本發(fā)明專利技術(shù)公開一種從視頻流中提取和識別車輛牌號的方法，通過視頻設(shè)備接口，從視頻流中獲取最新的圖像；運(yùn)動偵測計(jì)算尋找運(yùn)動部分；尋找候選車牌；車牌特征判定；候選車牌追蹤；車牌文字識別；識別結(jié)果輸出。本發(fā)明專利技術(shù)的優(yōu)點(diǎn)是通過對現(xiàn)有算法的綜合運(yùn)用和合理調(diào)度來實(shí)現(xiàn)降低計(jì)算密度和適應(yīng)寬動態(tài)的輸入圖像，從而在小型計(jì)算機(jī)裝置上實(shí)現(xiàn)實(shí)時(shí)的車牌等特征的識別功能。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一種車輛牌號的方法，特別涉及一種運(yùn)用運(yùn)動檢測技術(shù)和對象特征判定方法從視頻流中取得候選車牌區(qū)域，并通過追蹤技術(shù)將同一車牌的候選區(qū)域歸并后合并一次文字識別，實(shí)現(xiàn)實(shí)時(shí)車牌識別。
技術(shù)介紹
從連續(xù)動畫或錄像中提取移動物體的特征，包括車輛牌照和人臉的重要性和應(yīng)用領(lǐng)域日益擴(kuò)大。在實(shí)際應(yīng)用中視頻產(chǎn)生的圖像每秒鐘有25 30幀，要在幀與幀之間隔內(nèi)對每一幀作識別處理是現(xiàn)有計(jì)算機(jī)系統(tǒng)能力難以達(dá)到的。另外逆光、太陽光斑或車前燈耀光等環(huán)境因素造成取得的圖像動態(tài)范圍大，無法 以統(tǒng)一的閥值標(biāo)準(zhǔn)處理，造成日間和夜晚及特殊照明條件下識別精度誤差。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)所要解決的技術(shù)問題是要提供一種可靠性高的。為了解決以上的技術(shù)問題，本專利技術(shù)提供了一種，包括以下的步驟 Stepl.通過視頻設(shè)備接口，從視頻流中獲取最新的圖像； Step2.運(yùn)動偵測計(jì)算； 運(yùn)用幀間差分法運(yùn)動偵測技術(shù)對連續(xù)動畫作差分計(jì)算，尋找是否有運(yùn)動部分，如果沒有發(fā)現(xiàn)運(yùn)動部分直接返回Stepl ； Step3.尋找候選車牌； 將St印2算出的運(yùn)動部分用Sobel變換等算法尋找到候選車牌位置，如果沒有發(fā)現(xiàn)候選的，則從對比度灰度調(diào)整表中取下一對調(diào)整值對圖像作對比度和灰度變換后再試，重復(fù)直至表中最后一對調(diào)整值也沒有發(fā)現(xiàn)候選車牌，判定為無車牌返回Stepl ； 在上述計(jì)算中發(fā)現(xiàn)候選區(qū)域的話，即停止對比度灰度變化進(jìn)入下一步驟； Step4.車牌特征判定； 根據(jù)車牌特征對候選區(qū)域作篩選，如果發(fā)現(xiàn)不符合車牌特征的候選區(qū)域則直接返回Stepl ο所述車牌特征為車牌外框是否符合平行四邊形特征，日本車牌的上、下行之高度比為I :2的特征； Step5.候選車牌追蹤； 運(yùn)用Lucas-Kanade追蹤算法對在圖像視野范圍內(nèi)的候選區(qū)域進(jìn)行跟蹤比較,通過計(jì)算判定和上一幀的候選區(qū)域是否屬于同一車牌；如果發(fā)現(xiàn)和上一次尋找到車牌候選是同一車牌的話，將之加入候選區(qū)域集合，待歸并后一起識別計(jì)算，返回Stepl ；如果發(fā)現(xiàn)非同一車牌，或者候選區(qū)域離開圖像視頻，則將該候選區(qū)域集合交由下一步驟做文字分割和識別； Step6.車牌文字識別； 從候選區(qū)域集合中選取條件較好的一幅圖像做文字分割并運(yùn)用神經(jīng)網(wǎng)絡(luò)和OCR算法識別文字信息，識別完成后清楚該當(dāng)候選對象集合； Step7.識別結(jié)果輸出； 將識別結(jié)果之文字信息和圖像等數(shù)據(jù)輸出后，返回Stepl。本專利技術(shù)根據(jù)視頻規(guī)格(PAL制25幀/秒，NTSC制30幀/秒)以一定的時(shí)間間隔從視頻設(shè)備獲取圖像，按照以上的步驟尋找車牌候選區(qū)域、追蹤并識別車牌文字信息。本專利技術(shù)的優(yōu)越功效在于· 1)通過運(yùn)動偵測技術(shù)和車牌的特征比縮小搜索范圍，大大提高運(yùn)算速度； 2)運(yùn)用對比度和灰度的動態(tài)調(diào)整方法克服了實(shí)際運(yùn)用中環(huán)境因素的不利影響，在逆光和太陽反射，以及夜間車前大燈輝光照射下也都能夠取得良好的識別效果； 3)運(yùn)用追蹤方式將通過攝像機(jī)視野的統(tǒng)一車輛的車牌集中起來匯總做一次處理的方法，解決了文字分割和識別處理所需時(shí)間大于視頻間隔的矛盾，在小型計(jì)算機(jī)上也能真正實(shí)現(xiàn)實(shí)時(shí)的識別處理。附圖說明圖I為本專利技術(shù)的工作流程示意 圖2為本專利技術(shù)Step3的工作流程示意 圖3為本專利技術(shù)Step3中對比度/灰度的調(diào)整表。具體實(shí)施例方式請參閱附圖所示，對本專利技術(shù)作進(jìn)一步的描述。如圖I所示，本專利技術(shù)提供了一種，包括以下的步驟 Stepl.通過視頻設(shè)備接口，從視頻流中獲取最新的圖像； Step2.運(yùn)動偵測計(jì)算； 運(yùn)用幀間差分法運(yùn)動偵測技術(shù)對連續(xù)動畫作差分計(jì)算，尋找是否有運(yùn)動部分，如果沒有發(fā)現(xiàn)運(yùn)動部分直接返回Stepl ； 由于相關(guān)特征信息只能存在于運(yùn)動物體部分中，所以運(yùn)用幀間差分法運(yùn)動偵測技術(shù)能過濾掉輸入圖像中不要的部分，對提高運(yùn)算速度有很大幫助。Step3.尋找候選車牌，； 在發(fā)現(xiàn)的有運(yùn)動部分的圖像上利用Sobel變換等方法可以尋找到車牌的候選位置；如果沒有發(fā)現(xiàn)候選的，則從對比度灰度調(diào)整表中取下一對調(diào)整值對圖像作對比度和灰度變換后再試，重復(fù)直至表中最后一對調(diào)整值也沒有發(fā)現(xiàn)候選車牌，判定為無車牌返回Stepl ；在上述計(jì)算中發(fā)現(xiàn)候選區(qū)域的話，即停止對比度灰度變化進(jìn)入下一步驟。為排除逆光、陰影、太陽光斑、車前燈干擾等不利因素，本專利技術(shù)預(yù)先定義對應(yīng)于各種可能狀況的多檔對比度和灰度調(diào)整數(shù)值表(如圖3所示)，在尋找特征部分時(shí)通過在各檔調(diào)整值上反復(fù)試驗(yàn)，可以大大提高檢出的動態(tài)范圍，如圖2所示。Step4.車牌特征判定； 對尋找到的車牌候選區(qū)域進(jìn)行特征比對，如果不符合車牌特征的話，判定為非車牌區(qū)域，直接返回Stepl。在實(shí)際車牌候選部分檢測和提取時(shí)，受各種環(huán)境等因素限制往往會發(fā)生誤識別，最典型的場面是將車前燈玻璃的格柵部分誤認(rèn)為是車牌，從而造成漏檢。因此，對候選區(qū)域的特征校驗(yàn)也是提高識別率的重要環(huán)節(jié)。車牌的原始形狀是矩形，長寬比也是嚴(yán)格根據(jù)規(guī)格制作的。在實(shí)際攝像機(jī)視野中取得的車牌即使由于攝影角度關(guān)系發(fā)生變形后也應(yīng)該符合平行四邊形特征，這些特征可以運(yùn)用在車牌候選區(qū)域的篩選上。另外，日本車牌在規(guī)格設(shè)計(jì)上分為上下兩排，其上、下二行的高度比正好是I :2。利用四邊形傾斜旋轉(zhuǎn)后高度比例不變的原理，實(shí)際拍攝得到變形后的車牌也應(yīng)該保持上下 行高度比I :2的特征，這個(gè)特征也是本專利技術(shù)校驗(yàn)車牌區(qū)域的標(biāo)準(zhǔn)之一。本專利技術(shù)通過特征校驗(yàn)過濾掉不符合特征的候選區(qū)域，從而減少不必要的耗費(fèi)大量計(jì)算資源的文字識別運(yùn)算。Step5.候選車牌追蹤； 運(yùn)用Lucas-Kanade等追蹤算法對候選區(qū)域進(jìn)行跟蹤比較，如果發(fā)現(xiàn)和上一次尋找到車牌候選是同一車牌的話，將之加入候選區(qū)域集合，待歸并后一起識別計(jì)算，返回Stepl ；如果發(fā)現(xiàn)非同一車牌，或者候選區(qū)域離開圖像視頻，則將該候選區(qū)域集合交由下一步驟做文字分割和識別。攝像機(jī)中取得幀和幀之間隔的一個(gè)時(shí)鐘周期通常為1/25秒(PAL)或1/30秒(NTSC)。而車牌識別特別是文字分割和文字識別運(yùn)算非常消耗計(jì)算資源和時(shí)間，在現(xiàn)有計(jì)算機(jī)上通常要耗費(fèi)100 200毫秒，顯然對每一幀都作特征識別是不現(xiàn)實(shí)的。為解決識別算法耗時(shí)和時(shí)鐘周期不吻合的矛盾，本專利技術(shù)采用移動體追蹤算法對車牌候選區(qū)域計(jì)算追蹤角點(diǎn)，根據(jù)角點(diǎn)分布跟蹤并從每幀畫面上切割出特征候選區(qū)域，將相同的車牌候選加入一個(gè)候選集合，歸并在一起做一次文字分割和識別運(yùn)算即可。如果追蹤發(fā)現(xiàn)車牌候選區(qū)域離開畫面視野、或發(fā)現(xiàn)特征角點(diǎn)分布變化(其他車牌進(jìn)入)時(shí)，將候選集合交由另一個(gè)線程，從候選集合中選出一個(gè)較好候選區(qū)域在后臺并行做文字分割和識別運(yùn)算。由于移動物體通過攝像機(jī)視野需要一定時(shí)間，而此時(shí)間間隔正好可以覆蓋在后臺并行做一次文字分割和識別計(jì)算所需的時(shí)間，從而實(shí)現(xiàn)了全實(shí)時(shí)的特征提取運(yùn)算功能。Step6.車牌文字識別； 從候選區(qū)域集合中選取條件較好的一幅圖像做文字分割并運(yùn)用神經(jīng)網(wǎng)絡(luò)和OCR算法識別文字信息，識別完成后清楚該當(dāng)候選對象集合； Step7.識別結(jié)果輸出； 將識別結(jié)果之文字信息和圖像等數(shù)據(jù)輸出后，返回Stepl。權(quán)利要求1.一種，包括以下的步驟 Stepl.通過視頻設(shè)備接口，從視頻流中獲取最新的圖像； Step2.運(yùn)動偵測計(jì)算； 運(yùn)用幀間差分法運(yùn)動偵測技術(shù)對連續(xù)動畫作差分計(jì)算，尋找是否有運(yùn)動部分，如果沒有發(fā)現(xiàn)運(yùn)動部分直接返回本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種從視頻流中提取和識別車輛牌號的方法，包括以下的步驟：？？？？Step1.通過視頻設(shè)備接口，從視頻流中獲取最新的圖像；？？？？Step2.運(yùn)動偵測計(jì)算；？？？？運(yùn)用幀間差分法運(yùn)動偵測技術(shù)對連續(xù)動畫作差分計(jì)算，尋找是否有運(yùn)動部分，如果沒有發(fā)現(xiàn)運(yùn)動部分直接返回Step1；？？？？Step3.尋找候選車牌；？？？？將Step2算出的運(yùn)動部分用Sobel變換等算法尋找到候選車牌位置，如果沒有發(fā)現(xiàn)候選的，則從對比度灰度調(diào)整表中取下一對調(diào)整值對圖像作對比度和灰度變換后再試，重復(fù)直至表中最后一對調(diào)整值也沒有發(fā)現(xiàn)候選車牌，判定為無車牌返回Step1；？？？？在上述計(jì)算中發(fā)現(xiàn)候選區(qū)域的話，即停止對比度灰度變化進(jìn)入下一步驟；？？？？Step4.車牌特征判定；根據(jù)車牌特征對候選區(qū)域作篩選，如果發(fā)現(xiàn)不符合車牌特征的候選區(qū)域則直接返回Step1；所述車牌特征為車牌外框是否符合平行四邊形特征和自設(shè)定的要求；Step5.候選車牌追蹤；運(yùn)用Lucas？Kanade追蹤算法對在圖像視野范圍內(nèi)的候選區(qū)域進(jìn)行跟蹤比較，通過計(jì)算判定和上一幀的候選區(qū)域是否屬于同一車牌；如果發(fā)現(xiàn)和上一次尋找到車牌候選是同一車牌的話，將之加入候選區(qū)域集合，待歸并后一起識別計(jì)算，返回Step1；如果發(fā)現(xiàn)非同一車牌，或者候選區(qū)域離開圖像視頻，則將該候選區(qū)域集合交由下一步驟做文字分割和識別；？？？？Step6.車牌文字識別；從候選區(qū)域集合中選取條件較好的一幅圖像做文字分割并運(yùn)用神經(jīng)網(wǎng)絡(luò)和OCR算法識別文字信息，識別完成后清楚該當(dāng)候選對象集合；？？？？Step7.識別結(jié)果輸出；？？？？將識別結(jié)果之文字信息和圖像等數(shù)據(jù)輸出后，返回Step1。...
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：盛嘯嶸，徐亮亮，張顥熙，
申請(專利權(quán))人：上海未來軟件有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。