本發(fā)明涉及智能交通領(lǐng)域，具體是一種基于統(tǒng)計(jì)的車牌識(shí)別方法。

技術(shù)背景

現(xiàn)有的車牌識(shí)別系統(tǒng)對(duì)于處理質(zhì)量較好的車牌圖像已能實(shí)現(xiàn)較高的準(zhǔn)確率，但是對(duì)于處理交通監(jiān)控相機(jī)拍攝的車牌圖像，識(shí)別準(zhǔn)確率并不樂(lè)觀，主要是因?yàn)閷?shí)際交通監(jiān)控相機(jī)的清晰度不夠高，同時(shí)由于拍攝的是運(yùn)動(dòng)中的車輛，因此車牌圖像的可識(shí)別性比較差。通過(guò)實(shí)驗(yàn)分析發(fā)現(xiàn)，對(duì)于實(shí)際交通監(jiān)控系統(tǒng)拍攝到的清晰度不高車牌圖像，字母和數(shù)字的識(shí)別率較好，明顯優(yōu)于漢字的識(shí)別準(zhǔn)確率。

對(duì)于清晰度較差的車牌圖像，希望通過(guò)改善識(shí)別算法提升系統(tǒng)的識(shí)別率是較為困難的，同時(shí)因?yàn)榛趩螐堒嚺频淖R(shí)別方法可靠性比較低，因此基于統(tǒng)計(jì)的車牌識(shí)別方法成為改善識(shí)別率的可行方案，該方法通過(guò)一定的統(tǒng)計(jì)方法對(duì)車輛的多張車牌圖像的識(shí)別結(jié)果進(jìn)行統(tǒng)計(jì)分析，得出更為可靠的識(shí)別結(jié)果，從而提升識(shí)別的準(zhǔn)確率。

目前對(duì)基于統(tǒng)計(jì)的車牌識(shí)別方法的研究較少，其中與本發(fā)明最接近的技術(shù)方案為：發(fā)明專利(申請(qǐng)?zhí)枺?01410794631，名稱：一種基于多攝像頭的車牌識(shí)別方法)提出了基于多攝像頭的車牌識(shí)別方法，該方法對(duì)多個(gè)角度、位置上的車牌識(shí)別結(jié)果進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)方式為將所有車牌識(shí)別結(jié)果根據(jù)識(shí)別結(jié)果的相似度進(jìn)行分組，然后計(jì)算出每組的某一特征值，從而根據(jù)特征值找到最佳分組，最后對(duì)最佳分組中每個(gè)車牌字符位置進(jìn)行單字符統(tǒng)計(jì)，確定最佳車牌結(jié)果，這一方法能在一定程度上改善車牌識(shí)別的準(zhǔn)確率。與本發(fā)明不同的地方在于：(1)該方法的圖像獲取是基于多攝像頭的；(2)該方法對(duì)每個(gè)攝像頭的每幀圖像都進(jìn)行了分析，對(duì)于處理存在靜止?fàn)顟B(tài)的車輛，會(huì)出現(xiàn)圖像重復(fù)處理的問(wèn)題；(3)該方法的主要思路是篩選出質(zhì)量較好的車牌進(jìn)行單字符統(tǒng)計(jì)，從而改善每個(gè)字符的識(shí)別準(zhǔn)確率，并沒(méi)有給出針對(duì)改善漢字的識(shí)別率的方案。

綜上所述，當(dāng)前基于統(tǒng)計(jì)的車牌識(shí)別方法的存在不足之處包括：(1)存在相同車牌圖像重復(fù)處理的情況；(2)漢字與其他字符的統(tǒng)計(jì)方式一致，不能顯著的提升漢字的識(shí)別準(zhǔn)確率。

技術(shù)實(shí)現(xiàn)要素：

基于上述背景，本發(fā)明為改善實(shí)際交通監(jiān)控中的車牌識(shí)別率，提出了一種基于統(tǒng)計(jì)的車牌識(shí)別方法。該方法首先通過(guò)單字符統(tǒng)計(jì)的方法得到識(shí)別準(zhǔn)確率較高的車牌字符，然后根據(jù)已識(shí)別出來(lái)的字符進(jìn)行車牌可靠性的判斷，最后用帶權(quán)重的單字符統(tǒng)計(jì)方法確定識(shí)別準(zhǔn)確率較低的車牌字符。

本發(fā)明包括如下步驟：

步驟1：進(jìn)行車輛跟蹤，獲取該車輛的多張視頻圖像，并得到所獲取圖像集所對(duì)應(yīng)的重復(fù)幀數(shù)集n＝{(pi,ni)|i∈{0,1,…,a-1}}，其中，pi表示該車輛的第i張圖像，ni表示該車輛第i張圖像出現(xiàn)的次數(shù)，a表示最終獲取的視頻圖像張數(shù)，具體圖像獲取步驟為：當(dāng)車輛完全進(jìn)入給定監(jiān)控區(qū)域后，置i＝0，a＝1,保留第一幀視頻圖像為pi，置ni＝1，將(pi,ni)加入集合n中；對(duì)于之后的每幀圖像，需要先分析圖像中該車輛與前一幀相比是否發(fā)生了位移，如果發(fā)生位移，則i＝i+1并保留該幀圖像為pi，置ni＝1，a＝a+1，并將(pi,ni)加入集合n中，否則，將集合中(pi,ni)的ni更新為ni＝ni+1，pi保持不變；當(dāng)滿足以下兩個(gè)條件之一時(shí)，完成圖像獲?。?1)(2)車輛完全消失在給定監(jiān)控區(qū)域之外；其中，l是事先設(shè)定的最大分析幀數(shù)；

步驟2：對(duì)步驟1中獲取的圖像集進(jìn)行車牌定位和車牌識(shí)別操作，得到一組車牌識(shí)別結(jié)果集r＝{ri|i＝0,1,…,a-1}，其中，表示第i張視頻圖像的車牌識(shí)別結(jié)果，表示識(shí)別結(jié)果ri中的7個(gè)字符；

步驟3：通過(guò)統(tǒng)計(jì)分析，確定車牌每個(gè)字符的識(shí)別結(jié)果，保存至識(shí)別結(jié)果集c＝{c0,c1,…,c6}中，具體為：

步驟3.1：首先確定車牌后六個(gè)字符的識(shí)別結(jié)果{c1,c2,…,c6}，具體為：

步驟3.1.1：將集合r中所有車牌的字符，根據(jù)字符在車牌中的位置進(jìn)行分組，得到7個(gè)單字符集合g0,g1,…,g6，其中表示集合r中第i個(gè)識(shí)別結(jié)果的第k個(gè)字符；

步驟3.1.2：對(duì)每個(gè)字符集gk,k＝1,2…,6，根據(jù)步驟(a)、(b)分別進(jìn)行統(tǒng)計(jì)分析，得到車牌后六個(gè)字符的識(shí)別結(jié)果{c1,c2,…,c6}：

(a)將集合gk中相同的字符進(jìn)行歸類，得到mk個(gè)類別的集合其中表示第j個(gè)類別對(duì)應(yīng)的字符，表示對(duì)應(yīng)于字符的總樣本數(shù)，根據(jù)式(1)計(jì)算

(b)找到中值最大的元素，設(shè)為則其對(duì)應(yīng)的識(shí)別結(jié)果即為字符ck的識(shí)別結(jié)果，即

步驟3.2：確定第一個(gè)漢字字符的識(shí)別結(jié)果c0，具體為：

步驟3.2.1：如公式(2)所示，將集合r中每個(gè)車牌識(shí)別結(jié)果ri,i＝0,1,…,a-1的后六位與已確定的車牌后六位識(shí)別結(jié)果c1c2c3c4c5c6進(jìn)行字符匹配，根據(jù)字符匹配率對(duì)集合r進(jìn)行聚類，可以得到滿足式(2)的7個(gè)子集pk,k＝0,1,…,6；為集合pk,k＝0,1,…,6所對(duì)應(yīng)的樣本數(shù)集，其中，表示集合pk中第i個(gè)元素的樣本數(shù)，ok表示集合pk中元素的個(gè)數(shù)；

其中，表示集合r中第i個(gè)車牌識(shí)別結(jié)果ri的后六位與c1c2c3c4c5c6的字符匹配數(shù)；

步驟3.2.2：將每個(gè)集合pk,k＝0,1,…,6根據(jù)相同漢字識(shí)別結(jié)果進(jìn)行歸類，可以得到dk個(gè)類別的歸類集合表示集合pk中第i類對(duì)應(yīng)的漢字，表示集合pk中第i類漢字的對(duì)應(yīng)的樣本數(shù)，根據(jù)式(3)計(jì)算

步驟3.2.3：確定集合r對(duì)應(yīng)的漢字類別集合h＝{hi|i＝0,1,…,nh-1}，其中hi表示第i類對(duì)應(yīng)的漢字，nh表示集合r中漢字的類別數(shù)；根據(jù)公式(4)，確定漢字類別集合h所對(duì)應(yīng)的樣本數(shù)集k：

其中，wk表示權(quán)重系數(shù)，{w0,w1,w2,w3,w4,w5,w6}＝{0.01,0.02,0.02,0.14,0.3,0.5}；

步驟3.2.4：找到集合k中最大的元素,設(shè)為kx，則其對(duì)應(yīng)的識(shí)別結(jié)果hx即為漢字識(shí)別結(jié)果，即c0＝hx。

本發(fā)明的優(yōu)點(diǎn)是：本發(fā)明應(yīng)用于車牌識(shí)別系統(tǒng)，可以顯著改善系統(tǒng)處理清晰度較差的車牌圖像的能力。與已有的基于統(tǒng)計(jì)的方法相比，它的優(yōu)點(diǎn)在于：(1)本發(fā)明引入了圖像的重復(fù)幀數(shù)屬性，既能保證該方法是基于連續(xù)多幀的圖像樣本的統(tǒng)計(jì)方法，又能避免相同圖像的重復(fù)處理情況，提升了該方法對(duì)處理有靜止?fàn)顟B(tài)的車輛的識(shí)別效率；(2)本發(fā)明不但改善了車牌字母和數(shù)字的識(shí)別率，同時(shí)通過(guò)使用改進(jìn)的基于權(quán)重的統(tǒng)計(jì)方法，顯著的提升了漢字的識(shí)別率。

附圖說(shuō)明

圖1是經(jīng)過(guò)車牌定位操作后得到一組車牌二值化圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)例，對(duì)本發(fā)明的具體實(shí)施過(guò)程進(jìn)行詳細(xì)的說(shuō)明。

本發(fā)明的基于統(tǒng)計(jì)的車牌識(shí)別方法，包括如下步驟：

步驟1：進(jìn)行車輛跟蹤，獲取該車輛的多張視頻圖像，并得到所獲取圖像集所對(duì)應(yīng)的重復(fù)幀數(shù)集n＝{(pi,ni)|i∈{0,1,…,a-1}}，其中，pi表示該車輛的第i張圖像，ni表示該車輛第i張圖像出現(xiàn)的次數(shù)，a表示最終獲取的視頻圖像張數(shù)，具體圖像獲取步驟為：當(dāng)車輛完全進(jìn)入給定監(jiān)控區(qū)域后，置i＝0，a＝1,保留第一幀視頻圖像為pi，置ni＝1，將(pi,ni)加入集合n中；對(duì)于之后的每幀圖像，需要先分析圖像中該車輛與前一幀相比是否發(fā)生了位移，如果發(fā)生位移，則i＝i+1并保留該幀圖像為pi，置ni＝1，a＝a+1，并將(pi,ni)加入集合n中，否則，將集合中(pi,ni)的ni更新為ni＝ni+1，pi保持不變；當(dāng)滿足以下兩個(gè)條件之一時(shí)，完成圖像獲取：(1)(2)車輛完全消失在給定監(jiān)控區(qū)域之外；其中，l是事先設(shè)定的最大分析幀數(shù)。

通過(guò)車輛跟蹤，確定的圖像重復(fù)幀數(shù)集n＝{(p0,1),(p1,1),(p2,1),(p3,1),(p4,1),(p5,1),(p6,1),(p7,1),(p8,1),(p9,1)}，圖像總張數(shù)a＝10。

步驟2：對(duì)步驟1中獲取的圖像集進(jìn)行車牌定位和車牌識(shí)別操作，得到一組車牌識(shí)別結(jié)果集r＝{ri|i＝0,1,…,a-1}，其中，表示第i張視頻圖像的車牌識(shí)別結(jié)果，表示識(shí)別結(jié)果ri中的7個(gè)字符。

經(jīng)過(guò)車牌定位之后得到的10張車牌的二值化圖像如圖1所示，這些車牌的車牌識(shí)別結(jié)果集為r＝{“盧k8675b”,“相k8675b”,“素k8675b”,“素uw88ju”,“哲k86750”,“穿k8675b”,“穿k8615b”,“穿k8675c”,“哲k8675b”,“哲k8675b”}，上述車牌二值化圖像和車牌識(shí)別結(jié)果只用于進(jìn)行算法說(shuō)明，并非真實(shí)結(jié)果。

步驟3：通過(guò)統(tǒng)計(jì)分析，確定車牌每個(gè)字符的識(shí)別結(jié)果，保存至識(shí)別結(jié)果集c＝{c0,c1,…,c6}中，具體為：

步驟3.1：首先確定車牌后六個(gè)字符的識(shí)別結(jié)果{c1,c2,…,c6}，具體為：

步驟3.1.1：將集合r中所有車牌的字符，根據(jù)字符在車牌中的位置進(jìn)行分組，得到7個(gè)單字符集合g0,g1,…,g6，其中表示集合r中第i個(gè)識(shí)別結(jié)果的第k個(gè)字符。

根據(jù)步驟3.1.1，對(duì)集合r進(jìn)行分組，得到7個(gè)單字符集合g0,g1,…,g6，其中g(shù)0＝{盧,相,素,素,哲,穿,穿,穿,哲,哲}，g1＝{k,k,k,u,k,k,k,k,k,k}，g2＝{8,8,8,w,8,8,8,8,8,8}，g3＝{6,6,6,8,6,6,1,6,6,6}，g4＝{7,7,7,8,7,7,7,7,7,7}，g5＝{5,5,5,j,5,5,5,5,5,5}，g6＝{b,b,b,u,0,b,b,c,b,b}。

步驟3.1.2：對(duì)每個(gè)字符集gk,k＝1,2…,6，根據(jù)步驟(a)、(b)分別進(jìn)行統(tǒng)計(jì)分析，得到車牌后六個(gè)字符的識(shí)別結(jié)果{c1,c2,…,c6}：

(a)將集合gk中相同的字符進(jìn)行歸類，得到mk個(gè)類別的集合其中表示第j個(gè)類別對(duì)應(yīng)的字符，表示對(duì)應(yīng)于字符的總樣本數(shù)，根據(jù)式(1)計(jì)算

根據(jù)步驟(a)，將集合g1歸類可以得到兩個(gè)類別的集合{{‘k’,9},{‘u’,1}}，將集合g2歸類可以得到兩個(gè)類別的集合{{‘8’,9},{w,1}}，將集合g3歸類可以得到三個(gè)類別的集合{{‘6’,8},{‘8’,1},{‘1’,1}}，將集合g4歸類可以得到兩個(gè)類別的集合{{‘7’,9},{‘8’,1}}，將集合g5歸類可以得到兩個(gè)類別的集合{{‘5’,9},{‘j’,1}}，將集合g6歸類可以得到四個(gè)類別的集合{{‘b’,7},{‘u’,1},{‘0’,1},{‘c’,1}}。

(b)找到中值最大的元素，設(shè)為則其對(duì)應(yīng)的識(shí)別結(jié)果即為字符ck的識(shí)別結(jié)果，即

根據(jù)步驟(b)，可以確定車牌后六個(gè)字符{c1,c2,…,c6}為{k,8,6,7,5,b}。

步驟3.2：確定第一個(gè)漢字字符的識(shí)別結(jié)果c0，具體為：

步驟3.2.1：如公式(2)所示，將集合r中每個(gè)車牌識(shí)別結(jié)果ri,i＝0,1,…,a-1的后六位與已確定的車牌后六位識(shí)別結(jié)果c1c2c3c4c5c6進(jìn)行字符匹配，根據(jù)字符匹配率歸對(duì)集合r進(jìn)行聚類，可以得到滿足式(2)的7個(gè)子集pk,k＝0,1,…,6；為集合pk,k＝0,1,…,6所對(duì)應(yīng)的樣本數(shù)集，其中，表示集合pk中第i個(gè)元素的樣本數(shù)，ok表示集合pk中元素的個(gè)數(shù)。

其中，表示集合r中第i個(gè)車牌識(shí)別結(jié)果ri的后六位與c1c2c3c4c5c6的字符匹配數(shù)。

根據(jù)步驟3.2.1，對(duì)集合r進(jìn)行聚類，得到7個(gè)子集{p0,p2,…,p6}，其中p0＝{“素uw88ju”}，p0所對(duì)應(yīng)的樣本數(shù)集z0＝{1}；p5＝{“哲k86750”,“穿k8615b”,“穿k8675c”}，p5所對(duì)應(yīng)的樣本數(shù)集z5＝{1,1,1,1}；p6＝{“盧k8675b”,“相k8675b”,“素k8675b”,“穿k8675b”,“哲k8675b”,“哲k8675b”}，p6所對(duì)應(yīng)的樣本數(shù)集z6＝{1,1,1,1,1,1}；p1、p2、p3、p4為空。

步驟3.2.2：將每個(gè)集合pk,k＝0,1,…,6根據(jù)相同漢字識(shí)別結(jié)果進(jìn)行歸類，可以得到dk個(gè)類別的歸類集合表示集合pk中第i類對(duì)應(yīng)的漢字，表示集合pk中第i類漢字的對(duì)應(yīng)的樣本數(shù)，根據(jù)式(3)計(jì)算

根據(jù)步驟3.2.2，對(duì){p0,p1,…,p6}中每個(gè)集合分別進(jìn)行歸類，p0對(duì)應(yīng)的歸類集合為{{‘素’,1}}，p5對(duì)應(yīng)的歸類集合為{{‘哲’,1},{‘穿’,2}}，p6對(duì)應(yīng)的歸類集合為{{‘盧’,1},{‘相’,1},{‘素’,1},{‘穿’,1},{‘哲’,2}}。

步驟3.2.3：確定集合r對(duì)應(yīng)的漢字類別集合h＝{hi|i＝0,1,…,nh-1}，其中hi表示第i類對(duì)應(yīng)的漢字，nh表示集合r中漢字的類別數(shù)；根據(jù)公式(4)，確定漢字類別集合h所對(duì)應(yīng)的樣本數(shù)集k：

其中，wk表示權(quán)重系數(shù)，{w0,w1,w2,w3,w4,w5,w6}＝{0.01,0.02,0.02,0.14,0.3,0.5}。

根據(jù)步驟3.2.3，首先確定集合r對(duì)應(yīng)的漢字類別集合h＝{‘素’,‘穿’,‘盧’,…相’,‘哲’}，然后根據(jù)公式(4)，可以得到漢字類別集合h所對(duì)應(yīng)的樣本數(shù)集k＝{0.51,1.1,0.5,0.5,1.3}。

步驟3.2.4：找到集合k中最大的元素,設(shè)為kx，則其對(duì)應(yīng)的識(shí)別結(jié)果hx即為漢字識(shí)別結(jié)果，即c0＝hx。

根據(jù)步驟3.2.4，可以確定最可能的漢字識(shí)別結(jié)果為“哲”，即c0＝“哲”。

根據(jù)如上步驟可以確定該車牌為“哲k8675b”，結(jié)果正確。