專利名稱：一種融合多字符特征的車牌定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種車牌定位方法，特別是一種快速的、利用車牌區(qū)域字符的視覺顯著性特征及紋理特征，由粗定位到精確定位的多車牌定位方法，適用于城市道路智能交通系統(tǒng)中車牌識別的應(yīng)用。
背景技術(shù)：
車牌識別LPR(License Plate Recognition)技術(shù)作為智能化交通的重要手段，能經(jīng)過圖像抓拍、車牌定位、圖像處理、字符分割、字符識別等一系列算法運算，識別出視野范圍內(nèi)的車輛牌照號碼；它運用數(shù)字圖像處理、模式識別、人工智能技術(shù)對采集到的汽車圖像進(jìn)行處理，能夠?qū)崟r準(zhǔn)確地自動識別出車牌的數(shù)字、字母及漢字字符，并以計算機可直接運行的數(shù)據(jù)形式給出識別結(jié)果，使得車輛的電腦化監(jiān)控和管理成為現(xiàn)實。車牌識別技術(shù)的關(guān)鍵在于車牌定位、字符分割和字符識別三部分，其中車牌定位的準(zhǔn)確與否直接決定后面的字符分割和識別效果，是影響整個UR系統(tǒng)識別率的主要因素，是車牌識別技術(shù)中最為關(guān)鍵的一步。常見的車牌定位方法主要有基于紋理特征分析的方法、基于邊緣檢測的方法、基于彩色圖像定位的方法，這些方法各有所長，也有不足之處1.基于紋理特征分析的車牌定位方法基于紋理特征分析的車牌定位方法，利用了車牌區(qū)域的字符由大量水平線段和垂直線段組成的特點，通過對檢測圖像進(jìn)行行掃描和列掃描的方式找出這些水平線段和垂直線段，并記錄這些線段端點相應(yīng)的位置信息。分別統(tǒng)計圖像在水平方向和垂直方向上的線段的個數(shù)，通過設(shè)置閾值的方式確定車牌區(qū)域，并通過線段端點的位置信息確定車牌區(qū)域的高度和寬度。該方法對于牌照傾斜或變形以及光照不均、偏弱或偏強有很好的效果，但對噪聲敏感，對于引入文字背景的圖像會出現(xiàn)很多錯誤，往往得到多個候選區(qū)域。2.基于邊緣檢測的車牌定位方法基于邊緣檢測的車牌定位方法，利用了車牌區(qū)域的字符存在大量的邊緣信息，分別向水平和垂直方向投影，在投影灰度分布圖上滿足該邊緣特征的區(qū)域?qū)⒂幸黄教棺兓那€，由此可粗略地確定滿足上述邊緣特征的車牌候選區(qū)域在汽車圖像的上下左右邊界。該方法的定位準(zhǔn)確率較高、反應(yīng)時間短、能有效去掉噪聲，適合于包含多個車牌的圖像，在多車牌圖像的情況下定位速度也很快。但是對車牌嚴(yán)重褪色的情況，由于檢測不到字符筆畫的邊緣會導(dǎo)致定位失敗，在有外界干擾時，定位后的區(qū)域比車牌稍大。3.基于彩色分割的車牌定位方法基于彩色分割的車牌定位方法，利用了車牌區(qū)域背景和字符顯著的顏色信息。在國內(nèi)，車牌底色和字符顏色有著明確的規(guī)定，有白底黑字、黑底白字、藍(lán)底白字、黃底黑字四種。將待檢測圖像從RGB彩色空間轉(zhuǎn)換到HSV彩色空間，根據(jù)每種顏色在H、S、V分量上的取值范圍，提取車牌的特殊顏色特征來區(qū)別車牌區(qū)域和背景區(qū)域，從而提取出候選區(qū)域，再結(jié)合長寬比等先驗知識從候選區(qū)域中篩選出車牌區(qū)域。該方法直觀，簡單且實現(xiàn)快速。但由于該方法的關(guān)鍵在于顏色的正確分割，因此在光照不均勻的環(huán)境下，很難獲得較高的定位準(zhǔn)確率。對于模糊圖像以及背景中包含豐富顏色信息的圖像，也很難獲得好的定位效果。除了上述方法之外，車牌定位方法還有基于小波變換的方法、基于遺傳算法的方法以及基于數(shù)學(xué)形態(tài)學(xué)的方法等。這些方法的共同缺點是一方面，建立過程復(fù)雜，計算量大，難以滿足實時性的要求；另一方面，容易受天氣、背景、光照等因素的限制，魯棒性不好。

發(fā)明內(nèi)容
本發(fā)明主要是從人眼視覺觀察機制出發(fā)，提出一種基于字符多特征融合的車牌定位方法一方面，利用車牌區(qū)域字符的均值反差特征、字符的顏色特征以及紋理特征對車牌候選區(qū)域進(jìn)行粗定位；另一方面，利用車牌區(qū)域字符的灰度跳變特征對車牌區(qū)域進(jìn)行精確定位，從而克服了傳統(tǒng)車牌定位方法對于車牌尺寸、光照、背景等因素的依賴，魯棒性好，識別準(zhǔn)確率高，并且由于此方法直觀，簡單，因此能夠滿足車牌定位系統(tǒng)實時性的要求。本發(fā)明提出的技術(shù)方案如下一種基于字符多特征融合的車牌定位方法，包括如下過程步驟一、預(yù)處理原始車輛圖像對原始車輛圖像進(jìn)行彩色圖像灰度化處理，保存為灰度圖。然后對上述灰度圖進(jìn)行二值化處理，得到車輛圖像的二值圖像。步驟二、提取車牌候選區(qū)域首先，將二值圖像分成若干個nXn的方塊，并將所有方塊所有像素點標(biāo)志位的初始值賦為0。其次，在每個方塊內(nèi)分別計算所有白色像素點和黑色像素點對應(yīng)灰度的均值，并記錄兩者的差值。通過設(shè)定合適的閾值門限Tmd，將均值反差大于或等于閾值門限Tmd的方塊內(nèi)所有像素點的標(biāo)志位置為1。然后，將二值圖像進(jìn)行水平投影，統(tǒng)計每行標(biāo)志符為1的像素點的個數(shù)，將個數(shù)大于閾值門限Ts的行記錄下來，并將滿足閾值條件的連續(xù)行合并成行候選區(qū)域。最后，在行候選區(qū)域中，通過統(tǒng)計wXh大小區(qū)域內(nèi)標(biāo)志符為1的像素點的個數(shù)，篩選出車牌的候選區(qū)域集合。篩選的條件為wXh大小區(qū)域內(nèi)標(biāo)志符為1的像素點的個數(shù)大于或等于閾值門限Tns。步驟三、篩選車牌候選區(qū)域通過候選區(qū)域的顏色特征和紋理特征去除不滿足車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域，完成車牌的粗定位過程。步驟四、車牌精確定位利用車牌區(qū)域字符的灰度跳變特征得到車牌中字符區(qū)域的上下左右邊界，完成車牌的精確定位過程。本發(fā)明能夠達(dá)到的有益效果如下首先，本發(fā)明提出了一種新的字符特征車牌字符與背景之間的均值反差特征，并結(jié)合車牌字符區(qū)域的顏色特征、紋理特征和灰度跳變特征，而不僅僅依賴于某一種車牌字符特征，因此與傳統(tǒng)車牌定位方法相比，具有更好的通用性，且適合于復(fù)雜背景條件下的多車牌定位。其次，本發(fā)明充分利用了車牌區(qū)域的字符特征，從而克服傳統(tǒng)車牌定位方法過度依賴于車牌邊框的形狀特征和邊緣特征，因此在車牌邊框模糊的情況下也有很高的定位精度，而且分割結(jié)果更符合人眼觀測的結(jié)果。最后，與基于小波變換的方法、基于遺傳算法的方法以及基于數(shù)學(xué)形態(tài)學(xué)的方法相比，本發(fā)明直觀，簡單，速度快，具有更好的實時性。


圖1本發(fā)明的車牌定位方法的流程圖。圖2車牌區(qū)域及背景區(qū)域的顏色特征分布圖。圖3車牌區(qū)域及背景區(qū)域的灰度跳變特征曲線。圖4車牌區(qū)域及背景區(qū)域的均值反差特征曲線。
具體實施例方式下面結(jié)合附圖及具體實施例對本發(fā)明作進(jìn)一步說明。本發(fā)明的整個方法處理流程如圖1所示。具體實現(xiàn)步驟如下步驟一、預(yù)處理原始車輛圖像1.在我國，藍(lán)底白字的車牌、黃底黑字的車牌最為常見，且在綠色分量上的反差值最大。因此，為了減少不必要的彩色-灰度轉(zhuǎn)化的運算，只通過原始車輛圖像f(x，y)提取綠色分量得到灰度圖g(x，y)，轉(zhuǎn)化關(guān)系為g(x, y) = fg(x, y)(1)其中(χ，y)代表圖像中像素點的位置，fg(x, y)代表原始車輛圖像f (x，y)中(X， y)處的綠色分量。2.為了盡量減少因為光照不均和噪聲點帶來閾值突變，利用Sauvola算法對原始車輛圖像的灰度圖g(x，y)進(jìn)行二值化處理，該算法的實現(xiàn)步驟(1)以(x，y)為中心，設(shè)置一個大小為bXb的窗口，其中b為奇數(shù)；(2)計算該窗口內(nèi)所有像素點的灰度均值m(x，y)和標(biāo)準(zhǔn)差σ (x，y)；(3)通過下面的公式設(shè)置(X，y)點處的分割閾值T (X，y)T(x, y) = m(x,y)-[\ + k·-1)](2)
K其中，k和R為經(jīng)驗參數(shù)，本實施例中，設(shè)置k = 0.5，R= 128 ；(4)逐點二值化其中，b(x，y)為灰度圖g(x，y)的二值圖。該方法能有效的去掉不均勻光照及噪聲帶來的閾值突變。步驟二、提取車牌候選區(qū)域1.將二值圖像b(x，y)分成若干個相鄰且互不重疊的nXn的方塊，并將所有方塊內(nèi)像素點的標(biāo)志位Tag的初始值賦為0。其中η的大小必須保證大于車牌區(qū)域中字符筆畫寬度1，本實施例中取為1+1。
2.在每個方塊內(nèi)分別計算所有白色像素點和黑色像素點對應(yīng)灰度的均值隊和叫， 并計算兩者的差值md:
權(quán)利要求
1.一種基于字符多特征融合的車牌定位方法，包括如下步驟(一)預(yù)處理原始車輛圖像對原始車輛圖像進(jìn)行彩色圖像灰度化處理，保存為灰度圖，然后對上述灰度圖進(jìn)行二值化處理，得到車輛圖像的二值圖像；(二)提取車牌候選區(qū)域首先，將車輛圖像的二值圖像分成若干個ηΧη的方塊，并將所有方塊所有像素點標(biāo)志位的初始值賦為0，其中η為正整數(shù)；其次，在每個方塊內(nèi)分別計算所有白色像素點和黑色像素點對應(yīng)灰度的均值，并記錄兩者的差值，設(shè)定第一閾值門限Tmd，將均值反差大于或等于閾值門限Tmd的方塊內(nèi)所有像素點的標(biāo)志位置為1 ；然后，將所述二值圖像進(jìn)行水平投影，統(tǒng)計圖像每行中標(biāo)志符為1的像素點的個數(shù)，將個數(shù)大于第二閾值門限Ts的行記錄下來，并將記錄下來的連續(xù)行合并成行候選區(qū)域；最后，在所述行候選區(qū)域中，通過統(tǒng)計wXh大小區(qū)域內(nèi)標(biāo)志符為1的像素點的個數(shù)，篩選出車牌的候選區(qū)域，所述篩選的條件為wXh大小區(qū)域內(nèi)標(biāo)志符為1的像素點的個數(shù)大于或等于閾值門限Tns即作為候選區(qū)域，其中w、h分別為實際的最大車牌寬度和該行候選區(qū)域的高度；(三)篩選車牌候選區(qū)域通過車牌候選區(qū)域的顏色特征和紋理特征去除不滿足車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域，完成車牌的粗定位過程；(四)車牌精確定位利用車牌區(qū)域字符的灰度跳變特征得到車牌中字符區(qū)域的上下左右邊界，完成車牌的精確定位。
2.根據(jù)權(quán)利要求1所述的車牌定位方法，其特征在于，所述通過顏色特征篩選車牌候選區(qū)域的具體步驟如下(1)將車牌候選區(qū)域由RGB顏色空間轉(zhuǎn)換到HSV顏色空間；(2)對于藍(lán)底白字的車牌區(qū)域，藍(lán)色背景的色度分量分布為[190°，275°]，而對于黃底黑字的車牌區(qū)域，黃色背景的色度分量分布為[25°，80° ]，將色度分量進(jìn)行非均勻量化，得到量化后的色度分量H;(3)對于車牌候選區(qū)域，將其對應(yīng)的色度分量圖在H上進(jìn)行直方圖統(tǒng)計，找出直方圖統(tǒng)計結(jié)果最大的H值賦給Himax,然后通過如下方式對候選區(qū)域進(jìn)行篩選如果Himax e [9，11]，則該候選車牌區(qū)域為可能的車牌候選區(qū)域，且背景顏色為藍(lán)色；如果Himax e [2，4]，則該候選車牌區(qū)域為可能的車牌候選區(qū)域，且背景顏色為黃色；否則，則該候選車牌區(qū)域為非車牌候選區(qū)域；(4)遍歷每個候選車牌區(qū)域，將步驟(3)中的非車牌候選區(qū)域刪除，保留可能的車牌候選區(qū)域，完成通過顏色特征篩選車牌候選區(qū)域。
3.根據(jù)權(quán)利要求2所述的車牌定位方法，其特征在于，所述將色度分量進(jìn)行非均勻量化后的色度分量為
4.根據(jù)權(quán)利要求1-3之一所述的車牌定位方法，其特征在于，所述通過紋理特征再次篩選車牌候選區(qū)域的具體步驟如下(1)對于已通過顏色特征篩選后的候選車牌區(qū)域，按列進(jìn)行垂直投影，并統(tǒng)計每一列標(biāo)志符為1的像素點個數(shù)，并將其記入一維數(shù)列；(2)合并一維數(shù)列中相等的相鄰元素，直到其中兩相鄰元素互不相等，更新該一維數(shù)列；(3)對該更新的一維數(shù)列進(jìn)行高斯濾波，消除干擾的波峰波谷；(4)分別統(tǒng)計經(jīng)步驟C3)處理后的一維數(shù)列中的波峰數(shù)目nump和波谷數(shù)目numb，并通過如下方式對車牌候選區(qū)域進(jìn)行篩選如果nump彡6且Mimb彡5，則為車牌候選區(qū)域；否則，為非車牌候選區(qū)域；(5)遍歷每個已通過顏色特征篩選后的候選車牌區(qū)域，將步驟中的非車牌候選區(qū)域刪除，得到最后的車牌區(qū)域集合，完成車牌的粗定位過程。
5.根據(jù)權(quán)利要求1-4之一所述的車牌定位方法，其特征在于，所述精確定位的具體步驟如下(1)對于所述粗定位后得到的車牌區(qū)域的二值圖，由上至下，統(tǒng)計水平方向上跳變點的個數(shù)11#和標(biāo)志符為1的像素點的個數(shù)mdm通過設(shè)定閾值I^h和Tmh來判斷該行是否為車牌區(qū)域的上邊界，即是否滿足Hjhi 彡 Tjh mdJhl 彡 Tia如果滿足上述條件，則將該行判定為車牌字符區(qū)域的上邊界，否則，轉(zhuǎn)向下一行繼續(xù)執(zhí)行，直到找到車牌字符區(qū)域的上邊界；(2)對于所述粗定位后得到的車牌區(qū)域的二值圖，由下至上，統(tǒng)計水平方向上跳變點的個數(shù)1^2和標(biāo)志符為1的像素點的個數(shù)md,通過所述閾值I^h和Tmh來判斷該行是否為車牌區(qū)域的下邊界，即是否滿足 ηJh2 彡 Tjh 且 mdJh2 彡 Tia如果滿足上述條件，則將該行判定為車牌字符區(qū)域的下邊界，否則，轉(zhuǎn)向上一行繼續(xù)執(zhí)行，直到找到車牌字符區(qū)域的下邊界；(3)對于所述粗定位后得到的二值圖，由左至右，統(tǒng)計垂直方向上跳變點的個數(shù)njvl和標(biāo)志符為1的像素點的個數(shù)md-通過設(shè)定閾值和Tmv來判斷該行是否為車牌區(qū)域的左邊界，即是否滿足nJvi 彡 Tjh 且 mdJvl 彡 Tia如果滿足上述條件，則將該行判定為車牌字符區(qū)域的左邊界，否則，轉(zhuǎn)向下一列繼續(xù)執(zhí)行，直到找到車牌字符區(qū)域的左邊界；(4)對于所述粗定位后得到的二值圖，由右至左，統(tǒng)計垂直方向上跳變點的個數(shù)標(biāo)志符為1的像素點的個數(shù)md>2，通過所述閾值和Tmv來判斷該行是否為車牌區(qū)域的右邊界，即是否滿足nJv2 彡 Tjv 且 mdJv2 彡 Tmv如果滿足上述條件，則將該行判定為車牌字符區(qū)域的右邊界，否則，轉(zhuǎn)向上一列繼續(xù)執(zhí)行，直到找到車牌字符區(qū)域的右邊界；(5)遍歷車牌區(qū)域集合，找出所有車牌字符區(qū)域，實現(xiàn)精確定位。
6.根據(jù)權(quán)利要求1-5之一所述的車牌定位方法，其特征在于，所述步驟(1)中，對原始車輛圖像進(jìn)行彩色圖像灰度化處理即指提取原始車輛圖像綠色分量作為灰度圖。
全文摘要
本發(fā)明公開了一種基于字符多特征融合的車牌定位方法，包括(一)對原始車輛圖像進(jìn)行彩色圖像灰度化處理，保存為灰度圖，然后對灰度圖進(jìn)行二值化處理，得到車輛圖像的二值圖像；(二)提取車牌候選區(qū)域；(三)通過車牌候選區(qū)域的顏色特征和紋理特征去除不滿足車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域；(四)車牌精確定位，利用車牌區(qū)域字符的灰度跳變特征得到車牌中字符區(qū)域的上下左右邊界，完成精確定位。本發(fā)明充分利用了車牌區(qū)域的字符特征，克服傳統(tǒng)車牌定位方法過度依賴于車牌邊框的形狀特征和邊緣特征，在車牌邊框模糊的情況下也有很高的定位精度，而且分割結(jié)果更符合人眼觀測的結(jié)果。本發(fā)明直觀，簡單，速度快，具有更好的實時性。
文檔編號G06K9/54GK102375982SQ201110316410
公開日2012年3月14日 申請日期2011年10月18日 優(yōu)先權(quán)日2011年10月18日
發(fā)明者汪國有, 王然, 田江敏 申請人:華中科技大學(xué)