基于两级BP神经网络的机动车车标识别

陈庆程 陈家亮

1 車标定位

目前车牌定位的方法已经比较成熟,而车标的位置、尺寸都和车牌有很大关联,所以可以借助车牌提高车标定位的效率。假设车牌的宽度为W,则从车牌上边缘向上取一个边长为W的正方形区域,作为车标搜索区域。

已知车标候选区域,参考[3],利用形态学和联通区域分析(CCA),排除干扰,提取候选车标目标,具体操作如下:

(1)在水平方向做形态学闭运算,结果图记为Fc,原图记为Fr;

(2)应用top-hat,增强车标目标,结果图记为Ft=Fc-Fr;

(3)应用OTSU分割,获得车标候选区域掩图;

(4)利用形态学优化目标形状,排除噪声干扰;

(5)做连通区域分析(CCA),利用车标-车牌位置尺寸的先验知识排除错误:

①车标宽度和高度小于1.5倍车牌高度,大于0.5倍的车牌高度。

②车标中心位置应该在车牌竖直中心线附近。

2 基于BP神经网络的车标识别

车标识别包括识别和判定两个过程,单个BP神经网络虽然也可以一次性完成两个过程,但是这样网络的复杂度将会很高,可能会出现发散的问题。为了降低网络复杂度,提高识别准确度,本文采用两级BP神经网络来完成车标的识别过程:类型预测网络和类型校验网络。

2.1 车标类型预测网络

车标类型预测网络的目的是对车标类型进行预测,把输入的目标分发给置信度最高的类型对应的校验网络。预测网络包括输入层、隐层和输出层三个层次,每层节数目依次是1024,128和2。考虑到噪声和光照的影响,定位到的车标候选目标在输入网络前需要经过高斯平滑、直方图均衡化处理,然后后缩放到32X32,再按行展开形成1024维的输入向量。……