基於圖像處理的車牌自動識別方法
2023-10-18 11:56:24 1
專利名稱：：基於圖像處理的車牌自動識別方法
技術領域：
：本發明屬於圖像處理
技術領域：
，涉及一種改進的基於圖像處理的車牌自動識別方法，採用基於支持向量機的方法對車牌字符進行識別。
背景技術：
：隨著我國經濟的快速發展，城市規模和車輛數目急劇擴大，現有的交通能力已不能滿足要求。交通堵塞、交通事故、環境汙染等問題日益突出。一個新的學科領域智能交通系統(IntelligentTransportationSystem,ITS)由此應運而生。車牌自動識別系統(LicensePlateRecognition,LPR)是智能交通領域中一個重要的課題，其任務是分析、處理車輛圖像，自動識別車輛牌照。車牌識別技術主要涉及計算機視覺技術與模式匹配技術。車牌識別系統可以廣泛應用於高速公路收費系統、公路流量監控、出入控制、停車場車輛管理等需要車牌認證的場合，從事車牌識別系統的研究具有重大的現實意義和巨大的經濟價值。目前車牌識別方法主要有工C卡識別，該方法是在每輛汽車上安裝一個微型電子信號接收和發射裝置(IC卡)，當汽車通過設有車輛檢測裝備的路口時，工C卡系統將與路口的計算機系統進行對話，從而辨別出該車的車牌號碼；條形碼識別，是在車輛的側面印刷條形碼，將車牌牌照、車型等信息存儲在條形碼中，當車輛經過設有車輛檢測裝備的路口時，條形碼掃描器讀取車牌信息。工C卡識別方法識別率高，速度快，穩定可靠，但是需要對車輛系統進行大幅度改造，對硬體要求高，整套裝置價格高昂，而且存在作弊隱患，即不同車之間可通過更換射頻裝置來逃避檢查。條形碼識別方法識別速度快、準確率高、可靠性強、成本低，但對條形碼掃描器要求很高，而且需要制定出全國統一的標準，並且不同車之間可通過更換條形碼來逃避檢查，存在作弊隱患。
發明內容本發明的目的就是針對現有技術的不足，提供一種基於圖像處理的車牌自動識別方法，該方法是採用基於支持向量機的方法對車牌字符進行識別。基於圖像處理的車牌自動識別方法，該方法順序包括車牌定位、傾斜校正、字符分割和字符識別，其特徵是(1)車牌定位方法的具體步驟如下首先以像素為單位設變量H值為車牌照片的高度，變量W為車牌照片的寬度；取記錄交界點的個數變量N為O，初始化車牌的上行像素高度START和下行像素高度END為0;第一次掃描時設定變量K=H，即從車輛照片的底部開始掃描，然後按以下操作(a)如果KX)，掃描第K行，掃描方向從左到右，判斷掃描到的每一個點是否為交界點，如該點顏色與背景色不同則該點為交界點，如果該點是交界點，則N加1，轉入(b)，如果該點不是交界點繼續掃描該行的下一個點；如果K《0，則掃描結束；(b)如果N〉6，則此行為車牌交界線，轉入(d);如果N《6，轉入(c);(c)如果START《O，則N重新賦值為O，K減l，轉入(a);如果START>0，則N重新賦值為0，把K的值賦給END,計算START-END的值如果START-END的值大於等於設定的閥值，確定掃描到車牌，則K自減l，轉入(e);如果START-END的值小於閥值，確定沒有掃描到車牌，則K自減l，轉入(f);(d)N重新賦值為0;如果START《O，則START賦值為K，然後K自減l，轉入(a);如果START>O，直接轉入(a);(e)確定STRAT到END的這一區域存在車牌，則定位車牌，轉入傾斜校正步驟；(f)START和END重新都賦值為0，轉入(a);(2)傾斜校正方法的具體步驟是(g)計算車牌下部輪廓線的斜率k:在下邊框上的交界點中任意選一個作為起始點，計算該點與該點同側的其他交界點連線的斜率，取平均斜率為車牌下部輪廓線的斜率k，得到傾斜角度a，formulaseeoriginaldocumentpage6(h)將車牌的矩形區域的左上腳頂點作為不動點進行整個矩形區域的旋轉，設矩形四個頂點的坐標分別是左上(left,top)、左下(left,down)、右上(right,top)、右下(right,down);對於這個區域內的任意一點(X。，Y。)，它和左上點的連線的傾斜度為formulaseeoriginaldocumentpage6該點變換後的坐標變為(X15Y》，變換式如下式formulaseeoriginaldocumentpage6對矩形區域中的每個點(X，Y)進行如下操作①將原始點(X，Y)的顏色信息賦給目標點，標記為(&，Y》，轉入②；②如果目標點的下鄰點未被標記，則將原始點(X，Y)的顏色信息賦給點(&，l+Y》，轉入③；③如果目標點的右鄰點未被標記，則原始點(X，Y)的顏色信息賦給點(X,1，Y》；(3)字符分割方法的具體步驟是設車牌區域的上、下、左、右的邊界坐標分別top、down、left、right，然後按照以下操作(i)第i條分割線的橫坐標是formulaseeoriginaldocumentpage6它和橫坐標formulaseeoriginaldocumentpage6之間的區域是車牌第i個字符的區域，i=1，2，3，4，5，方向是從右到左；(j)第7條分割線的橫坐標是formulaseeoriginaldocumentpage6第6條分割線的橫坐標是/^+2x(^|)(hg^-/e/0凍7條分割線和第6條分割線之間的區域是車牌第一個字符的區域；第6條分割線和橫坐標/^+2(^)(r妙f-一)之間的區域是車牌第二個字符的區域；(k)設第i條分割線的橫坐標是Xi，分割線橫坐標的波動範圍為;(/"11《^(/"妙卜/^)+0.5));計算(x「R，範圍內的每個橫坐標所在列的白色像素數量；取白色像素數量最少的橫坐標作為最終分割線的橫坐標；通過步驟(i)(k)橫向分割字符，然後通過以下步驟去掉鉚釘幹擾(m)計算從左到右方向第1、3、4、5、7個字符的最高點縱坐標，最高點縱坐標為高度&;(n)對於高度集合諷，H3，H4，H5，H7}，除去其中最大點和最小點，對剩下的點取平均值，將這個平均值作為車牌區域新的top;利用相同的方法計算新的down;(4)字符識別的方法具體是(p)對字符外輪廓進行特徵提取，外輪廓包括字符的上、下、左、右四個邊界線；首先提取包含字符的最小矩形，得到字符的高和寬，提取最小矩形的方法採用步驟(3)相同的方法，得到四個頂點的坐標；特徵提取就是取外輪廓上各個點的相對坐標，根據字符高度大於寬度的特徵，在上、下兩面各取3個點；在左、右兩面各取4個點，這14個點加上字符寬比高的值，共15個特徵向量；設包含字符的最小矩形的上、下、左、右邊框的坐標分別為Yl、Y2、XI、X2;設置二維數組C[N]用於存儲特徵向量，N=15;C[O]存放字符寬對高的比值((X2-X1)/(Y2-Y1));①對於上、下邊界上點的提取方法如下對線段Z=~+A:(^^^<y<y2,/t=-1,0,1)，從上到下或從下到上24搜索第一個白色點A;如果A的左右相鄰點的顏色為白色，則將該點存入數組C中，該點認為是字符上下邊界上的點；否則繼續向下或向上搜索；②對於左、右邊界上點的提取方法如下對線段y=(_^__+<X0，則N重新賦值為0，把K的值賦給END，計算START-END的值如果START-END的值大於等於設定的閥值，確定掃描到車牌，(本實施例設閥值為5個像素)，則K自減l，轉入(e);如果START-END的值小於閥值，確定沒有掃描到車牌，則K白減l，轉入(f)。(d)N重新賦值為0。如果START《O，則START賦值為K，然後K自減l，轉入(a);如果START>O，直接轉入(a)。(e)確定STRAT到END的這一區域存在車牌，定位車牌，轉入傾斜校正步驟。[OO53](f)START和END重新都賦值為0，轉入(a)。[OO54](2)傾斜校正方法具體步驟是(g)計算車牌下部輪廓線的斜率k:在下邊框上的交界點中任意選一個作為起始點，計算該點與該點同側的其他交界點連線的斜率，取平均斜率為車牌下部輪廓線的斜率k，得至U傾斜角度a，a=arctenk。(h)將車牌的矩形區域的左上腳頂點作為不動點進行整個矩形區域的旋轉。設矩形四個頂點的坐標分別是左上(left,top)、左下(left,down)、右上(right,top)、右下(right,down)。對於這個區域內的任意一點(X。，Y。)，它和左上點的連線的傾斜度為61=arctan(:。::);該點變換後的坐標變為(XpY》，變換式如下式formulaseeoriginaldocumentpage8對矩形區域中的每個點(X，Y)進行如下操作①將原始點(X，Y)的顏色信息賦給目標點，標記為(&，Y》，轉入②；②如果目標點的下鄰點未被標記，則將原始點(X，Y)的顏色信息賦給點(&，l+Y》，轉入③；③如果目標點的右鄰點未被標記，則原始點(X，Y)的顏色信息賦給點(X,l，Y》。(3)字符分割是從兩端開始分割，把車牌字符中的圓點孤立出來，從而減少圓點的幹擾。設車牌區域的上、下、左、右的邊界坐標分別top、down、1eft、right，現實中車牌字符寬度為整個車牌寬度的2/15。如圖1所示，圖中虛線為分割線。具體方法是(i)第i條分割線的橫坐標是—，它和橫坐標":^卜(/-1)(^)07^/^-/6^)之間的區域是車牌第i個字符的區域(方向從右到左，i=1，2，3，4，5)。這樣就基本上定出了車牌後5個字符的分割線。(j)第7條分割線的橫坐標是/e/f+(S)(hg似-fe/0，第6條分割線的橫坐標是一+2x(S)(r妙卜/e/0，第7條分割線和第6條分割線之間的區域是車牌第一個字符的區域。第6條分割線和橫坐標/￡^+2(^|)(^^^-/^)之間的區域是車牌第二個字符的區域。之所以把車牌區域分為兩部分分割是為了避開第2個字符和第3個字符之間的圓點間隔符。(k)設第i條分割線的橫坐標是Xi，分割線的波動範圍為i(i^int(^(n'g/^-^)+0.5》。對範圍(X「R，Xi+R)內每個x，計算這個x所在列的白色像素數量(列的上、下限是top和left，這裡判別白色的條件變為灰度值G是否比二值化處理中得到的閥值大，如果G大於閥值，則認為是白色)。取白色像素數量最少的那個x作為最終分割線的位置。通過步驟(i)(k)橫向分割字符，假設第i個字符的左右兩個分割線坐標分別為b和&下面幾個步驟去掉鉚釘等幹擾。(m)計算從左到右方向第1、3、4、5、7個字符的最高點縱坐標，最高點縱坐標為高度&。(n)對於高度集合{&，H3，H4，H5，H7}，除去其中最大點和最小點，對剩下的點取平均值，將這個平均值作為車牌區域新的top。這樣就可以把鉚釘部分和字符部分割開。利用相同的方法計算新的down。(4)字符識別的方法具體是(p)對字符外輪廓進行特徵提取，外輪廓包括字符的上、下、左、右四個邊界線。首先提取包含字符的最小矩形，得到字符的高和寬；特徵提取主要是取外輪廓上各個點的相對坐標(橫坐標和縱坐標分別是相對字符寬度和高度的比值)，根據字符高度大於寬度的特徵，在上、下兩面各取3個點。在左、右兩面各取4個點，這14個點加上字符寬比高的值，共15個。即提取的字符特徵是15維的。設包含字符的最小矩形的上、下、左、右分別為Y1、Y2、X1、X2。設置二維數組C[N]用於存儲特徵向量，N二15。C[O]存放字符寬對高的比值((X2-X1)/(Y2-Y1))。①對於上、下邊界上點的提取方法如下9對線段Y=(^^^+^^~—<7<;T2,;t=-l,O,l)，從上到下或從下到上24搜索第一個白色點A;如果A的左右相鄰點的顏色為白色，則將該點存入數組C中，該點認為是字符上下邊界上的點；否則繼續向下或向上搜索。②對於左、右邊界上點的提取方法如下對線段y=(i丄;iZ+W^^))Cyi<義<A:=1，2，3，4)，從左到右或從右到左搜索第一個白色點B，如果B的上下相鄰點的顏色為白色，則將該點存入數組D中，該點認為是字符左右邊界上的點；否則繼續向右或向左搜索。(q)對存儲的特徵向量採用支持向量機方法進行字符識別。採用支持向量機方法進行字符識別利用成熟的現有技術，在libsvm上單獨進行。權利要求基於圖像處理的車牌自動識別方法，該方法順序包括車牌定位、傾斜校正、字符分割和字符識別，其特徵是(1)車牌定位方法的具體步驟如下首先以像素為單位設變量H值為車牌照片的高度，變量W為車牌照片的寬度；取記錄交界點的個數變量N為0，初始化車牌的上行像素高度START和下行像素高度END為0；第一次掃描時設定變量K＝H，即從車輛照片的底部開始掃描，然後按以下操作(a)如果K＞0，掃描第K行，掃描方向從左到右，判斷掃描到的每一個點是否為交界點，如該點顏色與背景色不同則該點為交界點，如果該點是交界點，則N加1，轉入(b)，如果該點不是交界點繼續掃描該行的下一個點；如果K≤0，則掃描結束；(b)如果N＞6，則此行為車牌交界線，轉入(d)；如果N≤6，轉入(c)；(c)如果START≤0，則N重新賦值為0，K減1，轉入(a)；如果START＞0，則N重新賦值為0，把K的值賦給END，計算START-END的值如果START-END的值大於等於設定的閥值，確定掃描到車牌，則K自減1，轉入(e)；如果START-END的值小於閥值，確定沒有掃描到車牌，則K自減1，轉入(f)；(d)N重新賦值為0；如果START≤0，則START賦值為K，然後K自減1，轉入(a)；如果START＞0，直接轉入(a)；(e)確定STRAT到END的這一區域存在車牌，則定位車牌，轉入傾斜校正步驟；(f)START和END重新都賦值為0，轉入(a)；(2)傾斜校正方法的具體步驟是(g)計算車牌下部輪廓線的斜率k在下邊框上的交界點中任意選一個作為起始點，計算該點與該點同側的其他交界點連線的斜率，取平均斜率為車牌下部輪廓線的斜率k，得到傾斜角度α，α＝arctank；(h)將車牌的矩形區域的左上腳頂點作為不動點進行整個矩形區域的旋轉，設矩形四個頂點的坐標分別是左上(left，top)、左下(left，down)、右上(right，top)、右下(right，down)；對於這個區域內的任意一點(X0，Y0)，它和左上點的連線的傾斜度為=arctan(Y0-topX0-left)；該點變換後的坐標變為(X1，Y1)，變換式如下式c=X0-leftd=Y0-topX1=int(left+sqrt(c2+d2)cos(+))Y1=int(top+sqrt(c2+d2)sin(+))對矩形區域中的每個點(X，Y)進行如下操作①將原始點(X，Y)的顏色信息賦給目標點，標記為(X1，Y1)，轉入②；②如果目標點的下鄰點未被標記，則將原始點(X，Y)的顏色信息賦給點(X1，1+Y1)，轉入③；③如果目標點的右鄰點未被標記，則原始點(X，Y)的顏色信息賦給點(X1+1，Y1)；(3)字符分割方法的具體步驟是設車牌區域的上、下、左、右的邊界坐標分別top、down、left、right，然後按照以下操作(i)第i條分割線的橫坐標是，它和橫坐標之間的區域是車牌第i個字符的區域，i＝1，2，3，4，5，方向是從右到左；(j)第7條分割線的橫坐標是，第6條分割線的橫坐標是，第7條分割線和第6條分割線之間的區域是車牌第一個字符的區域；第6條分割線和橫坐標之間的區域是車牌第二個字符的區域；(k)設第i條分割線的橫坐標是Xi，分割線橫坐標的波動範圍為R(R=int(125(right-left)+0.5))；計算(Xi-R，Xi+R)範圍內的每個橫坐標所在列的白色像素數量；取白色像素數量最少的橫坐標作為最終分割線的橫坐標；通過步驟(i)～(k)橫向分割字符，然後通過以下步驟去掉鉚釘幹擾(m)計算從左到右方向第1、3、4、5、7個字符的最高點縱坐標，最高點縱坐標為高度Hi；(n)對於高度集合{H1，H3，H4，H5，H7}，除去其中最大點和最小點，對剩下的點取平均值，將這個平均值作為車牌區域新的top；利用相同的方法計算新的down；(4)字符識別的方法具體是(p)對字符外輪廓進行特徵提取，外輪廓包括字符的上、下、左、右四個邊界線；首先提取包含字符的最小矩形，得到字符的高和寬，提取最小矩形的方法採用步驟(3)相同的方法，得到四個頂點的坐標；特徵提取就是取外輪廓上各個點的相對坐標，根據字符高度大於寬度的特徵，在上、下兩面各取3個點；在左、右兩面各取4個點，這14個點加上字符寬比高的值，共15個特徵向量；設包含字符的最小矩形的上、下、左、右邊框的坐標分別為Y1、Y2、X1、X2；設置二維數組C[N]用於存儲特徵向量，N＝15；C存放字符寬對高的比值((X2-X1)/(Y2-Y1))；①對於上、下邊界上點的提取方法如下對線段X=(X1+X22+k(X2-X14))(Y1YY2,k=-1,0,1)，從上到下或從下到上搜索第一個白色點A；如果A的左右相鄰點的顏色為白色，則將該點存入數組C中，該點認為是字符上下邊界上的點；否則繼續向下或向上搜索；②對於左、右邊界上點的提取方法如下對線段Y=(Y1+Y22+k(Y2-Y15))(X1XX2,k=1,2,3,4)，從左到右或從右到左搜索第一個白色點B，如果B的上下相鄰點的顏色為白色，則將該點存入數組D中，該點認為是字符左右邊界上的點；否則繼續向右或向左搜索；(q)對存儲的特徵向量採用支持向量機方法進行字符識別。F2010100396566C00023.tif,F2010100396566C00024.tif,F2010100396566C00025.tif,F2010100396566C00026.tif,F2010100396566C00027.tif全文摘要本發明涉及一種基於圖像處理的車牌自動識別方法。目前車牌識別方法存在一定的弊端。本發明方法是採用基於支持向量機的方法對車牌字符進行識別，順序包括車牌定位、傾斜校正、字符分割和字符識別。其中字符識別是採用支持向量機方法對車牌字符進行識別，首先進行字符特徵提取，然後通過SVM訓練，計算識別字符所需要的參數，利用訓練得到的參數識別字符。本發明方法通過對拍攝的數字圖像進行技術處理來識別車牌，具有成本低、操作方便等特點，同時該方法利用車輛的唯一標誌作為識別車輛的依據，避免了作弊情況。文檔編號G06K9/00GK101751785SQ20101003965公開日2010年6月23日申請日期2010年1月12日優先權日2010年1月12日發明者侯平智,孔亞廣,李功卿,沈國江申請人:杭州電子科技大學