> </head> <body> <div id="sidebar" style="display: none"> <div id="outline"> </div> </div> <div id="pf1" class="pf w0 h0" data-page-no="1"><div class="pc pc1 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/629e0947a1ab4536ad095be4/bg1.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x1 h3 y2 ff1 fs0 fc0 sc0 ls0 ws0">目录</div><div class="t m0 x2 h3 y3 ff1 fs0 fc0 sc0 ls0 ws0">第一章 绪论</div><div class="t m0 x3 h3 y4 ff2 fs0 fc0 sc0 ls0 ws0">1.1 车标识别的背景和意义</div><div class="t m0 x3 h3 y5 ff2 fs0 fc0 sc0 ls0 ws0">1.2 车标识别的研究现状</div><div class="t m0 x4 h3 y6 ff2 fs0 fc0 sc0 ls0 ws0">1.2.1 车标自动识别系统概述</div><div class="t m0 x4 h3 y7 ff2 fs0 fc0 sc0 ls0 ws0">1.2.2 车标定位技术的发展现状</div><div class="t m0 x4 h3 y8 ff2 fs0 fc0 sc0 ls0 ws0">1.2.3 车标识别技术的发展现状</div><div class="t m0 x3 h3 y9 ff2 fs0 fc0 sc0 ls0 ws0">1.3 论文内容及安排</div><div class="t m0 x4 h3 ya ff2 fs0 fc0 sc0 ls0 ws0">1.3.1 论文主要工作</div><div class="t m0 x4 h3 yb ff2 fs0 fc0 sc0 ls0 ws0">1.3.2 论文内容及安排</div><div class="t m0 x2 h3 yc ff1 fs0 fc0 sc0 ls0 ws0">第二章 车标定位</div><div class="t m0 x3 h3 yd ff2 fs0 fc0 sc0 ls0 ws0">2.1 车标定位的关键性问题</div><div class="t m0 x3 h3 ye ff2 fs0 fc0 sc0 ls0 ws0">2.2 车标定位所根据的先验知识</div><div class="t m0 x3 h3 yf ff2 fs0 fc0 sc0 ls0 ws0">2.3 车标定位系统组成</div><div class="t m0 x3 h3 y10 ff2 fs0 fc0 sc0 ls0 ws0">2.4 车身定位</div><div class="t m0 x4 h3 y11 ff2 fs0 fc0 sc0 ls0 ws0">2.4.1 车身定位预处理</div><div class="t m0 x4 h3 y12 ff2 fs0 fc0 sc0 ls0 ws0">2.4.2 基于 Canny 算子的车身边缘提取</div><div class="t m0 x4 h3 y13 ff2 fs0 fc0 sc0 ls0 ws0">2.4.3 垂直投影</div><div class="t m0 x3 h3 y14 ff2 fs0 fc0 sc0 ls0 ws0">2.5 车灯带定位</div><div class="t m0 x3 h3 y15 ff2 fs0 fc0 sc0 ls0 ws0">2.6 车标定位</div><div class="t m0 x3 h3 y16 ff2 fs0 fc0 sc0 ls0 ws0">2.7 车标定位的效果</div><div class="t m0 x3 h3 y17 ff2 fs0 fc0 sc0 ls0 ws0">2.8 本章小节</div><div class="t m0 x2 h3 y18 ff1 fs0 fc0 sc0 ls0 ws0">第三章 车标识别</div><div class="t m0 x3 h3 y19 ff2 fs0 fc0 sc0 ls0 ws0">3.1 车标识别的关键性问题</div><div class="t m0 x3 h3 y1a ff2 fs0 fc0 sc0 ls0 ws0">3.2 基于 SIFT 算法的车标特征提取</div><div class="t m0 x4 h3 y1b ff2 fs0 fc0 sc0 ls0 ws0">3.2.1 SIFT 算法原理</div><div class="t m0 x4 h3 y1c ff2 fs0 fc0 sc0 ls0 ws0">3.2.2 基于 SIFT 算法的车标识别</div><div class="t m0 x3 h3 y1d ff2 fs0 fc0 sc0 ls0 ws0">3.3 SIFT 算法的后处理工作</div><div class="t m0 x3 h3 y1e ff2 fs0 fc0 sc0 ls0 ws0">3.4 车标识别的效果</div><div class="t m0 x3 h3 y1f ff2 fs0 fc0 sc0 ls0 ws0">3.5 本章小节</div><div class="t m0 x2 h3 y20 ff1 fs0 fc0 sc0 ls0 ws0">第四章 实验结果及分析</div><div class="t m0 x3 h3 y21 ff2 fs0 fc0 sc0 ls0 ws0">4.1 正确率分析</div><div class="t m0 x3 h3 y22 ff2 fs0 fc0 sc0 ls0 ws0">4.2 效率分析</div><div class="t m0 x2 h3 y23 ff1 fs0 fc0 sc0 ls0 ws0">第五章 总结与展望</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div> </body> </html>

<div id="pf2" class="pf w0 h0" data-page-no="2"><div class="pc pc2 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/629e0947a1ab4536ad095be4/bg2.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x5 h3 y2 ff1 fs0 fc0 sc0 ls0 ws0">第一章 绪论</div><div class="t m0 x2 h3 y3 ff2 fs0 fc0 sc0 ls0 ws0">1.1 车标识别的背景和意义</div><div class="t m0 x6 h3 y4 ff1 fs0 fc0 sc0 ls0 ws0">随着社会经济的发展和科技的发展，便捷、精确、高效的交通管理系统已成为保证社会</div><div class="t m0 x2 h3 y5 ff1 fs0 fc0 sc0 ls0 ws0">高速运转必不可少的条件。目前来讲，发展智能交通系统（ITS, Intelligent Transportaon</div><div class="t m0 x2 h3 y6 ff2 fs0 fc0 sc0 ls0 ws0">System）是提高交通管理水平的重要课题和重要方向。</div><div class="t m0 x6 h3 y7 ff1 fs0 fc0 sc0 ls0 ws0">智能交通系统，是为了从根本上解决日益严重的交通问题而出现的技术领域，是指将先</div><div class="t m0 x2 h3 y8 ff1 fs0 fc0 sc0 ls0 ws0">进的信息技术、数据通讯传输技术、电子控制技术及计算机技术、网络技术等高新技术有</div><div class="t m0 x2 h3 y9 ff1 fs0 fc0 sc0 ls0 ws0">效地运用到整个运输管理体系，是人、车、路密切配合、全方位发挥作用的实时、准确、</div><div class="t m0 x2 h3 ya ff1 fs0 fc0 sc0 ls0 ws0">高效的综合交通管理系统【1】。</div><div class="t m0 x6 h3 yb ff2 fs0 fc0 sc0 ls0 ws0">ITS 的技术雏形起源于 20 世纪 60 年代，并于 20 世纪 90 年代初期迅速崛起。目前，很</div><div class="t m0 x2 h3 y24 ff1 fs0 fc0 sc0 ls0 ws0">多国家都投入了大量的时间、精力来发展 ITS 并取得显著成效。而我国 ITS 的发展开始于</div><div class="t m0 x2 h3 yc ff2 fs0 fc0 sc0 ls0 ws0">20 世纪 70 年代末，并在 20 世纪 90 年代中期以后才真正迅速发展起来。我国的智能交通</div><div class="t m0 x2 h3 yd ff1 fs0 fc0 sc0 ls0 ws0">主要应用于如下三大领域：</div><div class="t m0 x6 h3 ye ff2 fs0 fc0 sc0 ls0 ws0">1.公路交通信息化，包括高速公路建设、省级国道公路建设</div><div class="t m0 x6 h3 yf ff2 fs0 fc0 sc0 ls0 ws0">2.城市道路交通管理服务信息化</div><div class="t m0 x6 h3 y10 ff2 fs0 fc0 sc0 ls0 ws0">3.城市公交信息化</div><div class="t m0 x6 h3 y11 ff1 fs0 fc0 sc0 ls0 ws0">计算机视觉是智能交通系统这一领域中的重要技术，指各种成像系统替代视觉信息输入</div><div class="t m0 x2 h4 y12 ff1 fs0 fc0 sc0 ls0 ws0">手段，有计算机来代替大脑完成处理和解释。计算机视觉不仅能使机器感知环境中的几何</div><div class="t m0 x2 h4 y13 ff1 fs0 fc0 sc0 ls0 ws0">信息，包括位置、大小、形状、运动等，还能对它们进行描述、解释和理解。计算机视觉</div><div class="t m0 x2 h4 y14 ff3 fs0 fc0 sc0 ls0 ws0">未交通系统提供了直观方便的分析手段，交通环境中的大量信息，如车辆，交通标志和路</div><div class="t m0 x2 h4 y15 ff3 fs0 fc0 sc0 ls0 ws0">面标志等都来源于视觉。用计算机视觉来处理和理解这些信息是一种必然的选择。</div><div class="t m0 x6 h4 y16 ff1 fs0 fc0 sc0 ls0 ws0">发展基于视频图像的运动车辆识别技术对提高交通管理水平，降低交通管理成本具深远</div><div class="t m0 x2 h4 y17 ff1 fs0 fc0 sc0 ls0 ws0">意义。以它为核心技术的相关产品是智能交通系统的前沿设备，并且在交通调查，车辆监</div><div class="t m0 x2 h4 y25 ff1 fs0 fc0 sc0 ls0 ws0">管，路面管理中投入使用。与此同时，伴随着机动车数量的激增，涉车犯罪行为也相应增</div><div class="t m0 x2 h4 y18 ff3 fs0 fc0 sc0 ls0 ws0">加，引起了社会的广泛关注。打击涉车犯罪必须采取有效的措施，而视频技术与数字图像</div><div class="t m0 x2 h4 y19 ff1 fs0 fc0 sc0 ls0 ws0">技术研究的丰硕成果使高科技破案得以实现。</div><div class="t m0 x6 h4 y1a ff1 fs0 fc0 sc0 ls0 ws0">车辆自动识别的研究和应用已经在车牌和车型自动识别取得了相当成果，其识别结果也</div><div class="t m0 x2 h4 y1b ff1 fs0 fc0 sc0 ls0 ws0">是稳定且准确的。但仅仅通过车牌和车型信息，有关部门还不能完全准确确认车辆身份。</div><div class="t m0 x2 h4 y1c ff3 fs0 fc0 sc0 ls0 ws0">对此，还有一些工作可以地提高车辆识别的可靠性，例如对其他车辆信息的捕捉。除了车</div><div class="t m0 x2 h4 y1d ff3 fs0 fc0 sc0 ls0 ws0">牌和车型信息外，车标是车辆难以更换的重要属性，它包含了车辆的车型信息和生产厂家</div><div class="t m0 x2 h4 y1e ff1 fs0 fc0 sc0 ls0 ws0">的信息。为了配合相关工作的执行，车标自动识别系统有必要进一步完善。车标自动识别</div><div class="t m0 x2 h4 y1f ff1 fs0 fc0 sc0 ls0 ws0">系统综合了先进的光电、计算机视觉、信号处理、图像处理、模式识别、人工智能、远程</div><div class="t m0 x2 h4 y26 ff3 fs0 fc0 sc0 ls0 ws0">访问等技术对车辆车标图像进行自动识别。车标识别系统主要的应用范围如下：</div><div class="t m0 x6 h3 y20 ff2 fs0 fc0 sc0 ls0 ws0">1. 交通管理</div><div class="t m0 x6 h4 y21 ff3 fs0 fc0 sc0 ls0 ws0">打击黑车是车辆管理系统中的一项非常重要的工作。黑车车牌是指不法分子制造或悬挂</div><div class="t m0 x2 h4 y22 ff3 fs0 fc0 sc0 ls0 ws0">假车牌。采用车牌识别技术对不法分子从报废车辆上取下的黑车车牌是无法进行的。然而</div><div class="t m0 x2 h4 y27 ff1 fs0 fc0 sc0 ls0 ws0">车标不易被改换的特征可有助于对违法车辆的查处。</div><div class="t m0 x6 h4 y23 ff2 fs0 fc0 sc0 ls0 ws0">2. 公路布控</div><div class="t m0 x6 h4 y28 ff3 fs0 fc0 sc0 ls0 ws0">利用车标识别技术对车辆做自动识别不仅可以有效的监控机动车辆，防止机动车辆被盗，</div><div class="t m0 x2 h4 y29 ff1 fs0 fc0 sc0 ls0 ws0">而且为执法机关对不法分子所驾驶的机动车辆提供了有利的追捕信息，达到车辆自动稽查</div><div class="t m0 x2 h3 y2a ff1 fs0 fc0 sc0 ls0 ws0">的目的。</div><div class="t m0 x6 h4 y2b ff2 fs0 fc0 sc0 ls0 ws0">3. 公路交通收费系统</div><div class="t m0 x6 h4 y2c ff1 fs0 fc0 sc0 ls0 ws0">公路交通收费系统是指使用自动化的识别技术来监控整个收费系统的过程，收费的整个</div><div class="t m0 x2 h4 y2d ff3 fs0 fc0 sc0 ls0 ws0">流程都是自动的。车牌识别技术的应用虽然能有效的防止违规逃费的不法行为，但有时也</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div>

<div id="pf3" class="pf w0 h0" data-page-no="3"><div class="pc pc3 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/629e0947a1ab4536ad095be4/bg3.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x2 h4 y2 ff1 fs0 fc0 sc0 ls0 ws0">会做出错误的判断。如果将车标识别技术与车牌识别技术二者相结合可以在很大程度上提</div><div class="t m0 x2 h4 y3 ff1 fs0 fc0 sc0 ls0 ws0">高车辆信息判断的准确性，防止通行费的流失，使得公路交通收费系统更加稳定可靠。</div><div class="t m0 x2 h3 y5 ff2 fs0 fc0 sc0 ls0 ws0">1.2 车标识别的研究现状</div><div class="t m0 x6 h4 y6 ff1 fs0 fc0 sc0 ls0 ws0">车标识别技术主要包括:车标定位、车标识别两个关键技术。</div><div class="t m0 x2 h3 y7 ff2 fs0 fc0 sc0 ls0 ws0">1.2.1 车标自动识别系统概述</div><div class="t m0 x3 h4 y8 ff1 fs0 fc0 sc0 ls0 ws0">车标识别是 ITS 的一个重要组成部分，它的基本工作原理是：先利用图像采集设备采</div><div class="t m0 x2 h4 y9 ff3 fs0 fc0 sc0 ls0 ws0">集车辆正面图像，并传送给计算机，然后通过计算机对车标进行定位和识别。车标自动识</div><div class="t m0 x2 h4 ya ff1 fs0 fc0 sc0 ls0 ws0">别系统对车辆识别技术的发展和完善具有重要的理论意义与应用价值。一个比较典型的车</div><div class="t m0 x2 h4 yb ff1 fs0 fc0 sc0 ls0 ws0">标识别系统如图 1.1 所示</div><div class="t m0 x2 h5 y2e ff4 fs1 fc0 sc0 ls0 ws0"> 图 1.1 车标识别系统组成</div><div class="t m0 x2 h6 y2f ff4 fs2 fc0 sc0 ls0 ws0"> Fig.1.1 The composition of the vehicle-logo identication system</div><div class="t m0 x2 h7 y30 ff4 fs0 fc0 sc0 ls0 ws0"> </div><div class="t m0 x7 h4 y16 ff4 fs0 fc0 sc0 ls0 ws0">(1) 图像采集</div><div class="t m0 x7 h4 y17 ff3 fs0 fc0 sc0 ls0 ws0">当检测到有车辆通过时，CCD 摄像机被自动启动，以获取车辆图像。</div><div class="t m0 x7 h4 y25 ff4 fs0 fc0 sc0 ls0 ws0">(2) 图像预处理</div><div class="t m0 x3 h4 y18 ff3 fs0 fc0 sc0 ls0 ws0">由于车速较快、摄像头与车辆的距离或角度的不适合等因素的影响，可能存在车辆图</div><div class="t m0 x2 h4 y19 ff1 fs0 fc0 sc0 ls0 ws0">像模糊、光照不均、车辆图像缺损等情况。所以需要对采集到的原始车辆图像进行预处理。</div><div class="t m0 x7 h3 y1a ff4 fs0 fc0 sc0 ls0 ws0">(3) 车标定位</div><div class="t m0 x7 h4 y1b ff1 fs0 fc0 sc0 ls0 ws0">从整个车辆图像中提取出车标图像。</div><div class="t m0 x7 h3 y1c ff4 fs0 fc0 sc0 ls0 ws0">(4) 车标识别</div><div class="t m0 x7 h4 y1d ff1 fs0 fc0 sc0 ls0 ws0">在对车标图像进行规定化处理后，进行识别。</div><div class="t m0 x2 h3 y26 ff2 fs0 fc0 sc0 ls0 ws0">1.2.2 车标定位技术的发展现状</div><div class="t m0 x3 h4 y20 ff1 fs0 fc0 sc0 ls0 ws0">车标定位是一种典型的目标检测和目标定位技术。车标定位的主要任务是要检测所拍</div><div class="t m0 x2 h4 y21 ff3 fs0 fc0 sc0 ls0 ws0">摄的车辆图像中是否存在感兴趣的车标并确定其位置。由于受车辆图像的自然背景和车身</div><div class="t m0 x2 h4 y22 ff1 fs0 fc0 sc0 ls0 ws0">背景，光照条件，天气条件，车标模糊、污损、变形倾斜等影响，车标定位成为车标识别</div><div class="t m0 x2 h4 y27 ff1 fs0 fc0 sc0 ls0 ws0">系统中一个具有挑战性的课题，是一个热点研究问题。由于这一技术仍然处于研究阶段，</div><div class="t m0 x2 h4 y23 ff1 fs0 fc0 sc0 ls0 ws0">车标定位的算法还不成熟，现有的车标定位方法包括:</div><div class="t m0 x7 h4 y28 ff2 fs0 fc0 sc0 ls0 ws0">1. 基于方向滤波和模板匹配的车标定位方法【2】【3】【4】</div><div class="t m0 x7 h4 y29 ff1 fs0 fc0 sc0 ls0 ws0">这类方法主要先根据车标与车牌的相对位置，在已确定车牌位置的前提下，粗略确定</div><div class="t m0 x2 h4 y2a ff1 fs0 fc0 sc0 ls0 ws0">车标的范围，再根据车标区域内的纹理分布特点，采用方向滤波粗定位车标区域，最后通</div><div class="t m0 x2 h4 y2b ff3 fs0 fc0 sc0 ls0 ws0">过模板匹配的方法得到车标的准确位置。该类方法的缺点是 1.车标定位依赖于车牌的位置</div><div class="t m0 x2 h4 y2c ff1 fs0 fc0 sc0 ls0 ws0">信息，若车牌定位错误直接影响到车标定位;2.由于车辆品牌繁多，且不同品牌车辆的车标</div><div class="t m0 x2 h4 y2d ff3 fs0 fc0 sc0 ls0 ws0">存在形状相似、由拍摄角度造成形变等，给建立车标定位模板库造成了复杂性。</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div>

<div id="pf4" class="pf w0 h0" data-page-no="4"><div class="pc pc4 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/629e0947a1ab4536ad095be4/bg4.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x7 h4 y2 ff2 fs0 fc0 sc0 ls0 ws0">2. 基于车标位置先验知识的定位方法</div><div class="t m0 x7 h4 y3 ff1 fs0 fc0 sc0 ls0 ws0">文献【5】提出利用车灯带结构特性的车标定位方法;文献【6】采用了车头定位、中轴</div><div class="t m0 x2 h4 y4 ff1 fs0 fc0 sc0 ls0 ws0">定位、车牌定位、车标定位的车标定位方法;文献【7】提出了基于纹理一致性测度的汽车</div><div class="t m0 x2 h4 y5 ff1 fs0 fc0 sc0 ls0 ws0">车徽定位分割方法;此类方法的缺点是车标候选区域位置依赖于车牌的位置信息。上述两种</div><div class="t m0 x2 h4 y6 ff1 fs0 fc0 sc0 ls0 ws0">车标定位方法都具有一定的实用性和参考价值，然而也都存在不完善的方面，如车标定位</div><div class="t m0 x2 h4 y7 ff3 fs0 fc0 sc0 ls0 ws0">依赖车牌定位后的位置信息，因此有必要对车标的定位方法做进一步的研究。</div><div class="t m0 x2 h3 y8 ff2 fs0 fc0 sc0 ls0 ws0">2.2.2 车标识别技术的发展现状[5]</div><div class="t m0 x3 h4 y9 ff1 fs0 fc0 sc0 ls0 ws0">目前主要有以下几种车标识别方法：</div><div class="t m0 x3 h4 ya ff2 fs0 fc0 sc0 ls0 ws0">1． 基于像素分布的车标识别方法</div><div class="t m0 x3 h4 yb ff1 fs0 fc0 sc0 ls0 ws0">文献[5]中以车标图像的像素分布特征作为车标特征，并采用最小欧氏距离作为车标识</div><div class="t m0 x2 h4 y24 ff1 fs0 fc0 sc0 ls0 ws0">别分类器。文献[5]的具体做法是：将车标图像二值化并归一化为 32× 32 像素的方形图像，</div><div class="t m0 x2 h4 yc ff3 fs0 fc0 sc0 ls0 ws0">对二值化车标图像进行腐蚀操作，将车标条纹细化，将二值化、归一化并腐蚀后的车标图</div><div class="t m0 x2 h4 yd ff1 fs0 fc0 sc0 ls0 ws0">像划分为 8× 8 的矩阵小格区域，每一小格区域内的值代表其所覆盖的 16 个像素中的白像</div><div class="t m0 x2 h4 ye ff3 fs0 fc0 sc0 ls0 ws0">素个数，将 8× 8 矩阵的小格数值贯序排列，作为车标二值化图像的像素分面特征，最后采</div><div class="t m0 x2 h4 yf ff1 fs0 fc0 sc0 ls0 ws0">用最小欧氏距离作为车标识别分类器。此方法的优点是计算简单，理解直观，但是由于此</div><div class="t m0 x2 h4 y10 ff1 fs0 fc0 sc0 ls0 ws0">方法的预处理是先将车标图像进行二值化，这样一来在车标识别中的关键信息即车标图像</div><div class="t m0 x2 h4 y11 ff1 fs0 fc0 sc0 ls0 ws0">的灰度信息被忽略丢失，另外，在后继操作中将 8× 8 矩阵的小格数值贯序排列的方法是用</div><div class="t m0 x2 h4 y12 ff5 fs0 fc0 sc0 ls0 ws0">线性模型来描述车标模型，而一般情况下线性模型过于简单,以至于无法反映复杂模式的内</div><div class="t m0 x2 h4 y13 ff1 fs0 fc0 sc0 ls0 ws0">在规律。因此，这种车标识别方法的识别效果不太理想。</div><div class="t m0 x3 h4 y14 ff2 fs0 fc0 sc0 ls0 ws0">2． 基于模板匹配的车标识别方法[8]</div><div class="t m0 x3 h4 y15 ff3 fs0 fc0 sc0 ls0 ws0">模板匹配法是模式识别中的一种统计识别的方法，一种模板匹配的方法是基于相关计</div><div class="t m0 x2 h4 y16 ff1 fs0 fc0 sc0 ls0 ws0">算的匹配方法，这种模板匹配方法是在每次匹配时通过相关函数的计算找出一个模板和原</div><div class="t m0 x2 h4 y17 ff3 fs0 fc0 sc0 ls0 ws0">图像中正在匹配的那块子图像数据的相关系数，得到的这个相关系数在一定程度上反映了</div><div class="t m0 x2 h4 y25 ff3 fs0 fc0 sc0 ls0 ws0">两者之间的相似程度；另一种模板匹配的方法是基于欧几里德距离的匹配方法，这种模板</div><div class="t m0 x2 h4 y18 ff3 fs0 fc0 sc0 ls0 ws0">匹配方法是利用欧几里德距离函数计算找出一个距离值，而两者的差异性就体现在这个距</div><div class="t m0 x2 h4 y19 ff3 fs0 fc0 sc0 ls0 ws0">离值上。文献[8]选择基于相关计算的模板匹配方法做车标识别。其中，相关系数的计算公</div><div class="t m0 x2 h4 y1a ff3 fs0 fc0 sc0 ls0 ws0">式如下：</div></div><div class="c x8 y31 w3 h8"><div class="t m1 x9 h9 y32 ff6 fs3 fc0 sc0 ls0 ws0">∑</div><div class="t m1 x9 ha y33 ff7 fs4 fc0 sc0 ls0 ws0">m=1</div><div class="t m1 xa hb y34 ff7 fs4 fc0 sc0 ls0 ws0">M</div><div class="t m1 xb h9 y32 ff6 fs3 fc0 sc0 ls0 ws0">∑</div><div class="t m1 xb ha y33 ff7 fs4 fc0 sc0 ls0 ws0">n= 1</div><div class="t m1 xc hb y34 ff7 fs4 fc0 sc0 ls0 ws0">M</div><div class="t m1 xd hc y35 ff7 fs5 fc0 sc0 ls0 ws0">S</div><div class="t m1 xe hd y36 ff7 fs6 fc0 sc0 ls0 ws0">i, j</div><div class="t m1 xf he y35 ff6 fs5 fc0 sc0 ls0 ws0">(m, n )∗T (m ,n )</div><div class="t m2 x10 hf y37 ff6 fs7 fc0 sc0 ls0 ws0">√</div><div class="t m1 x11 h9 y38 ff6 fs3 fc0 sc0 ls0 ws0">∑</div><div class="t m1 x12 ha y39 ff7 fs4 fc0 sc0 ls0 ws0">m=1</div><div class="t m1 x13 hb y3a ff7 fs4 fc0 sc0 ls0 ws0">M</div><div class="t m1 x14 h9 y38 ff6 fs3 fc0 sc0 ls0 ws0">∑</div><div class="t m1 x14 ha y39 ff7 fs4 fc0 sc0 ls0 ws0">n=1</div><div class="t m1 x15 hb y3a ff7 fs4 fc0 sc0 ls0 ws0">M</div><div class="t m1 x16 he y3b ff6 fs5 fc0 sc0 ls0 ws0">[ S</div><div class="t m1 x17 hd y3c ff7 fs6 fc0 sc0 ls0 ws0">i , j</div><div class="t m1 x18 he y3b ff6 fs5 fc0 sc0 ls0 ws0">(m , n)]</div><div class="t m1 x19 h10 y3d ff8 fs4 fc0 sc0 ls0 ws0">2</div><div class="t m2 x1a hf y37 ff6 fs7 fc0 sc0 ls0 ws0">√</div><div class="t m1 x1b h9 y38 ff6 fs3 fc0 sc0 ls0 ws0">∑</div><div class="t m1 x1b ha y39 ff7 fs4 fc0 sc0 ls0 ws0">m=1</div><div class="t m1 x1c hb y3a ff7 fs4 fc0 sc0 ls0 ws0">M</div><div class="t m1 x1d h9 y38 ff6 fs3 fc0 sc0 ls0 ws0">∑</div><div class="t m1 x1e ha y39 ff7 fs4 fc0 sc0 ls0 ws0">n=1</div><div class="t m1 x1f hb y3a ff7 fs4 fc0 sc0 ls0 ws0">M</div><div class="t m1 x20 he y3b ff6 fs5 fc0 sc0 ls0 ws0">[ T (m , n)]</div><div class="t m1 x21 h10 y3d ff8 fs4 fc0 sc0 ls0 ws0">2</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x22 h11 y3e ff2 fs0 fc0 sc0 ls0 ws0"> (1.1)</div></div><div class="c x2 y3f w4 h12"><div class="t m3 x23 h13 y40 ff7 fs8 fc0 sc0 ls0 ws0">S</div><div class="t m3 x24 h14 y41 ff7 fs9 fc0 sc0 ls0 ws0">i, j</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x25 h4 y42 ff1 fs0 fc0 sc0 ls0 ws0">是被模板所覆盖的搜索子图，</div></div><div class="c x26 y43 w5 h15"><div class="t m4 x23 h16 y44 ff7 fsa fc0 sc0 ls0 ws0">i, j</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x27 h4 y42 ff1 fs0 fc0 sc0 ls0 ws0">是子图的左上角像素在</div></div><div class="c x28 y45 w6 h17"><div class="t m5 x23 h18 y46 ff7 fsb fc0 sc0 ls0 ws0">S</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x29 h4 y42 ff3 fs0 fc0 sc0 ls0 ws0">图中的坐标。其中</div></div><div class="c x2a y45 w7 h17"><div class="t m6 x23 h18 y46 ff7 fsb fc0 sc0 ls0 ws0">S</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x2b h3 y42 ff1 fs0 fc0 sc0 ls0 ws0">大小</div><div class="t m0 x2 h3 y47 ff1 fs0 fc0 sc0 ls0 ws0">为</div></div><div class="c x2c y48 w8 h17"><div class="t m7 x10 h19 y49 ff7 fsb fc0 sc0 ls0 ws0">N∗N</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x20 h3 y47 ff1 fs0 fc0 sc0 ls0 ws0">，</div></div><div class="c x2d y4a w9 h1a"><div class="t m8 x23 h1b y4b ff7 fsc fc0 sc0 ls0 ws0">T</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x2e h3 y47 ff1 fs0 fc0 sc0 ls0 ws0">为</div></div><div class="c x2f y4a wa h1a"><div class="t m9 x10 h1c y4b ff7 fsc fc0 sc0 ls0 ws0">M∗M</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x30 h3 y47 ff1 fs0 fc0 sc0 ls0 ws0">，</div></div><div class="c x31 y4c wb h1d"><div class="t ma x23 h1e y4d ff7 fsa fc0 sc0 ls0 ws0">i< j</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x32 h3 y47 ff1 fs0 fc0 sc0 ls0 ws0">，</div></div><div class="c x33 y4e wc h1f"><div class="t mb x10 h20 y4f ff7 fsd fc0 sc0 ls0 ws0">j<N −M +1 .</div></div><div class="c x0 y1 w2 h2"><div class="t m0 x34 h3 y47 ff1 fs0 fc0 sc0 ls0 ws0">。</div><div class="t m0 x3 h4 y27 ff3 fs0 fc0 sc0 ls0 ws0">相关系数值介于 0 和 1 之间。但是如果直接用基于相关计算的模板匹配方法进行模板</div><div class="t m0 x2 h4 y23 ff3 fs0 fc0 sc0 ls0 ws0">匹配，需要在全图范围内进行搜索计算，计算量大、速度很慢。为此，文献[7]采用了一种</div><div class="t m0 x2 h4 y28 ff3 fs0 fc0 sc0 ls0 ws0">改进的模板匹配方法，以减少计算量，缩短计算时间。具体步骤见文献[7]。但此方法局限</div><div class="t m0 x2 h4 y29 ff1 fs0 fc0 sc0 ls0 ws0">于摄像机正面捕获或倾斜角度很小的情况下捕获的图像。当摄像机倾斜角度偏大时，识别</div><div class="t m0 x2 h4 y2a ff1 fs0 fc0 sc0 ls0 ws0">率低。另外当所定位出的车标出现位置相对偏移时，对识别率同样有一定的影响。</div><div class="t m0 x1c h4 y2c ff2 fs0 fc0 sc0 ls0 ws0">3. 基于边缘直方图的车标识别方法[9]</div><div class="t m0 x3 h4 y2d ff1 fs0 fc0 sc0 ls0 ws0">文献[9]中提出了一种基于图像的边缘和形状特征的识别方法，它的依据是图像的边缘</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div>