CN104598905A - 一种车牌定位方法和装置 - Google Patents

一种车牌定位方法和装置 Download PDF

Info

Publication number
CN104598905A
CN104598905A CN201510061400.8A CN201510061400A CN104598905A CN 104598905 A CN104598905 A CN 104598905A CN 201510061400 A CN201510061400 A CN 201510061400A CN 104598905 A CN104598905 A CN 104598905A
Authority
CN
China
Prior art keywords
license plate
candidate area
final
area
color
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.)
Granted
Application number
CN201510061400.8A
Other languages
English (en)
Other versions
CN104598905B (zh
Inventor
崔莹
袁峰
李引
陈升东
伍小鹏
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.)
Guangzhou Institute of Software Application Technology Guangzhou GZIS
Original Assignee
Guangzhou Institute of Software Application Technology Guangzhou GZIS
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 Guangzhou Institute of Software Application Technology Guangzhou GZIS filed Critical Guangzhou Institute of Software Application Technology Guangzhou GZIS
Priority to CN201510061400.8A priority Critical patent/CN104598905B/zh
Publication of CN104598905A publication Critical patent/CN104598905A/zh
Application granted granted Critical
Publication of CN104598905B publication Critical patent/CN104598905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)

Abstract

本发明公开了一种车牌定位方法和装置，该方法通过多组预设颜色阈值搭配方案和边缘图对原始车牌图像进行第一次颜色搭配约束检测，并基于获取到的结果图集提取连通域获取由各个连通域整合的车牌候选区域集，再基于该车牌候选区域集得到N个候选区域各自的自适应颜色搭配方案，再次基于N个自适应颜色搭配方案得到颜色搭配方案结果图集提取连通域，得到最终车牌候选区域，对该最终车牌候选区域进行初步筛选和最终定位输出最终车牌区域集，完成对车牌的定位。本发明采用自适应颜色约束检测的方式逐步缩小检测区域，并充分利用车牌的边缘，颜色等特征排除多种环境干扰，尤其是光线、脏污等对颜色的干扰，实现在车牌定位过程中减少或降低误检率的目的。

Description

一种车牌定位方法和装置
技术领域
本发明涉及数字图像处理技术领域，更具体的说，是涉及一种车牌定位方法和装置。
背景技术
随着汽车在人们生活中被广泛的应用，基于一个车对应一个车牌，不管是在交通安全方面，还是日常道路管理方面，都可以通过道路上的摄像头扑捉通过摄像区域的车辆车牌，并通过识别车牌得到车牌上承载的信息，从而实现对车辆的管理。
目前，通常利用车牌的颜色完成对车牌的定位，但是，现有的车牌的颜色构成有蓝底白字，黄底黑字，黑底白字，白底黑字等，该定位方式在一定程度上受光照的影响，抗干扰能力较差。因此目前被广泛使用的车牌定位方式为：基于边缘轮廓的方式对车牌进行定位，其虽然对光照具有一定的稳定性，但也仅适用于较为简单的场景。由于黑白两色在车牌中属于常见色，在很多场景下会受到较多的颜色干扰，尤其是当车牌在图像中所占比例不是很大或者场景比较复杂的时候边缘信息比较丰富时，采用上述方式会产生边缘轮廓干扰，从而造成较高的误检率。
发明内容
有鉴于此，本发明提供了一种车牌定位方法和装置，以实现降低多场景下对车牌进行定位时的误检率的目的。
为实现上述目的，本发明提供如下技术方案：
一种车牌定位的方法，包括：
获取原始车牌图像，并利用所述原始车牌图像进行灰度转化，得到对应的灰度图；
对所述灰度图进行边缘提取并进行二值化处理，得到二值化后的边缘图；
利用所述边缘图和预设的三组颜色阈值搭配方案对所述原始车牌图像进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图，第二结果图和第三结果图；
对所述第一结果图至所述第三结果图上的各个字符像素进行或操作，得到对应的合并子图像；
提取所述合并子图像中的各个第一连通域，整合各个第一连通域对应的车牌候选区域为车牌候选区域集，其中，每一个第一连通域对应一个车牌候选区域；
计算所述车牌候选区域集的每一个车牌候选区域中的白色平均值和黑色平均值，将每一个车牌候选区域中得到的所述白色平均值和黑色平均值的搭配作为其自身的自适应颜色搭配方案，得到对应所述车牌候选区域集的N个自适应颜色搭配方案，其中，N的取值与提取的连通域的个数相同；
利用所述边缘图和所述N个自适应颜色搭配方案在所述原始车牌图像中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N；
提取所述颜色搭配方案结果图集G1～i的每一个颜色搭配方案结果图中的第二连通域，整合各个第二连通域对应的最终车牌候选区域为最终车牌候选区域集H1～i，其中，每一个第二连通域对应一个最终车牌候选区域；
对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集；
定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集。
优选的，所述预设的三组颜色阈值搭配方案的生成过程包括：
统计不同场景下车牌上的黑白颜色的像素值，所述不同场景至少包括在强光环境下，在弱光环境下，在正常光照环境下；
利用统计所得的所述黑白颜色的像素值，预设高阈值范围，预设中阈值范围和预设低阈值范围，得到预设的三组颜色阈值搭配方案；
其中，所述预设高阈值范围为230～200，所述预设中阈值范围为180～120，所述预设低阈值范围为100～60。
优选的，利用所述边缘图和预设的三组颜色阈值搭配方案对所述原始车牌图像进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图，第二结果图和第三结果图，包括：
构造与所述原始车牌图像长宽相等的第一中间处理图像，将所述第一中间处理图像中的像素值初始化为0；
基于所述三组颜色阈值搭配方案，分别遍历所述边缘图，当遇到边缘点，则执行标记操作；若未遇到所述边缘点，则继续执行遍历所述边缘图的步骤；其中，所述边缘点指像素值为1的点(x，y)；
得到执行标记操作过程中分别对应第一组颜色阈值搭配方案的第一结果图，对应第二组颜色阈值搭配方案的第二结果图，及对应第三组颜色阈值搭配方案的第三结果图；
所述标记操作包括：
检测所述第一中间处理图像中对应边缘点(x，y)的检测点，根据一组颜色阈值搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则继续执行检测所述对应边缘点(x，y)的检测点；
如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则继续执行检测所述对应边缘点(x，y)的检测点；
直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该组颜色阈值搭配方案的结果图。
优选的，利用所述边缘图和所述N个自适应颜色搭配方案在所述原始车牌图像中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N，包括：
构造与所述原始车牌图像长宽相等的第二中间处理图像，将所述第二中间处理图像中的像素值初始化为0；
基于所述N个自适应颜色搭配方案，分别遍历所述边缘图，当遇到边缘点，则执行标记操作；若未遇到所述边缘点，则继续执行遍历所述边缘图的步骤；其中，所述边缘点指像素值为1的点(x’，y’)；
得到执行标记操作过程中分别对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N；
所述标记操作包括：
检测所述原始车牌图像中对应边缘点(x’，y’)的检测点，根据一个自适应颜色搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则继续执行检测所述对应边缘点(x’，y’)的检测点；
如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则继续执行检测所述对应边缘点(x’，y’)的检测点；
直至标记出所述第二中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该自适应颜色搭配方案的结果图。
优选的，对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集，包括：
针对所述最终车牌候选区域集H1～i中每一个最终车牌候选区域Hi进行长宽比例检测，若符合预设长宽比例筛选条件，则对所述最终车牌候选区域进行纹理检测，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行长宽比例检测，直至所有最终车牌候选区域都执行长宽比例检测；
若所述最终车牌候选区域符合纹理检测，则将所述最终车牌候选区域作为车牌待选区域，并提取至车牌待选区域集中，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行纹理检测；
获取并对所述车牌待选区域集中的每一个车牌待选区域进行角点检测，判断所述车牌待选区域中的角点个数是否满足阈值，若满足所述阈值，则将所述车牌待选区域作为车牌区域，否则删除所述车牌待选区域，并对下一个车牌待选区域进行角点检测，直至所有车牌待选区域都执行角点检测；
整合各个所述车牌区域，得到车牌区域集。
优选的，定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集，包括：
获取最终车牌候选区域集H1～i中最终车牌候选区域的四个顶点坐标，计算车牌倾斜角度；
利用所述车牌倾斜角度对所述车牌区域集进行车牌倾斜校正；
在校正后的车牌区域集中检测角点位置，定位车牌字符区域，输出最终车牌区域集。
一种车牌定位装置，包括：
灰度转化单元，用于获取原始车牌图像，并利用所述原始车牌图像进行灰度转化，得到对应的灰度图；
二值化单元，用于对所述灰度图进行边缘提取并进行二值化处理，得到二值化后的边缘图；
第一颜色约束检测单元，用于利用所述边缘图和预设的三组颜色阈值搭配方案对所述原始车牌图像进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图，第二结果图和第三结果图；
或操作单元，用于对所述第一结果图至所述第三结果图上的各个字符像素进行或操作，得到对应的合并子图像；
第一提取连通域单元，用于提取所述合并子图像中的各个第一连通域，整合各个第一连通域对应的车牌候选区域为车牌候选区域集，其中，每一个第一连通域对应一个车牌候选区域；
计算单元，用于计算所述车牌候选区域集的每一个车牌候选区域中的白色平均值和黑色平均值，将每一个车牌候选区域中得到的所述白色平均值和黑色平均值的搭配作为其自身的自适应颜色搭配方案，得到对应所述车牌候选区域集的N个自适应颜色搭配方案，其中，N的取值与提取的连通域的个数相同；
第二颜色约束检测单元，用于利用所述边缘图和所述N个自适应颜色搭配方案在所述原始车牌图像中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N；
第二提取连通域单元，用于提取所述颜色搭配方案结果图集G1～i的每一个颜色搭配方案结果图中的第二连通域，整合各个第二连通域对应的最终车牌候选区域为最终车牌候选区域集H1～i，其中，每一个第二连通域对应一个最终车牌候选区域；
初步筛选单元，用于对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集；
定位输出单元，用于定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集。
优选的，所述第一提取连通域单元包括：
构造模块，用于构造与所述原始车牌图像长宽相等的第一中间处理图像，将所述第一中间处理图像中的像素值初始化为0；
遍历模块，用于基于所述三组颜色阈值搭配方案，分别遍历所述边缘图，当遇到边缘点，则执行标记模块进行标记操作；若未遇到所述边缘点，则继续执行所述遍历模块对所述边缘图进行遍历；其中，所述边缘点指像素值为1的点(x，y)；
输出模块，用于得到执行标记操作过程中分别对应第一组颜色阈值搭配方案的第一结果图，对应第二组颜色阈值搭配方案的第二结果图，及对应第三组颜色阈值搭配方案的第三结果图，
所述标记模块包括：
检测子模块，用于检测所述第一中间处理图像中对应边缘点(x，y)的检测点，根据一组颜色阈值搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
第一标记子模块，用于如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则返回所述检测子模块继续执行检测所述对应边缘点(x，y)的检测点；
第二标记子模块，用于如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则返回所述检测子模块继续执行检测所述对应边缘点(x，y)的检测点；
配置子模块，用于直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该组颜色阈值搭配方案的结果图。
优选的，所述初步筛选单元包括：
长宽比例检测模块，用于针对所述最终车牌候选区域集H1～i中每一个最终车牌候选区域进行长宽比例检测，若符合预设长宽比例筛选条件，则对所述最终车牌候选区域进行纹理检测，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行长宽比例检测，直至所有最终车牌候选区域都执行长宽比例检测；
纹理检测模块，用于若所述最终车牌候选区域符合纹理检测，则将所述最终车牌候选区域作为车牌待选区域，并提取至车牌待选区域集中，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行纹理检测；
角点检测模块，用于获取并对所述车牌待选区域集中的每一个车牌待选区域进行角点检测，判断所述车牌待选区域中的角点个数是否满足阈值，若满足所述阈值，则将所述车牌待选区域作为车牌区域，否则删除所述车牌待选区域，并对下一个车牌待选区域进行角点检测，直至所有车牌待选区域都执行角点检测；
整合模块，用于整合各个所述车牌区域，得到车牌区域集。
优选的，所述定位输出单元包括：
计算模块，用于获取最终车牌候选区域集H1～i中最终车牌候选区域的四个顶点坐标，计算车牌倾斜角度；
校正模块，用于利用所述车牌倾斜角度对所述车牌区域集进行车牌倾斜校正；
定位输出模块，用于在校正后的车牌区域集中检测角点位置，定位车牌字符区域，输出最终车牌区域集。
经由上述的技术方案可知，与现有技术相比，本发明实施例公开的一种车牌定位方法和装置，该方法通过多组预设颜色阈值搭配方案和原始车牌图像二值化后的边缘图，对原始车牌图像进行第一次颜色搭配约束检测，然后基于获取到的结果图集提取第一次连通域，将获取到的各个连通域整合为车牌候选区域集，再基于该车牌候选区域集得到N个候选区域各子的自适应颜色搭配方案，然后再次基于N个自适应颜色搭配方案得到颜色搭配方案结果图集进行第二次提取连通域，得到最终车牌候选区域，然后对该最终车牌候选区域进行初步筛选和最终定位，最终输出最终车牌区域集，完成对车牌的定位。本发明采用自适应颜色约束检测的方式逐步缩小检测区域，并充分利用车牌的边缘，颜色等特征排除多种环境干扰，既能保证不遗漏真正的车牌区域又能够自适应的针对每一个不同的区域筛选出黑白对比最明显的部分，从而实现在车牌定位过程中减少或降低误检率的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例一公开的一种车牌定位方法的流程图；
图2为本发明实施例三公开的一种车牌定位装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由背景技术可知，现有的基于边缘轮廓的方式对车牌进行定位，仅适用于较为简单的场景。由于黑白两色在车牌中属于常见色，在很多场景下会受到较多的颜色干扰，尤其是当车牌在图像中所占比例不是很大或者场景比较复杂的时候边缘信息比较丰富时，采用上述方式会产生边缘轮廓干扰，从而造成较高的误检率。因此本发明公开了一种新的车牌定位方法和装置，以实现降低多场景下对车牌进行定位时的误检率的目的，具体通过以下实施例进行详细说明。
实施例一
如图1所示，为本发明实施例一公开的一种车牌定位的方法的流程图，主要包括以下步骤：
步骤S101，获取原始车牌图像A，并利用所述原始车牌图像A进行灰度转化，得到对应的灰度图B；
步骤S102，对所述灰度图B进行边缘提取并进行二值化处理，得到二值化后的边缘图C；
在步骤S102中，对灰度图B的边缘进行提取，并对提取后的图像进行二值化处理，得到二值化后的边缘图C，该边缘图C中的边缘点的像素值为1，其他像素值为0，通过该种方式能够使得车牌区域的边缘点都保留下来。
步骤S103，利用所述边缘图C和预设的三组颜色阈值搭配方案对所述原始车牌图像A进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图D1，第二结果图D2和第三结果图D3；
在步骤S103中，利用预设的三组颜色阈值搭配方案，配合边缘图C对原始车牌图像A进行颜色搭配约束检测。其中，采用分组的方式进行直至预设的三组颜色阈值搭配方案都配合边缘图C对原始车牌图像A进行过颜色搭配约束检测，并得到相应的结果图。
例如，确定当前配合边缘图C的一组预设自适应的颜色阈值搭配方案，基于该预设自适应的颜色阈值搭配方案对原始车牌图像A进行过颜色搭配约束检测，得到第一结果图D1。同理，在剩余的两组预设自适应的颜色阈值搭配方案中选择一组预设自适应的颜色阈值搭配方案再次配合边缘图C对原始车牌图像A进行过颜色搭配约束检测，得到第二结果图D2。以此类推，基于最后一组预设自适应的颜色阈值搭配方案获得第三结果图D3。
步骤S104，对所述第一结果图D1至所述第三结果图D3上的各个字符像素进行或操作，得到对应的合并子图像E；
步骤S105，提取所述合并子图像E中的各个第一连通域，整合各个第一连通域对应的车牌候选区域FN为车牌候选区域集F1～N，其中，每一个第一连通域对应一个车牌候选区域；
在步骤S105中，在合并子图像E中提取最小外接矩形，即第一连通域，并将提取的各个第一连通域对应的车牌候选区域F1，车牌候选区域F2，车牌候选区域F3直至车牌候选区域FN，其中，每一个第一连通域对应一个车牌候选区域，也就是说，这里N从1开始取值，在其取值范围中最大的取值与提取的第一连通域的个数相同。
还需要说明的是，本发明实施例中所提到的“第一”“第二”仅用于区别，从而避免前后技术特征的混淆。
步骤S106，计算所述车牌候选区域集F1～N的每一个车牌候选区域FN中的白色平均值和黑色平均值，将每一个车牌候选区域FN中得到的所述白色平均值和黑色平均值的搭配作为其自身的自适应颜色搭配方案，得到对应所述车牌候选区域集F1～N的N个自适应颜色搭配方案；
在步骤S106中，N的取值与提取的第一连通域的个数相同，针对上述执行步骤S105获取的车牌候选区域集F1～N中的每一个车牌候选区域FN，计算其白色平均值和黑色平均值，然后将两者的搭配作为当前车牌候选区域FN的自适应颜色搭配方案，依次类推，可以得到对应所述车牌候选区域集的N个自适应颜色搭配方案，其中，一个车牌候选区域对应一个自适应颜色搭配方案。
步骤S107，利用所述边缘图C和所述N个自适应颜色搭配方案在所述原始车牌图像A中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i；
在步骤S107中，i的取值范围为1～N，N的最大取值与提取的第一连通域的个数相同。
步骤S108，提取所述颜色搭配方案结果图集G1～i的每一个颜色搭配方案结果图Gi中的第二连通域，整合各个第二连通域对应的最终车牌候选区域Hi为最终车牌候选区域集H1～i，其中，每一个第二连通域对应一个最终车牌候选区域Hi；
在步骤S108中，提取所述颜色搭配方案结果图集G1～i中的颜色搭配方案结果图G1，颜色搭配方案结果图G2直至颜色搭配方案结果图Gi分别对应的第二连通域，然后整合各个第二连通域对应的最终车牌候选区域Hi为最终车牌候选区域集H1～i。
步骤S109，对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集；
步骤S110，定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集。
由上述可知，本发明实施例公开的车牌定位方法通过多组预设自适应颜色阈值搭配方案和原始车牌图像二值化后的边缘图，对原始车牌图像进行第一次颜色搭配约束检测，然后基于获取到的结果图集提取第一次连通域，将获取到的各个连通域整合为车牌候选区域集，再基于该车牌候选区域集得到N个自适应颜色搭配方案，然后再次基于N个自适应颜色搭配方案得到颜色搭配方案结果图集进行第二次提取连通域，得到最终车牌候选区域，然后对该最终车牌候选区域进行初步筛选和最终定位，最终输出最终车牌区域集，完成对车牌的定位。本发明采用自适应颜色约束检测的方式逐步缩小检测区域，并充分利用车牌的边缘，颜色等特征排除多种环境干扰，既能保证不遗漏真正的车牌区域又能够自适应的针对每一个不同的区域筛选出黑白对比最明显的部分，从而实现在车牌定位过程中减少或降低误检率的目的。
实施例二
基于上述本发明实施例一公开的一种车牌定位方法，如图1中示出的步骤S103中的预设的三组颜色阈值搭配方案，其生成过程包括如下步骤：
步骤S201，统计不同场景下车牌上的黑白颜色的像素值，所述不同场景至少包括在强光环境下，在弱光环境下，在正常光照环境下；
步骤S202，利用统计所得的所述黑白颜色的像素值，预设高阈值范围，预设中阈值范围和预设低阈值范围，得到预设的三组颜色阈值搭配方案；
其中，所述预设高阈值范围为230～200，所述预设中阈值范围为180～120，所述预设低阈值范围为100～60。
基于上述本发明实施例一公开的一种车牌定位方法，如图1中示出的步骤S103，利用所述边缘图和预设的三组颜色阈值搭配方案对所述原始车牌图像进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图，第二结果图和第三结果图，其具体执行过程包括以下步骤：
步骤S301，构造与所述原始车牌图像A长宽相等的第一中间处理图像，将所述第一中间处理图像中的像素值初始化为0；
步骤S302，基于所述三组颜色阈值搭配方案，分别遍历所述边缘图C，当遇到边缘点，则执行标记操作；若未遇到所述边缘点，则继续执行遍历所述边缘图的步骤；其中，所述边缘点指像素值为1的点(x，y)；
在步骤S302中，所述标记操作主要包括以下步骤：
步骤S3021，检测所述第一中间处理图像中对应边缘点(x，y)的检测点，根据一组颜色阈值搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
步骤S3022，如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则继续执行检测所述对应边缘点(x，y)的检测点；
步骤S3023，如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则继续执行检测所述对应边缘点(x，y)的检测点；
步骤S3024，直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该组颜色阈值搭配方案的结果图。
在执行上述步骤S3021至步骤S3024的过程中，其针对一组颜色阈值搭配方案中的颜色阈值，对第一中间处理图像中对应边缘点(x，y)的多个检测点进行一一检测和判断，直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素。其中，x和y为边缘点的坐标。
步骤S303，得到执行标记操作过程中分别对应第一组颜色阈值搭配方案的第一结果图D1，对应第二组颜色阈值搭配方案的第二结果图D2，及对应第三组颜色阈值搭配方案的第三结果图D3。
基于上述本发明实施例一公开的一种车牌定位方法，如图1中示出的步骤S107，利用所述边缘图C和所述N个自适应颜色搭配方案在所述原始车牌图像A中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N，其具体执行步骤包括：
步骤S401，构造与所述原始车牌图像A长宽相等的第二中间处理图像，将所述第二中间处理图像中的像素值初始化为0；
步骤S402，基于所述N个自适应颜色搭配方案，分别遍历所述边缘图C，当遇到边缘点，则执行标记操作；若未遇到所述边缘点，则继续执行遍历所述边缘图的步骤；其中，所述边缘点指像素值为1的点(x’，y’)；
在步骤S402中，所述标记操作主要包括以下步骤：
步骤S4021，检测所述原始车牌图像A中对应边缘点(x’，y’)的检测点，根据一个自适应颜色搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
步骤S4022，如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则继续执行检测所述对应边缘点(x’，y’)的检测点；
步骤S4023，如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则继续执行检测所述对应边缘点(x’，y’)的检测点；
步骤S4024，直至标记出所述第二中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该自适应颜色搭配方案的结果图。
在执行上述步骤S4021至步骤S4024的过程中，其针对一组颜色阈值搭配方案中的颜色阈值，对第一中间处理图像中对应边缘点(x’，y’)的多个检测点进行一一检测和判断，直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素。其中，x’和y’为边缘点的坐标。
步骤S403，得到执行标记操作过程中分别对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N。
执行上述步骤S401至步骤S403能够进一步的缩小车牌范围，为后续精确定位车牌提供了更有利的条件。
基于上述本发明实施例一公开的一种车牌定位方法，如图1中示出的步骤S109，对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集，具体执行过程包括以下步骤：
步骤S501，针对所述最终车牌候选区域集H1～i中每一个最终车牌候选区域Hi进行长宽比例检测，若符合预设长宽比例筛选条件，则对所述最终车牌候选区域进行纹理检测，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行长宽比例检测，直至所有最终车牌候选区域都执行长宽比例检测；
步骤S502，若所述最终车牌候选区域符合纹理检测，则将所述最终车牌候选区域作为车牌待选区域，并提取至车牌待选区域集中，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行纹理检测；
步骤S503，获取并对所述车牌待选区域集中的每一个车牌待选区域进行角点检测，判断所述车牌待选区域中的角点个数是否满足阈值，若满足所述阈值，则将所述车牌待选区域作为车牌区域，否则删除所述车牌待选区域，并对下一个车牌待选区域进行角点检测，直至所有车牌待选区域都执行角点检测；
步骤S504，整合各个所述车牌区域，得到车牌区域集。
基于上述本发明实施例一公开的一种车牌定位方法，如图1中示出的步骤S110，定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集，具体执行过程包括以下步骤：
步骤S601，获取最终车牌候选区域集H1～i中最终车牌候选区域的四个顶点坐标，计算车牌倾斜角度；
步骤S602，利用所述车牌倾斜角度对所述车牌区域集进行车牌倾斜校正；
步骤S603，在校正后的车牌区域集中检测角点位置，定位车牌字符区域，输出最终车牌区域集。
通过上述本发明实施例公开的一种车牌定位方法，采用自适应的颜色搭配方法，逐步缩小检测区域，既能保证不遗漏真正的车牌区域，又能够自适应的针对每一个不同的区域筛选出黑白对比最为明显的部分，极大的减小了外界环境，如各种强度的光照，脏污等干扰引起的颜色搭配误报现象，从而实现在车牌定位过程中减少或降低误检率的目的。
对应上述本发明实施例公开的一种车牌定位方法，本发明实施例还公开了一种车牌定位装置，具体通过以下实施例进行说明：
实施例三
如图2所示，为本发明实施例三公开的一种车牌定位装置，主要包括：灰度转化单元101，二值化单元102，第一颜色约束检测单元103，或操作单元104，第一提取连通域单元105，计算单元106，第二颜色约束检测单元107，第二提取连通域单元108，初步筛选单元109和定位输出单元110。
其中，灰度转化单元101，用于获取原始车牌图像A，并利用所述原始车牌图像A进行灰度转化，得到对应的灰度图B；
二值化单元102，用于对所述灰度图B进行边缘提取并进行二值化处理，得到二值化后的边缘图C；
第一颜色约束检测单元103，用于利用所述边缘图C和预设的三组颜色阈值搭配方案对所述原始车牌图像A进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图D1，第二结果图D2和第三结果图D3；
或操作单元104，用于对所述第一结果图D1至所述第三结果图D3上的各个字符像素进行或操作，得到对应的合并子图像E；
第一提取连通域单元105，用于提取所述合并子图像E中的各个第一连通域，整合各个第一连通域对应的车牌候选区域FN为车牌候选区域集F1～N，其中，每一个第一连通域对应一个车牌候选区域；
计算单元106，用于计算所述车牌候选区域集F1～N的每一个车牌候选区域FN中的白色平均值和黑色平均值，将每一个车牌候选区域FN中得到的所述白色平均值和黑色平均值的搭配作为其自身的自适应颜色搭配方案，得到对应所述车牌候选区域集F1～N的N个自适应颜色搭配方案，其中，N的取值与提取的连通域的个数相同；
第二颜色约束检测单元107，用于利用所述边缘图C和所述N个自适应颜色搭配方案在所述原始车牌图像A中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N；
第二提取连通域单元108，用于提取所述颜色搭配方案结果图集G1～i的每一个颜色搭配方案结果图Gi中的第二连通域，整合各个第二连通域对应的最终车牌候选区域Hi为最终车牌候选区域集H1～i，其中，每一个第二连通域对应一个最终车牌候选区域Hi；
初步筛选单元109，用于对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集；
定位输出单元110，用于定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集。
上述公开的各个单元其各自的执行原理与本发明实施例一公开的方法对应，这里不再进行赘述，请参照上述记载。
上述公开的一种车牌定位装置中的所述第一提取连通域单元105中主要包括：
构造模块，用于构造与所述原始车牌图像A长宽相等的第一中间处理图像，将所述第一中间处理图像中的像素值初始化为0；
遍历模块，用于基于所述三组颜色阈值搭配方案，分别遍历所述边缘图，当遇到边缘点，则执行标记模块进行标记操作；若未遇到所述边缘点，则继续执行所述遍历模块对所述边缘图进行遍历；其中，所述边缘点指像素值为1的点(x，y)；
输出模块，用于得到执行标记操作过程中分别对应第一组颜色阈值搭配方案的第一结果图D1，对应第二组颜色阈值搭配方案的第二结果图D2，及对应第三组颜色阈值搭配方案的第三结果图D3；
所述标记模块包括：
检测子模块，用于检测所述第一中间处理图像中对应边缘点(x，y)的检测点，根据一组颜色阈值搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
第一标记子模块，用于如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则返回所述检测子模块继续执行检测所述对应边缘点(x，y)的检测点；
第二标记子模块，用于如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则返回所述检测子模块继续执行检测所述对应边缘点(x，y)的检测点；
配置子模块，用于直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该组颜色阈值搭配方案的结果图。
上述公开的各个模块，子模块其各自的执行原理与本发明实施例二公开的方法对应，这里不再进行赘述，请参照上述记载。
上述公开的一种车牌定位装置中的所述初步筛选单元109主要包括：
长宽比例检测模块，用于针对所述最终车牌候选区域集H1～i中每一个最终车牌候选区域Hi进行长宽比例检测，若符合预设长宽比例筛选条件，则对所述最终车牌候选区域进行纹理检测，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行长宽比例检测，直至所有最终车牌候选区域都执行长宽比例检测；
纹理检测模块，用于若所述最终车牌候选区域符合纹理检测，则将所述最终车牌候选区域作为车牌待选区域，并提取至车牌待选区域集中，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行纹理检测；
角点检测模块，用于获取并对所述车牌待选区域集中的每一个车牌待选区域进行角点检测，判断所述车牌待选区域中的角点个数是否满足阈值，若满足所述阈值，则将所述车牌待选区域作为车牌区域，否则删除所述车牌待选区域，并对下一个车牌待选区域进行角点检测，直至所有车牌待选区域都执行角点检测；
整合模块，用于整合各个所述车牌区域，得到车牌区域集。
上述公开的各个模块，子模块其各自的执行原理与本发明实施例二公开的方法对应，这里不再进行赘述，请参照上述记载。
上述本发明实施例公开的一种车牌定位装置中的所述定位输出单元110主要包括：
计算模块，用于获取最终车牌候选区域集H1～i中最终车牌候选区域的四个顶点坐标，计算车牌倾斜角度；
校正模块，用于利用所述车牌倾斜角度对所述车牌区域集进行车牌倾斜校正；
定位输出模块，用于在校正后的车牌区域集中检测角点位置，定位车牌字符区域，输出最终车牌区域集。
综上所述，本发明实施例公开的一种车牌定位方法和装置，通过多组预设自适应颜色阈值搭配方案和原始车牌图像二值化后的边缘图，对原始车牌图像进行第一次颜色搭配约束检测，然后基于获取到的结果图集提取第一次连通域，将获取到的各个连通域整合为车牌候选区域集，再基于该车牌候选区域集得到N个自适应颜色搭配方案，然后再次基于N个自适应颜色搭配方案得到颜色搭配方案结果图集进行第二次提取连通域，得到最终车牌候选区域，然后对该最终车牌候选区域进行初步筛选和最终定位，最终输出最终车牌区域集，完成对车牌的定位。本发明采用自适应颜色约束检测的方式逐步缩小检测区域，并充分利用车牌的边缘，颜色等特征排除多种环境干扰，既能保证不遗漏真正的车牌区域又能够自适应的针对每一个不同的区域筛选出黑白对比最明显的部分，从而实现在车牌定位过程中减少或降低误检率的目的。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车牌定位的方法，其特征在于，包括：
获取原始车牌图像，并利用所述原始车牌图像进行灰度转化，得到对应的灰度图；
对所述灰度图进行边缘提取并进行二值化处理，得到二值化后的边缘图；
利用所述边缘图和预设的三组颜色阈值搭配方案对所述原始车牌图像进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图，第二结果图和第三结果图；
对所述第一结果图至所述第三结果图上的各个字符像素进行或操作，得到对应的合并子图像；
提取所述合并子图像中的各个第一连通域，整合各个第一连通域对应的车牌候选区域为车牌候选区域集，其中，每一个第一连通域对应一个车牌候选区域；
计算所述车牌候选区域集的每一个车牌候选区域中的白色平均值和黑色平均值，将每一个车牌候选区域中得到的所述白色平均值和黑色平均值的搭配作为其自身的自适应颜色搭配方案，得到对应所述车牌候选区域集的N个自适应颜色搭配方案，其中，N的取值与提取的连通域的个数相同；
利用所述边缘图和所述N个自适应颜色搭配方案在所述原始车牌图像中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N；
提取所述颜色搭配方案结果图集G1～i的每一个颜色搭配方案结果图中的第二连通域，整合各个第二连通域对应的最终车牌候选区域为最终车牌候选区域集H1～i，其中，每一个第二连通域对应一个最终车牌候选区域；
对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集；
定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集。
2.根据权利要求1所述的方法，其特征在于，所述预设的三组颜色阈值搭配方案的生成过程包括：
统计不同场景下车牌上的黑白颜色的像素值，所述不同场景至少包括在强光环境下，在弱光环境下，在正常光照环境下；
利用统计所得的所述黑白颜色的像素值，预设高阈值范围，预设中阈值范围和预设低阈值范围，得到预设的三组颜色阈值搭配方案；
其中，所述预设高阈值范围为230～200，所述预设中阈值范围为180～120，所述预设低阈值范围为100～60。
3.根据权利要求1所述的方法，其特征在于，利用所述边缘图和预设的三组颜色阈值搭配方案对所述原始车牌图像进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图，第二结果图和第三结果图，包括：
构造与所述原始车牌图像长宽相等的第一中间处理图像，将所述第一中间处理图像中的像素值初始化为0；
基于所述三组颜色阈值搭配方案，分别遍历所述边缘图，当遇到边缘点，则执行标记操作；若未遇到所述边缘点，则继续执行遍历所述边缘图的步骤；其中，所述边缘点指像素值为1的点(x，y)；
得到执行标记操作过程中分别对应第一组颜色阈值搭配方案的第一结果图，对应第二组颜色阈值搭配方案的第二结果图，及对应第三组颜色阈值搭配方案的第三结果图，
所述标记操作包括：
检测所述第一中间处理图像中对应边缘点(x，y)的检测点，根据一组颜色阈值搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则继续执行检测所述对应边缘点(x，y)的检测点；
如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则继续执行检测所述对应边缘点(x，y)的检测点；
直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该组颜色阈值搭配方案的结果图。
4.根据权利要求1所述的方法，其特征在于，利用所述边缘图和所述N个自适应颜色搭配方案在所述原始车牌图像中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N，包括：
构造与所述原始车牌图像长宽相等的第二中间处理图像，将所述第二中间处理图像中的像素值初始化为0；
基于所述N个自适应颜色搭配方案，分别遍历所述边缘图，当遇到边缘点，则执行标记操作；若未遇到所述边缘点，则继续执行遍历所述边缘图的步骤；其中，所述边缘点指像素值为1的点(x’，y’)；
得到执行标记操作过程中分别对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N；
所述标记操作包括：
检测所述原始车牌图像中对应边缘点(x’，y’)的检测点，根据一个自适应颜色搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则继续执行检测所述对应边缘点(x’，y’)的检测点；
如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则继续执行检测所述对应边缘点(x’，y’)的检测点；
直至标记出所述第二中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该自适应颜色搭配方案的结果图。
5.根据权利要求1～4中任意一项所述的方法，其特征在于，对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集，包括：
针对所述最终车牌候选区域集H1～i中每一个最终车牌候选区域Hi进行长宽比例检测，若符合预设长宽比例筛选条件，则对所述最终车牌候选区域进行纹理检测，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行长宽比例检测，直至所有最终车牌候选区域都执行长宽比例检测；
若所述最终车牌候选区域符合纹理检测，则将所述最终车牌候选区域作为车牌待选区域，并提取至车牌待选区域集中，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行纹理检测；
获取并对所述车牌待选区域集中的每一个车牌待选区域进行角点检测，判断所述车牌待选区域中的角点个数是否满足阈值，若满足所述阈值，则将所述车牌待选区域作为车牌区域，否则删除所述车牌待选区域，并对下一个车牌待选区域进行角点检测，直至所有车牌待选区域都执行角点检测；
整合各个所述车牌区域，得到车牌区域集。
6.根据权利要求1～4中任意一项所述的方法，其特征在于，定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集，包括：
获取最终车牌候选区域集H1～i中最终车牌候选区域的四个顶点坐标，计算车牌倾斜角度；
利用所述车牌倾斜角度对所述车牌区域集进行车牌倾斜校正；
在校正后的车牌区域集中检测角点位置，定位车牌字符区域，输出最终车牌区域集。
7.一种车牌定位装置，其特征在于，包括：
灰度转化单元，用于获取原始车牌图像，并利用所述原始车牌图像进行灰度转化，得到对应的灰度图；
二值化单元，用于对所述灰度图进行边缘提取并进行二值化处理，得到二值化后的边缘图；
第一颜色约束检测单元，用于利用所述边缘图和预设的三组颜色阈值搭配方案对所述原始车牌图像进行颜色搭配约束检测，并得到分别对应三组颜色阈值搭配方案的第一结果图，第二结果图和第三结果图；
或操作单元，用于对所述第一结果图至所述第三结果图上的各个字符像素进行或操作，得到对应的合并子图像；
第一提取连通域单元，用于提取所述合并子图像中的各个第一连通域，整合各个第一连通域对应的车牌候选区域为车牌候选区域集，其中，每一个第一连通域对应一个车牌候选区域；
计算单元，用于计算所述车牌候选区域集的每一个车牌候选区域中的白色平均值和黑色平均值，将每一个车牌候选区域中得到的所述白色平均值和黑色平均值的搭配作为其自身的自适应颜色搭配方案，得到对应所述车牌候选区域集的N个自适应颜色搭配方案，其中，N的取值与提取的连通域的个数相同；
第二颜色约束检测单元，用于利用所述边缘图和所述N个自适应颜色搭配方案在所述原始车牌图像中对边缘点周边像素进行黑白颜色搭配约束颜色检测，得到对应各个自适应颜色搭配方案的颜色搭配方案结果图集G1～i，其中，i的取值范围为1～N；
第二提取连通域单元，用于提取所述颜色搭配方案结果图集G1～i的每一个颜色搭配方案结果图中的第二连通域，整合各个第二连通域对应的最终车牌候选区域为最终车牌候选区域集H1～i，其中，每一个第二连通域对应一个最终车牌候选区域；
初步筛选单元，用于对所述最终车牌候选区域集H1～i进行初步筛选，提取符合预设筛选条件的最终车牌候选区域进行整合，得到车牌区域集；
定位输出单元，用于定位所述车牌区域集中的车牌字符区域，输出最终车牌区域集。
8.根据权利要求7所述的装置，其特征在于，所述第一提取连通域单元包括：
构造模块，用于构造与所述原始车牌图像长宽相等的第一中间处理图像，将所述第一中间处理图像中的像素值初始化为0；
遍历模块，用于基于所述三组颜色阈值搭配方案，分别遍历所述边缘图，当遇到边缘点，则执行标记模块进行标记操作；若未遇到所述边缘点，则继续执行所述遍历模块对所述边缘图进行遍历；其中，所述边缘点指像素值为1的点(x，y)；
输出模块，用于得到执行标记操作过程中分别对应第一组颜色阈值搭配方案的第一结果图，对应第二组颜色阈值搭配方案的第二结果图，及对应第三组颜色阈值搭配方案的第三结果图；
所述标记模块包括：
检测子模块，用于检测所述第一中间处理图像中对应边缘点(x，y)的检测点，根据一组颜色阈值搭配方案中的颜色阈值判断所述检测点是否为白色，且所述检测点右侧是否有黑色，以及判断所述检测点是否为黑色，且所述检测点右侧是否有白色；
第一标记子模块，用于如为白色且右侧有黑色，则标记所述检测点为车牌字符起始像素，否则返回所述检测子模块继续执行检测所述对应边缘点(x，y)的检测点；
第二标记子模块，用于如为黑色且右侧有白色，则标记所述检测点为车牌字符终止像素，否则返回所述检测子模块继续执行检测所述对应边缘点(x，y)的检测点；
配置子模块，用于直至标记出所述第一中间处理图中的所述车牌字符起始像素和所述车牌字符终止像素后，将所述车牌字符起始像素和所述车牌字符终止像素之间位置的像素置为255，得到对应该组颜色阈值搭配方案的结果图。
9.根据权利要求7或8所述的装置，其特征在于，所述初步筛选单元包括：
长宽比例检测模块，用于针对所述最终车牌候选区域集H1～i中每一个最终车牌候选区域进行长宽比例检测，若符合预设长宽比例筛选条件，则对所述最终车牌候选区域进行纹理检测，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行长宽比例检测，直至所有最终车牌候选区域都执行长宽比例检测；
纹理检测模块，用于若所述最终车牌候选区域符合纹理检测，则将所述最终车牌候选区域作为车牌待选区域，并提取至车牌待选区域集中，否则删除所述最终车牌候选区域，并对下一个最终车牌候选区域进行纹理检测；
角点检测模块，用于获取并对所述车牌待选区域集中的每一个车牌待选区域进行角点检测，判断所述车牌待选区域中的角点个数是否满足阈值，若满足所述阈值，则将所述车牌待选区域作为车牌区域，否则删除所述车牌待选区域，并对下一个车牌待选区域进行角点检测，直至所有车牌待选区域都执行角点检测；
整合模块，用于整合各个所述车牌区域，得到车牌区域集。
10.根据权利要求7或8所述的装置，其特征在于，所述定位输出单元包括：
计算模块，用于获取最终车牌候选区域集H1～i中最终车牌候选区域的四个顶点坐标，计算车牌倾斜角度；
校正模块，用于利用所述车牌倾斜角度对所述车牌区域集进行车牌倾斜校正；
定位输出模块，用于在校正后的车牌区域集中检测角点位置，定位车牌字符区域，输出最终车牌区域集。
CN201510061400.8A 2015-02-05 2015-02-05 一种车牌定位方法和装置 Active CN104598905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510061400.8A CN104598905B (zh) 2015-02-05 2015-02-05 一种车牌定位方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510061400.8A CN104598905B (zh) 2015-02-05 2015-02-05 一种车牌定位方法和装置

Publications (2)

Publication Number Publication Date
CN104598905A true CN104598905A (zh) 2015-05-06
CN104598905B CN104598905B (zh) 2018-02-16

Family

ID=53124678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510061400.8A Active CN104598905B (zh) 2015-02-05 2015-02-05 一种车牌定位方法和装置

Country Status (1)

Country Link
CN (1) CN104598905B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117706A (zh) * 2015-08-28 2015-12-02 小米科技有限责任公司 图像处理方法和装置、字符识别方法和装置
CN105654084A (zh) * 2015-12-29 2016-06-08 北京万集科技股份有限公司 基于激光器的车牌定位方法、装置及系统
CN105975970A (zh) * 2016-05-30 2016-09-28 北京智芯原动科技有限公司 一种基于svf的车牌定位方法及装置
CN106874897A (zh) * 2017-04-06 2017-06-20 北京精英智通科技股份有限公司 一种车牌识别方法和装置
CN106874904A (zh) * 2017-01-09 2017-06-20 北京大学深圳研究生院 一种车牌图片矫正方法及装置
CN108205671A (zh) * 2016-12-16 2018-06-26 浙江宇视科技有限公司 图像处理方法及装置
CN108804978A (zh) * 2017-04-28 2018-11-13 腾讯科技（深圳）有限公司 一种版面分析方法及装置
CN109214380A (zh) * 2018-09-12 2019-01-15 湖北民族学院 车牌倾斜校正方法
CN112733827A (zh) * 2020-12-29 2021-04-30 深圳市天视通视觉有限公司 一种车牌识别方法、装置、电子设备及存储介质
US11417205B1 (en) * 2020-03-19 2022-08-16 United Services Automobile Association (Usaa) Method and system for rapid graduated motor vehicle detection
US20230360409A1 (en) * 2022-05-04 2023-11-09 Bovia Co., Ltd. System and Method for License Plate Recognition

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246551A (zh) * 2008-03-07 2008-08-20 北京航空航天大学 一种快速的车牌定位方法
CN101877126A (zh) * 2009-11-19 2010-11-03 东软集团股份有限公司 一种车牌候选区域的分割方法及装置
US20130294653A1 (en) * 2012-05-07 2013-11-07 Xerox Corporation Methods and systems for optimized parameter selection in automated license plate recognition
CN103903018A (zh) * 2014-04-02 2014-07-02 浙江师范大学 一种复杂场景中对车牌进行定位的方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246551A (zh) * 2008-03-07 2008-08-20 北京航空航天大学 一种快速的车牌定位方法
CN101877126A (zh) * 2009-11-19 2010-11-03 东软集团股份有限公司 一种车牌候选区域的分割方法及装置
US20130294653A1 (en) * 2012-05-07 2013-11-07 Xerox Corporation Methods and systems for optimized parameter selection in automated license plate recognition
CN103903018A (zh) * 2014-04-02 2014-07-02 浙江师范大学 一种复杂场景中对车牌进行定位的方法和系统

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117706B (zh) * 2015-08-28 2019-01-18 小米科技有限责任公司 图像处理方法和装置、字符识别方法和装置
CN105117706A (zh) * 2015-08-28 2015-12-02 小米科技有限责任公司 图像处理方法和装置、字符识别方法和装置
CN105654084A (zh) * 2015-12-29 2016-06-08 北京万集科技股份有限公司 基于激光器的车牌定位方法、装置及系统
CN105654084B (zh) * 2015-12-29 2019-08-20 北京万集科技股份有限公司 基于激光器的车牌定位方法、装置及系统
CN105975970A (zh) * 2016-05-30 2016-09-28 北京智芯原动科技有限公司 一种基于svf的车牌定位方法及装置
CN108205671A (zh) * 2016-12-16 2018-06-26 浙江宇视科技有限公司 图像处理方法及装置
CN106874904A (zh) * 2017-01-09 2017-06-20 北京大学深圳研究生院 一种车牌图片矫正方法及装置
CN106874897A (zh) * 2017-04-06 2017-06-20 北京精英智通科技股份有限公司 一种车牌识别方法和装置
CN108804978A (zh) * 2017-04-28 2018-11-13 腾讯科技（深圳）有限公司 一种版面分析方法及装置
CN108804978B (zh) * 2017-04-28 2022-04-12 腾讯科技（深圳）有限公司 一种版面分析方法及装置
CN109214380A (zh) * 2018-09-12 2019-01-15 湖北民族学院 车牌倾斜校正方法
CN109214380B (zh) * 2018-09-12 2021-10-01 湖北民族学院 车牌倾斜校正方法
US11417205B1 (en) * 2020-03-19 2022-08-16 United Services Automobile Association (Usaa) Method and system for rapid graduated motor vehicle detection
US11837085B1 (en) 2020-03-19 2023-12-05 United Services Automobile Association (Usaa) Method and system for rapid graduated motor vehicle detection
CN112733827A (zh) * 2020-12-29 2021-04-30 深圳市天视通视觉有限公司 一种车牌识别方法、装置、电子设备及存储介质
CN112733827B (zh) * 2020-12-29 2023-08-04 深圳市天视通视觉有限公司 一种车牌识别方法、装置、电子设备及存储介质
US20230360409A1 (en) * 2022-05-04 2023-11-09 Bovia Co., Ltd. System and Method for License Plate Recognition

Also Published As

Publication number Publication date
CN104598905B (zh) 2018-02-16

Similar Documents

Publication Publication Date Title
CN104598905A (zh) 一种车牌定位方法和装置
CN102375982B (zh) 一种融合多字符特征的车牌定位方法
CN103400150B (zh) 一种基于移动平台进行道路边缘识别的方法及装置
CN102043950B (zh) 基于canny算子和边缘点统计的车辆轮廓识别方法
CN108805042B (zh) 道路区域监控视频被树叶遮挡的检测方法
CN109886896A (zh) 一种蓝色车牌分割与矫正方法
KR101182173B1 (ko) 차량 번호판 인식 방법 및 시스템
CN106650553A (zh) 车牌识别方法及系统
EP1271403A1 (en) Method and device for character location in images from digital camera
CN104331688A (zh) 一种雷管外壳点阵字符识别方法
JP6779688B2 (ja) 画像処理装置、画像処理方法、コンピュータプログラム
CN111627215A (zh) 基于人工智能的视频图像识别方法及相关设备
CN104504703A (zh) 一种基于片式元器件smt焊点彩色图像分割方法
CN105488797A (zh) 一种hsv空间的车牌定位方法
WO2004026140A3 (en) Display of image data information
CN105354570A (zh) 一种车牌左右边界精确定位的方法及系统
Ma et al. An all-weather lane detection system based on simulation interaction platform
Chen et al. Robust license plate detection in nighttime scenes using multiple intensity IR-illuminator
CN104156703A (zh) 基于色彩纹理的车牌定位方法及系统
CN102521587B (zh) 一种车牌定位方法
CN108711160A (zh) 一种基于hsi增强性模型的目标分割方法
CN106485663A (zh) 一种车道线图像增强方法及系统
CN111027564A (zh) 基于深度学习一体化的低照度成像车牌识别方法及装置
CN105512649A (zh) 一种基于颜色空间的高清视频实时车牌定位方法
CN103049742B (zh) 一种车牌定位的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant