CN103049742A - 一种车牌定位的方法 - Google Patents

Abstract

本发明涉及车牌识别技术领域，本发明公开了一种车牌定位的方法，其具体包含以下步骤：步骤1.采集包含了车牌的图像。步骤2.从上至下以行为单位扫描包含了车牌的图像，获得多个车牌行候选区域。步骤3.从左至右以列为单位扫描包含了车牌的图像，获得多个车牌列候选区域。步骤4.车牌行候选区域和车牌列候选区域之间重合的区域为车牌候选区域。快速确定车牌在图像中的位置，方便之后的车牌分割和字符识别。实验表明，该方法对复杂背景、光照不均、噪声等因素均不敏感，能较好定位出质量退化图像中的车牌。

Description

一种车牌定位的方法

技术领域

本发明涉及智能交通技术领域，尤其涉及一种车牌定位的方法。

背景技术

随着社会的发展，人们对交通系统的要求越来越高，大力发展智能交通系统已经成为目前亟待解决的问题。智能交通系统ITS是集电子、通信、计算机、人工智能、机器视觉、数字图像处理等多门科学和技术的综合化系统。智能交通系统的发展正在日益影响着社会生活、国民经济、城市化建设等方方面面，因而受到政府和研究机构的高度重视。有相关技术基础的高校、科研单位、企业纷纷加入到相关的研究中。各地对智能交通的需求主要集中在节省资金和节约人力的情况下提高对车辆监控和管理的自动化程度。而一个高效、准确的智能交通系统，将能为很多部门提供便利以及技术支持。比如可以为公安交通部门提供违章行为的执法证据，还能对犯罪嫌疑人的交通工具进行定位，以及高速公路的收费等等。

车牌识别是智能交通系统中最重要和基础的技术之一，其任务是通过对车牌图片的处理定位和识别出车牌号码，车牌识别系统可以应用于高速公路收费站，治安卡口，道路违章管理等场合。车牌识别系统包含车牌定位、字符分割、字符识别三个步骤，其中车牌定位是识别系统的关键，其直接决定车牌识别的效果。

现有技术中的车牌定位主要有基于纹理和基于颜色两大类。通常是先根据纹理或颜色特征获得候选区域，再从候选区域中提取车牌区域。基于纹理的车牌识别方法利用了车牌的纹理特征：垂直边缘丰富、车牌区域的宽高比通常为固定值、灰度跳变很多。但是，此类方法在低对比度时纹理信息较少，难以准确提取出车牌特征。而高对比度时，场景中纹理信息过多，会带来很多干扰，虚警率增加。基于颜色的车牌识别方法通常在HSI域进行处理，其中H分量为色调，对照度不敏感。使用色调区分颜色鲁棒性强、分辨能力高，但在车牌掉色、污损、车身与车牌颜色相近、光照不足时，漏识率增加。传统的车牌定位算法对卡口等简单场景具有较好的效果。但随着经济发展，交通场景日益复杂多变，极大地增加了车牌定位的难度，基于单一特征进行定位的算法已难以适应这样复杂的场景。

发明内容

本发明的目的是针对现有技术中车牌定位的方法难以定位的技术问题，提供一种车牌定位的方法。

本发明的目的通过下述技术方案来实现：

一种车牌定位的方法，其具体包含以下步骤：

步骤1.采集包含了车牌的图像。

步骤2.从上至下以行为单位扫描包含了车牌的图像，当行中跳变对个数大于行跳变对个数阈值时，该行为车牌图像候选行；从该行起，在M行内存在新的车牌图像候选行，则标记该行为车牌上边缘，同时将新的车牌图像候选行标记为车牌下边缘，上下边缘之间的区域标记为车牌行候选区域；每找到新的车牌图像候选行，就判断其与最接近的车牌图像候选行之间的距离是否小于M行，是则将新的车牌图像候选行合并到车牌行候选区域，同时将新的车牌图像候选行标记为新的车牌下边缘；否则从新的车牌图像候选行起重新开始寻找新的车牌行候选区域，依次类推，直到扫描结束，获得多个车牌行候选区域。

步骤3.从左至右以列为单位扫描包含了车牌的图像，当列中跳变对个数大于列跳对变个数阈值时，该列为车牌图像候选列；从该列起，在N列内存在新的车牌图像候选列，则标记该列为车牌左边缘，同时将新的车牌图像候选列标记为车牌右边缘，左右边缘之间的区域标记为车牌列候选区域；每找到新的车牌图像候选列，就判断其与最接近的车牌图像候选列之间的距离是否小于N列，是则将新的车牌图像候选列合并到车牌列候选区域，同时将新的车牌图像候选列标记为新的车牌右边缘；否则从新的车牌图像候选列起重新开始寻找新的车牌列候选区域，依次类推，直到扫描结束，获得多个车牌列候选区域。

步骤4.车牌行候选区域和车牌列候选区域之间重合的区域为车牌候选区域。

更进一步地，上述方法还包括当新的车牌图像候选列与最近的车牌图像候选列之间车牌颜色像素点密度小于像素点密度阈值时，新的车牌图像候选列重新开始寻找新的车牌列候选区域。

更进一步地，上述方法还包括当新的车牌图像候选行与最近的车牌图像候选行之间车牌颜色像素点密度小于像素点密度阈值时，新的车牌图像候选行重新开始寻找新的车牌行候选区域。

更进一步地，上述方法还包括对候选区域进行扩充。

更进一步地，上述扩充方式为以原车牌候选区域为中心，向四周进行扫描。

更进一步地，上述方法还包括，在步骤2中，如果两个相邻的跳变对之间的距离小于跳变对距离阈值，并且两个跳变对之间的像素与车牌颜色一致，则这两个跳变对为车牌字符边缘；否则去除第一个跳变对，保留第二个跳变对，并继续寻找相邻的跳变对进行匹配。

更进一步地，上述方法还包括对车牌候选区域进行扩充，扩充方式为以原车牌候选区域为中心，向四周进行扩充。

更进一步地，上述方法还包括检测各候选区域，去除伪车牌。

更进一步地，上述去除伪车牌的方法具体为：根据候选区域的宽度和高度，候选区域中黄色、蓝色像素点总数，候选区域中黄色、蓝色像素点密度和跳变点密度，判断是否是车牌区域。

通过采用以上技术方案，本发明具有以下有益效果：快速确定车牌在图像中的位置，方便了后的车牌分割和字符识别，实验表明，该方法对复杂背景、光照不均、噪声等因素均不敏感，能较好定位出质量退化图像中的车牌。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合说明书具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了统一描述，做以下说明：跳变是指两个相邻采样点的值变化的程度超过了设定的阈值。以图像的亮度为列，可以设定，当两个相邻采样点的灰阶相差５时，则认为两个采样点之间存在跳变，否则不存在跳变，后一个采样点的亮度大于前一个采样点时为正跳变，否则为负跳变，如果同一行或者同一列中两个跳变之间的距离小于设定阈值，并且两者极性相反，则这两个跳变为一个跳变对。

本发明公开了一种车牌定位的方法，其具体包含以下步骤：

步骤1.图像采集装置采集包含了车牌的图像。比如将照相机设定在固定的位置，对通过的车辆进行拍照，拍照的位置、角度、清晰度等以能得到包含了车牌的清晰的图像为准，通过车辆的速度也可以清晰度为标准进行适当的限制。

步骤2.从上至下以行为单位扫描包含了车牌的图像，（根据不同的车牌图像大小，可以设置不同的采样间隔。通常在特定的应用场合，车牌大小较为固定。当车牌图像较大时，可隔行进行扫描。）当行中跳变对个数大于行跳变对个数阈值时，该行为车牌图像候选行，从该行起，在M行内存在新的车牌图像候选行，则标记该行为车牌上边缘，同时将新的车牌图像候选行标记为车牌下边缘，上下边缘之间的区域标记为车牌行候选区域；每找到新的车牌图像候选行，就判断其与最接近的车牌图像候选行之间的距离是否小于M行，是则将新的车牌图像候选行合并到车牌行候选区域，同时将新的车牌图像候选行标记为新的车牌下边缘；否则从新的车牌图像候选行起重新开始寻找新的车牌行候选区域，依次类推，直到扫描结束，获得多个车牌行候选区域。例如，从上至下依次扫描，当扫描第2行时，其跳变对的个数大于3（3为行跳变对个数阈值），则第2行为第一个车牌图像候选行，从第2行起，如果第4行的跳变对个数也大于3，则第4行是新的车牌图像候选行，而第4行和第2行之间的差值为2（假设上述M等于4，则2小于M），则第2行为车牌图像的上边缘，第4行为车牌图像的下边缘，上下边缘构成了车牌行候选区域；在找到新的跳变对个数也大于3的行，如第6行后，判断与第4行之间的距离小于4行，则第2行至第6行为新的车牌行候选区域；继续判断，如果第7-14行的跳变对个数都小于3，第15行尾新的车牌图像候选行，则从第15行开始，重新开始寻找新的车牌行候选区域，直到行扫描结束。

步骤3.从左至右以列为单位扫描图像，当某一列中的跳变个数大于列跳变个数阈值时，则该列为车牌图像候选列；从该列起，在N列内存在新的车牌图像候选列，则标记该列为车牌左边缘，同时将新的车牌图像候选列标记为车牌右边缘，左右边缘之间的区域标记为车牌列候选区；每次找到新的车牌图像候选列，判断其与最接近的车牌图像候选列的距离是否小于N列，是则将此新的车牌图像候选列合并到候选区域中，同时将新的车牌图像候选列标记为车牌右边缘；否则从新的车牌图像候选列重新开始寻找新的车牌列候选区域，依次类推，直到扫描结束，可获得多个车牌列候选区域。上述列的实现与行基本一致，就不再重复赘述。

步骤4.车牌行候选区域和车牌列候选区域之间重合的区域为车牌候选区域。

通过上述行扫描和列扫描的方式，快速确定车牌在图像中的位置，方便了后的车牌分割和字符识别，实验表明，该方法对复杂背景、光照不均、噪声等因素均不敏感，能较好定位出质量退化图像中的车牌。

更进一步地，上述方法还包括当新的车牌图像候选列与最近的车牌图像候选列之间车牌颜色像素点密度小于像素点密度阈值时，新的车牌图像候选列重新开始寻找新的车牌列候选区域。例如，车牌的颜色可以包括蓝色或者黄色，此可以根据需要进行设定，当车牌的颜色定义为蓝色或者黄色时，两列之间蓝色和黄色像素点密度为                                                

，其中

为车牌颜色（蓝色与黄色）像素点密度，

表示在新的车牌图像候选列与最近的车牌图像候选列之间蓝色和黄色像素点的总数，

 表示新的车牌图像候选列与最近的车牌图像候选列之间所有像素点的总数。如可以设定像素点密度阈值为1/3，就是说如果新的候选列与最接近的候选列之间没有1/3 的像素点是车牌的颜色时，则重新开始寻找新的车牌列候选区域。

更进一步地，上述方法还包括当新的车牌图像候选行与最近的车牌图像候选行之间车牌颜色像素点密度小于像素点密度阈值时，新的车牌图像候选行重新开始寻找新的车牌行候选区域。行的处理方式和列的原理是一致的，在此不再重复赘述。其中车牌的颜色可以根据需要进行设定，比如可以增加白色等等，同时像素点密度阈值也可以根据需要进行灵活的调整，比如3/1，2/1，1/4等等。

更进一步地，上述方法还包括对候选区域进行扩充，扩充方式包括以原车牌候选区域为中心，向四周进行扫描。其具体为从原车牌后选区域边缘开始分别向上、下方向各扫描10行，左、右方向各扫描10列，如果扫描的行或列上存在跳变点，则将该行或列合并到车牌候选区域中，同时将该行或列设定为车牌候选区域的新边缘，否则，该方向上停止扫描；扫描完成后，扩充车牌候选区域。例如，可以在扫描完成后，重新设定扫描区域(默认左右边缘分别向候选区域两侧扩充0.2* CurWidth，其中CurWidth表示当前车牌区域宽度)，其扩充的方式也可以是直接增加固定的值等等。如此，可以防止字符笔画丢失和消除车牌边框的影响，对车牌候选区域进行扩充。为了防止字符笔画丢失和消除车牌边框的影响，对车牌候选区域进行扩充和缩放。从候选区域边缘开始分别向上、下方向各扫描10行，左、右方向各扫描10列。如果扫描的行或列上存在跳变点，则将该行或列合并到候选区域中，同时将该行或列设定为候选区域的新边缘。否则，该方向上停止扫描。扫描完成后，重新设定扫描区域(默认左右边缘分别向候选区域两侧扩充0.2* CurWidth，其中CurWidth表示当前车牌区域宽度)。在新扩充的区域内，统计跳变点数为零但黄色或蓝色像素点数不为零的列，如果满足条件的列数大于阈值(默认为3)，并且该区域内蓝色或黄色像素点密度(见式1)小于阈值(默认为1/4)，则将满足条件的列合并到候选区域中。在已扩边的候选区域中，统计水平方向上的跳变点个数、黄色及蓝色像素点个数。分别从候选区域的上、下边缘逐行向中间扫描，如果某行上的跳变点个数小于阈值(默认为3)或者黄色及蓝色像素点数之和小于阈值(默认为0.1*CurWidth，其中CurWidth表示当前车牌区域宽度)，则将该行从候选区域中去除。否则，停止扫描。分别从候选区域的左、右边缘逐列向中间扫描，统计每列中的蓝色或黄色像素点密度(见式1)以及灰度值。如果当前列的蓝色或黄色像素点密度大于阈值(默认为1/5)，并且该列灰度值与相邻列的灰度值相差较小(默认≤8*CurHeight，其中CurHeight表示当前高度)，则将当前列从候选区域中去除。否则，停止扫描。

更进一步地，上述方法还包括，在步骤2中，如果两个相邻的跳变对之间的距离小于跳变对距离设定阈值，并且两个跳变对之间的图像与车牌颜色一致，则这两个跳变对为车牌字符边缘；否则去除第一个跳变对，保留第二个跳变对，并继续寻找相邻的跳变对进行匹配。采用上述技术方案使得快速找到车牌候选区域的车牌字符边缘。

更进一步地，上述方法还包括对候选区域进行扩充，扩充方式包括以原车牌候选区域为中心，向四周进行扩充。例如默认左右边缘分别向候选区域两侧扩充0.2* CurWidth，其中CurWidth表示当前车牌区域宽度。如此，可以防止字符笔画丢失和消除车牌边框的影响，对车牌候选区域进行扩充。

更进一步地，上述方法还包括检测各候选区域，去除伪车牌。其具体包括判断候选区域的宽度和高度是否在预置范围以内；候选区域中黄色、蓝色像素点总数大于阈值(默认为300)；候选区域中的黄色或蓝色像素点密度和跳变点密度分别大于阈值(默认阈值分别为1/9，1/20)。跳变点密度，

，其中为跳变点密度，

表示跳变点总数，

 表示候选区域内像素点总数。如果候选区域同时满足以上三个条件，则认为是车牌区域。否则，抛弃该候选区域。最后保存已检测出的车牌区域位置。

上述的实施例中所给出的系数和参数，是提供给本领域的技术人员来实现或使用本发明的，本发明并不限定仅取前述公开的数值，在不脱离本发明的发明思想的情况下，本领域的技术人员可以对上述实施例作出种种修改或调整，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (9)

1.一种车牌定位的方法，其具体包含以下步骤：

步骤1.采集包含了车牌的图像；

步骤2.从上至下以行为单位扫描包含了车牌的图像；当行中跳变对个数大于行跳变对个数阈值时，该行为车牌图像候选行；从该行起，在M行内存在新的车牌图像候选行，则标记该行为车牌上边缘，同时将新的车牌图像候选行标记为车牌下边缘，上下边缘之间的区域标记为车牌行候选区域；每找到新的车牌图像候选行，就判断其与最接近的车牌图像候选行之间的距离是否小于M行，是则将新的车牌图像候选行合并到车牌行候选区域，同时将新的车牌图像候选行标记为新的车牌下边缘；否则从新的车牌图像候选行起重新开始寻找新的车牌行候选区域，依次类推，直到扫描结束，获得多个车牌行候选区域；

步骤3.从左至右以列为单位扫描包含了车牌的图像；当列中跳变对个数大于列跳对变个数阈值时，该列为车牌图像候选列；从该列起，在N列内存在新的车牌图像候选列，则标记该列为车牌左边缘，同时将新的车牌图像候选列标记为车牌右边缘，左右边缘之间的区域标记为车牌列候选区域；每找到新的车牌图像候选列，就判断其与最接近的车牌图像候选列之间的距离是否小于N列，是则将新的车牌图像候选列合并到车牌列候选区域，同时将新的车牌图像候选列标记为新的车牌右边缘；否则从新的车牌图像候选列起重新开始寻找新的车牌列候选区域，依次类推，直到扫描结束，获得多个车牌列候选区域；

步骤4.车牌行候选区域和车牌列候选区域之间重合的区域为车牌候选区域。

2.如权利要求1所述的车牌定位的方法，其特征在于所述方法还包括当新的车牌图像候选行与最近的车牌图像候选行之间车牌颜色像素点密度小于像素点密度阈值时，新的车牌图像候选行重新开始寻找新的车牌行候选区域。

3.如权利要求1或2所述的车牌定位的方法，其特征在于所述方法还包括当新的车牌图像候选列与最近的车牌图像候选列之间车牌颜色像素点密度小于像素点密度阈值时，新的车牌图像候选列重新开始寻找新的车牌列候选区域。

4.如权利要求3所述的车牌定位的方法，其特征在于所述方法还包括对候选区域进行扩充。

5.如权利要求4所述的车牌定位的方法，其特征在于所述扩充方式为以原车牌候选区域为中心，向四周进行扫描。

6.如权利要求1所述的车牌定位的方法，其特征在于所述方法还包括，在步骤2中，如果两个相邻的跳变对之间的距离小于跳变对距离阈值，并且两个跳变对之间的像素与车牌颜色一致，则这两个跳变对为车牌字符边缘；否则去除第一个跳变对，保留第二个跳变对，并继续寻找相邻的跳变对进行匹配。

7.如权利要求3所述的车牌定位的方法，其特征在于所述方法还包括对车牌候选区域进行扩充，扩充方式为以原车牌候选区域为中心，向四周进行扩充。

8.如权利要求7所述的车牌定位的方法，其特征在于所述方法还包括检测各候选区域，去除伪车牌。

9.如权利要求8所述的车牌定位的方法，其特征在于所述去除伪车牌的方法具体为：根据候选区域的宽度和高度，候选区域中黄色、蓝色像素点总数，候选区域中黄色、蓝色像素点密度和跳变点密度，判断是否是车牌区域。