CN101727581B - 基于字符预分割的车牌倾斜校正方法 - Google Patents

基于字符预分割的车牌倾斜校正方法 Download PDF

Info

Publication number
CN101727581B
CN101727581B CN200910200259XA CN200910200259A CN101727581B CN 101727581 B CN101727581 B CN 101727581B CN 200910200259X A CN200910200259X A CN 200910200259XA CN 200910200259 A CN200910200259 A CN 200910200259A CN 101727581 B CN101727581 B CN 101727581B
Authority
CN
China
Prior art keywords
character
image
license plate
segmentation
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200910200259XA
Other languages
English (en)
Other versions
CN101727581A (zh
Inventor
刘勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI CUBICIMAGE SOFTWARE CO Ltd
Original Assignee
SHANGHAI CUBICIMAGE SOFTWARE CO Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHANGHAI CUBICIMAGE SOFTWARE CO Ltd filed Critical SHANGHAI CUBICIMAGE SOFTWARE CO Ltd
Priority to CN200910200259XA priority Critical patent/CN101727581B/zh
Publication of CN101727581A publication Critical patent/CN101727581A/zh
Application granted granted Critical
Publication of CN101727581B publication Critical patent/CN101727581B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明涉基于字符预分割的车牌倾斜校正方法及模式识别领域，该方法包括以下步骤：1)定位车牌子图像；2)求得该子图像的最优阀值；3)进行图像二值化，得到二值化图像；4)对于二值化图像进行水平投影；5)根据步骤4)中的水平投影进行字符预分割，得到各个字符的水平位置；6)根据字符几何间距计算字符高度估计值Hc＝Wc*Ratiohw；7)在神经网络分类器搜索各个字符垂直位置；8)求得最高分类值的垂直坐标；9)针对每个xi，得到所有字符中心；10)删除分类值小于0.4的字符中心；11)对剩下的字符中心求解线性方程，得到直线方程；12)根据直线的斜角对原车牌图像进行逆变换，得到倾斜校正后的车牌图像。采用本方法校正车牌可靠稳定，所需要的运算量小、效率高。

Description

基于字符预分割的车牌倾斜校正方法
【技术领域】
本发明涉及模式识别领域，特别是一种车牌识别方法。
【背景技术】
智能交通系统ITS是目前世界上交通科学技术的前沿，是利用先进的电子技术、信息技术、传感器技术和系统工程技术对传统的交通系统进行改造而形成的一种信息化、智能化、社会化的新型交通系统。作为车辆身份信息的车牌号码是智能交通系统必须采集的关键信息之一，所以车牌识别成为智能交通系统的一项核心技术。该技术是指计算机自动对摄像机所拍摄的图像或视频中的内容进行分析、搜索，定位出车牌所在区域并识别出车牌的字符、颜色、位置等信息。车牌识别的一个重要性能指标是识别正确率，该指标受到车牌在图像中的姿态影响较大。如果车辆行驶方向正对摄像机，则拍摄的车牌图像呈矩形形态，字符变形比较小，容易得到较高的识别率。呈斜角方向行驶的车辆其车牌图像存在射影变形，该变形会导致车牌识别率显著下降。因为车辆行驶方向难以保证完全一致，所以这种射影变形无法从工程架设上根本解决，必须依靠车牌倾斜校正技术。车牌倾斜校正技术是从图像分析得到车牌倾斜的角度，然后对车牌图像进行一个逆角度变换，从而得到一个没有射影变形的车牌图像来提高车牌识别的准确率。
传统的车牌倾斜校正技术是基于图像中车牌边缘提取的计算方法，它利用了车牌边框为矩形的经验知识。通过未变形的矩形和变形后的四边形的角度对比，可以得到他们的变换关系。然而车牌的边缘信息并不是车牌的本质信息，车牌的本质信息是符合国家标准的组成车牌的字符排列。例如，即使一个车牌的边缘被装饰物所遮挡，只要车牌字符还可见，我们仍然应该可以识别出该车牌号。从工程经验来看，车牌边缘特性并不是一个稳定的特性，较多的车辆存在车牌边缘模糊的情况，此时，基于边缘提取的车牌倾斜校正方法会遇到麻烦。另外，基于车牌边缘的倾斜校正方法会涉及直线提取和Hough变换，运算量大，影响整个系统的速度。
因此，有必要发明一种基于更稳定更本质车牌特性、同时能够减少运算量的车牌倾斜校正方法，以克服上述缺陷。
【发明内容】
本发明的目的是提供一种可靠稳定，同时所需要的运算量小、效率更高的基于字符预分割的车牌倾斜校正方法。
本发明为达到上述目的所采用的技术方案是：一种基于字符预分割的车牌倾斜校正方法，该方法包括以下步骤：1)定位车牌子图像Is；2)根据Otsu的二值化方法求得该子图像的最优阀值T；3)基于步骤2)中求得的最优阀值T进行图像二值化，得到二值化图像Ib；4)对于所述二值化图像的每个水平坐标值进行垂直方向上的求和，从而得到其水平投影，对所述二值化图像进行水平投影Px；5)根据步骤4)中的水平投影Px进行字符预分割，得到各个字符的水平位置xi，i＝1...7，其中，i为1至7的自然数；6)根据字符几何间距计算字符高度估计值Hc＝Wc*Ratiohw，其中Ratiohw为字符高宽比例均值，Wc为字符几何间距；7)根据步骤6)中计算的字符高度估计值，在神经网络分类器中搜索各个字符垂直位置vi＝N(xn，yi)i＝1，2，3....，其中，N(xn，yi)表示对位于(xn，yi)的字符图像进行神经网络分类，vi表示其分类结果；8)求得位于xn的最高分类值的垂直坐标yi *；9)由字符的水平位置xi与最高分类值的垂直坐标yi *，对每个xi，i＝1...7得到所有字符中心；10)删除分类值小于0.4的字符中心；11)对剩下的字符中心求解线性方程，得到直线方程；12)根据直线的斜角对原车牌图像进行逆变换，得到倾斜校正后的车牌图像Is *。
其中在所述步骤2)中对求得子图像的最优阀值包括以下具体步骤：对车牌区域颜色及灰度的统计分析，由统计分析值进行最优阀值计算。
其中在所述步骤5)中对水平投影Px进行字符预分割的模块包括对车牌字符几何参数进行建模、车牌图象水平投影、车牌颜色信息估计、车牌字符分割。
本发明之基于字符预分割的车牌倾斜校正方法由于基于车牌的更本质特性：字符属性，相比以往基于车牌边缘的车牌倾斜校正方法，本发明的方法更为可靠稳定，同时所需要的运算量小、效率更高。
【附图说明】
图1是本发明基于字符预分割的车牌倾斜校正方法的流程图；
图2是本发明基于字符预分割的车牌倾斜校正方法中车牌区域的最优二值化流程图；
图3是本发明基于字符预分割的车牌倾斜校正方法中车牌字符分割模块示意图；
图4是采用本发明方法对一具体车牌进行倾斜校正时定位车牌的车牌图象；
图5是采用本发明方法将图4所示车牌定位并二值化后的车牌图像；
图6是采用本发明方法将图4所示车牌倾斜校正后的图像。
【具体实施方式】
下面结合附图和实施例对本发明基于字符预分割的车牌倾斜校正方法作进一步的说明。图中相同的结构或功能用相同的数字标出。应该指出的是，附图的目的只是便于对本发明具体实施例的说明，不是一种多余的叙述或是对本发明范围的限制，此外，附图没有必要按比例画出。
请参照图1至图3所示，本发明基于字符预分割的车牌倾斜校正方法，该方法包括以下步骤：1)首先通过视频采集设备获得单帧的图像，结合车牌的特征描述对图像空间进行搜索，定位车牌子图像Is，如附图4为对一具体车牌进行倾斜校正时定位车牌的子图像所得到的图象；2)根据Otsu的二值化方法求得该子图像的最优阀值T，求得子图像的最优阀值包括以下具体步骤：对车牌区域颜色及灰度的统计分析，由统计分析值进行最优阀值计算；3)基于步骤2)中求得的最优阀值T进行图像二值化，得到二值化图像Ib，对所有大于阀值的象素点设为1，小于等于阀值的象素点设为0，从而完成二值化，如图5为采用本发明方法将图4所车牌定位并二值化后得到的车牌图像；4)对于所述二值化图像的每个水平坐标值进行垂直方向上的求和，从而得到其水平投影，对所述二值化图像进行水平投影Px；5)根据步骤4)中的水平投影Px进行字符预分割，得到各个字符的水平位置xi，i＝1...7，其中，i为1至7的自然数，对水平投影Px进行字符预分割的模块包括对车牌字符几何参数进行建模、车牌图象水平投影、车牌颜色信息估计、车牌字符分割；6)根据字符几何间距计算字符高度估计值Hc＝Wc*Ratiohw，其中Ratiohw为字符高宽比例均值，Wc为字符几何间距；7)根据步骤6)中计算的字符高度估计值，在神经网络分类器中搜索各个字符垂直位置vi＝N(xn，yi)i＝1，2，3....，其中，N(xn，yi)表示对位于(xn，yi)的字符图像进行神经网络分类，vi表示其分类结果；8)求得位于xn的最高分类值的垂直坐标yi *，由于对于xn，其可能的字符位置为(xi，yi)，i＝1，2，3…，每一个字符位置对应一个分类值，因此最高的分类值表示该位置的字符可能性最高；9)由字符的水平位置xi与最高分类值的垂直坐标yi *，对每个xi，i＝1...7得到所有字符中心；10)删除分类值小于0.4的字符中心，由于分类值小于0.4，意味着其是字符的概率小于0.4，其是伪字符的可能性较大，伪字符将影响倾斜角度的计算，因此要删除分类值小于0.4的字符中心；11)对剩下的字符中心求解线性方程，得到直线方程，由于实际的车牌字符中心是位于一条直线上，根据所求字符中心求解线性方程即可得到直线方程；12)根据直线的斜角对原车牌图像进行逆变换，得到倾斜校正后的车牌图像Is *，如图6为采用本发明方法将图4所示车牌倾斜校正后的图像。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。任何熟悉本领域的技术人员，在不脱离本发明技术方法范围情况下，利用上述揭示的方法内容对本发明技术方法做出许多可能的变动和修饰，均属于权利要求书保护的范围。

Claims (3)

1.一种基于字符预分割的车牌倾斜校正方法，其特征在于，该方法包括以下步骤：
1)定位车牌子图像Is；
2)根据Otsu的二值化方法求得该子图像的最优阀值T；
3)基于步骤2)中求得的最优阀值T进行图像二值化，得到二值化图像Ib；
4)对于所述二值化图像的每个水平坐标值进行垂直方向上的求和，从而得到其水平投影，对所述二值化图像进行水平投影Px；
5)根据步骤4)中的水平投影Px进行字符预分割，得到各个字符的水平位置xi，i＝1...7，其中，i为1至7的自然数；
6)根据字符几何间距计算字符高度估计值Hc＝Wc*Ratiohw，其中Ratiohw为字符高宽比例均值，Wc为字符几何间距；
7)根据步骤6)中计算的字符高度估计值，在神经网络分类器中搜索各个字符垂直位置vi＝N(xn，yi) i＝1，2，3...，其中，xn为步骤5)中得到的字符的7个水平位置xi中的任意一个，N(xn，yi)表示对位于(xn，yi)的字符图像进行神经网络分类，vi表示其分类结果；
8)求得位于xn的最高分类值的垂直坐标yi；
9)由字符的水平位置xi与最高分类值的垂直坐标yi，对每个xi，i＝1...7得到所有字符中心； 
10)删除分类值小于0.4的字符中心；
11)对剩下的字符中心求解线性方程，得到直线方程；
12)根据直线的斜角对原车牌图像进行逆变换，得到倾斜校正后的车牌图像Is *。
2.如权利要求1所述的基于字符预分割的车牌倾斜校正方法，其特征在于，在所述步骤2)中对求得子图像的最优阀值包括以下具体步骤：对车牌区域颜色及灰度的统计分析，由统计分析值进行最优阀值计算。
3.如权利要求1所述的基于字符预分割的车牌倾斜校正方法，其特征在于，在所述步骤5)中对水平投影Px进行字符预分割的步骤包括对车牌字符几何参数进行建模、车牌图像水平投影、车牌颜色信息估计、车牌字符分割。 
CN200910200259XA 2009-12-10 2009-12-10 基于字符预分割的车牌倾斜校正方法 Expired - Fee Related CN101727581B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN200910200259XA CN101727581B (zh) 2009-12-10 2009-12-10 基于字符预分割的车牌倾斜校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200910200259XA CN101727581B (zh) 2009-12-10 2009-12-10 基于字符预分割的车牌倾斜校正方法

Publications (2)

Publication Number Publication Date
CN101727581A CN101727581A (zh) 2010-06-09
CN101727581B true CN101727581B (zh) 2012-07-25

Family

ID=42448454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200910200259XA Expired - Fee Related CN101727581B (zh) 2009-12-10 2009-12-10 基于字符预分割的车牌倾斜校正方法

Country Status (1)

Country Link
CN (1) CN101727581B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102122348A (zh) * 2011-02-26 2011-07-13 王枚 一种实用的模糊车牌图像复原方法
CN102184399A (zh) * 2011-03-31 2011-09-14 上海名图信息技术有限公司 基于水平投影和连通域分析的字符分割方法
CN102708356B (zh) * 2012-03-09 2014-04-09 沈阳工业大学 一种基于复杂背景下的车牌自动定位和识别方法
CN102880857A (zh) * 2012-08-29 2013-01-16 华东师范大学 一种基于svm的文档图像版式信息识别方法
CN105184265A (zh) * 2015-09-14 2015-12-23 哈尔滨工业大学 一种基于自学习的手写表格数字字符串快速识别的方法
CN105654097B (zh) * 2015-12-29 2019-04-16 上海珍岛信息技术有限公司 图像中四边形标记物的检测方法
CN108804984A (zh) * 2017-05-03 2018-11-13 迅驰（北京）视讯科技有限公司 车牌矫正方法、系统及车牌识别设备
CN110032996B (zh) * 2018-01-11 2021-06-04 台达电子工业股份有限公司 分类基础式的字符倾斜校正装置及其方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118596A (zh) * 2007-09-04 2008-02-06 西安理工大学 一种基于支持向量机的车牌倾斜校正方法
CN101329734A (zh) * 2008-07-31 2008-12-24 重庆大学 基于k-l变换和ls-svm的车牌字符识别方法
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118596A (zh) * 2007-09-04 2008-02-06 西安理工大学 一种基于支持向量机的车牌倾斜校正方法
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法
CN101329734A (zh) * 2008-07-31 2008-12-24 重庆大学 基于k-l变换和ls-svm的车牌字符识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龚小兵.基于BP神经网络的车辆牌照自动识别系统的研究.《中国优秀硕士学位论文全文数据库》.2006,全文. *

Also Published As

Publication number Publication date
CN101727581A (zh) 2010-06-09

Similar Documents

Publication Publication Date Title
CN101727581B (zh) 基于字符预分割的车牌倾斜校正方法
TWI431559B (zh) 車牌偵測辨識方法及其系統
CN103324930B (zh) 一种基于灰度直方图二值化的车牌字符分割方法
CN101937508B (zh) 一种基于高清图像的车牌定位与识别方法
CN108073928B (zh) 一种车牌识别方法及装置
CN109726717B (zh) 一种车辆综合信息检测系统
CN101334836B (zh) 一种融合色彩、尺寸和纹理特征的车牌定位方法
CN102184399A (zh) 基于水平投影和连通域分析的字符分割方法
CN101339601B (zh) 一种基于sift算法的车牌汉字识别方法
CN102867417B (zh) 一种出租车防伪系统及方法
CN102722704A (zh) 一种融合视频动态跟踪的车牌识别方法和系统
CN103065138A (zh) 一种机动车牌号的识别方法
CN102364496A (zh) 一种基于图像分析的汽车车牌自动识别方法及系统
CN102902957A (zh) 一种基于视频流的自动车牌识别方法
CN103093181A (zh) 一种车牌图像定位的方法和装置
CN102054169B (zh) 车牌定位方法
CN103268489A (zh) 基于滑窗搜索的机动车号牌识别方法
CN109886175B (zh) 一种直线与圆弧相结合的车道线检测方法
KR101246120B1 (ko) 전후면 번호판 영상 기반 차량번호 인식 시스템
CN109344704A (zh) 一种基于行车方向与车道线夹角的车辆变道行为检测方法
CN103226696A (zh) 车牌的识别系统及方法
CN105184301A (zh) 一种利用四轴飞行器判别车辆方位的方法
CN112115800A (zh) 一种基于深度学习目标检测的车辆组合识别系统及方法
CN106250846A (zh) 一种基于视频监控的公安图像侦测方法
CN111401364A (zh) 一种基于颜色特征和模板匹配相结合的车牌定位算法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120725

Termination date: 20121210