一種lpr車(chē)牌篩選識(shí)別的方法和系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明涉及一種LPR車(chē)牌篩選識(shí)別的方法，包括最優(yōu)車(chē)牌采集的步驟和車(chē)牌定位的步驟。所述的最優(yōu)車(chē)牌采集的步驟包括車(chē)牌過(guò)濾的步驟及提取車(chē)牌幀數(shù)的步驟；車(chē)牌過(guò)濾的步驟：通過(guò)ROI的界定，過(guò)濾掉車(chē)離攝像頭較遠(yuǎn)或較近的情形；提取車(chē)牌幀數(shù)的步驟：由抓拍計(jì)數(shù)器控制，對(duì)進(jìn)入識(shí)別區(qū)域的車(chē)牌連續(xù)抓拍N張圖像，超過(guò)N張中止抓拍；前一進(jìn)入識(shí)別區(qū)域的幀類(lèi)車(chē)牌與下一進(jìn)入識(shí)別區(qū)域的幀類(lèi)車(chē)牌抓拍間隔超過(guò)M秒，抓拍計(jì)數(shù)器清零。不但可用于停車(chē)管理系統(tǒng)還可實(shí)現(xiàn)公司車(chē)輛的智能管理，完成自動(dòng)考勤的功能。且車(chē)牌的獲取不再利用埋設(shè)地感線(xiàn)圈的方式，提高系統(tǒng)壽命。
【專(zhuān)利說(shuō)明】一種LPR車(chē)牌篩選識(shí)別的方法和系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及交通監(jiān)控系統(tǒng)【技術(shù)領(lǐng)域】，具體涉及一種篩選識(shí)別車(chē)牌的系統(tǒng)。
【背景技術(shù)】
[0002]隨著經(jīng)濟(jì)的增長(zhǎng)和人們購(gòu)買(mǎi)力的不斷提高，國(guó)內(nèi)汽車(chē)數(shù)量大規(guī)模增加，尤其是私家車(chē)數(shù)量的急劇增長(zhǎng)，遠(yuǎn)遠(yuǎn)超過(guò)城市原本配備的停車(chē)位，導(dǎo)致國(guó)內(nèi)停車(chē)難等問(wèn)題日益凸顯，如何在停車(chē)位資源一定的情況下實(shí)現(xiàn)對(duì)停車(chē)場(chǎng)科學(xué)、規(guī)范、統(tǒng)一的管理成為人們關(guān)注的重點(diǎn)。
[0003]車(chē)牌識(shí)別作為現(xiàn)代智能交通監(jiān)控【技術(shù)領(lǐng)域】中的重要組成部分，在停車(chē)場(chǎng)管理方面扮演著重要的角色。除此之外，對(duì)智能車(chē)牌識(shí)別的應(yīng)用還可實(shí)現(xiàn)公司車(chē)輛的智能管理，完成自動(dòng)考勤的功能。
[0004]車(chē)牌識(shí)別是以計(jì)算機(jī)視覺(jué)、圖像處理、模式識(shí)別等技術(shù)為基礎(chǔ)，對(duì)前端攝像機(jī)所拍攝的車(chē)輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車(chē)唯一的車(chē)牌號(hào)碼，從而完成車(chē)牌識(shí)別的過(guò)程。眾所周知，車(chē)牌的識(shí)別流程大致分為三個(gè)步驟，即:車(chē)牌的定位，字符分割以及字符的識(shí)別。
[0005]目前，車(chē)輛檢測(cè)的傳統(tǒng)手段是在路面下埋設(shè)地感線(xiàn)圈，車(chē)輛經(jīng)過(guò)地感線(xiàn)圈時(shí)，地感線(xiàn)圈的電感量發(fā)生變化，致使當(dāng)前線(xiàn)圈與其它電路的探測(cè)電路的輸出的電信號(hào)發(fā)生變化，產(chǎn)生車(chē)輛檢測(cè)信號(hào)，一般為頻率信號(hào)，送處理機(jī)進(jìn)行處理，得到車(chē)輛進(jìn)、出停車(chē)場(chǎng)的信息。在實(shí)際應(yīng)用中，采用地感線(xiàn)圈檢測(cè)車(chē)輛的方法施工維護(hù)費(fèi)用高、對(duì)路面破壞性大，受冰凍、鹽堿、繁忙交通的影響大，使用壽命短，一般只有兩年。

【發(fā)明內(nèi)容】

[0006]針對(duì)以上現(xiàn)有技術(shù)中的缺陷，本發(fā)明的LPR識(shí)別系統(tǒng)不但可用于停車(chē)管理系統(tǒng)還可實(shí)現(xiàn)公司車(chē)輛的智能管理，完成自動(dòng)考勤的功能。且車(chē)牌的獲取不再利用埋設(shè)地感線(xiàn)圈的方式，提高系統(tǒng)壽命。
[0007]系統(tǒng)車(chē)牌的識(shí)別大致流程如圖1所示，本發(fā)明重點(diǎn)在于對(duì)車(chē)牌的篩選和識(shí)別，具體技術(shù)方案如下:
[0008]一種LPR車(chē)牌篩選識(shí)別的方法，包括如下步驟:
[0009]最優(yōu)車(chē)牌采集的步驟:
[0010](I)車(chē)牌過(guò)濾的步驟:
[0011]通過(guò)識(shí)別區(qū)域(這里統(tǒng)稱(chēng)感興趣區(qū)域R0I)的界定，可以過(guò)濾掉車(chē)離攝像頭較遠(yuǎn)或者較近的情形。
[0012](2)提取車(chē)牌幀數(shù)的步驟:
[0013]車(chē)牌識(shí)別系統(tǒng)設(shè)置有計(jì)數(shù)器，對(duì)進(jìn)入識(shí)別區(qū)域的車(chē)牌連續(xù)抓拍N張(一般為3張)圖像，超過(guò)N張中止抓拍；前一進(jìn)入識(shí)別區(qū)域的幀類(lèi)車(chē)牌與下一進(jìn)入識(shí)別區(qū)域的幀類(lèi)車(chē)牌抓拍間隔超過(guò)M秒(通常為I秒)，抓拍計(jì)數(shù)器清零。[0014]車(chē)牌定位的步驟:
[0015](I)灰度化處理顏色圖的步驟:利用公式
[0016]Gray(i, j) = R(i, j)*0.299+G(i, j)*0.587+B(i, j)*0.114
[0017]對(duì)采集到的顏色圖進(jìn)行灰度化處理。
[0018](2)對(duì)灰度圖進(jìn)行top-hat變換,可有效地去除高光區(qū)域；優(yōu)選的，top-hat變換中kernel 取值為 20*1 ；
[0019](3)繼續(xù)對(duì)灰度圖進(jìn)行二值化處理形成二值圖，其閾值的選取優(yōu)選為利用大津法求?。?br> [0020](4)繼續(xù)對(duì)二值圖進(jìn)行開(kāi)閉運(yùn)算操作，可以快速地消除圖像中的椒鹽噪聲，優(yōu)選方法如下:
[0021]步驟1:對(duì)圖像進(jìn)行閉運(yùn)算操作，椒鹽噪聲區(qū)域縮小；執(zhí)行的過(guò)程是在輸入圖像上用一個(gè)合適的結(jié)構(gòu)元素B進(jìn)行先膨脹后腐蝕的操作。該步驟可填充物體內(nèi)細(xì)小空間、連接鄰近物體、在不明顯改變物體面積時(shí)平滑其邊界。對(duì)于結(jié)構(gòu)元素B的選取，需依據(jù)攝像機(jī)采集的圖像中車(chē)牌大小而定，經(jīng)實(shí)驗(yàn)測(cè)試B取24x2效果最好。
[0022]步驟2:對(duì)圖像進(jìn)行開(kāi)運(yùn)算操作，非椒鹽噪聲區(qū)域會(huì)被融合；開(kāi)運(yùn)算可消除圖像中的細(xì)小物體、在纖細(xì)處分離物體、平滑較大物體的邊界時(shí)不明顯改變其面積。經(jīng)實(shí)驗(yàn)測(cè)試結(jié)構(gòu)元素B取2x8最優(yōu)。
[0023]步驟3:對(duì)圖像進(jìn)行腐蝕操作，椒鹽噪聲區(qū)域會(huì)再次縮??；結(jié)構(gòu)元素取24x2。
[0024]步驟4:遍歷所有區(qū)域，將區(qū)域面積小于40的區(qū)域去除(面積小于40的區(qū)域定義為椒鹽噪聲區(qū)域)；具體做法為搜索二值圖像中所有連通域，利用車(chē)牌面積及長(zhǎng)寬比等先驗(yàn)知識(shí)將面積較小以及長(zhǎng)寬比不滿(mǎn)足的區(qū)域?yàn)V除，面積閾值一般定為40較合適。
[0025](5)優(yōu)選的，還包括區(qū)域融合的步驟:
[0026]步驟1: 二值圖中所有輪廓外接矩形放入集合A中；
[0027]步驟2:找到集合A中所有二值圖的顏色圖，遍歷集合A，若目標(biāo)顏色(藍(lán)、黃等)比率大于設(shè)定值，這里的設(shè)定值取0.02為最佳，則放入候選矩形集合B中；
[0028]步驟3:計(jì)算集合B中所有矩形的幾何中心，判斷集合B中矩形的位置關(guān)系，如果兩個(gè)矩形邊界的距離在限定范圍內(nèi)，這里，設(shè)定范圍取10-15為最佳，且兩個(gè)矩形中心點(diǎn)連線(xiàn)與水平線(xiàn)或豎直線(xiàn)之間的角度在設(shè)定閾值內(nèi)，則表示兩個(gè)矩形在同一水平或豎直方向，此時(shí)，在兩個(gè)矩形中畫(huà)線(xiàn)，使其融合，這里設(shè)定閾值取-10度到+10度之間為最佳。
[0029](6)優(yōu)選的，還包括搜索矩形區(qū)域的步驟:
[0030]步驟1:將經(jīng)區(qū)域融合的二值圖對(duì)應(yīng)的矩形放入集合S中；
[0031]步驟2:剔除掉面積小于設(shè)定值或長(zhǎng)寬比例不在設(shè)定范圍的矩形，將經(jīng)上述剔除操作后剩余的車(chē)牌歸入車(chē)牌候選集中。
[0032](7)篩選車(chē)牌的步驟:
[0033]步驟5.1:計(jì)算候選車(chē)牌區(qū)域中目標(biāo)顏色(藍(lán)、黃等)的比率；
[0034]步驟5.2:找到目標(biāo)顏色比率最大的區(qū)域，若目標(biāo)顏色比率的最大值大于設(shè)定值
0.03則進(jìn)行步驟5.3 (經(jīng)統(tǒng)計(jì)，設(shè)定值0.03為最佳)，否則直接將其丟棄；
[0035]步驟5.3:找到目標(biāo)車(chē)牌的二值化黑白圖；
[0036]步驟5.4:取區(qū)域的1/2高度，從左往右進(jìn)行黑白跳變掃描，若黑白跳變的次數(shù)未超過(guò)設(shè)定值(經(jīng)統(tǒng)計(jì)，設(shè)定值為14時(shí)最佳)則丟棄。
[0037]本發(fā)明還涉及一種LPR車(chē)牌篩選識(shí)別的系統(tǒng)，包括最優(yōu)車(chē)牌采集模塊和車(chē)牌定位模塊；
[0038]所述的最優(yōu)車(chē)牌采集模塊用于獲取理想車(chē)牌后送入車(chē)牌定位模塊進(jìn)行篩選和識(shí)別。
[0039]所述的最優(yōu)車(chē)牌采集模塊包括車(chē)牌過(guò)濾單元和車(chē)牌幀數(shù)提取單元，所述的車(chē)牌過(guò)濾單元用于采集車(chē)離攝像頭適當(dāng)距離的車(chē)牌圖像，所述的車(chē)牌幀數(shù)提取單元用于抓拍并過(guò)濾偽車(chē)牌。
[0040]所述的車(chē)牌定位模塊包括灰度化處理單元、top-hat變換單元、二值化處理單元、開(kāi)閉運(yùn)算單元、車(chē)牌篩選單元，所述的灰度化處理單元用于對(duì)采集到的顏色圖進(jìn)行灰度化處理形成灰度圖后送入top-hat變換單元,所述的top-hat變換單元用于對(duì)圖像進(jìn)行除高光區(qū)域處理后送入二值化處理單元，所述二值化處理單元用于對(duì)灰度圖進(jìn)行二值化處理后送入車(chē)牌篩選單元，所述的車(chē)牌篩選單元用于篩除非車(chē)牌圖像。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0041]圖1為車(chē)牌識(shí)別系統(tǒng)的大致流程示意圖；
[0042]圖2為本發(fā)明的方法流程圖；
[0043]圖3為本發(fā)明篩選車(chē)牌的方法流程圖；
[0044]圖4為本發(fā)明中區(qū)域融合的過(guò)程及效果圖；
[0045]圖5為車(chē)牌旋轉(zhuǎn)示意圖；
[0046]圖6為較為標(biāo)準(zhǔn)的車(chē)牌示意圖；
[0047]圖7為厚邊框車(chē)牌示意圖；
[0048]圖8為左邊框精確切割示意圖，
[0049]圖9為獲取車(chē)牌傾斜角度示意圖。
【具體實(shí)施方式】
[0050]下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明，
[0051 ] 一種LPR車(chē)牌識(shí)別方法:
[0052]1.獲取理想車(chē)牌
[0053]由于系統(tǒng)是直接從攝像頭的視頻流中直接提取圖像，車(chē)輛進(jìn)入識(shí)別區(qū)域時(shí)的狀態(tài)具有連續(xù)性、隨機(jī)性?；谝曨l流的車(chē)牌識(shí)別就必須解決如何才能從連續(xù)的幀圖像中提取最優(yōu)的車(chē)牌。所謂最優(yōu)車(chē)牌是指車(chē)牌的大小、位置、傾斜程度等因素對(duì)系統(tǒng)當(dāng)前算法適應(yīng)性最好。這里最優(yōu)車(chē)牌的提取主要是通過(guò)對(duì)識(shí)別區(qū)域的設(shè)定以及獲取同一輛車(chē)圖像的張數(shù)。
[0054]1.1ROI 設(shè)定
[0055]通過(guò)識(shí)別區(qū)域(這里統(tǒng)稱(chēng)感興趣區(qū)域R0I)的界定，可以過(guò)濾掉車(chē)離攝像頭較遠(yuǎn)或者較近的情形。當(dāng)車(chē)輛遠(yuǎn)離攝像頭時(shí)，提取的車(chē)牌區(qū)域太小，分辨率不足；當(dāng)車(chē)輛距離攝像頭很近時(shí)，又會(huì)導(dǎo)致車(chē)牌區(qū)域的斷裂因此ROI的選定是過(guò)濾非理想車(chē)牌的首要條件。ROI的選定可以根據(jù)具體的攝像頭的位置、參數(shù)及車(chē)輛最佳位置的分布來(lái)確定使用的參數(shù)。這里ROI區(qū)域設(shè)定為:[0056]ROI = RECT (O, height/5, width, height/2).[0057]其中width，height分別為輸入圖像的寬和高。設(shè)定ROI還可以減少大量不必要的運(yùn)算，我們知道，車(chē)牌識(shí)別系統(tǒng)的實(shí)時(shí)性要求很高，假如我們?cè)谧R(shí)別上所花費(fèi)的時(shí)間超越我們能容忍的限度，那么即使正確率再好的系統(tǒng)也不具有實(shí)用的價(jià)值。
[0058]實(shí)踐中，攝像頭拍攝的距離為10m，車(chē)輛距離攝像頭3m_8m時(shí)拍攝的照片中車(chē)牌的大小，清晰度是比較好的，因此ROI = (O, height/5, width, height/2)。
[0059]1.2提取車(chē)牌幀數(shù)
[0060]由于同一輛車(chē)在進(jìn)入識(shí)別區(qū)域時(shí)被抓拍的次數(shù)很多，因此我們需要限制抓拍的張數(shù)，一般來(lái)說(shuō)同一輛車(chē)在不同的時(shí)刻抓拍3張就足夠了。這里假設(shè)為需抓拍N張，繼而在這抓拍的N張圖像中作為一組進(jìn)行識(shí)別，最后的識(shí)別結(jié)果由N個(gè)結(jié)果共同評(píng)判(評(píng)判的結(jié)果可以是:同一組中字符不足7位的以7位為準(zhǔn)，都為7位的以首次抓拍的為準(zhǔn))。提取指定的幀數(shù)需在程序中設(shè)定一個(gè)抓拍計(jì)數(shù)器，每次處理完一張則加1，直到條件不滿(mǎn)足時(shí)中止抓拍。需要注意到是，此處是在較為理想的情況下。但在實(shí)際的部署中，尤其是雨天，地上雨水反射光斑較多形成偽車(chē)牌區(qū)域，此時(shí)容易導(dǎo)致計(jì)數(shù)器失效，這種狀況導(dǎo)致的結(jié)果是車(chē)輛漏識(shí)。(即假若由雨水導(dǎo)致計(jì)數(shù)器錯(cuò)誤超過(guò)了設(shè)定的抓拍張數(shù)，如果此時(shí)沒(méi)有被清零，那么待下一輛車(chē)進(jìn)來(lái)時(shí)將會(huì)被直接忽略導(dǎo)致漏識(shí))。這里解決的辦法是，設(shè)置一個(gè)定時(shí)器，在實(shí)際的定位中，車(chē)牌位置一般都為連續(xù)的，在幀間隔不大于Is的情況下計(jì)數(shù)器在短時(shí)間內(nèi)就會(huì)從I遞增到N。在雨天時(shí)由于偽車(chē)牌區(qū)域大都由穿著藍(lán)色衣服的行人走過(guò)引起，因此計(jì)數(shù)的間隔是隨機(jī)的，并且計(jì)數(shù)間隔時(shí)間必然要比正常情形下的時(shí)間長(zhǎng)。因此這里的做法是:
[0061]Stepl.抓拍前一幀類(lèi)車(chē)牌獲取當(dāng)前時(shí)間pre_time = GetLocalTime O ；Step2.抓拍下一幀類(lèi)車(chē)牌獲取當(dāng)前時(shí)間curr_time = GetLocalTime O ；
[0062]則兩次抓拍的時(shí)間差DiffTime = curr_time - pre_time.如果時(shí)間差DiffTime的數(shù)值大于3s那么可以認(rèn)定這兩次的抓拍并不是同一車(chē)輛，或者此時(shí)計(jì)數(shù)器工作是由于偽車(chē)牌區(qū)域引起的，那么此時(shí)可以將抓拍計(jì)數(shù)器清零處理。
[0063]2、車(chē)牌定位
[0064]車(chē)牌的定位主要包含兩個(gè)步驟，其一是車(chē)牌的粗定位，其二是精細(xì)定位。在車(chē)牌定位當(dāng)中粗定位和精細(xì)定位處理的目標(biāo)不同。在粗定位中，主要的目標(biāo)是在整個(gè)輸入圖像中正確的尋找到車(chē)牌的大致位置，可以包含車(chē)牌也可以只包含車(chē)牌。此處車(chē)牌實(shí)際位置不要求很精確，但定位的區(qū)域中必須包含車(chē)牌。而精細(xì)定位的目標(biāo)是在粗定位中得到的車(chē)牌進(jìn)行車(chē)牌的標(biāo)準(zhǔn)化(包括車(chē)牌的旋轉(zhuǎn)校正、上下邊緣、左右邊緣的切割等)，最后的車(chē)牌應(yīng)只包含車(chē)牌背景及字符。
[0065]2.1 粗定位(LPRCoarseLocate)
[0066]粗定位的主要工作包括對(duì)圖像進(jìn)行必要的預(yù)處理，如灰度化、二值化、濾噪等，再者執(zhí)行數(shù)學(xué)形態(tài)學(xué)操作，對(duì)二值圖進(jìn)行膨脹腐蝕，為后續(xù)的搜索矩形區(qū)域做準(zhǔn)備。主要的流程為:
[0067]2.1.1灰度化(cvCvtColor)攝像頭在采集圖像的時(shí)候,所采集的數(shù)據(jù)一般是基于RGB顏色空間的3-通道(channels)的彩色圖像，在車(chē)牌的粗定位中，需要進(jìn)行的操作往往是不需要在顏色圖下處理的。處理彩色圖像所需的計(jì)算量是十分巨大的(為單通道的3倍)，粗定位中使用顏色圖不僅會(huì)導(dǎo)致計(jì)算量的猛增，而且還會(huì)影響定位的精度。在這里，我們需要將顏色圖進(jìn)行灰度化處理?；赗GB顏色空間轉(zhuǎn)灰度圖的公式如下:
[0068]Gray(i, j) = R(i, j)*0.299+G(i, j)*0.587+B(i, j)*0.114
[0069]其中Gray(i，j)為目標(biāo)圖像在點(diǎn)(i，j)上的灰度值，R、G、B為圖像三個(gè)分量。
[0070]2.1.2.Top-hat
[0071]Top-hat變換也稱(chēng)頂帽變換，Top-hat變換可以有效的去除高光區(qū)域。車(chē)輛在日光下或是夜間，由于都會(huì)光照干擾，太亮的區(qū)域不僅會(huì)影響二值化效果，而且還干擾車(chē)牌區(qū)域。對(duì)灰度圖像進(jìn)行T op-hat變換可以有效的去除高光的影響。需要注意的是T op-hat變換的核大小的選取，結(jié)合車(chē)牌的特點(diǎn)以及減少對(duì)車(chē)牌區(qū)域的損壞一般來(lái)說(shuō)取kernel = 20x1較為合適。
[0072]Top-hat變換的原理為:
[0073]
【權(quán)利要求】
1.一種LPR車(chē)牌篩選識(shí)別的方法，其特征在于，包括最優(yōu)車(chē)牌采集的步驟和車(chē)牌定位的步驟。
2.根據(jù)權(quán)利要求1所述的一種LPR車(chē)牌篩選識(shí)別的方法，其特征在于，所述的最優(yōu)車(chē)牌采集的步驟包括車(chē)牌過(guò)濾的步驟及提取車(chē)牌幀數(shù)的步驟； 車(chē)牌過(guò)濾的步驟:通過(guò)ROI的界定，過(guò)濾掉車(chē)離攝像頭較遠(yuǎn)或較近的情形； 提取車(chē)牌幀數(shù)的步驟:由抓拍計(jì)數(shù)器控制，對(duì)進(jìn)入識(shí)別區(qū)域的車(chē)牌連續(xù)抓拍N張圖像，超過(guò)N張中止抓拍；前一進(jìn)入識(shí)別區(qū)域的幀類(lèi)車(chē)牌與下一進(jìn)入識(shí)別區(qū)域的幀類(lèi)車(chē)牌抓拍間隔超過(guò)M秒，抓拍計(jì)數(shù)器清零。
3.根據(jù)權(quán)利要求1所述的一種LPR車(chē)牌篩選識(shí)別的方法，其特征在于，所述的車(chē)牌定位的步驟包括: 步驟一:利用公式
Gray(i, j) = R(i, j)*0.299+G(i, j)*0.587+B(i, j)*0.114
對(duì)采集到的顏色圖進(jìn)行灰度化處理形成灰度圖； 步驟二:對(duì)灰度圖進(jìn)行top-hat變換； 步驟三:繼續(xù)對(duì)灰度圖進(jìn)行二值化處理形成二值圖； 步驟四:繼續(xù)對(duì)二值圖進(jìn)行開(kāi)閉運(yùn)算操作； 步驟五:篩選車(chē)牌的步驟: 步驟5.1:計(jì)算候選車(chē)牌區(qū)域中目標(biāo)顏色的比率； 步驟5.2:若目標(biāo)車(chē)牌背景顏色比例大于設(shè)定值則進(jìn)行步驟5.3，否則直接將其丟棄； 步驟5.3:找到目標(biāo)車(chē)牌的二值化黑白圖； 步驟5.4:取區(qū)域的1/2高度，從左往右進(jìn)行黑白跳變掃描，若黑白跳變的次數(shù)未超過(guò)設(shè)定值則丟棄。
4.根據(jù)權(quán)利要求3所述的一種LPR車(chē)牌篩選識(shí)別的方法，其特征在于，所述步驟二的top-hat變換中kernel取值為20*1。
5.根據(jù)權(quán)利要求3所述的一種LPR車(chē)牌篩選識(shí)別的方法，其特征在于，所述步驟三采用大津法求取閾值。
6.根據(jù)權(quán)利要求3所述的一種LPR車(chē)牌篩選識(shí)別的方法，其特征在于，所述步驟四中開(kāi)閉運(yùn)算操作包括如下步驟: 步驟4.1:對(duì)圖像進(jìn)行開(kāi)閉運(yùn)算，縮小椒鹽噪聲區(qū)域； 步驟4.2:對(duì)圖像進(jìn)行開(kāi)運(yùn)算操作，融合非椒鹽噪聲區(qū)域； 步驟4.3:對(duì)圖像進(jìn)行腐蝕操作，再次縮小椒鹽噪聲區(qū)域； 步驟4.4:遍歷所有區(qū)域，將區(qū)域面積小于設(shè)定值的區(qū)域去除。
7.根據(jù)權(quán)利要求3所述的一種LPR車(chē)牌篩選識(shí)別的方法，其特征在于，所述的步驟四對(duì)車(chē)牌進(jìn)行開(kāi)閉運(yùn)算處理后還設(shè)有區(qū)域融合的步驟及搜索矩形區(qū)域的步驟: 所述的區(qū)域融合的步驟包括: 步驟1:二值圖中所有輪廓外接矩形放入集合A中； 步驟2:找到集合A中所有二值圖的顏色圖，遍歷集合A，若目標(biāo)顏色比率大于設(shè)定值，則放入候選矩形集合B中； 步驟3:計(jì)算集合B中所有矩形的幾何中心，判斷集合B中矩形的位置關(guān)系，如果兩個(gè)矩形邊界的距離在限定范圍內(nèi)且與水平線(xiàn)或豎直線(xiàn)之間的角度在設(shè)定閾值內(nèi)，則在兩個(gè)矩形中畫(huà)線(xiàn)，使其融合； 搜索矩形區(qū)域的步驟包括: 步驟1:將經(jīng)區(qū)域融合的二值圖中對(duì)應(yīng)的矩形放入集合S中； 步驟2:剔除掉面積小于設(shè)定值或長(zhǎng)寬比例不在設(shè)定范圍的矩形，將經(jīng)上述剔除操作后剩余的車(chē)牌歸入車(chē)牌候選集中。
8.—種LPR車(chē)牌篩選識(shí)別的系統(tǒng)，其特征在于，包括最優(yōu)車(chē)牌采集模塊和車(chē)牌定位模塊； 所述的最優(yōu)車(chē)牌采集模塊用于獲取理想車(chē)牌后送入車(chē)牌定位模塊進(jìn)行篩選和識(shí)別。
9.根據(jù)權(quán)利要求8所述的一種LPR車(chē)牌篩選識(shí)別的系統(tǒng)，其特征在于，所述的最優(yōu)車(chē)牌采集模塊包括車(chē)牌過(guò)濾單元和車(chē)牌幀數(shù)提取單元，所述的車(chē)牌過(guò)濾單元用于采集車(chē)離攝像頭適當(dāng)距離的車(chē)牌圖像，所述的車(chē)牌幀數(shù)提取單元用于抓拍并過(guò)濾偽車(chē)牌。
10.根據(jù)權(quán)利要求8所述的一種LPR車(chē)牌篩選識(shí)別的系統(tǒng)，其特征在于，所述的車(chē)牌定位模塊包括灰度化處理單元、top-hat變換單元、二值化處理單元、開(kāi)閉運(yùn)算單元、車(chē)牌篩選單元，所述的灰度化處理單元用于對(duì)采集到的顏色圖進(jìn)行灰度化處理形成灰度圖后送入top-hat變換單元,所述的top-hat變換單元用于對(duì)圖像進(jìn)行除高光區(qū)域處理后送入二值化處理單元，所述二值化處理單元用于對(duì)灰度圖進(jìn)行二值化處理后送入車(chē)牌篩選單元，所述的車(chē)牌篩選單元用于篩除非車(chē)牌。
【文檔編號(hào)】G06K9/40GK104036262SQ201410306452
【公開(kāi)日】2014年9月10日 申請(qǐng)日期:2014年6月30日 優(yōu)先權(quán)日:2014年6月30日
【發(fā)明者】蔡志旻, 婁剛, 劉偉, 許焱 申請(qǐng)人:南京富士通南大軟件技術(shù)有限公司