CN102722733A - 一种车牌类型的识别方法及装置 - Google Patents

Abstract

本发明公开了一种车牌类型的识别方法及装置，解决现有技术在识别车牌的类型时精度低，准确性差的问题，该方法在定位出的车牌所在的候选区域中，将该区域对应的RGB颜色空间转换为HSL颜色空间，并根据设置的每种车牌大类在HSL颜色空间上对应的颜色阈值，确定车牌归属的车牌大类，再根据每种车牌大类中每个车牌类型对应的模板，即车牌的候选区域中对字符的划分，根据字符与模板之间的匹配距离，确定车牌的车牌类型。由于在本发明根据车牌的在HSL颜色空间对应的颜色，再与车牌模板之间的匹配距离，确定车牌的类型，从而可以保证确定的车牌类型的准确性。

Description

一种车牌类型的识别方法及装置

技术领域

本发明涉及计算机图像处理技术领域，尤其涉及一种车牌类型的识别方法及装置。

背景技术

随着社会经济的发展，车辆的数量不断增加，因此通过计算机信息化、智能化的方案管理车辆成为必然。现有技术中车牌识别在智能交通领域扮演者重要的角色，其在交通流量监测、高速公路卡口收费、闯红灯违章车辆监控及社区自动收费系统中具有广泛的应用。

但现有常用的车辆牌照类型比较多，从底色上分为蓝底白字车牌，黄底黑字车牌、黑底白字车牌和白底黑字车牌；从类型上又可以分为普通蓝牌、普通单层黄牌、双层黄牌、教练用牌、临时挂牌、黑色牌照、白色警牌、白色军牌和白色武警车牌等。即对白底黑字的车牌有白色警牌、白色军牌和白色武警车牌。

现有技术中在识别车牌类型时，一般采用的方法包括：直接在车牌定位阶段，根据置信度对车牌类型进行识别。在上述车牌类型的识别过程中，只根据置信度确定车牌类型，判断的标准较单一，不能有效的对车牌类型进行区分，因此，现有技术中车牌类型的识别方法精度低，准确性差。

发明内容

有鉴于此，本发明实施例提供一种车牌类型的识别方法及装置，用以解决现有技术在识别车牌的类型时精度低，准确性差的问题。

本发明提供一种车牌类型的识别方法，所述方法包括：

在输入的图像中进行车牌区域定位，确定车牌所在的候选区域；

将所述车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间；

根据转换后所述车牌所在的候选区域对应的HSL颜色空间，统计属于每种颜色空间的像素点的数目；

根据设置的每种车牌大类在HSL颜色空间上对应的每种颜色阈值，统计每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比，根据该数目比及设置的比例阈值，确定该车牌归属车牌大类；

根据该车牌大类下每种车牌类型对应的字符特征，对所述车牌所在的候选区域进行字符划分，并根据字符划分后与每种车牌类型对应模板的匹配距离或字符类型匹配，确定该车牌归属的车牌类型。

本发明提供一种车牌类型的识别装置，所述装置包括：

定位模块，用于在输入的图像中进行车牌区域定位，确定车牌所在的候选区域；

转换模块，用于将所述车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间；

统计模块，用于根据转换后所述车牌所在的候选区域对应的HSL颜色空间，统计属于每种颜色空间的像素点的数目；

第一确定模块，用于根据设置的每种车牌大类在HSL颜色空间上对应的每种颜色阈值，统计每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比，根据该数目比及设置的比例阈值，确定该车牌归属车牌大类；

第二确定模块，用于根据该车牌大类下每种车牌类型对应的字符特征，对所述车牌所在的候选区域进行字符划分，并根据字符划分后与每种车牌类型对应模板的匹配距离或字符类型匹配，确定该车牌归属的车牌类型。

本发明提供了一种车牌类型的识别方法及装置，该方法在定位出的车牌所在的候选区域中，将该区域对应的RGB颜色空间转换为HSL颜色空间，并根据设置的每种车牌大类在HSL颜色空间上对应的颜色阈值，确定车牌归属的车牌大类，再根据每种车牌大类中每个车牌类型对应的模板，即车牌的候选区域中对字符的划分，根据字符与模板之间的匹配距离，确定车牌的车牌类型。由于在本发明根据车牌的在HSL颜色空间对应的颜色，再与车牌模板之间的匹配距离，确定车牌的类型，从而可以保证确定的车牌类型的准确性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明提供的该车牌类型的识别过程示意图；

图2为本发明提供的该车牌类型识别的详细过程示意图；

图3为本发明提供的该车牌类型的识别装置结构示意图。

具体实施方式

本发明实施例为了提高对车牌的类型的识别精度及准确性，提供了一种车牌类型的识别方法及装置。

下面结合说明书附图，对本发明进行详细说明。

图1为本发明提供的该车牌类型的识别过程示意图，该识别过程包括以下步骤：

S101：在输入的图像中进行车牌区域定位，确定车牌所在的候选区域。

由于该车牌类型的识别方法，可以应用在交通流量监测、高速公路卡口收费、闯红灯违章车辆监控及社区自动收费等多个系统中，具体的在本发明中通过车牌类型识别装置对车牌类型进行识别。

当将包含车牌信息的车辆的彩色图像输入到该装置中后，对该彩色图像进行灰度转换，转换为灰度图像后，在该灰度图像中进行车牌区域定位。具体的在进行车牌区域定位时可以采用现有技术中的多种方法，例如可以采用边缘检测方法或者机器学习等算法在输入的图像中进行车牌定位。当采用sobel边缘检测方法时，采用其边缘检测的算子：

$\left|\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\right|$

根据其边缘检测的算子，在上述灰度图中搜索边缘密度比较大的区域，将边缘密度比较大的区域作为车牌所在的候选区域。

由于在输入的图像中进行车牌区域定位，确定车牌所在候选区域，为本领域的常用方法，在本发明中就不对该内容进行赘述。

S102：在所述车牌所在的候选区域中进行预处理。

在对识别出的白色车牌区域进行预处理时，可以采用多种预处理方法，例如采用Hough变换进行预处理。Hough变换能够查找出该车牌所在的候选区域中的任意的曲线。Hough变换在检验已知形状的目标方面具有受曲线间断影响小和不受图形旋转的影响的优点，即使目标有稍许缺损或污染也能被正确识别。在采用Hough变换对该车牌所在的候选区域中进行预处理之前，需要将该车牌所在的候选区域进行二值化处理，在本发明中可以采用otsu方法，对该车牌所在的候选区域进行二值化处理。

由于在本发明中将车牌所在的候选区域Hough变换进行预处理，因此可以减小车牌识别过程中车牌掉色及磨损，对识别过程准确性的影响，从而提高了车牌识别过程的准确性。

S103：将所述车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间。

由于HSL图像能够较好的反应图像的饱和度和亮度，因此，为了提高车牌类型检测的准确性，减少光照变化对车牌识别过程的影响，在本发明中将该车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间。

S104：根据设置的每种车牌大类在HSL颜色空间上对应的每种颜色阈值，统计每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比，根据该数目比及设置的比例阈值，确定该车牌归属的车牌大类。

在本发明中将车牌划分为多个车牌大类，具体的该车牌大类包括：蓝白车牌、黄黑车牌和白黑车牌。并且，在本发明中针对每个车牌大类在HSL颜色空间上针对每种颜色设定颜色阈值，例如针对蓝白车牌，则设置蓝色和白色在HSL空间上的颜色阈值，对于黄黑车牌，则设置黄色和黑色在HSL空间上的颜色阈值，对于白黑车牌，则设置白色和黑色在HSL空间上的颜色阈值。

根据设置的每个车牌大类中每种相应颜色对应的颜色阈值，即可判断车牌所在候选区域中每个像素点的颜色，根据每种颜色像素点的数目，以及该后悬念车牌区域中总的像素点的数目，统计每种车牌大类下该候选区域中属于每种颜色空间的像素点的数目比，当确定了属于每种颜色空间的像素点的数目比，再根据设置的每种颜色对应的比例阈值，确定该车牌所在候选区域中的车牌归属的车牌大类。

S105：根据该车牌大类下每种车牌类型对应的字符特征，对所述车牌所在的候选区域进行字符划分，并根据字符划分后与每种车牌类型对应模板的匹配距离或字符类型匹配，确定该车牌归属的车牌类型。

在本发明中确定了车牌归属的车牌大类后，由于对于黄黑车牌其又包括双层牌照和单层牌照，而对于黑白车牌其又包括黑底白字车牌和白底黑字车牌，因此当确定了每个车牌所在候选区域中的车牌归属的车牌大类后，为了提高车牌类型的识别效率，在本发明中针对确定了车牌大类的每个车牌，根据车牌所在候选区域的高度和宽度，或根据该车牌所在候选区域中像素点的数目，确定该车牌的候选车牌类型。

确定了车牌所在候选区域中的车牌归属的车牌大类后，针对每种车牌大类的字符特征，对该车牌所在候选区域进行字符划分。在本发明中为了具体的确定车牌归属的车牌类型，针对每种车牌类型保存对应的模板，根据车牌所在候选区域划分后的字符，与对应模板之间的匹配距离，确定该车牌归属的车牌类型。

在本发明中在定位出的车牌所在的候选区域中，将该区域对应的RGB颜色空间转换为HSL颜色空间，并根据设置的每种车牌大类在HSL颜色空间上对应的颜色阈值，确定车牌归属的车牌大类，再根据每种车牌大类中每个车牌类型对应的模板，即车牌的候选区域中对字符的划分，根据字符与模板之间的匹配距离，确定车牌的车牌类型。由于在本发明根据车牌的在HSL颜色空间对应的颜色，再与车牌模板之间的匹配距离，确定车牌的类型，从而可以保证确定的车牌类型的准确性。

下面通过具体的实施例，对本发明的车牌类型识别过程进行详细说明。

在本发明中当将包含车牌信息的车辆的彩色图像输入到该装置中后，对该彩色图像进行灰度转换，转换为灰度图像后，在该灰度图像中进行车牌区域定位。具体的在进行车牌区域定位时可以采用现有技术中的多种方法，例如可以采用边缘检测方法或者机器学习等算法在输入的图像中进行车牌定位。当采用sobel边缘检测方法时，采用其边缘检测的算子：

$\left|\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\right|$

根据其边缘检测的算子，在上述灰度图中搜索边缘密度比较大的区域，将边缘密度比较大的区域作为车牌所在的候选区域。

采用otsu方法，对该车牌所在的候选区域进行二值化处理，对二值化处理后的所述车牌所在的候选区域采用Hough变换对其进行预处理。

对该车牌所在的候选区域进行预处理后，由于包含车牌信息的车辆的彩色图像一般为RGB图像，而HSL图像能够较好的反应图像的饱和度和亮度，因此，为了提高车牌类型检测的准确性，在本发明中将该车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间。

具体的，在将RGB颜色空间转换为HSL颜色空间时，首先将RGB颜色空间的值进行第一次转化，根据RGB颜色空间转换后的值确定最大值Max和最小值Min，并根据最大值和最小值确定其差值Diff，确定最大值Max、最小值Min和其差值Diff的过程如下：

$R1=\frac{R}{255},$ $G1=\frac{G}{255},$ $B1=\frac{B}{255}$

Min=min(min(R1,G1),B1)，Max=max(max(R1,G1),B1)

Diff=Max-Min

当确定了RGB颜色空间的最大值、最小值和其差值后，即可将RGB颜色空间转换为HSL颜色空间，在进行转换时，采用以下公式：

L=120×(Min+Max)

$S=\left\{\begin{array}{c}240\&times;\mathrm{Diff}/(2-(\mathrm{Min}+\mathrm{Max})),L\&GreaterEqual;120\\ 240\&times;\mathrm{Diff}/(\mathrm{Min}+\mathrm{Max}),L<120\end{array}\right.$

$H=\left\{\begin{array}{c}H+240,H<0\\ H-240,H>240\end{array}\right.$

采用上述公式，可以将该车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间。

而现有的车牌包括蓝底白字车牌、黄底黑字车牌、黑底白字车牌和白底黑字车牌，根据上述现有车牌的几个大类，将车牌分配多个车牌大类，分别为：蓝白车牌、黄黑车牌和白黑车牌。为了确定车牌所在的候选区域中的车牌归属的车牌大类，在本发明中针对每个车牌大类，确定该车牌大类在HSL颜色空间上对应的颜色阈值，根据车牌所在候选区域中每个像素点的颜色，确定该车牌所在的候选区域中的车牌归属的车牌大类。

具体的，在本发明中针对每个车牌大类在HSL颜色空间上对应的颜色阈值时，其设定方法如下：

针对蓝白车牌：

HBlue_min≤H(i，j)≤HBlue_max，

SBlue_min≤S(i，j)，

LBlue_min≤L(i，j)≤LBlue_max；

LWhite_min≤L(i，j)；

针对黄黑车牌：

HYellow_min≤H(i，j)≤HYellow_max，

SYellow_min≤S(i，j)，

LYellow_min≤L(i，j)≤LYellow_max；

L(i，j)≤LBlack_max；

针对黑白车牌：

L(i，j)≤LBlack_max；LWhite_min≤L(i，j)。

针对每种车牌大类设置其在HSL颜色空间上对应的颜色阈值后，针对每个车牌所在候选区域中的车牌，在确定其归属的大类时，针对每个车牌大类，统计该车牌所在候选区域中落在每个颜色空间中像素点的数目，之后根据统计的每个颜色空间中像素点的数目，以及车牌所在候选区域包含的像素点的数目，确定每种车牌大类下该候选区域中属于每种颜色空间的像素点的数目比。例如，针对黄黑车牌，确定该车牌所在候选区域内落在黑色空间的像素点数目比R_Black和落在黄色空间的像素点数目比R_Yellow分别为：

$R_{\mathrm{Black}}=\frac{S_{\mathrm{Black}}}{S_{\mathrm{sum}}},$ $R_{\mathrm{Yellow}}=\frac{S_{\mathrm{Yellow}}}{S_{\mathrm{sum}}}$

其中，R_Black和R_Yellow分别为落在黑色空间的像素点数目比和落在黄色空间的像素点数目比，S_Black、S_Yellow和S_sum分别为落在黑色空间的像素点数目、落在黄色空间的像素点的数目和候选区域包含的像素点的数目。

确定了每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比后，根据该数目比，及设置的比例阈值，确定该车牌归属的车牌大类。如上例，当确定了R_Black和R_Yellow后，判断R_Black和R_Yellow是否满足下述条件：

R_Black>R₁，R_Yellow＞R₂

当满足上述条件时，确定该车牌所在的候选区域中的车牌归属于黄黑车牌，其中比例阈值R₁和R₂根据实际应用中黄黑车牌中，每种颜色的像素点的数目比确定。上述是以黄黑车牌为例进行的说明，当判断该车牌所在的候选区域中的车牌是否归属于白黑车牌或者蓝白车牌时，采用上述相同的方法，不过其中每种车牌大类对应的比例阈值，需要根据实际应用中每种颜色的像素点的数目比确定。

采用上述方法即可确定车牌所在的候选区域中的车牌归属的车牌大类，但不同的车牌大类又有其本身的特点，例如对于黄黑车牌来说其又包括单层车牌和双层车牌，对于黑白车牌来说其又包括黑底白字车牌和白底黑字车牌。因此在确定了车牌所在候选区域中的车排归属的大类后，为了提高候选车牌类型识别的效率，在本发明中在确定该车牌归属的车牌类型之前还包括：根据车牌所在候选区域的高度和宽度，或根据该车牌所在候选区域中像素点的数目，确定该车牌的候选车牌类型。

具体的，确定车牌所在候选区域中的车牌归属的车牌大类为黄黑车牌时，判断车牌所在候选区域的宽度和高度的比值，是否大于设置的宽高比的阈值；

当该比值大于设置的宽高比的阈值时，确定该车牌所在候选区域中的车牌为单层车牌，否则，确定该车牌为双层车牌。

例如，当车牌所在候选区域的宽度和高度的比值为R时，判断是否满足：

R＞R₃

其中，R₃为设置的宽高比的阈值，一般取2.5，当满足上述条件时，则认为该车牌为单层车牌，否则，确定该车牌为双层车牌。

确定车牌所在候选区域中的车牌归属的车牌大类为黑白车牌时，将所述车牌所在候选区域进行二值化处理；

统计二值化处理后，车牌所在候选区域中白色像素点和黑色像素点的数目；

当白色像素点的数目大于黑色像素点的数目时，确定该车牌为白底黑字车牌，否则，确定该车牌为黑底白字车牌。

当确定车牌所在的候选区域中的车牌归属的车牌大类为蓝白车牌时，则认为该车牌为蓝底白字车牌，因此经过上述过程，可以判断出车牌具体归属的候选车牌类型，即可以确定出该车牌是否为蓝底白字车牌、黑底白字车牌、单层黄色车牌（一般包括普通车牌、教练车牌和挂车牌）、双层黄色车牌、白底黑字车牌（一般包括警用车牌、白色军牌和武警车牌）。

之后，为了更加准确的确定车牌所在候选区域中的车牌归属的车牌类型，针对车牌所在候选区域进行二值化处理，一般采用otsu二值化算法进行二值化处理，针对二值化处理后的车牌所在候选区域进行预处理，该预处理的过程包括去除上下边界、计算垂直投影值，在实际处理中，也可采用其他的方法对车牌进行预处理，例如直接对车牌进行二值化处理。

由于蓝底白字车牌、黑底白字车牌和单层黄色车牌的字符结构相同，因此当该车牌所在候选区域中的车牌经过上述步骤识别为上述任一候选车牌类型时，将该车牌按其结构分割出7个车牌字符；当该车牌识别出为双层黄色车牌时，分割出下层的5个车牌字符，并根据上下层字符位置关系，分割出上层的两个车牌字符；当确定所述车牌为白底黑字车牌时，分别按照警用车牌和军用车牌的结构，在所述车牌中划分出7个车牌字符，并按照武警车牌的结构，在所述车牌中划分出9个车牌字符。

在本发明中为了精确的识别中每个车牌的车牌类型，针对每种车牌类型设置了对应的模板，将进行字符划分后的车牌与该车牌类型对应的模板进行匹配，根据匹配距离确定车牌的车牌类型。

具体的，当确定该车牌为蓝底白字车牌或黑底白字车牌时，由于蓝底白字车牌或黑底白字车牌的第一位为各省份的汉字，第二位为字母，其余的位数为字母或数字，因此根据蓝底白色车牌或黑底白字车牌对应的模板中的每位的字符类型，与该车牌中划分中每个字符的字符类型的匹配，确定该车牌的车牌类型。

当确定该车牌为单层车牌或双层车牌时，即该车牌为黄底黑字车牌时，该黄底黑字车牌的第一位为汉字，第二位为字母，第三位到第六位为字母或数字，对于单层车牌中的普通黄色车牌，其第7位为字母或数字，教练车牌的第7位为“学”，挂车牌为的第7位为“挂”，因此将该车牌中划分出的第7位字符分别与单层车牌和双层车牌对应的每个模板的第7位进行匹配，根据匹配距离与设置的距离阈值之间的关系，确定该车牌的车牌类型。

具体的在根据匹配距离与设置的距离阈值之间的关系，确定该车牌的车牌类型时，将该车牌的第7位字符分别与模板中的“学”和“挂”字进行匹配，当其距离满足以下公式时：

d_xue=min(d_xue,d_gua)<D

其中，d_xue为车牌中的第7位字符到模板“学”的距离，d_gua为车牌中的第7位字符到模板“挂”的距离，D为设置的距离阈值，则确定该车牌为教练车牌；当其距离满足以下公式时：d_gua＝min(d_xue,d_gua)<D，则确定该车牌为挂车牌；当其距离满足以下公式时：min(d_xue,d_gua)>=D，则确定该车牌为普通车牌。

当确定该车牌为白底黑字车牌时，由于在对车牌中的字符进行划分时，分别按照警用车牌，军用车牌和武警车牌的结构对车牌中的字符进行了划分，对于警用车牌，其字符中的第一位为省份汉字简称，第二为字母，第三位至第六位为字母或者数字，第七位为“警”字，对于军用车牌，其字符中的第一位为军用的汉字，第二位为字母，第三位至第七位为字母或数字，对于武警车牌，其字符的前两位为“WJ”两个字母，第三位和第四位为数字，第五位到第九位为字母或数字。根据上述白底黑字车牌的结构特征，将该车牌分割出的字符分别与白底黑字车牌中每种车牌类型对应的模板进行匹配，并确定平均匹配距离，根据与每种车牌类型对应模板的平均匹配距离，选择最小平均匹配距离对应的车牌类型为该车牌的车牌类型。

图2为本发明提供的该车牌类型识别的详细过程示意图，该过程包括以下步骤：

S201：在输入的图像中进行车牌区域定位，确定车牌所在的候选区域。

S202：采用Hough变换，在所述车牌所在的候选区域中进行预处理。

由于在本发明中将车牌所在的候选区域Hough变换进行预处理，因此可以减小车牌识别过程中车牌掉色及磨损，对识别过程准确性的影响，从而提高了车牌识别过程的准确性。

S203：将所述车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间。

由于在在本发明中将该车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间，因此减小了照变化对车牌识别过程的影响，提高车牌类型检测的准确性。

S204：根据转换后所述车牌所在的候选区域对应的HSL颜色空间，统计属于每种颜色空间的像素点的数目。

S205：根据设置的每种车牌大类在HSL颜色空间上对应的每种颜色阈值，统计每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比。

S206：根据该数目比及设置的比例阈值，确定该车牌归属的车牌大类。

S207：根据车牌所在候选区域的高度和宽度，或根据该车牌所在候选区域中像素点的数目，确定该车牌的候选车牌类型。

S208：根据该车牌大类下每种车牌类型对应的字符特征，对所述车牌所在的候选区域进行字符划分。

S209：根据字符划分后与每种车牌类型对应模板的匹配距离或字符类型匹配，确定该车牌归属的车牌类型。

由于在本发明根据车牌的在HSL颜色空间对应的颜色，再与车牌模板之间的匹配距离，确定车牌的类型，从而可以保证确定的车牌类型的准确性。

图3为本发明提供的该车牌类型的识别装置结构示意图，该装置包括：

定位模块31，用于在输入的图像中进行车牌区域定位，确定车牌所在的候选区域；

转换模块32，用于将所述车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间；

统计模块33，用于根据转换后所述车牌所在的候选区域对应的HSL颜色空间，统计属于每种颜色空间的像素点的数目；

第一确定模块34，用于根据设置的每种车牌大类在HSL颜色空间上对应的每种颜色阈值，统计每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比，根据该数目比及设置的比例阈值，确定该车牌归属车牌大类；

第二确定模块35，用于根据该车牌大类下每种车牌类型对应的字符特征，对所述车牌所在的候选区域进行字符划分，并根据字符划分后与每种车牌类型对应模板的匹配距离或字符类型匹配，确定该车牌归属的车牌类型。

所述第一确定模块34，还用于确定该车牌归属的车牌大类后，根据车牌所在候选区域的高度和宽度，或根据该车牌所在候选区域中像素点的数目，确定该车牌的候选车牌类型。

所述第一确定模块34，具体用于确定车牌所在候选区域中的车牌归属的车牌大类为黄黑车牌时，判断车牌所在候选区域的宽度和高度的比值，是否大于设置的宽高比的阈值；

当该比值大于设置的宽高比的阈值时，确定该车牌所在候选区域中的车牌为单层车牌，否则，确定该车牌为双层车牌。

所述第一确定模块34，具体用于确定车牌所在候选区域中的车牌归属的车牌大类为黑白车牌时，将所述车牌所在候选区域进行二值化处理；

统计二值化处理后，车牌所在候选区域中白色像素点和黑色像素点的数目；

当白色像素点的数目大于黑色像素点的数目时，确定该车牌为白底黑字车牌，否则，确定该车牌为黑底白字车牌。

所述第二确定模块35，具体用于当确定所述车牌所在候选区域中的车牌的候选车牌类型为蓝底白字车牌、黑底白字车牌和单层黄色车牌中的任一种时，在所述车牌中划分出7个车牌字符；

当确定所述车牌为双层黄色车牌时，分割出下层的5个车牌字符，并根据上下层字符位置关系，分割出上层的两个车牌字符；

当确定所述车牌为白底黑字车牌时，分别按照警用车牌和军用车牌的结构，在所述车牌中划分出7个车牌字符，并按照武警车牌的结构，在所述车牌中划分出9个车牌字符。

所述第二确定模块35，具体用于当确定该车牌为蓝底白色车牌或黑底白字车牌时，根据蓝底白色车牌或黑底白字车牌对应的模板中的每位的字符类型，与该车牌中划分中每个字符的字符类型的匹配，确定该车牌的车牌类型；

当确定该车牌为单层车牌或双层车牌时，将该车牌中划分出的第7位字符分别与单层车牌和双层车牌对应的每个模板的第7位进行匹配，根据匹配距离与设置的距离阈值之间的关系，确定该车牌的车牌类型；

当确定该车牌为白底黑字车牌时，将该车牌分割出的字符分别与白底黑字车牌中每种车牌类型对应的模板进行匹配，并确定平均匹配距离，根据与每种车牌类型对应模板的平均匹配距离，选择最小平均匹配距离对应的车牌类型为该车牌的车牌类型。

本发明提供了一种车牌类型的识别方法及装置，该方法在定位出的车牌所在的候选区域中，将该区域对应的RGB颜色空间转换为HSL颜色空间，并根据设置的每种车牌大类在HSL颜色空间上对应的颜色阈值，确定车牌归属的车牌大类，再根据每种车牌大类中每个车牌类型对应的模板，即车牌的候选区域中对字符的划分，根据字符与模板之间的匹配距离，确定车牌的车牌类型。由于在本发明根据车牌的在HSL颜色空间对应的颜色，再与车牌模板之间的匹配距离，确定车牌的类型，从而可以保证确定的车牌类型的准确性。

上述说明示出并描述了本发明的一个优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述构思或相关领域的技术或知识进行改进。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种车牌类型的识别方法，其特征在于，所述方法包括：

在输入的图像中进行车牌区域定位，确定车牌所在的候选区域；

将所述车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间；

根据转换后所述车牌所在的候选区域对应的HSL颜色空间，统计属于每种颜色空间的像素点的数目；

根据设置的每种车牌大类在HSL颜色空间上对应的每种颜色阈值，统计每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比，根据该数目比及设置的比例阈值，确定该车牌归属车牌大类；

根据该车牌大类下每种车牌类型对应的字符特征，对所述车牌所在的候选区域进行字符划分，并根据字符划分后与每种车牌类型对应模板的匹配距离或字符类型匹配，确定该车牌归属的车牌类型。

2.如权利要求1所述的方法，其特征在于，在确定该车牌归属的车牌类型之前，所述方法还包括：

根据车牌所在候选区域的高度和宽度，或根据该车牌所在候选区域中像素点的数目，确定该车牌的候选车牌类型。

3.如权利要求2所述的方法，其特征在于，所述根据车牌所在候选区域的高度和宽度，确定该车牌的候选车牌类型包括：

确定车牌所在候选区域中的车牌归属的车牌大类为黄黑车牌时，判断车牌所在候选区域的宽度和高度的比值，是否大于设置的宽高比的阈值；

当该比值大于设置的宽高比的阈值时，确定该车牌所在候选区域中的车牌为单层车牌，否则，确定该车牌为双层车牌；

所述根据该车牌所在候选区域中像素点的数目，确定该车牌的候选车牌类型包括：

确定车牌所在候选区域中的车牌归属的车牌大类为黑白车牌时，将所述车牌所在候选区域进行二值化处理；

统计二值化处理后，车牌所在候选区域中白色像素点和黑色像素点的数目；

当白色像素点的数目大于黑色像素点的数目时，确定该车牌为白底黑字车牌，否则，确定该车牌为黑底白字车牌。

4.如权利要求2所述的方法，其特征在于，对所述车牌所在的候选区域进行字符划分包括：

当确定所述车牌所在候选区域中的车牌的候选车牌类型为蓝底白字车牌、黑底白字车牌和单层黄色车牌中的任一种时，在所述车牌中划分出7个车牌字符；

当确定所述车牌为双层黄色车牌时，分割出下层的5个车牌字符，并根据上下层字符位置关系，分割出上层的两个车牌字符；

当确定所述车牌为白底黑字车牌时，分别按照警用车牌和军用车牌的结构，在所述车牌中划分出7个车牌字符，并按照武警车牌的结构，在所述车牌中划分出9个车牌字符。

5.如权利要求4所述的方法，其特征在于，所述根据字符划分后与每种车牌类型对应模板的匹配距离，确定该车牌归属的车牌类型包括：

当确定该车牌为蓝底白色车牌或黑底白字车牌时，根据蓝底白色车牌或黑底白字车牌对应的模板中的每位的字符类型，与该车牌中划分中每个字符的字符类型的匹配，确定该车牌的车牌类型；

当确定该车牌为单层车牌或双层车牌时，将该车牌中划分出的第7位字符分别与单层车牌和双层车牌对应的每个模板的第7位进行匹配，根据匹配距离与设置的距离阈值之间的关系，确定该车牌的车牌类型；

当确定该车牌为白底黑字车牌时，将该车牌分割出的字符分别与白底黑字车牌中每种车牌类型对应的模板进行匹配，并确定平均匹配距离，根据与每种车牌类型对应模板的平均匹配距离，选择最小平均匹配距离对应的车牌类型为该车牌的车牌类型。

6.一种车牌类型的识别装置，其特征在于，所述装置包括：

定位模块，用于在输入的图像中进行车牌区域定位，确定车牌所在的候选区域；

转换模块，用于将所述车牌所在的候选区域对应的RGB颜色空间转换为HSL颜色空间；

统计模块，用于根据转换后所述车牌所在的候选区域对应的HSL颜色空间，统计属于每种颜色空间的像素点的数目；

第一确定模块，用于根据设置的每种车牌大类在HSL颜色空间上对应的每种颜色阈值，统计每种车牌大类下该候选区域中落在每种颜色空间的像素点的数目比，根据该数目比及设置的比例阈值，确定该车牌归属车牌大类；

第二确定模块，用于根据该车牌大类下每种车牌类型对应的字符特征，对所述车牌所在的候选区域进行字符划分，并根据字符划分后与每种车牌类型对应模板的匹配距离或字符类型匹配，确定该车牌归属的车牌类型。

7.如权利要求6所述的装置，其特征在于，所述第一确定模块，还用于确定该车牌归属的车牌大类后，根据车牌所在候选区域的高度和宽度，或根据该车牌所在候选区域中像素点的数目，确定该车牌的候选车牌类型。

8.如权利要求7所述的装置，其特征在于，所述第一确定模块，具体用于确定车牌所在候选区域中的车牌归属的车牌大类为黄黑车牌时，判断车牌所在候选区域的宽度和高度的比值，是否大于设置的宽高比的阈值；当该比值大于设置的宽高比的阈值时，确定该车牌所在候选区域中的车牌为单层车牌，否则，确定该车牌为双层车牌；

所述第一确定模块，具体用于确定车牌所在候选区域中的车牌归属的车牌大类为黑白车牌时，将所述车牌所在候选区域进行二值化处理；统计二值化处理后，车牌所在候选区域中白色像素点和黑色像素点的数目；当白色像素点的数目大于黑色像素点的数目时，确定该车牌为白底黑字车牌，否则，确定该车牌为黑底白字车牌。

9.如权利要求7所述的装置，其特征在于，所述第二确定模块，具体用于当确定所述车牌所在候选区域中的车牌的候选车牌类型为蓝底白字车牌、黑底白字车牌和单层黄色车牌中的任一种时，在所述车牌中划分出7个车牌字符；

当确定所述车牌为双层黄色车牌时，分割出下层的5个车牌字符，并根据上下层字符位置关系，分割出上层的两个车牌字符；

当确定所述车牌为白底黑字车牌时，分别按照警用车牌和军用车牌的结构，在所述车牌中划分出7个车牌字符，并按照武警车牌的结构，在所述车牌中划分出9个车牌字符。

10.如权利要求9所述的装置，其特征在于，所述第二确定模块，具体用于当确定该车牌为蓝底白色车牌或黑底白字车牌时，根据蓝底白色车牌或黑底白字车牌对应的模板中的每位的字符类型，与该车牌中划分中每个字符的字符类型的匹配，确定该车牌的车牌类型；

当确定该车牌为单层车牌或双层车牌时，将该车牌中划分出的第7位字符分别与单层车牌和双层车牌对应的每个模板的第7位进行匹配，根据匹配距离与设置的距离阈值之间的关系，确定该车牌的车牌类型；

当确定该车牌为白底黑字车牌时，将该车牌分割出的字符分别与白底黑字车牌中每种车牌类型对应的模板进行匹配，并确定平均匹配距离，根据与每种车牌类型对应模板的平均匹配距离，选择最小平均匹配距离对应的车牌类型为该车牌的车牌类型。

Images