摘 要 目前在機(jī)動(dòng)車識(shí)別技術(shù)中，僅僅依靠車牌識(shí)別技術(shù)和車型識(shí)別技術(shù)還不能滿足當(dāng)下和未來(lái)的需求，因?yàn)檐嚺朴锌赡鼙惶鎿Q，但是車標(biāo)不容易被替換或者更改。本文在大量實(shí)驗(yàn)的基礎(chǔ)上，對(duì)機(jī)動(dòng)車車標(biāo)定位和車標(biāo)識(shí)別技術(shù)進(jìn)行了深入研究，并在此基礎(chǔ)上開發(fā)了一套高效的機(jī)動(dòng)車車標(biāo)自動(dòng)識(shí)別系統(tǒng)，具有很強(qiáng)的實(shí)際應(yīng)用價(jià)值。

【關(guān)鍵詞】車標(biāo)定位 車標(biāo)識(shí)別

1 問(wèn)題的提出

目前，國(guó)內(nèi)外在車輛識(shí)別技術(shù)中主要集中在車牌識(shí)別和車型識(shí)別，根據(jù)車牌信息和車型信息來(lái)識(shí)別車輛，或者是通過(guò)兩者結(jié)合來(lái)識(shí)別車輛。這在目前市場(chǎng)上應(yīng)用比較廣泛。車牌有可能被更改，這樣會(huì)促成更多的犯罪違法事件發(fā)生。汽車標(biāo)志是車輛非常重要的信息，是車輛的標(biāo)志性特征，而且不易被更改，有了車標(biāo)信息，在刑事案件偵破中會(huì)迅速縮小目標(biāo)范圍，提高破案效率。

本文所研究的內(nèi)容是以基于交通部門和公安部門的需求，更加準(zhǔn)確和快速的處理那些因盜牌和換牌的車輛，以及那些無(wú)牌車輛帶來(lái)的違紀(jì)、違法事件。對(duì)車標(biāo)技術(shù)進(jìn)行了研究，這種方法相比與其他方法優(yōu)點(diǎn)在于車標(biāo)圖形的一些特征不會(huì)隨著光照變化、尺度比例變化而變化，這樣就大大提高了匹配的健壯性和可靠性。車標(biāo)識(shí)別技術(shù)智能交通系統(tǒng)中的一個(gè)重要核心技術(shù)，具有重要的實(shí)用價(jià)值。

2 定位車標(biāo)

車標(biāo)定位是根據(jù)車標(biāo)和車牌的相對(duì)位置來(lái)定位出車標(biāo)的位置。首先定位出車牌的位置：掃描整張圖片，得到每個(gè)像素點(diǎn)的值，當(dāng)像素點(diǎn)的值是在藍(lán)色和黃色范圍之類時(shí)，把這些像素點(diǎn)值置1，其余不在這個(gè)范圍的像素點(diǎn)值置0。然后再腐蝕和膨脹車牌的大概區(qū)域，就得到了目標(biāo)車牌區(qū)域，通過(guò)車牌就可以很順利的找到車標(biāo)了。

車標(biāo)定位是通過(guò)統(tǒng)計(jì)圖片中的像素點(diǎn)，找出像素點(diǎn)最多的一個(gè)感興趣區(qū)域然后再在該區(qū)域中進(jìn)行尋找車標(biāo)。由監(jiān)控圖片中進(jìn)行像素統(tǒng)計(jì)得到的結(jié)果是在車燈處像素點(diǎn)最多最密集，所以經(jīng)過(guò)第一次統(tǒng)計(jì)后可以定出車燈與車燈之間的一塊區(qū)域作為感興趣區(qū)域，這塊區(qū)域包括了車牌和車標(biāo)的信息，如圖1所示。

再在這個(gè)區(qū)域內(nèi)對(duì)像素點(diǎn)進(jìn)行分塊從右下角（由于車燈一般在車牌的上方，所以從區(qū)域下邊緣開始搜索）開始統(tǒng)計(jì)，當(dāng)統(tǒng)計(jì)到像素塊數(shù)目多于閾值之后，該區(qū)域就是車牌所在位置。然后根據(jù)車牌與車標(biāo)的位置關(guān)系的出車標(biāo)的粗略位置。再在粗定位的基礎(chǔ)上再一次統(tǒng)計(jì)像素分布，可以得到車標(biāo)的細(xì)定位結(jié)果。

3 識(shí)別車標(biāo)

對(duì)車標(biāo)進(jìn)行識(shí)別關(guān)鍵是目標(biāo)特征向量不隨外界變化而變化。特征描述符指的是檢測(cè)圖像的局部特征（比如邊緣，角點(diǎn)，輪廓），然后根據(jù)匹配目標(biāo)的需要進(jìn)行特征的組合，變換，以形成易于匹配穩(wěn)定性好的特征向量，從而把圖像的匹配問(wèn)題轉(zhuǎn)化為特征的匹配問(wèn)題，進(jìn)而將特征的匹配問(wèn)題轉(zhuǎn)化為特征空間特征向量的聚類問(wèn)題。

車標(biāo)識(shí)別是通過(guò)對(duì)細(xì)定位的結(jié)果進(jìn)行SIFT特征提取再與制作好的特征集進(jìn)行對(duì)比，找出最匹配的車標(biāo)類型。車標(biāo)特征及是將所有制作圖片的車標(biāo)進(jìn)行分類，得到十種車標(biāo)類型后將每張圖片的特征提取出來(lái)。然后對(duì)同類型車標(biāo)的特征進(jìn)行邏輯與操作，得到每種車標(biāo)的特征集。

4 程序運(yùn)行界面效果

本文通過(guò)車標(biāo)定位技術(shù)和車標(biāo)識(shí)別技術(shù)的研究，開發(fā)出了一套機(jī)動(dòng)車車標(biāo)自動(dòng)識(shí)別系統(tǒng)。以下展示系統(tǒng)操作情況：

（1）點(diǎn)擊【打開圖片】->選擇要檢測(cè)的圖片，如圖2所示。

（2）點(diǎn)擊【識(shí)別】，系統(tǒng)自動(dòng)顯示識(shí)別結(jié)果，如圖3所示。

（3）表1是該系統(tǒng)經(jīng)過(guò)反復(fù)試驗(yàn)得到的部分車輛識(shí)別結(jié)果。

5 結(jié)束語(yǔ)

隨著交通事故、違章逃逸、盜搶機(jī)動(dòng)車和以機(jī)動(dòng)車為工具流竄作案的案件不斷增多，在能夠研究出識(shí)別車牌前提下，通過(guò)研究能夠識(shí)別車輛品牌的技術(shù)會(huì)使智能交通管理更加高效，有了車標(biāo)信息，在車輛刑事案件中，會(huì)縮小偵破范圍，提高識(shí)別效率，能夠大大減少車輛犯罪，保護(hù)人民的生命和財(cái)產(chǎn)安全，促進(jìn)了社會(huì)的穩(wěn)定，具有很強(qiáng)的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]于洪偉，劉佳敏.不變矩特征在汽車標(biāo)志圖像識(shí)別中的應(yīng)用[C].北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)），2007：42-45.

[2]高倩.車標(biāo)識(shí)別方法研究[D].大連：大連海事大學(xué)：1-7.

[3]彥楠.車牌及車標(biāo)識(shí)別若干技術(shù)研究[D].北京：北京郵電大學(xué)，2008：8-15，40-45.

[4]王枚，王國(guó)宏，高小林，王勇.基于PCA和邊緣不變矩的車標(biāo)識(shí)別新方法[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（04）：224-226.

作者簡(jiǎn)介

曹希彬（1985-），男，江西省九江市人。現(xiàn)為惠州學(xué)院教育技術(shù)中心工程師。主要研究方向?yàn)閿?shù)據(jù)庫(kù)技術(shù)、網(wǎng)絡(luò)與分布式系統(tǒng)。

作者單位

惠州學(xué)院教育技術(shù)中心 廣東省惠州市 516007