一種車牌識別器及其車牌檢測方法與系統的製作方法
2023-05-10 19:09:46
一種車牌識別器及其車牌檢測方法與系統的製作方法
【專利摘要】本發明提供一種車牌識別器及車牌檢測方法與系統，其中方法包括：獲取車牌圖像；對車牌圖像使用標準車牌分類器進行檢測，得到第一疑似車牌區域；對車牌圖像使用互補車牌分類器進行檢測，得到第二疑似車牌區域；對第一疑似車牌區域進行字符分割與識別，得到第一疑似車牌區域每個字符的置信度；對第二疑似車牌區域中的字符進行分割與識別，得到第二疑似車牌區域每個字符的置信度；判定第一疑似車牌區域是否為車牌區域；判定第二疑似車牌區域是否為車牌區域；確定車牌區域的數量，若車牌區域的數量為1個，則輸出該車牌區域，若車牌區域的數量大於1個，則將各車牌區域中所有字符的置信度相加，輸出置信度相加後和最高的車牌區域。
【專利說明】—種車牌識別器及其車牌檢測方法與系統
【技術領域】
[0001]本發明涉及圖像處理領域，特別是涉及一種車牌檢測方法與系統。同時，本發明還涉及一種包括上述車牌檢測系統的車牌識別器。
【背景技術】
[0002]車牌是車輛的「身份證」號碼，通過車牌，可以檢測到車輛的許多重要信息，如車輛所屬的省、市、縣，及車輛的主人等。為了更好地對交通系統進行管理，一般在公路收費、停車管理和交通執法等場合設立車牌識別器，利用車輛識別技術和一些後續處理來實現公路收費站、停車場收費管理和闖紅燈電子警察等功能。而在車輛識別技術中，車輛定位是其中非常重要的一環節，若無法對你車牌進行準確定位，那麼對車牌的識別更無從說起。
[0003]在現有技術中，對車牌進行檢測的車牌分類器都是在實驗室內來訓練得到的，通過使用攝像機在各個時段和天氣條件下拍攝並儲存大量停車場出入口的視頻，在這些視頻中人工地截取出每輛車的車牌圖像，以這些截取出的含有車牌的圖像作為正樣本，再人工截取出其中不是車牌的部分，以這些人工截取出的不含有車牌的圖片作為負樣本，使用Haar特徵(哈爾特徵)對每一幅車牌的正樣本和負樣本進行表徵，形成Haar特徵向量(哈爾特徵向量)，最後使用級聯的Adaboost算法(Adaptive Boosting算法，自適應推進算法，一種迭代算法)對這些Haar特徵向量進行訓練，獲得所需的車牌分類器。
[0004]由於實驗室訓練車牌分類器所選用的圖片並沒有針對性，而實際應用中的現場環境千變萬化，工程安裝人員的水平也參差不齊，當車輛進入直道很短的T型出入口，或車輛進行大角度拐彎，或工程安裝人員將路面的攝像機和實驗室訓練的分類器的攝像機安裝的角度有差異時，由於現有分類器都是在實驗室訓練而出，無法很好地適應現場路面的變化，可能導致分類器無法檢測出車牌圖像中的疑似車牌區域，嚴重影響到車牌識別器的檢測率。
【發明內容】
[0005]有鑑於此，本發明實施例提供一種車牌定位方法及系統，以解決現有技術中只使用實驗室訓練的車牌分類器來進行車牌定位而造成的車牌檢測的檢測率低的問題。
[0006]為實現上述目的，本發明實施例提供如下技術方案:
[0007]一種車牌檢測方法，包括:
[0008]獲取車牌圖像；
[0009]對所述車牌圖像使用標準車牌分類器進行檢測，得到第一疑似車牌區域；對所述車牌圖像使用互補車牌分類器進行檢測，得到第二疑似車牌區域；
[0010]對第一疑似車牌區域進行字符分割與識別，得到第一疑似車牌區域每個字符的置信度；對第二疑似車牌區域中的字符進行分割與識別，得到第二疑似車牌區域每個字符的置信度；
[0011]確定第一疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第一疑似車牌區域為車牌區域；確定第二疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第二疑似車牌區域為車牌區域；
[0012]確定車牌區域的數量，若車牌區域的數量為I個，則輸出該車牌區域，若車牌區域的數量大於I個，則將各車牌區域中所有字符的置信度相加，輸出置信度相加後和最高的車牌區域。
[0013]其中，所述獲取車牌圖像包括:
[0014]圖像採集設備採集圖像，獲取所述採集的圖像作為所述車牌圖像；
[0015]或，圖像採集設備採集圖像，對所述採集的圖像進行邊緣檢測，獲取所述採集的圖像中邊緣度大於一定閾值的區域圖像作為所述車牌圖像。
[0016]其中，所述互補車牌分類器包括:
[0017]不能被標準車牌分類器檢測得到第一疑似車牌區域的車牌圖像訓練得到的第一互補車牌分類器；
[0018]或，不能被標準車牌分類器檢測得到第一疑似車牌區域且不能被第一互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像訓練得到的第二互補車牌分類器。
[0019]其中，訓練所述互補車牌分類器的具體步驟包括:
[0020]獲取訓練互補車牌分類器所需的車牌圖像樣本，取所述車牌圖像樣本中包含車牌的部分為正樣本，取所述車牌圖像樣本中的不包含車牌的部分為負樣本；
[0021]使用哈爾特徵對所述正樣本和所述負樣本進行表徵，形成哈爾特徵向量；
[0022]利用迭代算法對所述哈爾特徵向量進行訓練，得到互補車牌分類器。
[0023]其中，所述獲取訓練互補車牌分類器所需的車牌圖像樣本的具體步驟包括:
[0024]獲取車牌圖像；對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測，若沒有檢測到第一疑似車牌區域，則將該車牌圖像保存，得到訓練互補車牌分類器所需的車牌圖像樣本；
[0025]或，
[0026]獲取車牌圖像；對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測；對跟蹤後的車牌使用互補車牌分類器進行檢測；若沒有檢測到第一疑似車牌區域且沒有檢測到第二疑似車牌區域，則將該車牌圖像保存，得到訓練互補車牌分類器所需的車牌圖像樣本；
[0027]其中，在將該車牌圖像保存前，還包括:獲取當前幀車牌圖像中車牌區域的位置信息；將獲取的當前幀車牌圖像中車牌區域的位置信息與上一幀車牌圖像中車牌區域的位置信息進行比較，當滿足預定條件時，再將當前幀車牌圖像保存。
[0028]一種車牌檢測系統，包括:第一獲取模塊、檢測模塊、字符處理模塊、車牌判斷模塊和輸出模塊，其中，
[0029]所述第一獲取模塊，用於獲取車牌圖像；
[0030]所述檢測模塊，用於對獲取的車牌圖像使用標準車牌分類器進行檢測，得到第一疑似車牌區域；對獲取的車牌圖像使用互補車牌分類器進行檢測，得到第二疑似車牌區域；
[0031]所述字符處理模塊，用於對第一疑似車牌區域進行字符分割與識別，得到第一疑似車牌區域每個字符的置信度；對第二疑似車牌區域中的字符進行分割與識別，得到第二疑似車牌區域每個字符的置信度；
[0032]所述車牌判定模塊，用於確定第一疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第一疑似車牌區域為車牌區域；確定第二疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第二疑似車牌區域為車牌區域；
[0033]所述輸出模塊，用於確定車牌區域的數量，若車牌區域的數量為I個，則輸出該車牌區域，若車牌區域的數量大於I個，則將所述車牌區域中所有字符的置信度相加，輸出置信度相加後和最高的車牌區域。
[0034]其中，所述車牌檢測還系統包括:第二獲取模塊，
[0035]用於對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測，若沒有檢測到第一疑似車牌區域，則將該車牌圖像保存，獲取訓練互補車牌分類器所需的車牌圖像樣本；
[0036]或，
[0037]用於對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測；對跟蹤後的車牌使用互補車牌分類器進行檢測；若沒有檢測到第一疑似車牌區域且沒有檢測到第二疑似車牌區域，則將該車牌圖像保存，獲取訓練互補車牌分類器所需的車牌圖像樣本。
[0038]其中，所述第二獲取模塊包括:訓練模塊，
[0039]用於獲取訓練互補車牌分類器所需的車牌圖像樣本，取所述車牌圖像樣本中包含車牌的部分為正樣本，取所述車牌圖像樣本中的不包含車牌的部分為負樣本；
[0040]使用哈爾特徵對所述正樣本和所述負樣本進行表徵，形成哈爾特徵向量；
[0041]利用迭代算法對所述哈爾特徵向量進行訓練，得到車牌互補分類器。
[0042]其中，所述第一獲取模塊包括圖像採集設備，用於採集圖像，將所述採集的圖片進行輸出；
[0043]其中，所述圖像採集設備還包括:圖像檢測單元，用於對圖像採集設備輸出的車牌圖像進行邊緣檢測，將邊緣檢測後的圖像中邊緣度大於一定閾值的圖像進行輸出。
[0044]一種車牌識別器，其特徵在於，包括上述的車牌檢測系統。
[0045]基於上述技術方案，本發明實施例提供車牌檢測方法，使用通過現場環境中不能被標準車牌分類器檢測得到疑似區域的車牌圖像訓練得到的互補車牌分類器，將訓練出的互補車牌分類器與標準分類器相互配合，當某個疑似車牌區域無法被標準車牌分類器檢測到時，將可以通過訓練完成後的互補車牌分類器來檢測到，當互補車牌分類器與標準車牌分類器檢測到同一疑似車牌區域時，也會更加有利於提高車牌識別器的檢測率，有效地提高了車牌識別器的檢測率；當配合使用互補車牌分類器與標準分類器後仍然無法檢測到疑似車牌區域，即標準車牌分類器和互補車牌分類器均無法檢測到疑似車牌區域，使車牌識別器的檢測率偏低，那麼便再將那些無法使用標準車牌分類器檢測到疑似車牌區域又無法通過互補車牌分類器檢測到疑似車牌區域的車牌圖像作為該互補車牌分類器的訓練圖像樣本，對該互補車牌分類器進行再次訓練，直到將此互補車牌分類器和此標準車牌分類器配合使用時可以達到一個滿意的檢測率。如此，相比現有技術的車牌檢測方法，使用本發明的車牌檢測方法，將擁有更高的檢測率。
【專利附圖】
【附圖說明】
[0046]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
[0047]圖1為本發明實施例提供的車牌檢測方法的流程圖；
[0048]圖2為本發明實施例提供的車牌檢測方法中獲取車牌圖像的方法流程圖；
[0049]圖3為本發明實施例提供的車牌檢測方法中訓練互補車牌分類器的方法流程圖；
[0050]圖4為本發明實施例提供的車牌檢測方法中獲取訓練互補車牌分類器所需的車牌圖像樣本的方法流程圖；
[0051]圖5為發明實施例提供的車牌檢測方法中獲取訓練互補車牌分類器所需的車牌圖像樣本的另一方法流程圖；
[0052]圖6為本發明實施例提供的車牌檢測系統的系統框圖；
[0053]圖7為本發明實施例提供的車牌檢測系統的另一系統框圖；
[0054]圖8為發明實施例提供的車牌檢測系統中第二獲取模的一種可選結構；
[0055]圖9為本發明實施例提供的車牌檢測系統中第一獲取模塊的一種可選結構。
【具體實施方式】
[0056]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
[0057]圖1為本發明實施例提供的車牌檢測方法的流程圖，該車牌檢測方法使用實驗室訓練得到的標準車牌分類器和根據標準車牌分類器無法檢測到車牌的車牌圖像樣本訓練得到的互補車牌分類器同時對車牌進行檢測，以提高對車牌檢測的檢測率，參照圖1，該方法可以包括:
[0058]步驟SlOO:獲取車牌圖像；
[0059]獲取的車牌圖像可以是直接來自圖像採集設備採集而來的圖像，也可能是通過圖像採集設備採集後經過了檢測選擇後的圖像。其中，使用的圖像採集設備可以為攝像機，而所述的檢測選擇可以是邊緣檢測或掃描，選擇出滿足一定邊緣度的或滿足一定解析度的圖像區域來作為車牌圖像。
[0060]步驟SllO:對所述車牌圖像使用標準車牌分類器進行檢測，得到第一疑似車牌區域；對所述車牌圖像使用互補車牌分類器進行檢測，得到第二疑似車牌區域；
[0061]其中，標準車牌分類器是指現有技術中的在實驗室訓練得到的車牌分類器，一般而言，使用標準車牌分類器便可以得到疑似車牌區域，但在某些情況時，如:車輛進入直道很短的T型出入口，或車輛進行大角度拐彎，或工程安裝人員將路面的攝像機和實驗室訓練的分類器的攝像機安裝的角度有差異時，可能會使標準車牌分類器無法檢測到疑似車牌區域，從而漏過需要檢測的疑似車牌區域，因此，此處將標準車牌分類器與互補車牌分類器配合使用，以使這些原本可能被標準車牌分類器漏過的疑似車牌區域也被檢測出來，提供車牌識別器的檢測率。
[0062]互補車牌分類器，顧名思義，是作為標準分類器的一個互補的車牌分類器，其通過現場環境中不能被標準車牌分類器檢測得到疑似車牌區域的車牌圖像訓練而得，將訓練出的互補車牌分類器與標準分類器相互配合，當某個疑似車牌區域無法被標準車牌分類器檢測到時，將可以通過訓練完成後的互補車牌分類器來檢測到，有效地提高了車牌識別器的檢測率。當然，互補車牌分類器也可能會與標準車牌分類器檢測到同一疑似車牌區域，但如此將更有利於提高車牌識別器的檢測率。
[0063]可以看出，一個標準車牌分類器可以同時訓練出多個互補車牌分類器，而這些互補車牌分類器與該標準車牌分類器為相互對應的關係，即這些通過該標準車牌分類器訓練得出的互補車牌分類器應該與該標準車牌分類器配套使用來檢測車牌圖像，而不是與其他標準車牌分類器配合使用來檢測車牌圖像，與其他標準車牌分類器配合使用將無法很好實現本發明提高車牌識別器檢測率的目的，其他的標準車牌分類器應該與利用該其他標準車牌分類器訓練而得的互補車牌分類器來配套使用。
[0064]另外，需要說明的是，由於Haar檢測十分耗時，為了滿足實時需求，雖然一個標準車牌分類器可以訓練出多了可與其配套使用的互補車牌分類器，但在使用時，我們僅僅使用一個互補車牌分類器與一個標準車牌分類器配套使用，其他的訓練出的也可與該標準車牌分類器配套使用的互補車牌分類器可以將其保留，當正在使用的與該標準車牌分類器配套的互補車牌分類器出現故障時，用其替換該故障的互補車牌分類器。
[0065]將標準車牌分類器與互補車牌分類器配合使用來檢測車牌圖像，若配合使用後仍然無法檢測到疑似車牌區域，即標準車牌分類器和互補車牌分類器均無法檢測到疑似車牌區域，使車牌識別器的檢測率偏低，則說明該互補車牌分類器訓練的不夠完善，此時，將那些無法使用標準車牌分類器檢測到疑似車牌區域又無法通過互補車牌分類器檢測到疑似車牌區域的車牌圖像作為該互補車牌分類器的訓練圖像樣本，對該互補車牌分類器進行再次訓練，直到將此互補車牌分類器和此標準車牌分類器配合使用時可以達到一個滿意的檢測率。同時，需要注意的是，每次訓練互補車牌分類器所需的車牌圖像樣本要有足夠多的數量，如果數量不夠，也將無法很好地訓練出令人滿意的互補車牌分類器。
[0066]其中，需要說明的是，對車牌圖像使用標準車牌分類器進行檢測和對車牌圖像使用互補車牌分類器進行檢測並沒有順序的關係，即，可以對車牌圖像同時使用標準車牌分類器和互補車牌分類器檢測，也可以先對車牌圖像使用標準車牌分類器進行檢測再對車牌圖像使用互補車牌分類器進行檢測，當然，還可以先對車牌圖像使用互補車牌分類器進行檢測再對車牌圖像使用標準車牌分類器進行檢測。
[0067]步驟S120:對第一疑似車牌區域進行字符分割與識別，得到第一疑似車牌區域每個字符的置信度；對第二疑似車牌區域中的字符進行分割與識別，得到第二疑似車牌區域每個字符的置信度；
[0068]由於一個車牌圖像中可能存在多個疑似車牌區域，所以，通過標準車牌分類器檢測得到的第一疑似車牌區域和通過互補車牌分類器檢測得到的第二疑似車牌區域的數量可能並不唯一，因此，需要對每個通過標準車牌分類器檢測得到的第一疑似車牌區域和每個通過互補車牌分類器檢測得到的第二疑似車牌區域都進行字符分割與識別，而每個疑似車牌區域經過字符分割與識別後，其中的字符都將獲得一個置信度，獲取該置信度。
[0069]對第一疑似車牌區域進行字符分割與識別得到第一疑似車牌區域每個字符的置信度，和對第二疑似車牌區域中的字符進行分割與識別得到第二疑似車牌區域每個字符的置信度也沒有順序的關係，即可以同時對第一疑似車牌區域和第二疑似車牌區域進行字符分割與識別，並在對第一疑似車牌區域和第二疑似車牌區域進行字符分割完成後分別再得到其每個字符的置信度；可以先對第一疑似車牌區域進行字符分割與識別得到其每個字符的置信度，當每個第一疑似車牌區域都得到其每個字符經過字符分割與識別後的置信度後，再對第二疑似車牌區域進行字符分割與識別得到其每個字符的置信度；還可以先對第二疑似車牌區域進行字符分割與識別得到其每個字符的置信度，當每個第二疑似車牌區域都得到其每個字符經過字符分割與識別後的置信度後，再對第一疑似車牌區域進行字符分割與識別得到其每個字符的置信度。
[0070]步驟S130:確定第一疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第一疑似車牌區域為車牌區域；確定第二疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第二疑似車牌區域為車牌區域；
[0071]目前，一個車牌中一般具有7個字符，而對每個疑似車牌區域進行字符分割與識別得到每個字符都將會具有一個置信度，這個置信度範圍在0-1000之間，當一個字符的置信度大於一個預先設定好的閾值(定義這個閾值為第一閾值)時，可以判定該字符有效，當一個疑似車牌區域中的有效字符數量不小於一個預先設定好的閾值(定義這個閾值為第二閾值)時，判定該疑似區域為車牌區域。其中，第一閾值必須在0-1000之間，第二閾值必須為不大於7的正整數，比如為5。
[0072]第一閾值和第二閾值可以有效的防止車牌識別器對車牌的誤檢，即可以防止某些非車牌區域被檢測為疑似車牌後為誤檢為車牌區域。第一閾值和第二閾均為預先設定，第一閾值和第二閾值被設定的越高，被檢測為疑似車牌區域的非車牌區域被排除為車牌區域的可能便越大，但這個閾值也並非越大越好，過大的閾值還可能將為車牌區域的疑似車牌區域判定為非車牌區域，閾值的大小應該在對車牌分類器進行訓練時，通過實驗或現場檢測的方法得出一個令人滿意的數值。
[0073]步驟S140:確定車牌區域的數量，若車牌區域的數量為I個，則輸出該車牌區域，若車牌區域的數量大於I個，則將各車牌區域中所有字符的置信度相加，輸出置信度相加後和最高的車牌區域。
[0074]當獲取的車牌圖像中被判定為只有I個車牌區域時，那麼便認為該車牌區域即為所獲取的車牌圖像中的車牌，將該車牌區域輸出，車牌檢測成功；當獲取的車牌圖像中被判定為擁有大於I個車牌區域時，那麼將所有車牌區域的所有字符的置信度相加，可選的，可以將各個車牌區域置信度相加後按照置信度和的大小，從大到小依次排列，然後，輸出置信度相加後和最高的車牌區域，認為其為所獲取的車牌圖像中的車牌，車牌檢測成功；當獲取的車牌圖像中被判斷為O個車牌區域，即被判斷為沒有車牌區域時，那麼，可能是獲取的車牌圖像中原本便沒有車牌，也可能是獲取的車牌圖像中有車牌而沒有被檢測到有車牌，即說明車牌檢測失敗，若車牌檢測失敗的次數過多，車牌識別器的檢測率過低，那麼便需要對本發明中的互補車牌分類器進行重新訓練，以提高車牌檢測的檢測率。
[0075]當獲取的車牌圖像中被判定為擁有大於I個車牌區域時，由於將車牌區域中的所有字符的置信度相加後，可能會存在出現兩個或多個車牌區域的置信度和均為最高的情況，若此種情況出現，那麼，再獲取此兩個或多個置信度和均為最高的車牌區域的坐標，輸出坐標值中縱坐標最大，即最靠近底部的車牌區域。
[0076]若在本發明所述的車牌檢測之前已經對車牌進行成功跟蹤，那麼便說明獲取的車牌圖像中原本存在車牌，而若此時，獲取的車牌圖像中被判斷為O個車牌區域，則可確定是車牌檢測失敗，而非獲取的車牌圖像中原本便沒有車牌，可以將已經被成功跟蹤而卻車牌檢測設備檢測失敗的車牌圖像進行保存，以用來訓練互補車牌分類器。
[0077]本發明實施例提供車牌檢測方法，使用通過現場環境中不能被標準車牌分類器檢測得到疑似區域的車牌圖像訓練得到的互補車牌分類器，將訓練出的互補車牌分類器與標準分類器相互配合，當某個疑似車牌區域無法被標準車牌分類器檢測到時，將可以通過訓練完成後的互補車牌分類器來檢測到，有效地提高了車牌識別器的檢測率；當互補車牌分類器與標準車牌分類器檢測到同一疑似車牌區域時，也會更加有利於提高車牌識別器的檢測率；當配合使用互補車牌分類器與標準分類器後仍然無法檢測到疑似車牌區域，即標準車牌分類器和互補車牌分類器均無法檢測到疑似車牌區域，使車牌識別器的檢測率低，那麼便再將那些無法使用標準車牌分類器檢測到疑似車牌區域又無法通過互補車牌分類器檢測到疑似車牌區域的車牌圖像作為該互補車牌分類器的訓練圖像樣本，對該互補車牌分類器進行再次訓練，直到將此互補車牌分類器和此標準車牌分類器配合使用時可以達到一個滿意的檢測率。如此，相比只是要標準車牌分類器的車牌檢測方法，使用本發明的車牌檢測方法，將擁有更高的檢測率。
[0078]可選的，圖2示出了本發明實施例提供的車牌檢測方法中獲取車牌圖像的方法流程圖，其中，圖像採集設備使用攝像機，同時對攝像機採集後的圖像進行邊緣檢測，選擇符合要求的區域圖像作為車牌圖像，參照圖2，獲取車牌圖像的方法可以包括:
[0079]步驟S200:攝像機採集圖像；
[0080]使用攝像機採集圖像時，攝像機應設置於較高於圖片採集區域的位置，使攝像機可以清楚、全面地看到經過路面或出入口的車輛的車牌，而所述攝像機可以為攝像頭可擺動的攝像機，使用攝像頭可擺動的攝像機，當攝像機因為外部原因而使機身發生偏移時，可以通過控制攝像機攝像頭的擺動來使攝像機可以重新捕獲清晰、完整的圖像。
[0081]步驟S210:對攝像機採集到的圖像進行邊緣檢測，獲取邊緣檢測後邊緣度大於一定閾值的區域圖像作為車牌圖像。
[0082]經過攝像機採集得到的圖像可以在不經過邊緣處理等檢測後直接作為車牌圖像而被捕獲，但是如果直接對整個攝像機採集的圖像進行全圖獲取，由於獲取的車牌圖像中的所需的車牌區域往往只佔車牌圖像中的一小部分，如此，將使得被檢測的車牌圖像中的非車牌區域範圍過大，使得被檢測的車牌圖像中的非車牌區域被誤檢為疑似車牌區域的可能增大，使得車牌檢測所需的時間變長，影響車牌檢測的檢測效率。而若對攝像機採集到的圖像進行邊緣檢測，由於一般車牌區域的顏色與路面和出入口等地的顏色有著一定明顯的分層，使用邊緣檢測，將邊緣度大於一定閾值的區域圖像，即採集的圖像中亮度變化明顯的區域圖像作為車牌圖像被獲取，將被攝像機採集的圖像中一些明顯不可能為車牌區域的區域圖像刪去，只保留可能為車牌區域的區域圖像，減少被檢測車牌圖像中非車牌區域的範圍，提聞車牌檢測的檢測效率。
[0083]除了可以對攝像機採集的圖像進行邊緣檢測來提供邊緣檢測效率外，還可以通過對攝像機採集的圖像進行掃描，獲取圖像掃描後解析度大於一定閾值的區域圖像作為車牌圖像。解析度決定了圖像的精細程度，攝像機採集的圖像的解析度越高，說明攝像機採集到的圖像的便越清晰，若攝像機採集的圖像的解析度過低，那麼便使得被存在於被採集的圖像中車牌區域的像素過低，加大了後續過程中被檢測出的疑似車牌區域的字符分析與識別的難度，或者甚至無法將疑似車牌區域進行字符分許與識別，因此，將採集的圖像中一些像素過低，不可後續使用的區域圖像略去，而獲取被採集的圖像中解析度可用的區域圖像作為需被獲取的車牌區域，也可以從另一方面提高車牌檢測的檢測效率。
[0084]可選的，本發明實施例提供的車牌檢測方法中使用的互補車牌分類器包括:
[0085]只利用不能被標準車牌分類器檢測得到第一疑似車牌區域的車牌圖像訓練得到的互補車牌分類器，可以稱此只利用不能被標準車牌分類器檢測得到第一疑似車牌區域的車牌圖像訓練得到的互補車牌分類器為第一互補車牌分類器。當只有標準車牌分類器對路面或出入口車牌進行檢測，即還沒有訓練出與標準車牌分類器相匹配的互補車牌分類器時，利用不能被此標準車牌分類器檢測得到第一疑似車牌區域的車牌圖像訓練得到的第一類互補車牌分類器，然後利用此第一類互補車牌分類器與此標準車牌分類器配合使用，以提高車牌識別器的檢測率。
[0086]不能被標準車牌分類器檢測得到第一疑似車牌區域且不能被第一互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像訓練得到的互補車牌分類器，稱此不能被標準車牌分類器檢測得到第一疑似車牌區域且不能被第一互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像訓練得到的互補車牌分類器為第二互補車牌分類器。當已經訓練好了第一互補車牌分類器，而第一互補車牌分類器與標準車牌分類器配合使用後車牌識別器的檢測率並不理想時，便可以通過利用此不能被標準車牌分類器檢測得到第一疑似車牌區域且不能被第一互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像訓練得到的第二互補車牌分類器來替換第一互補車牌分類器，使該第二互補車牌分類器與該標準車牌分類器配合使用，以提高車牌識別器的檢測率。
[0087]同樣的，除第一互補車牌分類器和第二互補車牌分類器外，自然也包括不能被標準車牌分類器檢測得到第一疑似車牌區域且不能被第二互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像訓練得到的互補車牌分類器，稱此不能被標準車牌分類器檢測得到第一疑似車牌區域且不能被第二互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像訓練得到的互補車牌分類器為第三互補車牌分類器。依次類推，還可以包括第四互補車牌分類器、第五互補車牌分類器、第六互補車牌分類器等等，只要某個互補車牌分類器與標準車牌分類器配合使用後的車牌識別器檢測率不佳，便可通過此互補分類器與該標準分類器收集圖像而訓練出下一個可以與該標準車牌分類器配合更好的互補車牌分類器，使車牌識別器始終保持一個良好的檢測率。
[0088]可選的，獲得本發明實施例提供的車牌檢測方法中使用的互補車牌分類器可以包括:
[0089]步驟Al:獲取使用標準車牌分類器不能檢測到第一疑似車牌區域的車牌圖像，保存至樣本集；
[0090]所述樣本集用於保存訓練互補車牌分類器的車牌圖像。
[0091]步驟A2:當獲取的使用標準車牌分類器不能檢測到車牌第一疑似車牌區域的車牌圖像的數目達到預定閾值時，利用樣本集中的車牌圖像訓練得到第一互補車牌分類器；
[0092]可選的，可以在訓練得到第一互補車牌分類器後將樣本集中保存的車牌圖像繼續保存，下次訓練互補車牌分類器時，利用原本便保存在樣本集中的車牌圖像和重新獲取並保存至樣本集中的車牌圖像進行互補車牌分類器的訓練。
[0093]步驟A3:將訓練得到的第一互補車牌分類器與所述標準車牌分類器配合使用。
[0094]步驟A4:當出現使用標準車牌分類器無法檢測到第一疑似車牌區域，且使用第一互補分類器無法檢測到第二疑似車牌區域的車牌圖像時，獲取這些車牌圖像並將這些車牌圖像保存至樣本集；
[0095]步驟A5:當使用標準車牌分類器無法檢測到第一疑似車牌區域，且使用互補分類器無法檢測到第二疑似車牌區域的車牌圖像達到預定閾值時，利用樣本集中的車牌圖像訓練出第二互補車牌分類器；
[0096]可選的，訓練第二互補車牌分類器的樣本集中的車牌圖像包括訓練第一互補車牌分類器時使用的車牌圖像樣本與新收集的車牌圖像樣本。
[0097]步驟A6:將訓練得到的第二互補車牌分類器替代第一互補車牌分類器與該標準車牌分類器配合使用。
[0098]以此類推，當出現使用標準車牌分類器無法檢測到第一疑似車牌區域，且使用第二互補分類器無法檢測到第二疑似車牌區域的車牌圖像時，獲取這些車牌圖像並將這些車牌圖像保存至樣本集；當使用標準車牌分類器無法檢測到第一疑似車牌區域，且使用互補分類器無法檢測到第二疑似車牌區域的車牌圖像達到預定閾值時，利用存於樣本集中的之前一次訓練使用的樣本和本次收集的車牌圖像樣本進行訓練，得到第三互補車牌分類器；將訓練得到的第三互補車牌分類器替代第二互補車牌分類器與該標準車牌分類器配合使用。
[0099]如此，不斷使用標準車牌分類器與最新訓練出的互補車牌分類器配合使用來檢測車牌圖像，不斷收集新的訓練互補車牌分類器的車牌圖像，收集到的新的訓練互補車牌分類器的車牌圖像達到一定數量後，訓練出更新的互補車牌分類器，用這個更新的互補車牌分類器來替代前一個互補車牌分類器，將這個更新的互補車牌分類器與該標準車牌分類器配合使用，直到幾乎不再出現使用標準車牌分類器無法檢測到第一疑似車牌區域且使用補分類器無法檢測到第二疑似車牌區域的車牌圖像的情況，即，直到無法訓練出比更新的互補車牌分類器更新的互補車牌分類器為止，如此，可提高車牌識別器的檢測率，使車牌識別器的檢測率和漏檢率達到一定要求。
[0100]可選的，圖3示出了本發明實施例提供的車牌檢測方法中訓練互補車牌分類器的方法流程圖，參照圖3，訓練互補車牌分類器的方法可以包括:
[0101]步驟S300:獲取訓練互補車牌分類器所需的車牌圖像樣本，取車牌圖像樣本中包含車牌的部分為正樣本，取車牌圖像樣本中的非車牌區域為負樣本；
[0102]其中，獲取的訓練互補車牌分類器所需的車牌圖像樣，即為上文所描述的當還沒有與標準車牌分類器相匹配的互補車牌分類器存在時，不能被該標準車牌分類器檢測得到第一疑似車牌區域的車牌圖像；或當已經有第一互補車牌分類器與標準車牌分類器配合使用時，而不能被該標準車牌分類器檢測得到第一疑似車牌區域且不能被該第一互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像；或當已經有第二互補車牌分類器與標準車牌分類器配合使用時，而不能被該標準車牌分類器檢測得到第一疑似車牌區域且不能被該第二互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像等等。
[0103]可選的，取車牌圖像樣本中包含車牌的部分為正樣本，取車牌圖像樣本中的非車牌區域為負樣本，這一操作可以採樣人工截取的方式對車牌圖像進行手動截取。通過肉眼識別出訓練互補車牌分類器所需的車牌圖像樣本中的車牌，然後通過滑鼠或鍵盤等操作人工得截取出訓練互補車牌分類器所需的車牌圖像樣本中包含車牌的部分，將其作為正樣本，再人工得截取出訓練互補車牌分類器所需的車牌圖像樣本中不包含車牌的部分，將其作為負樣本。由於人的精力有限，而截取出訓練互補車牌分類器所需的車牌圖像樣本中的正、負樣本的工程一般較大，當人工作到一定程度時，將會導致集中力下降，致使截取正、負樣本的出錯率變高，且在截取正、負樣本的過程中，人腦的思考速度與手的操作速度畢竟有限，也會使得正、負樣本的截取速度較慢。
[0104]可選的，此處可以採用機器自動截取出訓練互補車牌分類器所需的車牌圖像樣本中的正、負樣本的方式來訓練互補車牌分類器。對需要截取出正、負樣本而訓練互補車牌分類器的車牌圖像樣本進行跟蹤，若跟蹤成功，機器便可以獲得車牌圖像樣本中車牌的位置信息，確定車牌圖像樣本中車牌的位置信息後將該車牌圖像樣本中對應的車牌位置信息保存，保存後車牌識別器中將會生成一個txt文件，那麼，每次訓練互補車牌分類器時而需要取訓練互補車牌分類器所需的車牌圖像樣本中的正、負樣本時，便可以通過讀取該保存有車牌位置信息的txt文件來獲取所需的正樣本，然後再隨意選讀取一個不包含如何車牌信息的圖文文件夾中txt文件來獲取所需的負樣本。由於機器的運算速度迅速而錯誤率低，所以使用機器自動截取出訓練互補車牌分類器所需的車牌圖像樣本中的正、負樣本，可以擁有更快的速度和更小的出錯率。
[0105]步驟S310:使用哈爾特徵對所述正樣本和所述負樣本進行表徵，形成哈爾特徵向量;
[0106]哈爾特徵(Haar特徵,Haar-1 ike features)是一種用於物體識別的圖像特徵,使用檢測窗口中指定位置的相鄰矩形，計算每一個矩形的像素和並取其差值，然後用這些差值來對圖像的子區域進行分類。例如，當前有一個人臉圖像集合，通過觀察可以發現，人的眼睛的顏色要比兩頰的深，因此，用於人臉檢測的哈爾特徵是分別放置在眼睛和臉頰的兩個相鄰矩形。這些矩形的位置則通過類似於人臉圖像的外接矩形的檢測窗口進行定義。在檢測階段，一個與目標物體同樣尺寸的檢測窗口將在輸入圖像上滑動，在圖像的每一個子區域都計算出一個哈爾特徵向量，然後這個差值會與一個預先計算好的閾值進行比較，將目標和非目標區分開來，單個哈爾特徵向量可以視為一個弱分類器，而多個哈爾特徵向量的組合可以形成一個級聯分類器，最終形成一個強分類器。哈爾特徵的計算非常快速，使用一個稱為積分圖的結構，任意尺寸的哈爾特徵可以在常數時間內進行計算。
[0107]步驟S320:利用迭代算法對所述哈爾特徵向量進行訓練，得到互補車牌分類器。
[0108]具體的,可以使用Adaboost (Adaptive Boosting,自適應推進)算法來對哈爾特徵向量進行訓練，從而得到互補車牌分類器。Adaboost算法的核心思想是針對同一個訓練集訓練不同的弱分類器，然後把這些弱分類器集合起來，構成一個強分類器。其算法本身是通過改變數據分布來實現的，根據每次訓練集之中每個樣本的分類是否正確，以及上次的總體分類的準確率，來確定每個樣本的權值，將修改過權值的新數據集送給下層分類器進行訓練，最後將每次訓練得到的分類器最後融合起來，作為最後的決策分類器。
[0109]可選的，圖4示出了本發明實施例提供的車牌檢測方法中獲取訓練互補車牌分類器所需的車牌圖像樣本的方法流程圖，參照圖4，獲取訓練互補車牌分類器所需的車牌圖像樣本的方法可以包括:
[0110]步驟S400:獲取車牌圖像；
[0111]步驟S410:對獲取的車牌圖像進行跟蹤；
[0112]可選的，可以使用卡爾曼濾波器或使用mean-shift算法(聚類算法)來對獲取的車牌圖像進行跟蹤。
[0113]其中，需要說明的是，此處所說的車牌圖像是指在已經在車牌跟蹤列表中的車牌圖像，設該車牌圖像為當前幀車牌圖像，該車牌圖像已經在車牌跟蹤列表中，是指在當前幀之前當前幀車牌圖像中的車牌區域已經被檢測出來，並將該被檢測出的車牌區域的信息加入了車牌跟蹤列表之中。若該車牌圖像未在車牌跟蹤列表中，即在當前幀之前當前幀車牌圖像中的車牌區域未被檢測出來，車牌跟蹤列表中無此被檢測出的車牌區域，此時無法對當前幀車牌圖像進行跟蹤。可以通過對當前幀車牌圖像進行車牌檢測，噹噹前幀車牌圖像被檢測到車牌區域而將當前幀車牌圖像的信息加入車牌跟蹤列表之中後，使車牌識別器可以對下一幀的車牌圖像進行跟蹤，之後再執行後面的操作步驟。
[0114]步驟S420:判斷車牌圖像跟蹤是否成功；
[0115]步驟S430:若跟蹤成功，對跟蹤後的車牌圖像使用標準車牌分類器進行檢測；
[0116]步驟S440:判斷標準車牌分類器是否檢測到第一疑似車牌區域；
[0117]步驟S450:若沒有檢測到，將該車牌圖像保存。
[0118]當只有標準車牌分類器對路面或出入口車牌進行檢測，即還沒有訓練出與標準車牌分類器相匹配的互補車牌分類器時，使用圖4示出的獲取訓練互補車牌分類器所需的車牌圖像樣本的方法來獲取訓練互補車牌分類器所需的車牌圖像樣本，其中，步驟S450中被保存的車牌圖像即為所需的訓練互補車牌分類器所需的車牌圖像樣本。
[0119]在對車牌圖像使用標準車牌分類器進行檢測前對該車牌圖像進行跟蹤，是為了確定獲取的車牌圖像中車牌區域的存在。當獲取的車牌圖像被標準車牌分類器進行檢測後沒有檢測到第一疑似車牌的存在，那麼獲取的車牌圖像存在兩種可能情況，一是可能獲取的車牌中原本便不包含車牌，一是可能獲取的車牌圖像使用標準車牌分類器進行檢測後並沒有成功。如果在對車牌圖像使用標準車牌分類器進行檢測前對該車牌圖像進行跟蹤，若跟蹤成功，那麼便說明獲取的車牌圖像中原本存在車牌，可以排除當獲取的車牌圖像被標準車牌分類器進行檢測後沒有檢測到第一疑似車牌的存在時可能獲取的車牌中原本便不包含車牌這一情況，即確定當獲取的車牌圖像被標準車牌分類器進行檢測後沒有檢測到第一疑似車牌的存在時是使用標準車牌分類器檢測失敗。
[0120]同時，由於對或取的車牌圖像進行跟蹤成功後，便可以獲知該車牌圖像中車牌的位置信息，將該車牌位置信息與該車牌圖像相綁定保存後，將有利於之後對訓練互補車牌分類器所需的車牌圖像樣本中的正、負樣本的獲取，加快訓練互補車牌分類器所需的車牌圖像樣本中的正、負樣本的獲取速率，同時較少對訓練互補車牌分類器所需的車牌圖像樣本中的正、負樣本的獲取的出錯率。
[0121]可選的，可以在判定該標準車牌分類器沒有檢測到第一疑似車牌區域後，增加判斷當前幀車牌圖像中車牌區域的位置與上一幀車牌圖像中車牌區域的位置是否滿足預定條件的步驟，當判定當前幀車牌圖像中車牌區域的位置與上一幀車牌圖像中車牌區域的位置滿足預定條件時，將當前幀車牌圖像保存。判斷當前幀車牌圖像中車牌區域的位置與上一幀車牌圖像中車牌區域的位置是否滿足預定條件包括:
[0122]步驟B1:獲取當前幀車牌圖像中車牌區域的位置信息；
[0123]該位置信息中包括當前幀車牌圖像中車牌區域的各個點的橫向坐標和縱向坐標。
[0124]步驟B2:將獲取的當前幀車牌圖像中車牌區域的位置信息與上一幀車牌圖像中車牌區域的位置信息進行比較，當滿足預定條件時，將當前幀車牌圖像保存。
[0125]可選的，可以將當前幀車牌圖像中車牌區域的最左下角點處的橫向坐標與上一幀車牌圖像中車牌區域的最左下角點處的橫向坐標做差值，得橫向距離，並且將當前幀車牌圖像中車牌區域的最左下角點處的縱向坐標與上一幀車牌圖像中車牌區域的最左下角點處的縱向坐標做差值，得縱向距離，當上述兩個差值均滿足預定條件時，將當前幀車牌圖像保存。其中，選用當前幀和上一幀車牌區域的最左下角點進行橫向坐標和縱向坐標做差值僅僅是實施例的一種可選方式，整個車牌區域中的任一點位置均可選為用來做差值的點。可選的，可以設定當所述橫向距離大於10個像素，且所述縱向距離大於5個像素時保存當前幀車牌圖像；也可以設定當所述橫向距離大於10個像素，無論縱向距離為多少時，保存當前幀車牌圖像；還可以設定當所述縱向距離大於5個像素，無論橫向距離為多少時，保存當前幀車牌圖像。
[0126]可選的，可以通過當前幀車牌圖像中車牌區域的最左下角點處的橫向坐標和縱向坐標，與上一幀車牌圖像中車牌區域的最左下角點處的橫向坐標和縱向坐標來計算該兩個車牌區域的距離，當計算出的車牌區域的距離大於預定閾值時，保存當前幀車牌圖像。當然，選用當前幀和上一幀車牌區域的最左下角點進行距離的計算僅僅是實施例的一種可選方式，整個車牌區域中的任一點位置均可選為用來做距離的計算。可選的，可以設定當計算的距離大於12個像素時，保存當前幀車牌圖像。
[0127]將當前幀車牌圖像中車牌區域的位置信息與當前幀車牌圖像中車牌區域的位置信息作比較，噹噹前幀車牌圖像中車牌區域與上一幀車牌圖像中的車牌區域之間滿足預定條件時，再當前幀車牌圖像保存，可以有效避免當某一車輛停留在某個不能被檢測到的地方，而被車牌識別器的控制畫面捕獲到後，使該車牌識別器保存大量相同的訓練互補車牌分類器的車牌圖像樣本的狀況發生。保存有大量相同的訓練互補車牌分類器的車牌圖像樣本，當被保存的訓練互補車牌分類器的車牌圖像樣本達到一定閾值開始對互補車牌分類器進行訓練後，訓練互補車牌分類器將無法達到預期的訓練效果，嚴重影響到互補車牌分類器的訓練，而將當前幀車牌圖像中車牌區域的位置信息與當前幀車牌圖像中車牌區域的位置信息作比較，當滿足預定條件後再將當前幀車牌圖像進行保存，可以有效地解決這一問題，使每個位置不能檢測的車牌僅保留一張，保證互補車牌分類器的訓練的效果性。
[0128]可選的，圖5示出了本發明實施例提供的車牌檢測方法中獲取訓練互補車牌分類器所需的車牌圖像樣本的另一方法流程圖，參照圖5，獲取訓練互補車牌分類器所需的車牌圖像樣本的另一方法可以包括:
[0129]步驟S500:獲取車牌圖像；
[0130]步驟S510:對獲取的車牌圖像進行跟蹤；
[0131]步驟S520:判斷車牌圖像跟蹤是否成功；
[0132]步驟S530:若跟蹤成功，對跟蹤後的車牌圖像使用標準車牌分類器進行檢測；
[0133]步驟S540:若跟蹤成功，對跟蹤後的車牌圖像使用互補車牌分類器進行檢測；
[0134]其中，步驟S540和步驟530的順序是可以調換的，即可以先對跟蹤後的車牌圖像使用標準車牌分類器進行檢測，再對跟蹤後的車牌圖像使用互補車牌分類器進行檢測，也可以先對跟蹤後的車牌圖像使用互補車牌分類器進行檢測，再對跟蹤後的車牌圖像使用標準車牌分類器進行檢測；除此之外，此處還可以同時對跟蹤後的車牌圖像使用互補車牌分類器和標準車牌分類器進行檢測。
[0135]步驟S550:判斷是否檢測到第一疑似車牌區域且檢測到第二疑似車牌區域；
[0136]步驟S560:若否，將該車牌圖像保存。
[0137]當使用互補車牌分類器與標準車牌分類器相配合對路面或出入口車牌進行檢測時，使用圖5示出的獲取訓練互補車牌分類器所需的車牌圖像樣本的另一方法來獲取訓練互補車牌分類器所需的車牌圖像樣本，其中，步驟S560中被保存的車牌圖像即為所需的訓練互補車牌分類器所需的車牌圖像樣本。
[0138]本發明實施例提供的車牌檢測方法使用實驗室訓練得到的標準車牌分類器和根據標準車牌分類器無法檢測到車牌的車牌圖像樣本訓練得到的互補車牌分類器同時對車牌進行檢測，以實現提高車牌檢測的檢測率的目的。
[0139]下面對本發明實施例提供的車牌檢測系統進行介紹，下文描述的車牌檢測系統與上文描述的車牌檢測方法可相互對應參照。
[0140]圖6為本發明實施例提供的車牌檢測系統的系統框圖，該車牌檢測系統可以應用於車牌識別器，參照圖6，該車牌檢測系統可以包括:第一獲取模塊、檢測模塊、字符處理模塊、車牌判斷模塊和輸出模塊，其中，
[0141]第一獲取模塊100，用於獲取車牌圖像；
[0142]檢測模塊200，用於對獲取的車牌圖像使用標準車牌分類器進行檢測，得到第一疑似車牌區域；對獲取的車牌圖像使用互補車牌分類器進行檢測，得到第二疑似車牌區域；
[0143]字符處理模塊300，用於對第一疑似車牌區域進行字符分割與識別，得到第一疑似車牌區域每個字符的置信度；對第二疑似車牌區域中的字符進行分割與識別，得到第二疑似車牌區域每個字符的置信度；
[0144]車牌判定模塊400，用於確定第一疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定該第一疑似車牌區域為車牌區域；確定第二疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定該第二疑似車牌區域為車牌區域；
[0145]所述輸出模塊500，用於確定車牌區域的數量，若車牌區域的數量為I個，則輸出該車牌區域，若車牌區域的數量大於I個，則將所述車牌區域中所有字符的置信度相加，輸出置信度相加後和最高的車牌區域。
[0146]可選的，圖7示出了本發明實施例提供的車牌檢測系統的另一系統框圖，參照圖7，車牌檢測系統還包括:
[0147]第二獲取模塊600，與第一獲取模塊100和檢測模塊200相關聯，
[0148]用於對第一獲取模塊100獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像利用檢測模塊200對其使用標準車牌分類器進行檢測，若沒有檢測到第一疑似車牌區域，則將該車牌圖像保存，獲取訓練互補車牌分類器所需的車牌圖像樣本；
[0149]或，用於對第一獲取模塊100獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像利用檢測模塊200對其使用標準車牌分類器進行檢測；對跟蹤後的車牌圖像利用檢測模塊200對其使用互補車牌分類器進行檢測；若沒有檢測到第一疑似車牌區域且沒有檢測到第二疑似車牌區域，則將該車牌圖像保存，獲取訓練互補車牌分類器所需的車牌圖像樣本。
[0150]獲取訓練互補車牌分類器所需的車牌圖像樣本時，當只有標準車牌分類器對路面或出入口車牌進行檢測，即還沒有訓練出與標準車牌分類器相匹配的互補車牌分類器時，圖7示出的第二獲取模塊600隻利用檢測模塊200對跟蹤後的車牌圖像使用標準車牌分類器進行檢測。當使用互補車牌分類器與標準車牌分類器相配合對路面或出入口車牌進行檢測時，圖7示出的第二獲取模塊600利用檢測模塊200對跟蹤後的車牌圖像使用標準車牌分類器進行檢測，同時利用檢測模塊200對跟蹤後的車牌圖像使用互補車牌分類器進行檢測。
[0151]可選的，圖8示出了本發明實施例提供的車牌檢測系統中第二獲取模600的一種可選結構，參照圖8，第二獲取模600可以包括:
[0152]訓練模塊610，
[0153]用於接收第二獲取模塊600獲取的訓練互補車牌分類器所需的車牌圖像樣本，取車牌圖像樣本中包含車牌的部分為正樣本，取所述車牌圖像樣本中的不包含車牌的部分為負樣本；
[0154]使用哈爾特徵對所述正樣本和所述負樣本進行表徵，形成哈爾特徵向量；
[0155]利用迭代算法對所述哈爾特徵向量進行訓練，得到車牌互補分類器。
[0156]可選的，圖9示出了本發明實施例提供的車牌檢測系統中第一獲取模塊100的一種可選結構，參照圖9，第一獲取模塊100可以包括:
[0157]圖像採集設備110，用於採集圖像，將所述採集的圖片作為車牌圖像進行輸出。
[0158]圖像採集設備中還包括:圖像檢測單元111，用於對圖像採集設備100輸出的車牌圖像進行邊緣檢測，將邊緣檢測後的圖像中邊緣度大於一定閾值的圖像進行輸出。
[0159]本發明實施例提供的車牌檢測系統使用實驗室訓練得到的標準車牌分類器和根據標準車牌分類器無法檢測到車牌的車牌圖像樣本訓練得到的互補車牌分類器同時對車牌進行檢測，以實現提高車牌檢測的檢測率的目的。
[0160]本發明實施例還提供一種車牌識別器，包括上述的車牌檢測系統，車牌檢測系統的具體描述可參照圖6至圖9對應部分的描述，此處不再贅述。該車牌識別器的其他各部分請參考現有技術，此處也不再贅述
[0161]本說明書中各個實施例採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。
[0162]對於實施例公開的裝置而言，由於其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。
[0163]專業人員還可以進一步意識到，結合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬體、計算機軟體或者二者的結合來實現，為了清楚地說明硬體和軟體的可互換性，在上述說明中已經按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬體還是軟體方式來執行，取決於技術方案的特定應用和設計約束條件。專業技術人員可以對每個特定的應用來使用不同方法來實現所描述的功能，但是這種實現不應認為超出本發明的範圍。
[0164]結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬體、處理器執行的軟體模塊，或者二者的結合來實施。軟體模塊可以置於隨機存儲器(RAM)、內存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬碟、可移動磁碟、CD-ROM、或【技術領域】內所公知的任意其它形式的存儲介質中。
[0165]對所公開的實施例的上述說明，使本領域專業技術人員能夠實現或使用本發明。對這些實施例的多種修改對本領域的專業技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發明的精神或範圍的情況下，在其它實施例中實現。因此，本發明將不會被限制於本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的範圍。
【權利要求】
1.一種車牌檢測方法，其特徵在於，包括: 獲取車牌圖像； 對所述車牌圖像使用標準車牌分類器進行檢測，得到第一疑似車牌區域；對所述車牌圖像使用互補車牌分類器進行檢測，得到第二疑似車牌區域； 對第一疑似車牌區域進行字符分割與識別，得到第一疑似車牌區域每個字符的置信度；對第二疑似車牌區域中的字符進行分割與識別，得到第二疑似車牌區域每個字符的置信度； 確定第一疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第一疑似車牌區域為車牌區域；確定第二疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第二疑似車牌區域為車牌區域； 確定車牌區域的數量，若車牌區域的數量為I個，則輸出該車牌區域，若車牌區域的數量大於I個，則將各車牌區域中所有字符的置信度相加，輸出置信度相加後和最高的車牌區域。
2.根據權利要求1所述的車牌檢測方法，其特徵在於，所述獲取車牌圖像包括: 圖像採集設備採集圖像，獲取所述採集的圖像作為所述車牌圖像； 或，圖像採集設備採集圖像，對所述採集的圖像進行邊緣檢測，獲取所述採集的圖像中邊緣度大於一定閾值的區域圖像作為所述車牌圖像。
3.根據權利要求1所述的車牌檢測方法，其特徵在於，所述互補車牌分類器包括: 不能被標準車牌分類器檢測得到第一疑似車牌區域的車牌圖像訓練得到的第一互補車牌分類器； 或，不能被標準車牌分類器檢測得到第一疑似車牌區域且不能被第一互補車牌分類器檢測得到第二疑似車牌區域的車牌圖像訓練得到的第二互補車牌分類器。
4.根據權利要求1所述的車牌檢測方法，其特徵在於，訓練所述互補車牌分類器的具體步驟包括: 獲取訓練互補車牌分類器所需的車牌圖像樣本，取所述車牌圖像樣本中包含車牌的部分為正樣本，取所述車牌圖像樣本中的不包含車牌的部分為負樣本； 使用哈爾特徵對所述正樣本和所述負樣本進行表徵，形成哈爾特徵向量； 利用迭代算法對所述哈爾特徵向量進行訓練，得到互補車牌分類器。
5.根據權利要求4所述的車牌檢測方法，其特徵在於，所述獲取訓練互補車牌分類器所需的車牌圖像樣本的具體步驟包括: 獲取車牌圖像；對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測，若沒有檢測到第一疑似車牌區域，則將該車牌圖像保存，得到訓練互補車牌分類器所需的車牌圖像樣本； 或， 獲取車牌圖像；對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測；對跟蹤後的車牌使用互補車牌分類器進行檢測；若沒有檢測到第一疑似車牌區域且沒有檢測到第二疑似車牌區域，則將該車牌圖像保存，得到訓練互補車牌分類器所需的車牌圖像樣本； 在將該車牌圖像保存前，還包括:獲取當前幀車牌圖像中車牌區域的位置信息；將獲取的當前幀車牌圖像中車牌區域的位置信息與上一幀車牌圖像中車牌區域的位置信息進行比較，當滿足預定條件時，再將當前幀車牌圖像保存。
6.一種車牌檢測系統，其特徵在於，包括第一獲取模塊、檢測模塊、字符處理模塊、車牌判斷模塊和輸出模塊，其中， 所述第一獲取模塊，用於獲取車牌圖像； 所述檢測模塊，用於對獲取的車牌圖像使用標準車牌分類器進行檢測，得到第一疑似車牌區域；對獲取的車牌圖像使用互補車牌分類器進行檢測，得到第二疑似車牌區域； 所述字符處理模塊，用於對第一疑似車牌區域進行字符分割與識別，得到第一疑似車牌區域每個字符的置信度；對第二疑似車牌區域中的字符進行分割與識別，得到第二疑似車牌區域每個字符的置信度； 所述車牌判定模塊，用於確定第一疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第一疑似車牌區域為車牌區域；確定第二疑似車牌區域中置信度大於一定閾值的字符的數量，當置信度大於一定閾值的字符的數量不小於一定閾值時，判定所述第二疑似車牌區域為車牌區域； 所述輸出模塊，用於確定車牌區域的數量，若車牌區域的數量為I個，則輸出該車牌區域，若車牌區域的數量大於I個，則將所述車牌區域中所有字符的置信度相加，輸出置信度相加後和最聞的車牌區域。
7.根據權利要求6所述的車牌檢測系統，其特徵在於，還包括:第二獲取模塊， 用於對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測，若沒有檢測到第一疑似車牌區域，則將該車牌圖像保存，獲取訓練互補車牌分類器所需的車牌圖像樣本； 或， 用於對獲取的車牌圖像進行跟蹤；對跟蹤後的車牌圖像使用標準車牌分類器進行檢測；對跟蹤後的車牌使用互補車牌分類器進行檢測；若沒有檢測到第一疑似車牌區域且沒有檢測到第二疑似車牌區域，則將該車牌圖像保存，獲取訓練互補車牌分類器所需的車牌圖像樣本。
8.根據權利要求7所述的車牌檢測系統，其特徵在於，所述第二獲取模塊包括:訓練模塊， 用於獲取訓練互補車牌分類器所需的車牌圖像樣本，取所述車牌圖像樣本中包含車牌的部分為正樣本，取所述車牌圖像樣本中的不包含車牌的部分為負樣本； 使用哈爾特徵對所述正樣本和所述負樣本進行表徵，形成哈爾特徵向量； 利用迭代算法對所述哈爾特徵向量進行訓練，得到車牌互補分類器。
9.根據權利要求6所述的車牌檢測系統，其特徵在於，所述第一獲取模塊包括圖像採集設備，用於採集圖像，將所述採集的圖片進行輸出；其中，所述圖像採集設備還包括:圖像檢測單元，用於對圖像採集設備輸出的車牌圖像進行邊緣檢測，將邊緣檢測後的圖像中邊緣度大於一定閾值的圖像進行輸出。
10.一種車牌識別器，其特徵在於，包括權利要求6至9中任一項所述的車牌檢測系統。
【文檔編號】G06T7/00GK104268596SQ201410497495
【公開日】2015年1月7日 申請日期:2014年9月25日 優先權日:2014年9月25日
【發明者】唐健, 關國雄, 李銳 申請人:深圳市捷順科技實業股份有限公司