一種非正常車牌的識(shí)別方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種非正常車牌的識(shí)別方法和系統(tǒng)，所述方法包括如下步驟：步驟10，捕獲非正常車牌的圖像；步驟20，預(yù)處理所述非正常車牌的圖像得到濾波圖像；步驟30，在濾波圖像中檢測(cè)車體圖像；步驟40，在車體圖像中定位非正常車牌；步驟50，在車牌區(qū)域中分割所述非正常車牌的字符；步驟60，分別設(shè)置漢字分類器、字母分類器和數(shù)字字母混合分類器，對(duì)所述非正常車牌的字符進(jìn)行識(shí)別，對(duì)于每一個(gè)分類器，分別執(zhí)行以下操作。本發(fā)明能夠在非正常的情形下，實(shí)時(shí)性地對(duì)車牌進(jìn)行識(shí)別，并且具體較高的車牌識(shí)別精度。
【專利說(shuō)明】一種非正常車牌的識(shí)別方法和系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車牌識(shí)別【技術(shù)領(lǐng)域】，具體涉及一種非正常車牌的識(shí)別方法和系統(tǒng)。

【背景技術(shù)】
[0002] 隨著信息時(shí)代的快速發(fā)展，結(jié)合信息技術(shù)、數(shù)據(jù)通信傳輸技術(shù)、電子自動(dòng)控制技 術(shù)、傳感器感應(yīng)觸發(fā)技術(shù)以及計(jì)算機(jī)數(shù)據(jù)處理技術(shù)的新型交通道路控制信息一智能交通 系統(tǒng)（Intelligent Transportation System,簡(jiǎn)稱ITS)開始被原來(lái)越多的國(guó)家認(rèn)可和采 用，其對(duì)加強(qiáng)公路和道路管理、提高運(yùn)輸效率、減少交通事故、偵查違法違規(guī)行為、保障社會(huì) 穩(wěn)定等方面都產(chǎn)生了深遠(yuǎn)的影響。
[0003] 車牌識(shí)別（License Plate Recognition,簡(jiǎn)稱LPR)系統(tǒng)是ITS的重要組成部分， 其主要包括車輛圖像獲取、車牌定位、車牌字符分割和車牌字符識(shí)別等四個(gè)步驟，其處理流 程圖如圖1所示。目前的LPR系統(tǒng)的基本工作原理是：在公路上安裝攝像頭，并在攝像頭之 前的路段鋪設(shè)地面感應(yīng)線圈，車輛經(jīng)過觸發(fā)感應(yīng)線圈，啟動(dòng)攝像頭拍照；將拍攝的車輛圖像 傳至計(jì)算機(jī)，通過計(jì)算機(jī)程序?qū)嚺七M(jìn)行定位和字符分割，最后將分割后的單個(gè)字符送入 字符識(shí)別系統(tǒng)進(jìn)行識(shí)別并輸出識(shí)別結(jié)果。
[0004] 雖然目前的LPR系統(tǒng)對(duì)于正常狀態(tài)下的車牌識(shí)別具有較高的識(shí)別精確度，但是對(duì) 于非正常狀態(tài)下的車牌識(shí)別，例如在惡劣的天氣或不良的光線條件下拍攝的模糊圖像，或 者車牌本身有劃痕、污損、斷裂等情形而導(dǎo)致車牌字跡模糊、相鄰字符粘連、車牌信息部分 丟失等，或者拍攝的圖像中不止出現(xiàn)一輛車的情形，目前的LPR系統(tǒng)的效果并不十分理想。
[0005] 本發(fā)明針對(duì)目前的LPR系統(tǒng)對(duì)于非正常狀態(tài)下的車牌識(shí)別效果不理想的問題，提 出了一種非正常車牌的識(shí)別方法和系統(tǒng)，能夠在上述的非正常的情形下，也能夠?qū)崟r(shí)性地 對(duì)車牌進(jìn)行識(shí)別，并且具體較高的車牌識(shí)別精度。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種非正常車牌的識(shí)別方法和系統(tǒng)，不僅能夠準(zhǔn)確讀取正 常車牌的字符，而且對(duì)于非正常車牌同樣具有較高的識(shí)別率和較快的讀取速度。
[0007] 為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案為：
[0008] -種非正常車牌的識(shí)別方法，其特征在于該方法包括如下步驟：
[0009] 步驟10,捕獲非正常車牌的圖像；
[0010] 步驟20,預(yù)處理所述非正常車牌的圖像得到濾波圖像，具體包括：
[0011] 步驟201，將捕獲的彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，
[0012] 步驟202,對(duì)灰度圖像進(jìn)行灰度拉伸得到灰度拉伸圖像，
[0013] 步驟203,對(duì)灰度拉伸圖像進(jìn)行中值濾波得到濾波圖像，
[0014] 步驟30,在濾波圖像中檢測(cè)車體圖像，具體包括：
[0015] 步驟 301，利用公式 Dk(x, y) = |fk(x, y^l-Ux, y) |2 計(jì)算差分后的圖像 Dk(x, y)， 其中fk(x，y)為第K幀濾波圖像中的點(diǎn)（x，y)所在的差分區(qū)域的灰度均值，所述差分區(qū)域 為以該點(diǎn)（X，y)為中心的nXn的區(qū)域，k為大于等于2的整數(shù)，n為大于等于3的整數(shù)，[0016] 步驟302,對(duì)差分后的圖像Dk(x，y)二值化后得到二值圖像Rk(x，y)，對(duì)二值圖像 Rk(x，y)進(jìn)行膨脹獲得多個(gè)連通域，
[0017] 步驟303,當(dāng)某一個(gè)連通域的面積大于給定的閾值T，則判斷該連通域?yàn)檐圀w圖 像，否則，判斷該連通域?yàn)楸尘皥D像；
[0018] 步驟40,在車體圖像中定位非正常車牌，具體包括：
[0019] 步驟401，對(duì)車體圖像進(jìn)行邊緣檢測(cè)得到邊緣圖像，
[0020] 步驟402,利用數(shù)學(xué)形態(tài)學(xué)對(duì)二值化圖像進(jìn)行先腐蝕后膨脹運(yùn)算，利用連通域分析 法在整個(gè)圖像中搜索白點(diǎn)區(qū)的外接矩形，再根據(jù)車牌的幾何特征精確定位出一個(gè)或多個(gè)車 牌區(qū)域；
[0021] 步驟50,在車牌區(qū)域中分割所述非正常車牌的字符，具體包括：
[0022] 步驟501，初始化，
[0023] 步驟502,確定連通域的起始點(diǎn)，
[0024] 步驟503,確定同一連通域的像素集合，
[0025] 步驟504,確定連通域的終止點(diǎn)，
[0026] 步驟505,分割各個(gè)連通域，形成待識(shí)別的非正常車牌的字符；
[0027] 步驟60,分別設(shè)置漢字分類器、字母分類器和數(shù)字字母混合分類器，對(duì)所述非正常 車牌的字符進(jìn)行識(shí)別，對(duì)于每一個(gè)分類器，分別執(zhí)行以下操作：
[0028] 步驟601，確定訓(xùn)練數(shù)據(jù)，
[0029] 步驟602,選擇核函數(shù)，其中，核函數(shù)為

【權(quán)利要求】
1. 一種非正常車牌的識(shí)別方法，其特征在于該方法包括如下步驟： 步驟10,捕獲非正常車牌的圖像； 步驟20,預(yù)處理所述非正常車牌的圖像得到濾波圖像，具體包括： 步驟201，將捕獲的彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像， 步驟202,對(duì)灰度圖像進(jìn)行灰度拉伸得到灰度拉伸圖像， 步驟203,對(duì)灰度拉伸圖像進(jìn)行中值濾波得到濾波圖像， 步驟30,在濾波圖像中檢測(cè)車體圖像，具體包括： 步驟301，利用公式Dk(x, y) = I fk(x, (X，y) I2計(jì)算差分后的圖像Dk(x, y)，其中 fk(x，y)為第K幀濾波圖像中的點(diǎn)（x，y)所在的差分區(qū)域的灰度均值，所述差分區(qū)域?yàn)橐栽?點(diǎn)（X，y)為中心的nXn的區(qū)域，k為大于等于2的整數(shù)，η為大于等于3的整數(shù)， 步驟302,對(duì)差分后的圖像Dk(x，y)二值化后得到二值圖像Rk(x，y)，對(duì)二值圖像 Rk(x，y)進(jìn)行膨脹獲得多個(gè)連通域， 步驟303,當(dāng)某一個(gè)連通域的面積大于給定的閾值T，則判斷該連通域?yàn)檐圀w圖像，否 貝1J，判斷該連通域?yàn)楸尘皥D像； 步驟40,在車體圖像中定位非正常車牌，具體包括： 步驟401，對(duì)車體圖像進(jìn)行邊緣檢測(cè)得到邊緣圖像， 步驟402,利用數(shù)學(xué)形態(tài)學(xué)對(duì)二值化圖像進(jìn)行先腐蝕后膨脹運(yùn)算，利用連通域分析法在 整個(gè)圖像中搜索白點(diǎn)區(qū)的外接矩形，再根據(jù)車牌的幾何特征精確定位出一個(gè)或多個(gè)車牌區(qū) 域； 步驟50,在車牌區(qū)域中分割所述非正常車牌的字符，具體包括： 步驟501，初始化， 步驟502,確定連通域的起始點(diǎn)， 步驟503,確定同一連通域的像素集合， 步驟504,確定連通域的終止點(diǎn)， 步驟505,分割各個(gè)連通域，形成待識(shí)別的非正常車牌的字符； 步驟60,分別設(shè)置漢字分類器、字母分類器和數(shù)字字母混合分類器，對(duì)所述非正常車牌 的字符進(jìn)行識(shí)別，對(duì)于每一個(gè)分類器，分別執(zhí)行以下操作： 步驟601，確定訓(xùn)練數(shù)據(jù)， 步驟602,選擇核函數(shù)，其中，核函數(shù)為
，xc是核函數(shù)中心， σ是核函數(shù)的寬度范圍， 步驟603,確定懲罰因子C和核函數(shù)的寬度范圍〇， 步驟604,利用訓(xùn)練數(shù)據(jù)對(duì)支持向量機(jī)進(jìn)行訓(xùn)練， 步驟605,利用所述支持向量機(jī)對(duì)待識(shí)別的非正常車牌的字符進(jìn)行識(shí)別。
2. 根據(jù)權(quán)利要求1所述的非正常車牌的識(shí)別方法，其特征在于：在步驟202中利用下 述公式計(jì)算灰度拉伸圖像的灰度，Q(i) = I. 7XP(i)-85,其中Q(i)為灰度拉伸圖像的第i 個(gè)像素的灰度值，P(i)為灰度圖像的第i個(gè)像素的灰度值，i為灰度圖像中像素點(diǎn)的個(gè)數(shù)。
3. 根據(jù)權(quán)利要求1所述的非正常車牌的識(shí)別方法，其特征在于：步驟401，對(duì)車體圖像 進(jìn)行邊緣檢測(cè)得到邊緣圖像具體包括： 步驟4011，利用Canny邊緣檢測(cè)器對(duì)濾波圖像進(jìn)行第一次邊緣提取， 步驟4012,對(duì)濾波圖像進(jìn)行頂帽變換后，用Canny邊緣檢測(cè)器進(jìn)行第二次邊緣提取， 步驟4013,對(duì)頂帽變換后的圖像進(jìn)行對(duì)數(shù)變換后，用Canny邊緣檢測(cè)器進(jìn)行第三次邊 緣提取， 步驟4014,將三次邊緣提取的結(jié)果圖像疊加， 步驟4015,對(duì)疊加后的圖像進(jìn)行骨架化處理，得到邊緣圖像。
4. 根據(jù)權(quán)利要求1所述的非正常車牌的識(shí)別方法，其特征在于： 步驟501具體包括為每一個(gè)車牌區(qū)域設(shè)置一個(gè)與所述車牌區(qū)域的像素點(diǎn)一一對(duì)應(yīng)的 標(biāo)記值數(shù)組，并將該標(biāo)記值數(shù)組初始化為0,在掃描過程中，標(biāo)記值為0,表示該像素點(diǎn)未被 掃描，標(biāo)記值為N，表示該像素點(diǎn)已被掃描，并且表示該點(diǎn)在第N個(gè)連通域，其中N為大于等 于1的整數(shù)， 步驟502具體包括順序掃描所述一個(gè)或多個(gè)車牌區(qū)域，如果該像素點(diǎn)的灰度值為0,則 掃描下一個(gè)像素點(diǎn)，如果該像素點(diǎn)的值為1并且未被標(biāo)記，則依次掃描相鄰像素的標(biāo)記值， 如果相鄰像素的標(biāo)記值全部為〇,則確定當(dāng)前像素點(diǎn)是新連通域的起始點(diǎn)，其標(biāo)記值為前一 個(gè)標(biāo)記值加1， 步驟503具體包括從起始點(diǎn)開始順序掃描，當(dāng)目標(biāo)像素標(biāo)記值為N時(shí)掃描相鄰像素， 如果相鄰像素中有m個(gè)像素點(diǎn)的灰度值為1且未被標(biāo)記,則這m個(gè)像素與當(dāng)前像素屬于同 一連通域，標(biāo)記值都賦為N，而當(dāng)目標(biāo)像素標(biāo)記值不為N時(shí)，停止掃描，轉(zhuǎn)到步驟402,其中1 < m ^ 8, 步驟504具體包括從標(biāo)記值數(shù)組的左上角開始，從左到右，從上到下逐行掃描所述標(biāo) 記值數(shù)組的標(biāo)記值，當(dāng)找到第一個(gè)像素點(diǎn)的標(biāo)記值為N時(shí)，記錄該像素點(diǎn)的橫坐標(biāo)為方框 左上頂點(diǎn)的橫坐標(biāo)Xl ;從上到下，從左到右掃描，當(dāng)找到第一個(gè)像素點(diǎn)的標(biāo)記值為N時(shí)，記 錄該像素點(diǎn)的縱坐標(biāo)為方框左上頂點(diǎn)的縱坐標(biāo)Yl ;同理，逆向掃描，找出方框的右下頂點(diǎn) 的橫坐標(biāo)X2和縱坐標(biāo)Y2,利用點(diǎn)（X1，Y1)和（X2，Y2)確定出屬于同一連通域的矩形區(qū)域； 依次類推，確定出每一個(gè)車牌區(qū)域中的各個(gè)屬于同一連通域的矩形區(qū)域， 步驟505具體包括將各個(gè)屬于同一連通域的矩形區(qū)域的左頂點(diǎn)的橫坐標(biāo)值降序排列， 從右向左取出6個(gè)矩形區(qū)域，剩余的矩形區(qū)域則為車牌中的漢字字符。
5. 根據(jù)權(quán)利要求1所述的非正常車牌的識(shí)別方法，其特征在于：在步驟505之后步驟 60之前，還包括步驟506,將所述待識(shí)別的非正常車牌的字符歸一化為統(tǒng)一大小。
6. 根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的非正常車牌的識(shí)別方法，其特征在于：所述C的 大小為238，σ 2的大小為1044。
7. -種非正常車牌的識(shí)別系統(tǒng)，其特征在于該系統(tǒng)包括： 圖像捕獲設(shè)備，用于捕獲非正常車牌的圖像； 圖像預(yù)處理設(shè)備，用于預(yù)處理所述非正常車牌的圖像得到濾波圖像，其中，所述圖像預(yù) 處理設(shè)備具體包括： 灰度變換設(shè)備，用于將捕獲的彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像， 灰度拉伸設(shè)備，用于對(duì)灰度圖像進(jìn)行灰度拉伸得到灰度拉伸圖像， 中值濾波設(shè)備，用于對(duì)灰度拉伸圖像進(jìn)行中值濾波得到濾波圖像， 車體圖像檢測(cè)設(shè)備，用于在濾波圖像中檢測(cè)車體圖像，其中，所述車體圖像檢測(cè)設(shè)備具 體包括： 差分圖像獲取設(shè)備，用于利用公式Dk(x，y) = 計(jì)算差分后的圖像 隊(duì)0^，7)，其中4(1，7)為第1(幀濾波圖像中的點(diǎn)（1，7)所在的差分區(qū)域的灰度均值，所述差 分區(qū)域?yàn)橐栽擖c(diǎn)（X，y)為中心的nXn的區(qū)域，k為大于等于2的整數(shù)，η為大于等于3的整 數(shù)， 連通域獲取設(shè)備，用于對(duì)差分后的圖像Dk(X，y)二值化后得到二值圖像Rk(X，y)，對(duì)二 值圖像Rk(x，y)進(jìn)行膨脹獲得多個(gè)連通域， 車體圖像獲取設(shè)備，用于當(dāng)某一個(gè)連通域的面積大于給定的閾值T，則判斷該連通域?yàn)?車體圖像，否則，判斷該連通域?yàn)楸尘皥D像； 非正常車牌定位設(shè)備，用于在車體圖像中定位非正常車牌，所述非正常車牌定位設(shè)備 具體包括： 邊緣檢測(cè)設(shè)備，用于對(duì)車體圖像進(jìn)行邊緣檢測(cè)得到邊緣圖像， 車牌區(qū)域確定設(shè)備，用于利用數(shù)學(xué)形態(tài)學(xué)對(duì)二值化圖像進(jìn)行先腐蝕后膨脹運(yùn)算，利用 連通域分析法在整個(gè)圖像中搜索白點(diǎn)區(qū)的外接矩形，再根據(jù)車牌的幾何特征精確定位出一 個(gè)或多個(gè)車牌區(qū)域； 非正常車牌字符分割設(shè)備，用于在車牌區(qū)域中分割所述非正常車牌的字符，所述非正 常車牌字符分割設(shè)備具體包括： 初始化設(shè)備，用于初始化， 起始點(diǎn)確定設(shè)備，用于確定連通域的起始點(diǎn)， 像素集合確定設(shè)備，用于確定同一連通域的像素集合， 終止點(diǎn)確定設(shè)備，用于確定連通域的終止點(diǎn)， 連通域分割設(shè)備，用于分割各個(gè)連通域，形成待識(shí)別的非正常車牌的字符； 分類器確定設(shè)備，用于分別設(shè)置漢字分類器、字母分類器和數(shù)字字母混合分類器，對(duì)所 述非正常車牌的字符進(jìn)行識(shí)別，對(duì)于每一個(gè)分類器，分別包括： 訓(xùn)練數(shù)據(jù)確定設(shè)備，用于確定訓(xùn)練數(shù)據(jù)， 核函數(shù)選擇設(shè)備，用于選擇核函數(shù)，其中，核函數(shù)為
，xc是 核函數(shù)中心，σ是核函數(shù)的寬度范圍， 參數(shù)確定設(shè)備，用于確定懲罰因子C和核函數(shù)的寬度范圍〇， 支持向量基訓(xùn)練設(shè)備，用于利用訓(xùn)練數(shù)據(jù)對(duì)支持向量機(jī)進(jìn)行訓(xùn)練， 字符識(shí)別設(shè)備，用于利用所述支持向量機(jī)對(duì)待識(shí)別的非正常車牌的字符進(jìn)行識(shí)別。
8. 根據(jù)權(quán)利要求7所述的非正常車牌的識(shí)別系統(tǒng)，其特征在于：灰度拉伸設(shè)備利用下 述公式計(jì)算灰度拉伸圖像的灰度，Q(i) = I. 7XP(i)_85,其中Q(i)為灰度拉伸圖像的第i 個(gè)像素的灰度值，P(i)為灰度圖像的第i個(gè)像素的灰度值，i為灰度圖像中像素點(diǎn)的個(gè)數(shù)。
9. 根據(jù)權(quán)利要求7所述的非正常車牌的識(shí)別系統(tǒng)，其特征在于：邊緣檢測(cè)設(shè)備具體包 括： 第一次邊緣提取設(shè)備，用于利用Canny邊緣檢測(cè)器對(duì)濾波圖像進(jìn)行第一次邊緣提取， 第二次邊緣提取設(shè)備，用于對(duì)濾波圖像進(jìn)行頂帽變換后，用Canny邊緣檢測(cè)器進(jìn)行第 二次邊緣提取， 第三次邊緣提取設(shè)備，用于對(duì)頂帽變換后的圖像進(jìn)行對(duì)數(shù)變換后，用Canny邊緣檢測(cè) 器進(jìn)行第三次邊緣提取， 結(jié)果圖像疊加設(shè)備，用于將三次邊緣提取的結(jié)果圖像疊加， 骨架化設(shè)備，用于對(duì)疊加后的圖像進(jìn)行骨架化處理，得到邊緣圖像。
10.根據(jù)權(quán)利要求7所述的非正常車牌的識(shí)別系統(tǒng)，其特征在于： 初始化設(shè)備具體包括數(shù)組設(shè)置設(shè)備，用于為每一個(gè)車牌區(qū)域設(shè)置一個(gè)與所述車牌區(qū)域 的像素點(diǎn)一一對(duì)應(yīng)的標(biāo)記值數(shù)組，并將該標(biāo)記值數(shù)組初始化為〇,在掃描過程中，標(biāo)記值為 〇,表示該像素點(diǎn)未被掃描，標(biāo)記值為N，表示該像素點(diǎn)已被掃描，并且表示該點(diǎn)在第N個(gè)連 通域，其中N為大于等于1的整數(shù)， 起始點(diǎn)確定設(shè)備具體包括掃描設(shè)備，用于順序掃描所述一個(gè)或多個(gè)車牌區(qū)域，如果該 像素點(diǎn)的灰度值為〇,則掃描下一個(gè)像素點(diǎn)，如果該像素點(diǎn)的值為1并且未被標(biāo)記，則依次 掃描相鄰像素的標(biāo)記值，如果相鄰像素的標(biāo)記值全部為0,則確定當(dāng)前像素點(diǎn)是新連通域的 起始點(diǎn)，其標(biāo)記值為前一個(gè)標(biāo)記值加1， 像素集合確定設(shè)備具體包括標(biāo)記設(shè)備，用于從起始點(diǎn)開始順序掃描，當(dāng)目標(biāo)像素標(biāo)記 值為N時(shí)掃描相鄰像素,如果相鄰像素中有m個(gè)像素點(diǎn)的灰度值為1且未被標(biāo)記,則這m個(gè) 像素與當(dāng)前像素屬于同一連通域，標(biāo)記值都賦為N，而當(dāng)目標(biāo)像素標(biāo)記值不為N時(shí)，停止掃 描，轉(zhuǎn)到步驟402,其中I < 8， 終止點(diǎn)確定設(shè)備具體包括坐標(biāo)記錄設(shè)備，用于從標(biāo)記值數(shù)組的左上角開始，從左到右， 從上到下逐行掃描所述標(biāo)記值數(shù)組的標(biāo)記值，當(dāng)找到第一個(gè)像素點(diǎn)的標(biāo)記值為N時(shí)，記錄 該像素點(diǎn)的橫坐標(biāo)為方框左上頂點(diǎn)的橫坐標(biāo)Xl ;從上到下，從左到右掃描，當(dāng)找到第一個(gè) 像素點(diǎn)的標(biāo)記值為N時(shí),記錄該像素點(diǎn)的縱坐標(biāo)為方框左上頂點(diǎn)的縱坐標(biāo)Yl ;同理,逆向掃 描，找出方框的右下頂點(diǎn)的橫坐標(biāo)X2和縱坐標(biāo)Y2,利用點(diǎn)（X1，Y1)和（X2，Y2)確定出屬于 同一連通域的矩形區(qū)域；依次類推，確定出每一個(gè)車牌區(qū)域中的各個(gè)屬于同一連通域的矩 形區(qū)域， 連通域分割設(shè)備具體包括排序設(shè)備，用于將各個(gè)屬于同一連通域的矩形區(qū)域的左頂點(diǎn) 的橫坐標(biāo)值降序排列，從右向左取出6個(gè)矩形區(qū)域，剩余的矩形區(qū)域則為車牌中的漢字字 符。
【文檔編號(hào)】G06K9/00GK104392205SQ201410576540
【公開日】2015年3月4日 申請(qǐng)日期:2014年10月24日 優(yōu)先權(quán)日:2014年10月24日
【發(fā)明者】陳海江, 藍(lán)天翔, 詹常青, 王魯光 申請(qǐng)人:浙江力石科技股份有限公司