復雜場景多車牌定位方法
【專利摘要】本發(fā)明公開了復雜場景多車牌定位方法，包括以下步驟S1、讀取車輛圖像；S2、對讀取的圖像進行預處理；S3、對圖像進行局部二值化，生成二值圖像；S4、在二值圖像上篩選出字符區(qū)域，去除非字符區(qū)域；S5、對篩選出的區(qū)域進行合并，形成車牌的候選區(qū)域；S6、對候選區(qū)域進行擴展；S7、從候選區(qū)域中去除偽車牌，篩選出有效車牌。本發(fā)明的方法具有較好的車牌定位效果。
【專利說明】復雜場景多車牌定位方法
【技術領域】
[0001]本發(fā)明屬于計算機視覺在智能交通方面的應用，特別是車牌定位識別方面，具體指非固定場景下的多車牌定位的方法。
【背景技術】
[0002]傳統(tǒng)單一車輛的車牌定位，常用的方法有兩種，一種是采用邊緣檢測結合數(shù)學形態(tài)學的方法，先對車牌進行豎直方向上的邊緣檢測，再選用適合尺度大小的結構元素對邊緣圖像進行一系列形態(tài)學操作，最后在形成的連通區(qū)域中找出車牌區(qū)域。另一種是方向濾波結合投影的方法來定位車牌，該方法先對圖像進行水平梯度濾波，這樣圖像中的水平紋理將被凸顯出來，再做水平方向的投影，根據(jù)車輛車燈、車牌區(qū)域水平紋理豐富的特點，先定位到車頭部位，再進一步分析投影曲線，定位出車牌的上下邊框。然后再做豎直方向梯度濾波后進行豎直投影，定位出車牌的左右邊界。
[0003]上述的兩種方法都有其局限性。第一種方法，在進行形態(tài)學操作時，如何選擇結構元素的尺度是一個重要的問題，如果尺度太大，會使車牌字符與周圍車燈或排氣扇粘連在一起，如果太小，車牌又不能形成一個連通區(qū)域。所以要預先估計出車牌大概的大小。在連通區(qū)域的分析，非車牌的判斷時也要根據(jù)車牌大小來進行篩選。而第二種方法，只適用于圖像只有一輛車、且車身幾乎充滿圖像的情況，不然復雜的環(huán)境背景會對車牌定位有較大的影響。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服上述現(xiàn)有技術的不足，提供一種能夠不依賴于車牌的預設大小與車牌所處的背景情況，實現(xiàn)單張圖像中不同遠近的多車牌的定位方法。
[0005]為實現(xiàn)上述目的，本發(fā)明采用以下技術方案:
[0006]復雜場景多車牌定位方法，包括以下步驟
[0007]S1、讀取車輛圖像；
[0008]S2、對讀取的圖像進行預處理；
[0009]S3、對圖像進行局部二值化，生成二值圖像；
[0010]S4、在二值圖像上篩選出字符區(qū)域，去除非字符區(qū)域；
[0011]S5、對篩選出的區(qū)域進行合并，形成車牌的候選區(qū)域；
[0012]S6、對候選區(qū)域進行擴展；
[0013]S7、從候選區(qū)域中去除偽車牌，篩選出有效車牌。
[0014]所述步驟S2包括以下步驟
[0015]S21、獲取車輛圖像的尺寸，即圖像的高度imgH與寬度imgW ;
[0016]S22、定義一個形態(tài)學的結構元素；
[0017]S23、采用上述定義的結構元素對車輛圖像運用形態(tài)學開運算，得到處理圖像imgMorph ；[0018]S24、將原圖像imgSrc,與上述步驟中得到的形態(tài)學處理圖像imgMorph作差值:imgDif = abs (imgSrc-1mgMorph)，得到的增強圖像 imgDif。
[0019]所述步驟S3具體包括以下步驟:
[0020]S31、將圖像劃分為多個網(wǎng)格；
[0021]S32、對每一個網(wǎng)格內(nèi)的圖像檢測豎直邊緣；
[0022]S33、記錄豎直邊緣周圍的像素顏色；
[0023]S34、將上一步驟中記錄的顏色分為2類，其中一類是字符的顏色C1，一類為背景的顏色C2 ；
[0024]S35、遍歷網(wǎng)格內(nèi)的像素，將網(wǎng)格像素的顏色值C與上一步驟中的2類顏色比較，如果更接近背景色C2，則二值化結果為該網(wǎng)格設成白色像素；反之，則二值化為黑色像素。
[0025]
【權利要求】
1.復雜場景多車牌定位方法，其特征在于:包括以下步驟 51、讀取車輛圖像； 52、對讀取的圖像進行預處理； 53、對圖像進行局部二值化，生成二值圖像； 54、在二值圖像上篩選出字符區(qū)域，去除非字符區(qū)域； 55、對篩選出的區(qū)域進行合并，形成車牌的候選區(qū)域； 56、對候選區(qū)域進行擴展； 57、從候選區(qū)域中去除偽車牌，篩選出有效車牌。
2.根據(jù)權利要求1所述的復雜場景多車牌定位方法，其特征在于:所述步驟S2包括以下步驟 521、獲取車輛圖像的尺寸，即圖像的高度imgH與寬度imgW; 522、定義一個形態(tài)學的結構元素； 523、采用上述定義的結構元素對車輛圖像運用形態(tài)學開運算，得到處理圖像imgMorph ； 524、將原圖像imgSrc,與上述步驟中得到的形態(tài)學處理圖像imgMorph作差值:imgDif=abs (imgSrc-1mgMorph),得到的增強圖像 imgDif。
3.根據(jù)權利要求2所述的復雜場景多車牌定位方法，其特征在于:所述步驟S3具體包括以下步驟: 531、將圖像劃分為多個網(wǎng)格； 532、對每一個網(wǎng)格內(nèi)的圖像檢測豎直邊緣； 533、記錄豎直邊緣周圍的像素顏色； 534、將上一步驟中記錄的顏色分為2類，其中一類是字符的顏色C1，一類為背景的顏色C2; 535、遍歷網(wǎng)格內(nèi)的像素，將網(wǎng)格像素的顏色值C與上一步驟中的2類顏色比較，如果更接近背景色C2，則二值化結果為該網(wǎng)格設成白色像素；反之，則二值化為黑色像素。
4.根據(jù)權利要求1或3所述的復雜場景多車牌定位方法，其特征在于:所述步驟S4具體包括以下步驟: `541、標記二值圖像上的所有連通區(qū)域，所述連通區(qū)域是指二值圖像的前景部分里的每一個單獨的塊狀區(qū)域； `542、獲取每個連通區(qū)域的外接矩形Box，得到所述連通區(qū)域的高度conpH和所述連通區(qū)域的寬度conpW;

`543、計算所述連通區(qū)域的高寬比
5.根據(jù)權利要求4所述的復雜場景多車牌定位方法，其特征在于:所述步驟S5中對篩選出的區(qū)域進行合并具體為，當兩個連通區(qū)域滿足:IH1-H2I <氏/4且|C；-時，則將所述兩個連通區(qū)域進行合并，所述H1與H2分別表示需要合并的兩個連通區(qū)域的高度，Cf和cx2分別表示要進行合并的兩個連通區(qū)域在水平方向上的坐標。
6.根據(jù)權利要求5所述的復雜場景多車牌定位方法，其特征在于:所述步驟S6具體為先求出該候選區(qū)域里的所有連通區(qū)域的平均高度mean_h，根據(jù)現(xiàn)有候選區(qū)域的高度進行擴展至5*mean_h的寬度，候選區(qū)域的上下邊界則選擇形成該候選區(qū)域的連通區(qū)域里的最小上邊界與最大下邊界，所述候選區(qū)域是指將篩選出的連通區(qū)域進行合并后形成的區(qū)域。
7.根據(jù)權利要求6所述的復雜場景多車牌定位方法，其特征在于:所述步驟S7中的去除偽車牌具體包括以下步驟 s71、對候選區(qū)域進行二值化； s72、對二值圖像進行車牌字符的查找，并用SVM字符識別器進行識別； s73、如在上述步驟中能找到3個或3個以上的字符，則說明該車牌為真車牌，否則為偽車牌，則將偽車牌直 接去掉。
【文檔編號】G06K9/54GK103824078SQ201410100400
【公開日】2014年5月28日 申請日期:2014年3月18日 優(yōu)先權日:2014年3月18日
【發(fā)明者】鄭海舟, 楊延生 申請人:廈門翼歌軟件科技有限公司