基于稀疏編碼的部分遮擋商標識別方法研究.pdf

1、商標在日常生活中隨處可見，它能夠為標識物體的品牌提供豐富的信息，因此商標識別技術(shù)具有極高的實際應用價值，被廣泛應用于電商平臺上的品牌識別和商標非法使用的檢測中。但是，自然場景下的商標識別也存在許多需要克服的問題，如劇烈的尺度變換，光照的影響，仿射形變以及部分遮擋商標的遮擋問題。其中，遮擋問題是具有挑戰(zhàn)性的問題，在真實應用場景中，常常會出現(xiàn)商標沒有完全落在鏡頭內(nèi)，或者商標被其他物體遮擋了一部分的情況。目前，還沒有研究者專門針對商標的遮擋問

2、題進行研究。因此，本文提出了一種能夠處理商標遮擋情況的部分遮擋商標識別算法，主要工作和貢獻如下：
　?。?）提出一套完整有效的部分遮擋商標識別算法框架。現(xiàn)有的商標識別算法如詞袋模型（Bag of Words，BoW）等方法，都是在商標完整的前提下設(shè)計的，在出現(xiàn)較大遮擋的情況下算法性能顯著降低。本文通過基于卷積神經(jīng)網(wǎng)絡(luò)特征的超快速目標區(qū)域檢測算法（FasterRegions with Convolutional Neural Net

3、work Features，F(xiàn)aster R-CNN）進行部分遮擋商標檢測，借鑒部分人臉識別對遮擋問題的處理方法，采用稀疏表示分類（SparseRepresentation Classification，SRC）算法，提出一套新的算法框架用于解決部分遮擋商標識別問題。
　?。?）提出了一個新的數(shù)據(jù)集Flickr32-Occlude，作為研究遮擋問題的基準，模擬自然遮擋的情況，生成了不同程度的遮擋圖片。在生成的遮擋圖片數(shù)據(jù)集上的結(jié)果

4、表明，本文算法的平均分類準確率達到了92.2％，比BoW算法提高了6.9%。在相同遮擋程度下，本文所采用的稀疏編碼方法明顯優(yōu)于BoW算法，驗證了本文算法對遮擋的魯棒性。
　　（3）提出了一種劃分部分重疊子區(qū)域投票分類的方法。在處理遮擋問題時，通常會對圖片平均劃分子區(qū)域，然后對各子區(qū)域的分類結(jié)果進行融合。但這一做法沒有考慮到不同子區(qū)域的權(quán)重是不同的，中心區(qū)域包含商標信息的可能性比其他區(qū)域要高。本文提出一種劃分部分重疊子區(qū)域的方法，避

5、免出現(xiàn)子區(qū)域關(guān)鍵點過少的情況，同時提高了圖片中心分塊的權(quán)重。實驗表明，該方法優(yōu)于平均劃分子區(qū)域的識別性能。
　?。?）提出了一種自適應融合顏色特征進行商標識別的方法。商標通常具有非常醒目的顏色和造型，現(xiàn)有的商標識別方法經(jīng)常使用更加穩(wěn)定的形狀特征，較少利用顏色信息。雖然有些類別的商標顏色在不同場景下變化很大，但也有某些類別商標的顏色分布非常穩(wěn)定。本文提出一種自適應融合顏色特征的方法，在商標的關(guān)鍵點過少，并且判斷出局部特征的分類結(jié)果不