一種多車牌定位方法
【專利摘要】一種多車牌定位方法，屬于智能交通定位技術(shù)領(lǐng)域。本發(fā)明通過(guò)計(jì)算灰度差值和輪廓分析以定位圖像中多個(gè)車牌，該方法能有效排除路口復(fù)雜背景的干擾，利用灰度差值和輪廓分析準(zhǔn)確地定位出多個(gè)車牌的位置。
【專利說(shuō)明】
一種多車牌定位方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于智能交通定位技術(shù)領(lǐng)域，具體涉及一種通過(guò)計(jì)算灰度差值和輪廓分析 以定位圖像中多個(gè)車牌的多車牌定位方法。
【背景技術(shù)】
[0002] 隨著我國(guó)交通事業(yè)的迅速發(fā)展，城市的汽車數(shù)量逐年增加，城市道路交通堵塞、擁 擠問(wèn)題顯得越來(lái)越突出?，F(xiàn)代化交通控制系統(tǒng)的建設(shè)，卻可大幅度的提高現(xiàn)有道路的利用 率，而可靠的車牌定位方法是智能交通應(yīng)用的保障。
[0003] 交叉路口的多車牌定位是判別違章的一個(gè)關(guān)鍵。目前通過(guò)在交叉路口安裝高清攝 像機(jī)，并通過(guò)人工識(shí)別的方式來(lái)定位車牌，在一些擁擠的路段需要大量的人力。作為替代的 計(jì)算機(jī)視覺(jué)技術(shù)因其輕便等特點(diǎn)在智能交通領(lǐng)域得到了廣泛的關(guān)注。
[0004]當(dāng)前已有許多車牌定位的成果，其中與本發(fā)明最接近的技術(shù)方案包括:王永杰(北 京理工大學(xué)計(jì)算機(jī)學(xué)院智能信息技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，2014;多信息融合的快速車牌定 位[J].中國(guó)圖象圖形學(xué)報(bào)，2014,03:471-475.)提出了多信息融合的快速車牌定位方法，通 過(guò)融合環(huán)境信息對(duì)車牌進(jìn)行粗定位，再通過(guò)形態(tài)學(xué)計(jì)算對(duì)車牌進(jìn)行精確定位，最后驗(yàn)證字 符信息來(lái)確認(rèn)車牌，但是該方法并沒(méi)有有效利用車牌的顏色信息，并且需要提前訓(xùn)練字符 分類器;陳寅鵬(清華大學(xué)電子工程系，復(fù)雜車輛圖像中的車牌定位與字符分割方法[J].紅 外與激光工程，2004，01:29-33.)提出了綜合多種特征的車牌定位算法，通過(guò)基于灰度方差 的二值化濾波濾除背景，接著使用連通域分析提取候選區(qū)域，最后使用邊緣檢測(cè)提取上下 邊界的方法來(lái)定位車牌，該方法在濾除背景這一步的時(shí)候很難濾除大色塊的背景，比如廣 告牌等，對(duì)車牌定位的結(jié)果會(huì)產(chǎn)生一定的影響;郭大波（山西大學(xué)電子系，2003,基于車牌底 色識(shí)別的車牌定位方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2003，05:81-84+87.)提出了基于車牌底色 識(shí)別的車牌定位方法，利用Co lorPrewwi t算子對(duì)彩色圖像的邊緣進(jìn)行提取，并用Mat lab統(tǒng) 計(jì)車牌區(qū)域三維邊緣密度分布，在邊緣圖中提取出車牌區(qū)域，接著利用形態(tài)學(xué)處理定位出 候選車牌區(qū)域。對(duì)于每一個(gè)車牌的候選區(qū)域進(jìn)一步采用顏色分割的方法來(lái)驗(yàn)證車牌區(qū)域， 該方法充分利用了車牌顏色信息和邊緣密度信息，但是與本文的方法相比候選區(qū)域的剔除 算法過(guò)于簡(jiǎn)單，僅用到了顏色信息，不能完全有效地排除干擾。與傳統(tǒng)車牌識(shí)別中用到的車 牌定位方法不同，本文提出的方法可以同時(shí)定位多個(gè)車牌，并且在非高清的視頻或圖像中 也可以正常工作。

【發(fā)明內(nèi)容】

[0005] 為克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種通過(guò)計(jì)算灰度差值和輪廓分析以定位圖 像中多個(gè)車牌的多車牌定位方法。
[0006] 所述的多車牌定位方法，包括如下步驟：
[0007] 步驟1:從道路監(jiān)控視頻中取出待定位車牌的圖像I，其中圖像的高度為height，寬 度為width，單位為像素，面積A = height*width;
[0008] 步驟2:對(duì)原圖像I做RGB通道分離，得到分別對(duì)應(yīng)于紅色通道、綠色通道和藍(lán)色通 道的灰度圖G r，GdPGb;
[0009] 步驟3:根據(jù)式(1)計(jì)算，得到灰度圖GjPG2: G, 廠,、
[0010] ' r： ,： (1) O, =Gb -a^Gr
[0011] 其中a表示光照系數(shù)；
[0012] 步驟4:分別對(duì)步驟3得到的GjPG2采用0TSU方法進(jìn)行二值化操作，得到二值化之后 的圖GjPG 2;
[0013] 步驟5:使用參考點(diǎn)位于(5，0)的11*1核對(duì)步驟4得到的二值圖GjPG2做膨脹操作， 得到新的二值圖GjPG 2;
[0014]步驟6:對(duì)步驟5得到的二值圖GjPG2進(jìn)行輪廓提取，分別得到輪廓集合SiilCuli =1，2，…，mi}和S2 = {C2j | j = 1，2，…，m2}，其中Cu表示集合Si中第i個(gè)輪廓，mi表示集合Si中 的輪廓數(shù)量，C2j表示集合S2中第j個(gè)輪廓，m2表示集合S2中的輪廓數(shù)量；
[0015] 步驟7:過(guò)濾集合SjPS2中的輪廓：
[0016] 步驟8:根據(jù)式(4)計(jì)算得到最終的輪廓集合J，這些輪廓即為原圖I中對(duì)應(yīng)的車牌 輪廓：
[0017] J = SiUS2 (4)
[0018]式中，SjPS2為步驟7得到的最終集合。
[0019] 所述的多車牌定位方法，其特征在于步驟7中過(guò)濾集合Si和S2中的輪廓的具體步驟 如下：
[0020] 步驟7.1 :分別計(jì)算Si和S2中每個(gè)輪廓的最小外接矩形Ru，i = l，2,…，mi，R2j, j = 1，2,…，m2,將那些不滿足條件的輪廓從S沖剃除，同時(shí)將那些不滿足條 件:<為,< A W的輪廓S沖剃除，其中An表示對(duì)應(yīng)于輪廓Cu的最小外接矩形Ru的面 積，^表示對(duì)應(yīng)于輪廓C2j的最小外接矩形R 2j的面積，和A分別為事先設(shè)定的車牌面積占原 始圖像面積的最小和最大比例的閾值；
[0021 ]步驟7.2:分別計(jì)算步驟7.1得到的SjPS2中每個(gè)輪廓的最小外接矩形寬高比m和 r2j，將那些不滿足條件:y<ril<N^輪廓從S沖剃除，同時(shí)將那些不滿足條件:y〈切<v的 輪廓從S 2中剃除，其中ru表示集合S沖輪廓Cu的最小外接矩形Ru的寬高比，r2j表示集合S2 中輪廓C2j的最小外接矩形R2j的寬高比，y，v分別為事先設(shè)定的最小和最大寬高比的閾值； [0022]步驟7.3:根據(jù)步驟7.2得到的5 1和&中每個(gè)輪廓，從步驟5得到的圖61和62中截取 對(duì)應(yīng)的子圖Ku和K&根據(jù)式⑵計(jì)算每個(gè)子圖對(duì)應(yīng)的跳變行數(shù)rm和n 2j:
[0025] 式中，Ku表示從圖G沖截取到的第i個(gè)子圖，該子圖的位置和大小與S沖的第i個(gè) 輪廓Cu的最小外接矩形Ru-致，K2j表示從圖6 2中截取到的第j個(gè)子圖，該子圖的位置和大 小與S2中的第j個(gè)輪廓C2j的最小外接矩形R2廠致，hii和Wli表不子圖Kli的高和寬，h2j和W2j表 不子圖K2j的尚和寬，?表不單行跳變閾值，跳變行數(shù)nu和n2j分別表不子圖Ku和子圖K2j滿足 單行跳變閾值的行數(shù)，(4,,#表示子圖Ku在橫坐標(biāo)為X、縱坐標(biāo)為 7處的像素點(diǎn)的灰度值， (^:,.、.1表示子圖1^在橫坐標(biāo)為1、縱坐標(biāo)為 7處的像素點(diǎn)的灰度值；
[0026] 將那些不滿足如下條件:rm>0的輪廓從S沖剃除，同時(shí)將那些不滿足如下條件:n2j >9的輪廓WS2中剃除，得到最終的SjPS2，其中0為跳變行數(shù)閾值。
[0027]通過(guò)采用上述技術(shù)，本發(fā)明通過(guò)計(jì)算灰度差值和輪廓分析以定位圖像中多個(gè)車 牌，該方法能有效排除路口復(fù)雜背景的干擾，利用灰度差值和輪廓分析準(zhǔn)確地定位出多個(gè) 車牌的位置。
【附圖說(shuō)明】
[0028]圖1為本發(fā)明的實(shí)施例選取的道路監(jiān)控視頻圖像；
[0029]圖2為本發(fā)明的經(jīng)過(guò)步驟3處理的道路監(jiān)控視頻圖像；
[0030]圖3為本發(fā)明的經(jīng)過(guò)步驟4處理的道路監(jiān)控視頻圖像；
[0031]圖4為本發(fā)明的經(jīng)過(guò)步驟5處理的道路監(jiān)控視頻圖像；
[0032]圖5為本發(fā)明的經(jīng)過(guò)步驟6處理的道路監(jiān)控視頻圖像；
[0033]圖6為本發(fā)明的經(jīng)過(guò)步驟7.1處理的道路監(jiān)控視頻圖像；
[0034]圖7為本發(fā)明的經(jīng)過(guò)步驟7.2處理的道路監(jiān)控視頻圖像；
[0035]圖8為本發(fā)明的經(jīng)過(guò)步驟7.3處理的道路監(jiān)控視頻圖像；
[0036]圖9為本發(fā)明的經(jīng)過(guò)步驟8處理的道路監(jiān)控視頻圖像。
【具體實(shí)施方式】
[0037] 下面結(jié)合實(shí)施例來(lái)詳細(xì)闡述本發(fā)明的通過(guò)計(jì)算灰度差值和輪廓分析以定位圖中 多個(gè)車牌的【具體實(shí)施方式】。
[0038] 步驟1:從道路監(jiān)控視頻中取出待定位車牌的圖像I，其中圖像的高度為height，寬 度為width，單位為像素，面積A = height*width;在本實(shí)施例中，選取的兩個(gè)監(jiān)控視頻圖像 如圖1所示；
[0039] 步驟2:對(duì)原圖像I做RGB通道分離，得到分別對(duì)應(yīng)于紅色通道、綠色通道和藍(lán)色通 道的灰度圖Gr，GdPGb;
[0040]步驟3:根據(jù)式(1)計(jì)算，得到灰度圖GjPG2: G,=G.-a^G, ⑴
[0041] ' r； ,；； (1) 6, = G h - a ^ Gr
[0042]其中a表示光照系數(shù);在本實(shí)施例中，a = 2.5,對(duì)原圖做通道分離得到的兩張灰度 圖，如圖2所示；
[0043] 步驟4:分別對(duì)步驟3得到的GjPG2采用0TSU方法進(jìn)行二值化操作，得到二值化之后 的圖GjPG2;本實(shí)施例中，二值化之后的圖如圖3所示；
[0044] 步驟5:使用參考點(diǎn)位于(5，0)的11*1核對(duì)步驟4得到的二值圖GjPG2做膨脹操作， 得到新的二值圖GjPG 2。得到的兩張二值圖如圖4所示；
[0045] 步驟6:對(duì)于步驟5得到的二值圖GjPG2進(jìn)行輪廓提取，分別得到輪廓集合SiilCu i = l，2,…，mi}和S2= {C2j | j = l，2,…，m2}，其中Cu表示集合Si中第i個(gè)輪廓，mi表示集合Si 中的輪廓數(shù)量，C2j表示集合S2中第j個(gè)輪廓，m2表示集合S2中的輪廓數(shù)量;本實(shí)施例中，輪廓 示意圖如圖5所示；
[0046] 步驟7:按如下步驟過(guò)濾集合&和&中的輪廓：
[0047] 步驟7.1 :分別計(jì)算Si和S2中每個(gè)輪廓的最小外接矩形Rii，i = l，2,…，mi，R2j, j = 1，2，~，!112，將那些不滿足條件：供:^<4<^ ：^的輪廓從31中剃除，同時(shí)將那些不滿足條 件# 的輪廓S2中剃除，其中All表示對(duì)于輪廓 Cll的最小外接矩形Rll的面積， A2j表示對(duì)于輪廓C2j的最小外接矩形R2j的面積，於和A分別為車牌占原始圖像的最小和最大 比例;本實(shí)施例中，取於=〇. 01 A=〇.5,圖6為經(jīng)面積過(guò)濾后的輪廓示意圖；
[0048] 步驟7.2:分別計(jì)算步驟7.1得到的SjPS2中每個(gè)輪廓的最小外接矩形寬高比m和 r2j，將那些不滿足條件:y<ril<N^輪廓從S沖剃除，同時(shí)將那些不滿足條件:y〈切<v的 輪廓從S 2中剃除，其中ru表示對(duì)集合S沖輪廓Cu的最小外接矩形Ru的寬高比，r2j表示集合 S2中輪廓C2j的最小外接矩形R2j的寬高比，y，v分別為最小和最大寬高比;本實(shí)施例中，取y = l，v = 5,圖7為經(jīng)長(zhǎng)寬比過(guò)濾后的輪廓示意圖；
[0049]步驟7.3:根據(jù)步驟7.2得到的51和&中每個(gè)輪廓，從步驟5得到的圖61和6 2中截取 到對(duì)應(yīng)的子圖Ku和K&根據(jù)式⑵計(jì)算每個(gè)子圖對(duì)應(yīng)跳變行數(shù)rm和n2j:
[0052]式中，Ku表示從圖G沖截取到的第i個(gè)子圖，該子圖的位置和大小與S沖的第i個(gè) 輪廓Cu的最小外接矩形Ru-致，K2j表示從圖62中截取到的第j個(gè)子圖，該子圖的位置和大 小與S2中的第j個(gè)輪廓C2j的最小外接矩形R2廠致，hii和Wli表不子圖Kli高和寬，h2j和W2j表不 子圖Ku高和寬，表示單行跳變閾值，跳變行數(shù)nu和n 2j分別表示子圖Ku和子圖K2j滿足單 行跳變閾值的行數(shù)，表示子圖Ku在橫坐標(biāo)為X、縱坐標(biāo)為 7處的像素點(diǎn)的灰度值， 表示子圖K2j在橫坐標(biāo)為X、縱坐標(biāo)為7處的像素點(diǎn)的灰度值；
[0053] 將那些不滿足如下條件:rm>0的輪廓從S沖剃除，同時(shí)將那些不滿足如下條件:n2j >9的輪廓從S2中剃除，其中9為跳變行數(shù)閾值;本實(shí)施例中，取or =10,9 = 6，圖8為經(jīng)二值跳 變過(guò)濾后的輪廓示意圖；步驟8:根據(jù)式(4)可得到最終的輪廓集合J，這些輪廓即為原圖I中 對(duì)應(yīng)的車牌輪廓：
[0054] J = SiUS2 (4)
[0055] 式中，SjPS2為步驟7.3得到的最終集合;本實(shí)施例中，圖9為最終得到車牌位置。
[0056]本說(shuō)明書(shū)實(shí)施例所述的內(nèi)容僅僅是對(duì)發(fā)明構(gòu)思的實(shí)現(xiàn)形式的列舉，本發(fā)明的保護(hù) 范圍的不應(yīng)當(dāng)被視為僅限于實(shí)施例所陳述的具體形式，本發(fā)明的保護(hù)范圍也及于本領(lǐng)域技 術(shù)人員根據(jù)本發(fā)明構(gòu)思所能夠想到的等同技術(shù)手段。
【主權(quán)項(xiàng)】
1. 一種多車牌定位方法，包括如下步驟： 步驟1:從道路監(jiān)控視頻中取出待定位車牌的圖像I，其中圖像的高度為height,寬度為 Wi化h，單位為像素，面積A = height*wi化h; 步驟2:對(duì)原圖像I做RGB通道分離，得到分別對(duì)應(yīng)于紅色通道、綠色通道和藍(lán)色通道的 灰度圖Gr, Gg和Gb;步驟3:根據(jù)式（1)計(jì)算.得到灰底圖「"巧G?， (1) 其中a表示光照系數(shù)； 步驟4:分別對(duì)步驟3得到的Gi和G2采用OTSU方法進(jìn)行二值化操作，得到二值化之后的圖 G 謝 G2; 步驟5:使用參考點(diǎn)位于(5,0)的11*1核對(duì)步驟4得到的二值圖Gi和G2做膨脹操作，得到 新的二值圖Gi和G2; 步驟6:對(duì)步驟5得到的二值圖Gi和G2進(jìn)行輪廓提取，分別得到輪廓集合Si = ICn I i = 1， 2，-''，mi巧PS2= {C2j I j = l，2,…,m2}，其中Cii表示集合Si中第i個(gè)輪廓，m康示集合Si中的輪 廓數(shù)量，C2j表示集合S2中第j個(gè)輪廓，m2表示集合S2中的輪廓數(shù)量； 步驟7:過(guò)濾集合Si和S2中的輪廓： 步驟8:根據(jù)式(4)計(jì)算得到最終的輪廓集合J，運(yùn)些輪廓即為原圖I中對(duì)應(yīng)的車牌輪廓： J = SiUSs (4) 式中，Si和S2為步驟7得到的最終集合。2. 根據(jù)權(quán)利要求1所述的多車牌定位方法，其特征在于步驟7中過(guò)濾集合Si和S2中的輪 廓的具體步驟如下： 步驟7.1:分別計(jì)算Si和S2中每個(gè)輪廓的最小外接矩形Rii, i = 1，2，…，mi，R2j，J = 1， 2，…，m2，將那些不滿足條件:跨*分< 4. < A *則勺輪廓從S沖剌除，同時(shí)將那些不滿足條件： 口=2=?=^的輪廓S2中剌除，其中Al康示對(duì)應(yīng)于輪廓Cii的最小外接矩形Rii的面積， A2康示對(duì)應(yīng)于輪廓C2j的最小外接矩形R2j的面積，巧日入分別為事先設(shè)定的車牌面積占原始 圖像面積的最小和最大比例的闊值； 步驟7.2:分別計(jì)算步驟7.1得到的Si和S2中每個(gè)輪廓的最小外接矩形寬高比rii和， 將那些不滿足條件:y<rll<v的輪廓從Si中剌除，同時(shí)將那些不滿足條件:y<r2j<v的輪廓 從S2中剌除，其中ri康示集合S沖輪廓Cii的最小外接矩形Rii的寬高比，巧表示集合S2中輪 廓C2北勺最小外接矩形化北勺寬高比，y，v分別為事先設(shè)定的最小和最大寬高比的闊值； 步驟7.3:根據(jù)步驟7.2得到的Si和S2中每個(gè)輪廓，從步驟5得到的圖Gi和G2中截取對(duì)應(yīng)的 子圖Kii和咕，根據(jù)式(2)計(jì)算每個(gè)子圖對(duì)應(yīng)的跳變行數(shù)nil和鳴：腳巧） 式中，Kii表示從圖Gi中截取到的第i個(gè)子圖，該子圖的位置和大小與Si中的第i個(gè)輪廓 Cii的最小外接矩形Rii-致，K2康不從圖G2中截取到的第j個(gè)子圖，該子圖的位置和大小與S2 中的第j個(gè)輪廓C2j的最小外接矩形R2j-致，hli和Wli表不子圖Kli的高和寬，h2j和W2康不子圖 K2j的高和寬，ST表示單行跳變闊值，固懐行數(shù)化和11別分別表示子圖Kli和子圖粒滿足單行跳 變闊值的行數(shù)，表示子圖Kii在橫坐標(biāo)為X、縱坐標(biāo)為y處的像素點(diǎn)的灰度值，Gf:,.,.,表 示子圖1?在橫坐標(biāo)為X、縱坐標(biāo)為y處的像素點(diǎn)的灰度值； 將那些不滿足如下條件:山1〉0的輪廓從S沖剌除，同時(shí)將那些不滿足如下條件:鳴〉0的 輪廓從S2中剌除，得到最終的Si和S2,其中0為跳變行數(shù)闊值。
【文檔編號(hào)】G06K9/32GK105913058SQ201610210094
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月5日
【發(fā)明人】高飛, 高炎, 令狐乾錦, 汪韜, 盧書(shū)芳, 毛家發(fā), 肖剛
【申請(qǐng)人】浙江工業(yè)大學(xué)