車牌定位方法
2023-05-23 02:51:36 2
專利名稱：車牌定位方法
技術領域：
本發明屬於智能交通領域，具體地說，是涉及一種車牌定位方法。
背景技術：
在智能交通領域中的一些系統中，例如電子警察抓拍系統、交通卡口系統和治安 卡口系統等需要車牌定位，目前使用的車牌定位方法一般是只對單個車道進行車牌定位， 當多個車道、多輛車時，則不能進行車牌定位，因此這種車牌定位方法在多個車道的交通道 路上使用受到很大限制。目前一些電子警察系統可以對多車道定位，電子警察系統的抓拍原理是首先通過 車輛觸發地感線圈，抓拍到多車道的圖像，然後在後臺對單獨抓拍的各圖像進行分析，分別 對各車道的車牌進行定位。因此該系統需要在抓拍口處預埋地感線圈，以及從圖像抓拍到 後臺處理存在一定的時間延遲，而且需要在後臺設定相應的處理程序，操作繁瑣，使用不 便。基於此，如何發明一種車牌定位方法，可以對多車道進行車牌定位，而且無需使用 感線圈，在系統前臺即可完成車牌定位，十分必要。
發明內容
本發明為了解決多車道車牌定位需要預設地感線圈的問題，提供了一種車牌定位 方法，可以對多車道車牌進行定位，不必預設地感線圈，操作簡單，易於實現。為了解決上述技術問題，本發明採用以下技術方案予以實現—種車牌定位方法，包括以下步驟(1)、粗略掃描車牌對車牌灰度圖垂直邊緣提取，形成垂直邊緣二值圖，通過掃描 所述的垂直邊緣二值圖查找疑是車牌行，合併所有疑是車牌行得到一個或者多個疑是車 牌掃描區域；(2)、粗略定位車牌在車牌灰度圖中將步驟(1)得到的所有疑是車牌掃描區域單 獨處理，進行垂直邊緣提取和水平邊緣提取形成邊緣二值圖，確定車牌的上下邊界和左右 邊界，得到至少一個車牌粗略定位區域；(3)、精確定位車牌分別設定各車牌粗略定位區域的灰度二值閾值a4，在車牌灰 度圖中對所述的車牌粗略定位區域一一進行二值化處理，得到區分字符和背景的二值圖， 再次確定車牌的上下邊界和左右邊界，得到最終車牌，所述的a4為正整數。進一步的，由於車牌的高度遠小於灰度圖的高度，為了減小計算量，步驟⑴中還 包括區域定位步驟，得到定位區域，所述的車牌灰度圖是定位區域內的車牌灰度圖。又進一步的，步驟(1)中疑是車牌行通過以下方式獲得對垂直邊緣二值圖進行逐行掃描，所述的車牌垂直邊緣跳變特點即在特定長度 內，如果邊緣跳變的個數不小於閾值al，則認為該行是疑是車牌行，所述的al為正整數。再進一步的，所述的特定長度不小於車牌灰度圖中車牌的長度。
優選的，步驟O)中車牌的上下邊界和左右邊界通過以下方式獲得確定車牌的上下邊界對邊緣二值圖進行逐行掃描，統計每行的跳變數，形成一維 數組W1，將一維數組Wl中至少連續N2個元素值大於閾值a2的區域統計出，這個區域的上 下邊界即為車牌的上下邊界，所述的邊緣二值圖中包括邊緣點和非邊緣點，所述的N2和a2 為正整數；確定車牌的左右邊界在上下邊界範圍內進行逐列掃描，統計每列的邊緣點的個 數，並形成一維數組W2，將一維數組W2中元素值大於閾值a3且相鄰兩大於閾值a3的元素 之間間隔小於T的區域統計出，這個區域的左右邊界即為車牌的左右邊界，所述的T和a3 為正整數。更進一步的，確定車牌的上下邊界後，還包括通過上下邊界計算車牌的高度的步 驟，如果計算出的車牌的高度與實際車牌高度之差大於預設的閾值Tl，則認為該車牌為偽 車牌，去掉此偽車牌，其中Tl為正整數。更進一步的，確定車牌的左右邊界後，還包括通過左右邊界計算車牌的寬度的步 驟，如果計算出的車牌的寬度與實際車牌寬度之差大於預設的閾值T2，則認為該車牌為偽 車牌，去掉此偽車牌，其中T2為正整數。優選的，步驟(3)中所述的灰度二值閾值a4通過以下方式獲得在所述各粗略定 位區域範圍內的中心位置，取m xm像素大小的窗口的平均灰度作為閾值a4，所述的m為 正整數。再進一步的，步驟(3)中所述的再次確定車牌的上下邊界和左右邊界通過以下方 式獲得再次確定車牌的上下邊界對灰度二值圖進行逐行掃描，統計每行的跳變數，形成 一維數組W3，將一維數組W3中大於閾值a5的區域統計出，這個區域的上下邊界即為車牌的 最終上下邊界，所述的a5為正整數；再次確定車牌的左右邊界在再次確定的上下邊界範圍內進行逐列掃描，統計每 列跳變點的個數，並形成一維數組W4，將一維數組W4中元素值大於閾值a6的且相鄰兩大於 閾值a6的元素之間間隔小於T的區域統計出，這個區域的左右邊界即對應車牌的最終左右 邊界，所述的a6為正整數。優選的，步驟(1)和步驟O)中所述的邊緣提取算法為Sobel算法。與現有技術相比，本發明的優點和積極效果是本發明的車牌定位方法避免使用 地感線圈，可以對多車道車牌進行定位；通過前兩步的車牌粗略定位步驟，查找出車牌的大 概位置，後續步驟中只需圍繞著粗略定位區域即可，有效的減小了計算量；採用逐漸逼近的 方式，定位效果較好。結合本發明具體實施例的詳細描述，本發明的其他特點和優點將變得更加清楚。
圖1是本發明車牌定位方法的一個實施例簡化流程圖；圖2是圖1中SO步驟的分解圖；圖3是圖1中Sl步驟的分解圖；圖4是圖1中S2步驟的分解圖。
具體實施例方式下面結合附圖和具體實施方式
對本發明作進一步詳細的說明。實施例一，參考圖1，圖示了本發明車牌定位方法的一個實施例的簡化流程圖，如 圖所示，包括以下步驟SO，粗略掃描車牌。具體的，參圖2所示，為步驟SO分解圖，包括S02 對包含有多個車道的車牌灰度 圖進行垂直邊緣提取，垂直邊緣提取後形成垂直邊緣二值圖，S03 對所述的垂直邊緣二值 圖進行逐行掃描，S04 根據車牌垂直邊緣跳變特點查找出疑是車牌行，S05 最後合併所有 疑是車牌行得到一個或者多個疑是車牌掃描區域；Si，粗略定位車牌。具體的，參圖3所示，為步驟Sl分解圖，包括Sll 在車牌灰度圖中，將步驟SO中 得到的所有疑是車牌掃描區域進行單獨處理，分別對所述各疑是車牌掃描區域進行垂直邊 緣提取和水平邊緣提取形成邊緣二值圖，S12 確定車牌的上下邊界和S13 確定車牌的左 右邊界，S14 最後得到至少一個車牌粗略定位區域；S2，精確定位車牌。具體的，參圖4所示，為步驟S2分解圖，包括S21 在車牌灰度圖中分別設定各車 牌粗略定位區域的灰度二值閾值a4，對所述的車牌粗略定位區域一一進行二值化處理，如 果閾值a4選取合理的話，灰度二值化後車牌中的字符和背景被分開，得到區分字符和背景 的二值圖，利用這一特點，執行步驟S22，再次確定車牌的上下邊界和步驟S23再次確定車 牌的左右邊界，S24 結合前兩步得到的最終上下邊界和最終左右邊界，得到最終車牌，其 中，所述的閾值a4為正整數。由於車牌的高度遠小於灰度圖的高度，為了減小計算量，步驟SO中還包括區域定 位步驟S01，所述的區域定位需要根據實際抓拍圖像中車牌所在圖像中的位置確定，由於一 般抓拍系統的攝像頭在安裝后角度是固定的，因此需要提取的車牌區域在整幅圖像中的大 致位置也是確定的，因此利用這一特點，進行區域定位，得到定位區域，定位區域內包含多 個車道和多個車輛，在後步處理中只需處理定位區域中的圖像，因此有效的減少了計算量。 在執行區域定位步驟SOl後，則所述的步驟S02中車牌灰度圖是定位區域內的車牌灰度圖。由於在將車牌灰度圖垂直邊緣提取後形成垂直邊緣二值圖，具有垂直特徵的線條 將會在圖中顯現出來，因此根據車牌的特徵，本領域技術人員很容易辨別出車牌的大致位 置，找出疑是車牌行。優選的，本實施例中步驟SO中疑是車牌行通過以下方式獲得首先對垂直邊緣二值圖進行逐行掃描，所述的車牌垂直邊緣跳變特點即在特定 長度內，如果邊緣跳變的個數不小於閾值al，則認為該行是疑是車牌行，所述的al為正整 數，本實施例中，設置al = 15。所述的特定長度不小於車牌灰度圖中車牌的長度，在本實施例中，特定長度=視 野中車牌長度像素數+20像素。步驟Sll中分別對所述各疑是車牌掃描區域進行垂直邊緣提取和水平邊緣提取， 形成邊緣二值圖，具有垂直特徵和水平特徵的線條將會在圖中顯現出來，所述的邊緣二值 圖中包括邊緣點和非邊緣點，因此根據車牌的特徵，本領域技術人員很容易辨別出車牌的 大致上下邊界和左右邊界，實現車牌的粗略定位。步驟S12中車牌的上下邊界和步驟S13中車牌的左右邊界通過以下方式獲得確定車牌的上下邊界由於粗略定位後的邊緣與粗略掃描時的邊緣發生了變化， 此時的邊緣會更精細，所以需要重新確定跳變數，對邊緣二值圖進行逐行掃描，統計每行的 跳變數，形成一維數組Wl，將一維數組Wl中至少連續N2個元素值大於閾值a2的區域統計 出，這個區域的上下邊界即為車牌的上下邊界，其中，所述的N2和a2為正整數，由於存在車 牌字符的地方會存在垂直跳變，且上下方向是連續的，因此值N2和a2根據實際抓拍圖像 的像素數及車牌在圖像中的長度確定，在本實施例中，a2 = 15，N2的值需要根據車牌在圖 像中所佔的像素數確定，為預設的正整數；確定車牌的左右邊界在上下邊界範圍內進行逐列掃描，統計每列的邊緣點的個 數，並形成一維數組W2，將一維數組W2中元素值大於閾值a3且相鄰兩大於閾值a3的元素 之間間隔小於T的區域統計出，這個區域的左右邊界即為車牌的左右邊界，其中，所述的T 和a3為正整數，T為根據車牌字符水平間隔距離的特點設置的一個閾值，在本實施例中，a3 =3，T = 7。經過步驟S12所述的上下邊界確定後，有可能會確定出一些偽車牌，為了防止偽 車牌進入執行下步步驟中，浪費資源和時間，本實施例優選設置還包括通過上下邊界計算 車牌的高度的步驟，如果計算出的車牌的高度與實際車牌高度差值大於預設的閾值Tl，則 認為該車牌為偽車牌，去掉此偽車牌，其中閾值Tl為正整數，需要根據車牌在圖像中實際 所佔的像素數確定。同樣的，經過步驟S13確定所述的車牌左右邊界後，優選設置本實施例還包括通 過左右邊界計算車牌的寬度的步驟，如果計算出的車牌的寬度與實際車牌寬度差值大於預 設的閾值T2，則認為該車牌為偽車牌，去掉此偽車牌，其中閾值T2為正整數，需要根據車牌 在圖像中實際所佔的像素數確定。步驟S2中對步驟Sl中得到的車牌粗略定位區域利用灰度值進行單獨處理，主要 利用車牌的灰度信息，設置灰度二值閾值a4，將車牌粗略定位區域的車牌灰度圖二值化，若 灰度二值閾值a4設置的合理，灰度二值化後車牌中的字符和背景被分開，得到區分字符和 背景的二值圖，在本發明中，優選的，灰度二值閾值a4通過以下方式獲得由於粗略定位區 域中心位置處的灰度值更接近車牌平均灰度值，在所述各粗略定位區域範圍內的中心位置 處，取mxm像素的窗口的平均灰度作為閾值a4，所述的m為正整數，在本實施例中，m =20。優選的，步驟S22中所述的再次確定車牌的上下邊界和步驟S23中所述的再次確 定車牌的左右邊界通過以下方式獲得再次確定車牌的上下邊界統計灰度二值化的字符和背景的邊界結果，對灰度二 值圖進行逐行掃描，統計每行的跳變數，形成一維數組W3，將一維數組W3中大於閾值a5的 區域統計出，這個區域的上下邊界即為車牌的最終上下邊界，所述的a5為正整數，在本實 施例中，a5 = 10 ；再次確定車牌的左右邊界在再次確定的上下邊界範圍內進行逐列掃描，統計每 列跳變點的個數，並形成一維數組W4，將一維數組W4中元素值大於閾值a6的且相鄰兩大於 閾值a6的元素之間間隔小於T的區域統計出，這個區域的左右邊界即對應車牌的最終左右 邊界，所述的a6為正整數，在本實施例中，a6 = 6，T = 7。7
需要說明的是，步驟SO和步驟Sl中所述的邊緣提取算法可以採用Carmy邊緣檢 測算法、Roberts算法、Sobel算法、Prewitt算法等，由於Sobel算法計算量比較小，本實施 例中優選採取Sobel算法。本實施例的車牌定位方法，通過粗略掃描車牌提取出至少一個疑是車牌掃描區 域，可以將包含多車道、多車輛的圖像中的疑是車牌提取出來，克服了傳統車牌提取方法只 能提取單車道車牌的缺點，在粗略定位車牌時只需在疑是車牌掃描區域中定位，有效的減 少了計算量，根據車牌字符邊緣跳變的統計特性，使車牌提取更精確，將上下邊界和左右邊 界的提取分開處理，逐層縮小計算範圍，進一步減小了計算量，而且本實施例都是整型計 算，適用於嵌入式系統，可以將其植入前臺處理，對多車道多車輛實時車牌定位，無需再使 用地感線圈做觸發抓拍。需要說明的是，各閾值的設定需要根據實際情況設定，本實施例中涉及到的具體 值只是一較佳實施例而已，不做為本發明的限制。以上所述，僅是本發明的較佳實施例而已，並非是對本發明作其它形式的限制，任 何熟悉本專業的技術人員可能利用上述揭示的技術內容加以變更或改型為等同變化的等 效實施例。但是凡是未脫離本發明技術方案內容，依據本發明的技術實質對以上實施例所 作的任何簡單修改、等同變化與改型，仍屬於本發明技術方案的保護範圍。
權利要求
1.一種車牌定位方法，其特徵在於包括以下步驟(1)、粗略掃描車牌對車牌灰度圖垂直邊緣提取，形成垂直邊緣二值圖，通過掃描所述 的垂直邊緣二值圖查找疑是車牌行，合併所有疑是車牌行得到一個或者多個疑是車牌掃描 區域；O)、粗略定位車牌在車牌灰度圖中將步驟(1)得到的所有疑是車牌掃描區域單獨處 理，進行垂直邊緣提取和水平邊緣提取形成邊緣二值圖，確定車牌的上下邊界和左右邊界， 得到至少一個車牌粗略定位區域；(3)、精確定位車牌分別設定各車牌粗略定位區域的灰度二值閾值a4，在車牌灰度圖 中對所述的車牌粗略定位區域一一進行二值化處理，得到區分字符和背景的二值圖，再次 確定車牌的上下邊界和左右邊界，得到最終車牌，所述的a4為正整數。
2.根據權利要求1所述的車牌定位方法，其特徵在於步驟(1)中還包括區域定位步 驟，得到定位區域，所述的車牌灰度圖是定位區域內的車牌灰度圖。
3.根據權利要求1或2所述的車牌定位方法，其特徵在於步驟(1)中疑是車牌行通 過以下方式獲得對垂直邊緣二值圖進行逐行掃描，所述的車牌垂直邊緣跳變特點即在特定長度內，如 果邊緣跳變的個數不小於閾值al，則認為該行是疑是車牌行，所述的al為正整數。
4.根據權利要求3所述的車牌定位方法，其特徵在於所述的特定長度不小於車牌灰 度圖中車牌的長度。
5.根據權利要求1或2所述的車牌定位方法，其特徵在於步驟O)中車牌的上下邊 界和左右邊界通過以下方式獲得確定車牌的上下邊界對邊緣二值圖進行逐行掃描，統計每行的跳變數，形成一維數組 W1，將一維數組Wl中至少連續N2個元素值大於閾值a2的區域統計出，這個區域的上下邊 界即為車牌的上下邊界，所述的邊緣二值圖中包括邊緣點和非邊緣點，所述的N2和a2為正 整數；確定車牌的左右邊界在上下邊界範圍內進行逐列掃描，統計每列的邊緣點的個數，並 形成一維數組W2，將一維數組W2中元素值大於閾值a3且相鄰兩大於閾值a3的元素之間間 隔小於T的區域統計出，這個區域的左右邊界即為車牌的左右邊界，所述的T和a3為正整數。
6.根據權利要求5所述的車牌定位方法，其特徵在於確定車牌的上下邊界後，還包括 通過上下邊界計算車牌的高度的步驟，如果計算出的車牌的高度與實際車牌高度之差大於 預設的閾值Tl，則認為該車牌為偽車牌，去掉此偽車牌，其中Tl為正整數。
7.根據權利要求5所述的車牌定位方法，其特徵在於確定車牌的左右邊界後，還包括 通過左右邊界計算車牌的寬度的步驟，如果計算出的車牌的寬度與實際車牌寬度之差大於 預設的閾值T2，則認為該車牌為偽車牌，去掉此偽車牌，其中T2為正整數。
8.根據權利要求1所述的車牌定位方法，其特徵在於步驟(3)中所述的灰度二值閾 值a4通過以下方式獲得在所述各粗略定位區域範圍內的中心位置，取mxm像素的窗口 的平均灰度作為閾值a4，所述的m為正整數。
9.根據權利要求1所述的車牌定位方法，其特徵在於步驟(3)中所述的再次確定車 牌的上下邊界和左右邊界通過以下方式獲得再次確定車牌的上下邊界逐行掃描灰度二值圖，統計每行的跳變數，形成一維數組 W3，將一維數組W3中大於閾值a5的區域統計出，該區域的上下邊界即為車牌的最終上下邊 界，所述的a5為正整數；再次確定車牌的左右邊界在再次確定的上下邊界範圍內進行逐列掃描，統計每列跳 變點的個數，並形成一維數組W4，將一維數組W4中元素值大於閾值a6且相鄰兩個大於a6 的元素間隔小於T的區域統計出，該區域的左右邊界即對應車牌的最終左右邊界，所述的 a6為正整數。
10.根據權利要求1所述的車牌定位方法，其特徵在於步驟⑴和步驟(2)中所述的 邊緣提取算法為Sobel算法。
全文摘要
本發明提供了一種車牌定位方法，包括以下步驟(1)粗略掃描車牌對車牌灰度圖垂直邊緣提取形成垂直邊緣二值圖，掃描垂直邊緣二值圖查找疑是車牌行，得到一個或者多個疑是車牌掃描區域；(2)粗略定位車牌在車牌灰度圖中將步驟(1)得到的所有疑是車牌掃描區域進行單獨處理，分別對所述各疑是車牌掃描區域進行垂直邊緣提取和水平邊緣提取，得到至少一個車牌粗略定位區域；(3)精確定位車牌對所述的車牌粗略定位區域一一進行二值化處理，得到最終車牌。本發明的車牌定位方法避免使用地感線圈，可以對多車道車牌進行定位，且有效的減小了計算量，定位效果較好。
文檔編號G08G1/017GK102054169SQ20101060813
公開日2011年5月11日 申請日期2010年12月28日 優先權日2010年12月28日
發明者付廷傑, 劉微, 劉新, 劉韶 申請人:青島海信網絡科技股份有限公司