一種車牌自動鑒別方法
【技術領域】
[0001]本發(fā)明涉及圖像處理領域，尤其涉及一種車牌自動鑒別方法。
【背景技術】
[0002]隨著交通環(huán)境與工具的巨大變革，汽車的數量與日倶增，采用車牌識別系統(tǒng)對汽車進行智能化、自動化管理成為社會發(fā)展的必然趨勢。
[0003]車牌識別技術(VehicleLicense Plate Recognit1n，VLPR)是計算機視頻圖像識別技術在車輛牌照識別中的一種應用。
[0004]車牌識別技術要求能夠將運動中的汽車牌照從復雜背景中提取并識別出來，通過車牌提取、圖像預處理、特征提取、車牌字符識別等技術，識別車輛牌號，這種技術在高速公路車輛管理、電子收費(ETC)系統(tǒng)、停車場管理等多個領域得到了廣泛應用。
[0005]作為識別車輛身份的主要手段，車牌識別技術是推進交通管理向智能化發(fā)展的關鍵技術之一。通過車牌識別，可以獲得車輛的許多重要信息，從而可大大提升交通系統(tǒng)管理的智能化程度，當前，車牌識別在技術上已有較大的發(fā)展，而面對日益復雜的交通環(huán)境，圖像的復雜程度、光線的強弱、車牌的實際現狀以及車輛的行駛速度對車牌識別算法的實現提出了更高的要求。
[0006]車牌識別技術要求能夠將運動中的汽車牌照從復雜背景中提取并識別出來，通過預處理、車牌定位、字符切分、識別，從而最終識別出車輛牌照，而優(yōu)秀的車牌識別技術在識別正確率、識別時間、識別速度等方面均具備優(yōu)異的性能才能夠應用與實際的識別系統(tǒng)之中。

【發(fā)明內容】

[0007]本發(fā)明所要解決的技術問題在于發(fā)明一種車牌自動鑒別方法，從而自動化獲取車輛的重要信息，提升交通管理中的智能化程度。
[0008]本發(fā)明是這樣實現的，一種車牌自動鑒別方法，包括如下步驟:
[0009]S1.通過球機監(jiān)測過往車輛，當檢測到車輛通過預設的目標區(qū)域時，判斷車輛行駛方向，并根據車輛行駛方向啟動相應方向上配置的槍機對所述車輛進行拍照；所述車輛車牌底色為藍色，車牌信息為白色；
[0010]S2.所述槍機將拍攝到的圖像進行量化變?yōu)閿底中问綀D像，并傳輸至圖像處理單元;
[0011]S3.對所述圖像進行預處理；
[0012]S4.對預處理后的圖像進行定位，獲取疑似車牌區(qū)域；
[0013]S5.對疑似車牌區(qū)域的圖像進行傾斜校正；
[0014]S6.對疑似車牌區(qū)域中的車牌進行字符分割；
[0015]S7.對字符進行識別；
[0016]所述預處理方法為:
[0017]S31.對所述圖像進行灰度化，所述灰度化方法為取彩色圖像R、G、B三分量，并為各個分量匹配一個加權系數，求得的三分量加權值作為像素點的灰度化后的分量，各個像素只有亮度上的不同；所述加權系數由用戶根據需要自行設定；
[0018]S32.對灰度化后的圖像進行灰度拉伸，所述灰度拉伸通過使用matlab自帶的灰度調整函數imadjustO來實現；
[0019]所述定位方法為:
[0020]S41.對灰度拉伸后的圖像進行閾值處理，過濾不符合條件的灰度值，僅僅保留閾值滿足要求的像素點；
[0021]S42.在滿足要求的像素點中只保留位于圖片下部1/4范圍內的像素點；
[0022]S43.對圖像進行形態(tài)學閉操作，所述形態(tài)學閉操作用的結構化元素形狀為矩形；
[0023]S44.對圖像進行區(qū)域過濾，獲取疑似車牌區(qū)域，所述疑似車牌區(qū)域的長寬比落入預設的長寬比范圍。
[0024]優(yōu)選的，所述R、G、B三分量的加權系數為0.229、0.587、0.114。
[0025]優(yōu)選的，所述預設的長寬比范圍為2.2?3.7。
[0026]優(yōu)選的，所述閾值包括上閾值和下閾值。
[0027]優(yōu)選的，所述下閾值為80?120，所述上閾值為為220-255。
[0028]優(yōu)選的，所述傾斜校正方法為:
[0029]提取所述圖像的邊緣，采用radon變換對所述車牌圖像進行傾斜校正處理，統(tǒng)計所述圖像radon變換得到的最大值，記錄此時的傾斜角度，從而對所述圖像進行校正。
[0030]優(yōu)選的，S6包括使用閉合運算，腐蝕擦除不是汽車車牌的部分；S6中對車牌上的漢字、字母和數字進行修正，裁剪出車牌中每個字符的具體的邊界，根據每個字符邊界，對每個字符進行傾斜校正。
[0031]優(yōu)選的，S7中將每個字符與預存儲的模板庫中的字符進行比對，從而完成車牌識別。
[0032]優(yōu)選的，所述閾值均設置有缺省值，但可以根據實際需要重新設定。
[0033]實施本發(fā)明，具有如下有益效果:
[0034]本發(fā)明提供了一種車牌自動鑒別方法，通過對車牌進行自動拍照、自動定位和自動識別，實現車牌的全自動識別。本發(fā)明識別效果好，不需要人工參與，自動化程度高。本發(fā)明既可以應用于交通監(jiān)控領域也可以應用于其他檢測和識別領域，具有廣闊的應用前景。
【具體實施方式】
[0035]為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將對本發(fā)明作進一步地詳細描述。
[0036]本發(fā)明實施例提供了一種車牌自動鑒別方法，包括如下步驟:
[0037]S1.通過球機監(jiān)測過往車輛，當檢測到車輛通過預設的目標區(qū)域時，判斷車輛行駛方向，并根據車輛行駛方向啟動相應方向上配置的槍機對所述車輛進行拍照；所述車輛車牌底色為藍色，車牌信息為白色；
[0038]S2.所述槍機將拍攝到的圖像進行量化變?yōu)閿底中问綀D像，并傳輸至圖像處理單元;
[0039]S3.對所述圖像進行預處理；
[0040]S4.對預處理后的圖像進行定位，獲取疑似車牌區(qū)域；
[0041]S5.對疑似車牌區(qū)域的圖像進行傾斜校正；
[0042]S6.對疑似車牌區(qū)域中的車牌進行字符分割；
[0043]S7.對字符進行識別；
[0044]所述預處理方法為:
[0045]S31.對所述圖像進行灰度化，所述灰度化方法為取彩色圖像R、G、B三分量，并為各個分量匹配一個加權系數，求得的三分量加權值作為像素點的灰度化后的分量，各個像素只有亮度上的不同；所述加權系數由用戶根據需要自行設定；
[0046]S32.對灰度化后的圖像進行灰度拉伸，所述灰度拉伸通過使用matlab自帶的灰度調整函數imadjustO來實現；
[0047]所述定位方法為:
[0048]S41.對灰度拉伸后的圖像進行閾值處理，過濾不符合條件的灰度值，僅僅保留閾值滿足要求的像素點；
[0049]S42.在滿足要求的像素點中只保留位于圖片下部1/4范圍內的像素點；
[0050]S43.對圖像進行形態(tài)學閉操作，所述形態(tài)學閉操作用的結構化元素形狀為矩形；
[0051]S44.對圖像進行區(qū)域過濾，獲取疑似車牌區(qū)域，所述疑似車牌區(qū)域的長寬比落入預設的長寬比范圍。
[0052]優(yōu)選的，所述R、G、B三分量的加權系數為0.229、0.587、0.114。
[0053]優(yōu)選的，所述預設的長寬比范圍為2.2?3.7。
[0054]優(yōu)選的，所述閾值包括上閾值和下閾值。
[0055]優(yōu)選的，所述下閾值為80?120，所述上閾值為為220-255。
[0056]優(yōu)選的，所述傾斜校正方法為:
[0057]提取所述圖像的邊緣，采用radon變換對所述車牌圖像進行傾斜校正處理，統(tǒng)計所述圖像radon變換得到的最大值，記錄此時的傾斜角度，從而對所述圖像進行校正。
[0058]優(yōu)選的，S6包括使用閉合運算，腐蝕擦除不是汽車車牌的部分；S6中對車牌上的漢字、字母和數字進行修正，裁剪出車牌中每個字符的具體的邊界，根據每個字符邊界，對每個字符進行傾斜校正。
[0059]優(yōu)選的，S7中將每個字符與預存儲的模板庫中的字符進行比對，從而完成車牌識別。
[0060]優(yōu)選的，所述閾值均設置有缺省值，但可以根據實際需要重新設定。
[0061]以上所揭露的僅為本發(fā)明較佳實施例而已，當然不能以此來限定本發(fā)明之權利范圍，因此依本發(fā)明權利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。
【主權項】
1.一種車牌自動鑒別方法，其特征在于，包括如下步驟: 51.通過球機監(jiān)測過往車輛，當檢測到車輛通過預設的目標區(qū)域時，判斷車輛行駛方向，并根據車輛行駛方向啟動相應方向上配置的槍機對所述車輛進行拍照；所述車輛車牌底色為藍色，車牌信息為白色； 52.所述槍機將拍攝到的圖像進行量化變?yōu)閿底中问綀D像，并傳輸至圖像處理單元； 53.對所述圖像進行預處理； 54.對預處理后的圖像進行定位，獲取疑似車牌區(qū)域； 55.對疑似車牌區(qū)域的圖像進行傾斜校正； 56.對疑似車牌區(qū)域的車牌進行字符分割； 57.對字符進行識別； 所述預處理方法為: 531.對所述圖像進行灰度化，所述灰度化方法為取彩色圖像R、G、B三分量，并為各個分量匹配一個加權系數，求得的三分量加權值作為像素點的灰度化后的分量，各個像素只有亮度上的不同；所述加權系數由用戶根據需要自行設定； 532.對灰度化后的圖像進行灰度拉伸，所述灰度拉伸通過使用matlab自帶的灰度調整函數imadjustO來實現； 所述定位方法為: 541.對灰度拉伸后的圖像進行閾值處理，過濾不符合條件的灰度值，僅僅保留閾值滿足要求的像素點； 542.在滿足要求的像素點中只保留位于圖片下部1/4范圍內的像素點； 543.對圖像進行形態(tài)學閉操作，所述形態(tài)學閉操作使用的結構化元素形狀為矩形； 544.對圖像進行區(qū)域過濾，獲取疑似車牌區(qū)域，所述疑似車牌區(qū)域的長寬比落入預設的長寬比范圍。2.根據權利要求1所述的一種車牌自動鑒別方法，其特征在于，所述R、G、B三分量的加權系數為 0.229,0.587,0.114。3.根據權利要求1所述的一種車牌自動鑒別方法，其特征在于，所述預設的長寬比范圍為2.2?3.7ο4.根據權利要求1所述的一種車牌自動鑒別方法，其特征在于，所述閾值包括上閾值和下閾值。5.根據權利要求4所述的一種車牌自動鑒別方法，其特征在于，所述下閾值為80?120，所述上閾值為為220-255。6.根據權利要求5所述的一種車牌自動鑒別方法，其特征在于，所述傾斜校正方法為: 提取所述圖像的邊緣，采用radon變換對所述車牌圖像進行傾斜校正處理，統(tǒng)計所述圖像radon變換得到的最大值，記錄此時的傾斜角度，從而對所述圖像進行校正。7.根據權利要求6所述的一種車牌自動鑒別方法，其特征在于，S6包括使用閉合運算，腐蝕擦除不是汽車車牌的部分；S6中對車牌上的漢字、字母和數字進行修正，裁剪出車牌中每個字符的具體的邊界，根據每個字符邊界，對每個字符進行傾斜校正。8.根據權利要求7所述的一種車牌自動鑒別方法，其特征在于，S7中將每個字符與預存儲的模板庫中的字符進行比對，從而完成車牌識別。9.根據權利要求8所述的一種車牌自動鑒別方法，其特征在于，所述閾值均設置有缺省值，但可以根據實際需要重新設定。
【專利摘要】本發(fā)明提供了一種車牌自動鑒別方法，通過對車輛進行拍照、模數轉換、預處理、定位、傾斜校正、字符分割與識別等多個步驟，實現車牌的完全自動化識別，其中定位方法通過灰度限定、位置限定、閉操作和區(qū)域過濾實現，預處理方法包括灰度化和灰度拉伸，所述灰度拉伸通過使用matlab自帶的灰度調整函數imadjust()來實現；本發(fā)明識別效果好，不需要人工參與，自動化程度高。本發(fā)明既可以應用于交通監(jiān)控領域也可以應用于其他檢測和識別領域，具有廣闊的應用前景。
【IPC分類】G06K9/00
【公開號】CN105022992
【申請?zhí)枴緾N201510371609
【發(fā)明人】葉秀蘭
【申請人】葉秀蘭
【公開日】2015年11月4日
【申請日】2015年6月29日