车标检测与识别主要对视频和图像中车辆标识进行分辨,在智能交通系统、车辆追踪、车辆管理等方面具有重要的应用价值。由于车辆标识种类多样、形状各异,且在不同场景条件下获取的车标图像存在光照不均、边缘模糊、背景复杂多样等特点,导致具有难以精确检测车标区域、精确提取纹理特征以及具有多类多尺度车标难适应等问题。本文针对这些问题,开展了车标纹理特征提取、多类多尺度车标结构化参数化建库、车标反传导释义等研究,主要工作如下:1、针对难以提取小尺寸车标纹理特征的问题,运用DenseSIFT算法提取车辆标识纹理特征,通过对像素点与其邻域的梯度信息的提取,实现小尺寸车标提取足够密集的特征。2、针对多类多尺度车标建库问题,提出了结构化参数化的建库方法,通过典型车标模板筛选、车标纹理特征提取和参数化模板适应等处理,并基于大量实测车标图片,实现了多类多尺度车标离线建库,为车标联合检测与辨识提供基础。3、针对传统车标识别方法难以精确定位的特点,提出了改进SIFTFlow反向车标释义算法。通过建立基于尺度非一致、定位反向传导、相同车标SIFT特征一致、像素点邻域指向差别小四项假设的释义能量方程,建立输入图像与车标模版间的关联性,实现检测与辨识模块的初步融合4、针对多尺度多类车标辨识的适应问题,本文提出车标联合检测与辨识机制,将检测定位模块和识别模块融合,提出基于图像与车标间关联性的最大后验概率判决决策函数,通过计算释义平均能量、释义边缘图像相似度等三项代价项得到最后的判决结果,实现车标精确检测与辨识。5、构建基于视频流的车标检测与识别软件,运用并行加速与混合编程提高算法计算速度。通过大量的实测实验验证,本文所提方法能实现对非精确分割车标区域进行多尺度、多类别的检测与辨识。