车标作为车辆的关键特征之一,将其与车牌的识别、车辆颜色识别等车辆其他的特征识别进行结合,可大大提高车辆识别的准确性。在交通安检口、车辆违规套牌、无人值守停车场等众多应用场合,车标识别将对获取车辆的完整信息起到更为重要的作用。完整的车标识别流程涵盖车辆检测、车标定位、车标识别三个环节,其中关于车辆检测的研究较为成熟,但车辆检测的速度以及准确率有待提高。而目前关于车标定位的研究尚不完善,目前的研究大多以车辆正向视角、车牌区域具有对称性特点的图像为研究对象,难以有效解决图像扭曲、倾斜以及由此引发的车标区域扭曲、倾斜等复杂场景下的车标定位问题。文章提出基于车牌顶点坐标变换进行车标定位的方法,从而实现车标定位技术。在车标定位的基础上,基于YOLOv3网络进行车标识别网络的设计,继而研究在工程实现上构建完整的自动车标识别系统。从构建自动车标识别系统的角度,本文研究内容主要包括:(1)快速准确的车辆检测。实际输入的图像一般包含多种目标,因此对车辆进行检测非常必要。由于YOLOv3网络运行速度快且具备多尺度检测能力,文章将迁移YOLOv3网络及其在COCO数据集中训练的权重,通过对输出预测类别的处理仅提取车辆图像。提取车辆图像后,结合已有方法对车辆图像进行尺寸放大,以便于后续图像处理。(2)基于车牌位置实现车标定位。车标定位作为自动车标识别系统的关键技术,文章首先定位车牌的四个顶点坐标并分析车标与车牌的相对位置关系,提出利用坐标变换获取车牌上方包含车标的区域的方法,进而提取出包含车标的图像,实现复杂应用场景下的车标定位。最后依据车标区域四个顶点坐标以及目标区域顶点坐标,进行透视变换以校正车标图像。经透视变换处理后的车标图像,近似拥有正向的视角以及固定的尺寸,为后续车标识别做数据准备。(3)车标识别网络的设计以及自动车标识别系统的构建。该部分将对固定尺寸的车标图像进行标注,从而构建车标训练数据集。根据车标图像的尺寸特性,基于YOLOv3网络进行车标识别的网络设计,并进行训练。最后,在Ubuntu系统下整合车辆检测、车标定位以及车标识别三个模块,形成完整的自动车标识别系统。总体上,文章关于车标识别的研究,主要分为三个模块:车辆检测、车标定位、车标识别以及整体的自动车标识别系统。实验表明,车辆检测模块泛化能力较强,对车辆的检测准确率达98.4%以上;对于具备车标位于车牌正上方位置关系的车辆图像,车标定位准确率达96.7%以上;对于车标检测模块,标注数据依据设计的车标识别网络进行训练,最后,对完整的车标识别系统进行验证,总体车标识别率达到88.3%以上。