車牌定位方法技術(shù)

本發(fā)明專利技術(shù)涉及一種車牌定位方法，其包括對(duì)采集的全景圖進(jìn)行顏色檢測(cè)，并提取所述全景圖中的指定顏色的區(qū)域以作為車牌候選區(qū)域；提取所述車牌候選區(qū)域的邊緣特征，利用所述邊緣特征分割所述車牌候選區(qū)域，以生成車牌候選區(qū)域集；對(duì)所述車牌候選區(qū)域集中的車牌候選區(qū)域進(jìn)行傾斜角度矯正操作；以及對(duì)所述車牌候選區(qū)域集的每一個(gè)車牌候選區(qū)域進(jìn)行驗(yàn)證以剔除非車牌區(qū)域，從而篩選出車牌區(qū)域。本發(fā)明專利技術(shù)的車牌定位方法可以在具有復(fù)雜場(chǎng)景的全景圖中準(zhǔn)確地定位車牌，適用范圍廣，抗干擾性較好。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及圖像處理技術(shù)，特別是涉及一種基于復(fù)雜全景圖的。
技術(shù)介紹
隨著經(jīng)濟(jì)與交通的迅速發(fā)展導(dǎo)致機(jī)動(dòng)車輛大幅地增加，對(duì)機(jī)動(dòng)車輛的監(jiān)測(cè)管理是目前面臨的問題之一。而車牌號(hào)是機(jī)動(dòng)車的重要標(biāo)識(shí)，機(jī)動(dòng)車車牌號(hào)(簡(jiǎn)稱為車牌)定位和識(shí)別技術(shù)廣泛地應(yīng)用在收費(fèi)站、停車場(chǎng)等各種場(chǎng)合，以實(shí)現(xiàn)機(jī)動(dòng)車輛的自動(dòng)監(jiān)控和管理，其極大地節(jié)約了人力和物力。其中，車牌定位技術(shù)是車牌識(shí)別技術(shù)的關(guān)鍵步驟，只有準(zhǔn)確地定位了車牌的位置所在，才能夠準(zhǔn)確地識(shí)別車牌。目前現(xiàn)有的主要有基于灰度紋理特征的和基于小波變換的。其中，基于灰度紋理特征的利用了車牌區(qū)域邊緣紋理比較豐富的特性，其對(duì)灰度圖像進(jìn)行二值化后，計(jì)算灰度圖像的邊緣圖像，再通過設(shè)定的閾值對(duì)邊緣圖像進(jìn)行二值化，然后經(jīng)過一定的形態(tài)學(xué)操作，提取聯(lián)通區(qū)域以作為車牌區(qū)域。而基于小波變換的，是利用車牌區(qū)域小波高頻信號(hào)比較強(qiáng)烈的特性，將圖像經(jīng)過二維小波變換，變成低頻信號(hào)、水平高頻信號(hào)、垂直高頻信號(hào)、對(duì)角高頻信號(hào)四個(gè)子圖像。然后經(jīng)過一定的操作，增強(qiáng)變換后的垂直高頻信號(hào)，而削弱其他方向的高頻信號(hào)，利用區(qū)域生成法找到圖像中垂直高頻信號(hào)的集中區(qū)域，其即為車牌區(qū)域。但是，現(xiàn)有的大多基于顏色或者紋理特征，其只適合用在收費(fèi)站、治安卡等背景變化不大的場(chǎng)景中，而對(duì)于復(fù)雜的全景圖(例如，街景全景圖)中的各種自然環(huán)境場(chǎng)景，其背景千變?nèi)f化，特別是對(duì)于那些含有大量樹木和條紋紋理物品的全景圖中，現(xiàn)有的很難適用。而且，現(xiàn)有的對(duì)于采集的圖片的質(zhì)量有較高的要求，對(duì)于光照比較敏感，如果車牌過亮或者過暗，現(xiàn)有的都無(wú)法進(jìn)行很好的處理，其抗干擾性較差(即其robust—魯棒性不高)。此外，現(xiàn)有的不能有效地支持車牌旋轉(zhuǎn)的情況，無(wú)論車牌的尺寸為何，其都采用固定的閾值，因此現(xiàn)有的經(jīng)常會(huì)無(wú)法定位過小的車牌，而會(huì)把多大的車牌分割成多塊。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于，克服現(xiàn)有車牌定位技術(shù)所存在的缺陷，而提供一種新的，其可以在具有復(fù)雜場(chǎng)景的全景圖中準(zhǔn)確地定位車牌，適用范圍廣，抗干擾性較好。本專利技術(shù)的目的及解決其技術(shù)問題是采用以下技術(shù)方案來實(shí)現(xiàn)的。本專利技術(shù)提供一種，其包括步驟S1:對(duì)采集的全景圖進(jìn)行顏色檢測(cè)，并提取所述全景圖中的指定顏色的區(qū)域以作為車牌候選區(qū)域；步驟S2 :提取所述車牌候選區(qū)域的邊緣特征，利用所述邊緣特征分割所述車牌候選區(qū)域，以生成車牌候選區(qū)域集；步驟S3 :對(duì)所述車牌候選區(qū)域集中的車牌候選區(qū)域進(jìn)行傾斜角度矯正操作；以及步驟S4 :對(duì)所述車牌候選區(qū)域集的每一個(gè)車牌候選區(qū)域進(jìn)行驗(yàn)證以剔除非車牌區(qū)域，從而篩選出車牌區(qū)域。優(yōu)選地，所述步驟S2和步驟S3之間，還進(jìn)一步包括步驟S2a :對(duì)所述車牌候選區(qū)域集中的所述車牌候選區(qū)域依據(jù)預(yù)定的合并條件，合并滿足所述合并條件的車牌候選區(qū)域，并將合并后的車牌候選區(qū)域作為新的車牌候選區(qū)域。優(yōu)選地，所述步驟SI包括步驟Sll :將所述全景圖由三基色格式圖像轉(zhuǎn)換成顏色空間格式圖像；步驟S12 :分別建立所述指定顏色的車牌候選區(qū)域的掩模二值圖像；以及步驟S13 :對(duì)所述掩模二值圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算操作以聯(lián)通同一車牌的各個(gè)區(qū)域，并采取區(qū)域生長(zhǎng)法提取掩模二值圖像中的聯(lián)通區(qū)域，以作為所述車牌候選區(qū)域。優(yōu)選地，所述指定顏色包括以下顏色中的至少一種藍(lán)色、黃色、白色。優(yōu)選地，所述顏色空間格式圖像為HSV格式圖像或者HSL格式圖像。優(yōu)選地，所述步驟S2包括步驟S21 :對(duì)所述車牌候選區(qū)域進(jìn)行濾波處理以生成所述車牌候選區(qū)域的水平邊緣圖像；步驟S22 :對(duì)所述水平邊緣圖像進(jìn)行二值化處理，以生成對(duì)應(yīng)的二值圖像；步驟S23 :對(duì)所述二值圖像進(jìn)行形態(tài)學(xué)閉操作，以聯(lián)通相近的區(qū)域；以及步驟S24 :采用區(qū)域生長(zhǎng)法提取所述二值圖像中的聯(lián)通域，并生成所述車牌候選區(qū)域集。優(yōu)選地，所述步驟S22是動(dòng)態(tài)地選取閾值以對(duì)所述水平邊緣圖像進(jìn)行二值化處理。優(yōu)選地，所述步驟S22是以O(shè)tsu方法動(dòng)態(tài)地選取閾值，以對(duì)所述水平邊緣圖像進(jìn)行二值化處理。優(yōu)選地，所述步驟S23是將所述全景圖分成多個(gè)區(qū)域，其中不同的區(qū)域分別采用不同的閉操作參數(shù)以分別進(jìn)行形態(tài)學(xué)閉操作。優(yōu)選地，所述步驟S3包括步驟S31 :檢測(cè)車牌的傾斜角度；以及步驟S32 :以所述車牌的傾斜角度旋轉(zhuǎn)所述車牌候選區(qū)域，并在旋轉(zhuǎn)后的三基色格式圖像，并在旋轉(zhuǎn)后的圖像中重新確定車牌候選區(qū)域。優(yōu)選地，所述步驟S4包括以下步驟中的至少一項(xiàng)步驟S41 :對(duì)所述車牌候選區(qū)域集的每一個(gè)車牌候選區(qū)域進(jìn)行形狀驗(yàn)證，以剔除不符合預(yù)定車牌標(biāo)準(zhǔn)的車牌候選區(qū)域；步驟S42 :對(duì)所述車牌候選區(qū)域集的每一個(gè)車牌候選區(qū)域進(jìn)行邊緣紋理驗(yàn)證，判定所述車牌候選區(qū)域是否是車牌區(qū)域，以剔除非車牌區(qū)域；以及步驟S43 :對(duì)所述車牌候選集的每一個(gè)車牌候選區(qū)域進(jìn)行分類器驗(yàn)證，提取所述車牌候選區(qū)域的特征并利用分類器進(jìn)行分類識(shí)別。優(yōu)選地，所述步驟S41中預(yù)先設(shè)定車牌形狀過濾標(biāo)準(zhǔn)，利用所述車牌形狀過濾標(biāo)準(zhǔn)對(duì)所述車牌候選區(qū)域進(jìn)行形狀驗(yàn)證。優(yōu)選地，所述車牌形狀過濾標(biāo)準(zhǔn)包括所述全景圖中各個(gè)區(qū)域的車牌的最小尺寸和最大尺寸以及車牌寬高比的下限和上限。優(yōu)選地，所述步驟S42中的邊緣紋理驗(yàn)證包括步驟S421 :生成所述車牌候選區(qū)域的對(duì)應(yīng)的二值圖像；步驟S422 :計(jì)算所述二值圖像的每行中0-1的跳變點(diǎn)個(gè)數(shù)；步驟S423 判斷每一行跳變點(diǎn)個(gè)數(shù)是否大于第一預(yù)設(shè)閾值，如是，則判定該行為有效行；步驟S424 :判斷所述二值圖像中的有效行的數(shù)量是否大于第二預(yù)設(shè)閾值，如非，則判定該車牌候選區(qū)域?yàn)榉擒嚺茀^(qū)域。優(yōu)選地，所述步驟43中的所述特征為局部二值化特征或者梯度直方圖特征，而所述分類器為支持向量機(jī)或者AdaBoost分類器。本專利技術(shù)所述的，可以在具有復(fù)雜場(chǎng)景的全景圖中準(zhǔn)確地定位出車牌，其應(yīng)用范圍較廣，抗干擾性較好，且其會(huì)對(duì)挑選出來的車牌候選區(qū)域進(jìn)行傾斜角度矯正操作，并充分考慮了車牌尺寸的變化，因此本專利技術(shù)的更加的準(zhǔn)確，定位效果更加優(yōu)秀。上述說明僅是本專利技術(shù)技術(shù)方案的概述，為了能夠更清楚了解本專利技術(shù)的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本專利技術(shù)的上述和其他目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉較佳實(shí)施例，并配合附圖，詳細(xì)說明如下。附圖說明圖1為本專利技術(shù)所揭示的的流程示意圖。圖2為圖1所示的步驟SI的具體的流程示意圖。圖3為圖1所示的步驟S2的具體流程示意圖。圖4為圖1所示的步驟S3的具體流程示意圖。圖5為圖1所示的步驟S4的具體流程示意圖。圖6為圖5所示的步驟S42的具體流程示意圖。具體實(shí)施例方式為更進(jìn)一步闡述本專利技術(shù)為達(dá)成預(yù)定專利技術(shù)目的所采取的技術(shù)手段及功效，以下結(jié)合附圖及較佳實(shí)施例，對(duì)依據(jù)本專利技術(shù)提出的其具體實(shí)施方式、方法、步驟、結(jié)構(gòu)、特征及其功效，詳細(xì)說明如下。有關(guān)本專利技術(shù)的前述及其他
技術(shù)實(shí)現(xiàn)思路
、特點(diǎn)及功效，在以下配合參考圖式的較佳實(shí)施例的詳細(xì)說明中將可清楚呈現(xiàn)。通過具體實(shí)施方式的說明，當(dāng)可對(duì)本專利技術(shù)為達(dá)成預(yù)定目的所采取的技術(shù)手段及功效得以更加深入且具體的了解，然而所附圖式僅是提供參考與說明之用，并非用來對(duì)本專利技術(shù)加以限制。圖1為本專利技術(shù)所揭示的的流程示意圖，其中本專利技術(shù)所述的可適用各類復(fù)雜場(chǎng)合的全景圖中，例如具有復(fù)雜背景的街景全景圖中。如圖1所示，本專利技術(shù)的包括步驟S1:對(duì)采集的全景圖進(jìn)行顏色檢測(cè)，以提取所述全景圖中的指定顏色的區(qū)域以作為車牌候選區(qū)域；具體地，圖2為步驟SI的具體的流程示意圖。如圖2所本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種車牌定位方法，其特征在于，所述車牌定位方法包括：步驟S1：對(duì)采集的全景圖進(jìn)行顏色檢測(cè)，并提取所述全景圖中的指定顏色的區(qū)域以作為車牌候選區(qū)域；步驟S2：提取所述車牌候選區(qū)域的邊緣特征，利用所述邊緣特征分割所述車牌候選區(qū)域，以生成車牌候選區(qū)域集；步驟S3：對(duì)所述車牌候選區(qū)域集中的車牌候選區(qū)域進(jìn)行傾斜角度矯正操作；?步驟S4：對(duì)所述車牌候選區(qū)域集的每一個(gè)車牌候選區(qū)域進(jìn)行驗(yàn)證以剔除非車牌區(qū)域，從而篩選出車牌區(qū)域。

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：鄧海峰，李保利，
申請(qǐng)(專利權(quán))人：騰訊科技深圳有限公司，
類型：發(fā)明
國(guó)別省市：