CN104615974A - 基于跟踪算法的连续支柱号牌图像识别方法 - Google Patents

Abstract

本发明涉及计算机视觉领域，具体公开了一种基于跟踪算法的连续支柱号牌图像识别方法，在对每根支柱的支柱号进行识别时，如果已经识别到与预测值相等的支柱号，则将该支柱号作为当前支柱的正确支柱号，将号牌作为运动目标，对该支柱的后续图像进行号牌跟踪，直到进入下一根支柱的图像时重新进行识别，如有支柱的支柱号不能识别，则通过前后识别的支柱号就行推算校正。本发明对于正确识别的支柱号牌作为运动目标跟踪处理，在以后的若干图像采用简单的跟踪处理，提高了图像处理效率；本发明将拍摄的图像作为一个整体考虑，可以根据支柱的前后关联等已知数据对未识别的号牌进行推算补充，极大地提高了识别率。

Description

基于跟踪算法的连续支柱号牌图像识别方法

技术领域

本发明涉及计算机视觉领域，具体地，涉及一种基于跟踪算法的连续支柱号牌图像识别方法。

背景技术

铁路、市政众多标号连续的供电杆支柱。为了提高检修维护工作的效率，常采用车载图像设备对沿线基础设置进行图像拍摄，然后通过人工或自动方式对上述基础设施的缺陷进行识别。其中，支柱号牌的识别便于图像的定位、检索与处理，是自动识别缺陷的基础。

支柱号牌如果通过人工识别方式具有如下不足：由于图像数量很大，需要大量人力查看，且在查看疲劳时会发生应有缺陷未找出的问题。因此，目前提出了计算机识别的方法，现有的计算机识别方法存在以下问题：

1、对图像中特定物体定位需要对每幅图像都要做大量数据进行处理，运行效率低。

2、号牌识别采用根据号牌在支柱中的特定位置在大致方位定位号牌，号牌在不同位置时需要采用不同的处理方法，在识别前需要人工选择号牌位置，智能性很差。

3、号牌中的数字识别采用每幅图像单独识别方式，在号牌被电线或者铁杆等物体遮挡时无法识别。

发明内容

本发明的目的就在于克服上述现有技术的缺点和不足，提供一种处理效率和识别率高的基于跟踪算法的连续支柱号牌图像识别方法。

本发明解决上述问题所采用的技术方案是：

基于跟踪算法的连续支柱号牌图像识别方法，包括以下步骤：

S1、读入支柱号文件，支柱号文件中各支柱的支柱号按顺序排列，设定图像移出边缘、相似度阈值，初始化所有支柱预测值；

S2、读入第一张图像，使当前支柱预测值等于第一张图像对应的支柱的理论支柱号；

S3、识别图像中支柱号牌上的支柱号，判断是否与当前支柱预测值相等，是则将该支柱号作为当前支柱的正确支柱号，进入步骤S4；否则进入步骤S6；

S4、读入下一张图像作为当前图像，采用跟踪算法跟踪号牌的位置，并在计算位置以计算位置为中心截取与当前图像的上一张图像中的号牌相同大小的图像，读入截取图像并计算截取图像与当前图像的上一张图像的号牌图像相似度；

S5、判断号牌位置是否进入当前图像移出边缘，是则跳转到步骤S6；否则判断相似度是否等于或小于阈值，是则跳转到步骤S3，否则跳转到步骤S4；

S6、读入下一张图像，跳转到步骤S3。

作为本发明的进一步改进，步骤6包括以下步骤；

S61、读入下一张图像，以图像中心线为界，判断支柱是否在图像移出边缘的相对侧，是则认定上一根支柱的图像已经全部处理完，该图像为新的支柱图像，当前支柱为新的一根支柱，跳转到步骤S62，否则跳转到步骤S3；

S62、将当前支柱预测值设定为支柱号文件中的当前支柱的理论支柱号，跳转到步骤S3。

进一步，步骤S4的具体步骤如下：

S40、设定最大循环次数和标准距离；

S41：获取上一张图像的号牌区域中心y0的坐标、计算号牌区域的Bhattacharyya距离ρ1；

S42、确定当前图像中的号牌区域:

S421、在当前图像中采用基于kernel函数运动目标跟踪算法根据y0计算与上一张图像的号牌区域最相似的目标区域中心位置y1坐标；

S422、在当前图像中，如果y0和y1的距离大于设定标准距离时，令y0=y1，跳转到步骤S421继续进行计算；直到y0和y1的距离小于或等于标准距离时或跳转到步骤S422的循环次数达到最大循环次数时，停止计算，根据y1的坐标和号牌的大小确定当前图像的号牌区域；

S43、计算当前图像中的号牌区域的Bhattacharyya距离ρ2，根据ρ1和ρ2计算当前图像号牌与上一张图像号牌的相似度。

进一步，步骤S3中，识别图像中支柱号牌上的支柱号时，如果当前图像中的支柱号牌无法识别，则跳转到步骤S61。

进一步，步骤S3中，还对号牌进行位数识别，并与号牌实际位数进行比较，如果号牌识别位数与号牌实际位数不一致标记为号牌脱落支柱，并跳转到步骤S61。

进一步，步骤 S62中还判断上一根支柱是否识别出正确支柱号，包括以下步骤：

S621、判断上一根支柱是否已识别出正确支柱号时，是则跳转到步骤S622，否则对上一根支柱的所有图像中识别出的支柱号进行统计，能够统计出出现频率最多的合理值则跳转到步骤S623，不能统计出合理值则跳转到步骤S624；

S622、将预测值设定为支柱号文件中的当前支柱的理论支柱号，跳转到步骤S3；

S623、将统计出的出现频率最多的合理值作为上一根支柱的正确支柱号，将当前支柱预测值设定为支柱号文件中该正确支柱号的值对应的支柱号后的理论支柱号，跳转到步骤S3；

S624、将上一根支柱的正确支柱号值设定为空，并将当前支柱预测值设定为空，跳转到步骤S3。

进一步，步骤S623中，将统计出的出现频率最多的合理值作为上一根支柱的正确支柱号后还进行上一根支柱预测值修订处理、正确支柱号和预测值补齐处理：

上一根支柱预测值修订：将上一根支柱的预测值修订为统计出的出现频率最多的合理值；

正确支柱号补齐步骤：判断上一根支柱的前一根支柱的正确支柱号值是否为空，不是则跳转到步骤S3；是则继续判断前一根支柱的正确值是否为空，直到判断到正确支柱号值不为空的支柱，然后根据该正确支柱号值不为空的支柱的正确支柱号和上一根支柱的正确支柱号推算出这两根支柱之间的支柱的支柱号，并将其作为这些支柱的正确支柱号和预测值。

进一步，步骤S3中，所述的识别图像中支柱号牌上的支柱号包括以下步骤：

S31、支柱定位，在图像中定位离镜头最近的一根支柱；

S32、号牌定位，在定位支柱以及定位支柱两侧寻找号牌；

S33、字符分割：对号牌字符进行分割；

S34、字符识别：对分割后的各个字符进行识别。

综上，本发明的有益效果是：

1、本发明在对每根支柱的支柱号进行识别时，如果已经识别到与预测值相等的支柱号，则将该正确识别的支柱号牌作为运动目标，对后续图像进行跟踪处理，直到进入下一根支柱的图像时重新进行识别，因此不用对每张图像进行号牌识别，提高了图像处理效率、节省了计算资源；

2、本发明可以在前后支柱间的号牌已知的情况下，根据支柱位置、号牌顺序相结合的方式反推中间的支柱号码，能对有遮挡、模糊的号牌进行校正，能提高号牌识别率；

3、本发明的图像处理过程中，当识号牌上的识别位数没有出现和正确支柱号一致的位数时怀疑该支柱号牌脱落，能根据单独识别的数字位数和实际位数比较提取出怀疑号牌脱落的支柱；

4、本发明的号牌位置定位通过号牌中纹理信息丰富的特点自动定位，方法具有通用性，号牌在支柱的各个位置时都能定位。

附图说明

图1是本发明的方法的流程图。

具体实施方式

铁路、市政中常用到众多标号连续的供电杆支柱，这些支柱的编号在一定的方向上通常以相同的步长递增或递减。为对这些支柱进行管理，通常用巡检系统摄像机拍摄支柱杆号和里程碑采集支柱图像数据时。每次巡检都将拍摄大量的图像数据，这些数据存储到可移动的存储设备上。本发明中，仅使用拍摄的支柱杆号图像，并根据这些图像识别支柱号。

本发明的主要思想是在对每根支柱的支柱号进行识别时，如果已经识别到与预测值相等的支柱号，则将该支柱号作为当前支柱的正确支柱号，将号牌作为运动目标，对该支柱的后续图像进行号牌跟踪，直到进入下一根支柱的图像时重新进行识别。这样不用每张图像进行号牌识别，大大提升了计算效率、节省了计算资源。

下面结合实施例及附图，对本发明作进一步地的详细说明，但本发明的实施方式不限于此。

实施例1：

如图1所示，基于跟踪算法的连续支柱号牌图像识别方法，包括以下步骤：

S1、读入支柱号文件，支柱号文件中存储有各支柱的支柱号，这些支柱号按支柱安装的顺序排列；设定图像移出边缘和相似度阈值，例如本实施例中将图像左侧至图像左侧以右宽度为m的区间设置为图像移出边缘，m的大小根据图像的大小具体设定；初始化所有支柱的支柱预测值，本实施例中根据支柱号文件中存储的支柱号顺序赋值；

S2、读入第一张图像，使当前支柱预测值等于第一张图像对应的支柱的理论支柱号；

S3、识别图像中支柱号牌上的支柱号，判断是否与当前支柱预测值相等，是则将该支柱号作为当前支柱的正确支柱号，进入步骤S4进行号牌跟踪；否则进入步骤S61重新读取一张图像；

S4、读入下一张图像作为当前图像，采用跟踪算法跟踪号牌的位置，并在计算位置以计算位置为中心截取与当前图像的上一张图像中的号牌相同大小的图像，读入截取图像并计算截取图像与当前图像的上一张图像的号牌图像相似度；

S5、判断号牌位置是否进入当前图像移出边缘，是则说明已经处理到当前支柱的最后一张图像，下一张图像应为新的支柱图像，跳转到步骤S61进行进一步判定；否则判断相似度是否等于或小于相似度阈值，是则跳转到步骤S3，否则跳转到步骤S4； 在号牌位置未进入当前图像的图像移出边缘，而相似度又极小（等于或小于阈值）的时候，跳转到步骤S3进行仔细定位识别；如果相似度较大，继续回步骤4中进行号牌跟踪。本实施例中，为便于分辨后面各支柱的前后关系，假定本步骤中处理的图像支柱为H_i的图像，其前一根支柱为H_i-1，其后一根支柱为H_i+1，以此类推；

S61、读入下一张图像，以图像中心线为界，判断图像上的支柱是否在图像移出边缘的相对侧（本实施例即图像右侧），是则认定上一根支柱即H_i的图像已经全部处理完，该图像为新的支柱即H_i+1的图像，当前支柱H_i+1为新的一根支柱，此时需要先调整当前支柱预测值即H_i+1支柱的预测值，故跳转到步骤S62；否则说明该图像可能还是上一根支柱H_i的图像还有余留，跳转到步骤S3进一步识别确认；

S62、将当前支柱预测值设定为支柱号文件中的当前支柱H_i+1的理论支柱号（即上一根支柱即H_i的正确值在支柱号文件中对应的预测值之后的一个预测值），跳转到步骤S3。

其中，步骤S4的具体步骤如下：

S40、设定最大循环次数和标准距离；

S41：获取上一张图像的号牌区域中心y0的坐标、计算号牌区域的Bhattacharyya距离ρ1；本实施例中号牌区域为一个长为a，宽为b的矩形区域，其中心点即y0；

S42、确定当前图像中的号牌区域:

S421、在当前图像中采用基于kernel函数运动目标跟踪算法根据y0计算与上一张图像的号牌区域最相似的目标区域中心位置y1坐标；

S422、在当前图像中，首先也选定y0坐标所在的点，计算在当前图像上y0与y1之间的距离，如果y0和y1的距离大于标准距离时，说明还具有更相似的号牌区域，令y0=y1，跳转到步骤S421继续进行计算；直到y0和y1的距离小于或等于标准距离时或跳转到步骤S422的循环次数达到最大循环次数时，停止计算，根据y1的坐标和号牌的大小确定当前图像的号牌区域；该号牌区域是以y1为中心的长为a，宽为b的矩形区域；实际应用中该号牌区域也可以根据号牌的形状选择为圆形、椭圆形或其他的规则或不规则区域，步骤S41和S422中选取的号牌区域相应进行改变。

S43、计算当前图像中的号牌区域的Bhattacharyya距离ρ2，根据ρ1和ρ2计算当前图像号牌与上一张图像号牌的相似度。

本实施例中在对每根支柱的支柱号进行识别时，如果已经识别到与预测值相等的支柱号，则将该支柱号作为当前支柱的正确支柱号，将对于正确识别的支柱号牌作为运动目标，对该支柱的后续图像进行简单的运动跟踪处理，直到进入下一根支柱的图像时重新进行识别，因此不用对每张图像进行号牌识别，极大的提高了图像处理效率、节省了计算资源；在进行运动跟踪时，该应用中只需要简单的进行无遮挡号牌位置跟踪，只需要跟踪大体位置即可，因此选择简单易实现且计算量小的算法就可以。本实施例选用基于颜色信息特征跟踪的基于kernel算法的运动目标跟踪，该算法根据跟踪目标的颜色信息计算目标的位置，只需要在识别号牌正确后跟踪号牌的大概位置，考虑执行效率的因素采用了最简单的基于尺度不变的运动目标跟踪算法。由于号牌尺度变大跟踪时可能跟踪到号牌的其中一部分或者跟踪丢失，跟踪到其中一部分时不影响最后结果，该算法中相似度变的比较小时目标跟踪丢失，跟踪丢失时跳转回步骤S3重新识别支柱号。

由于支柱号牌被遮挡、号牌脱落以及将大树等其他杆状物误识别为支柱，可能导致步骤S3中识别的支柱号与预测值不准，经步骤S3和S61多次循环，在处理完一张支柱的所有图像后也无法识别正确的支柱号，从而某一根或多根支柱可能无法获得支柱号正确值，因此：

步骤S3中，在识别图像中支柱号牌上的支柱号时，如果当前图像中的支柱号牌无法识别，则跳转到步骤S61，重新读入下一张图像进行识别；

步骤S3中，还对号牌进行位数识别，并与号牌实际位数进行比较，如果号牌识别位数与号牌实际位数不一致标记为号牌脱落支柱，并跳转到步骤S61，重新读入下一张图像进行识别。这样就能非常方便地提取出号牌脱落支柱数据，以后只需调出标记为脱落支柱的数据，就能知道哪些支柱具有号牌脱落情况。

由于号牌模糊、号牌脱落等问题，可能造成一根支柱的所有图像经步骤S3和S61的循环后识别出的所有的支柱号均与预测值不等，因此步骤S62中还判断上一根支柱H_i是否识别出正确支柱号，包括以下步骤：

S621、判断上一根支柱H_i是否已识别出正确支柱号时，是则跳转到步骤S622，否则说明经步骤S3和S61的循环后识别出的所有的支柱号均与预测值不等，因此对上一根支柱H_i的所有图像中识别出的支柱号进行统计，能够统计出出现频率最多的合理值则跳转到步骤S623，不能统计出合理值时则跳转到步骤S624；前述合理值是指根据支柱的编号规则和前面支柱已知的正确支柱号可以推算得出的相应支柱号。

S622、将预测值设定为支柱号文件中的当前支柱H_i+1的理论支柱号（即上一根支柱即H_i的正确值在支柱号文件中对应的预测值之后的一个预测值），跳转到步骤S3；

S623、将统计出的出现频率最多的合理值作为上一根支柱H_i的正确支柱号，将当前支柱H_i+1预测值设定为支柱号文件中该正确支柱号的值（即H_i的正确支柱号）对应的支柱号后的理论支柱号，跳转到步骤S3；

S624、将上一根支柱H_i的正确支柱号值设定为空，并将当前支柱H_i+1预测值设定为空，跳转到步骤S3。

由于其中一根支柱或连续两根以上的支柱同时由于号牌模糊、脱落、遮挡等问题无法识别支柱号，那么按步骤S624中的处理方法，这些支柱的正确支柱号值被设置为空，其预测值也设置为空，紧邻其后能够识别支柱号的支柱只能通过每张图像进行完整识别，通过步骤S623的统计获取正确支柱号。为了对未识别出正确支柱号的支柱进行校正，在支柱通过步骤S622的统计获取正确支柱号后应该立即进行反推，推算补齐前面未识别支柱号的正确支柱号。因此，步骤S623中，将统计出的出现频率最多的合理值作为上一根支柱H_i的正确支柱号后还进行上一根支柱预测值修订处理、正确支柱号和预测值补齐处理：

上一根支柱预测值修订：将上一根支柱H_i的预测值修订为统计出的出现频率最多的合理值；

正确支柱号补齐步骤：判断上一根支柱H_i的前一根支柱H_i-1的正确支柱号值是否为空，不是则跳转到步骤S3；是则继续判断前一根支柱的正确值是否为空，直到判断到正确支柱号值不为空的支柱，假定为H_i-4，然后根据该正确支柱号值不为空的支柱H_i-4的正确支柱号和上一根支柱H_i-1的正确支柱号推算出这两根支柱之间的支柱H_i-2、H_i-3的支柱号，并将其作为支柱H_i-2、H_i-3的正确支柱号和预测值。此处合理推算是指将根据两边的两个正确支柱号结合支柱号文件中支柱号顺序和支柱安装顺序进行推算，支柱号文件中支柱号值赋给正确支柱号为空的支柱，当然也可以不用查询支柱号文件，直接根据编号规则进行计算，结果相同。

在上述步骤完成后就对支柱号和图像建立对应关系，并识别出号牌脱落的支柱，便于后续的处理快速有效地进行。

步骤S3中，所述的识别图像中支柱号牌上的支柱号包括以下步骤：

S31、支柱定位，在图像中定位离镜头最近的一根支柱；所述的离镜头最近的一根支柱是指最靠近图像边缘的一根支柱；

S32、号牌定位，在定位支柱以及定位支柱左右两侧宽为d的范围内寻找号牌，d根据实际拍摄情况取值（取值保证号牌在截取图像内）；

S33、字符分割：对号牌字符进行分割；

S34、字符识别：对分割后的各个字符进行识别。

本实施例中上述支柱定位、号牌定位、字符分割和字符识别均可采用现有技术中常用的算法和处理方法进行定位和识别。

实施例2：

在实施例1的基础上，本实施例中提供一种识别图像中支柱号牌上的支柱号的具体方法，包括以下步骤：

S31、支柱定位，在图像中定位离镜头最近的一根支柱；所述的离镜头最近的一根支柱是指最靠近图像边缘的一根支柱；实际应用中，为了节省效率，可以不用处理整张图像，步骤S2、S4、S6中每次读入图像时，根据摄像机的安装位置和拍摄角度可以仅读入左半张或右半张图像，例如摄像机拍摄时，支柱向图像左移即后一张图像的支柱的位置在上一张图像的支柱位置的左侧，则仅读入左半张图像，此时离镜头最近的一根支柱即读入图像最左边的一根支柱；反之仅读入右半张图像，此时离镜头最近的一根支柱即读入图像最右边的一根支柱。本实施例中，假定支柱是左移的，步骤S2、S4、S6中仅读入左半张图像，将图像左侧设定为图像移出边缘；步骤S61中，在判断认定上一根支柱的图像已经全部处理完时，是以读入图像的中心线为界（实际上是拍摄图像的左边1/4分界线）来判断支柱是否在图像移出边缘的相对侧；

S32、号牌定位，在定位支柱以及定位支柱左右宽为d的范围内寻找号牌；

S33、字符分割：对号牌字符分割；

S34、字符识别：对分割后的各个字符即进行识别。

其中，步骤S31中，支柱定位的方法是采用垂直直方图+HOG特征方式定位； 包括以下步骤：

S311、将图像二值化后取反；

S312、在步骤S311中进行了二值化取反的图像中寻找垂直直方图最大的区域作为粗定位支柱，如果该区域内有孔则通过形态学中的膨胀技术变为实心支柱处理；

S313、判断粗定位支柱的区域宽度是否小于设定宽度值，是则认为该区域是支柱，结束定位，否则跳转到步骤S314进行进一步寻找；

S314、将步骤S312中粗定位支柱的图像分为多个HOG块，计算其HOG特征，计算各HOG块的水平梯度所占所有梯度的概率，并将图像各列的HOG块的水平梯度的概率相加求得各列HOG块的概率和，取概率和最大值对应HOG块列所在的位置作为支柱的一个边缘，在该边缘左右宽为d的范围内寻找水平梯度的概率和变化较大的相邻两个HOG块列，将HOG块概率值和较小的HOG块列作为另一边缘，如果两个HOG列的水平梯度的概率和变化较大，说明这两个HOG列的颜色反差较大，那么应该为支柱的另一个边缘，从而支柱的两个边缘已确定，那么支柱所在区域也确定；

S315、由于支柱旁均有纹理变化明显的特定物体存在，因此可以通过判断是否具有纹理变化明显区域来最终确定是否为支柱。在步骤S314中判定的支柱图像区域附近判断周围是否有纹理变化明显区域存在，如果有认为该区域是支柱，否则认为不是支柱，判断支柱图像区域附近是否具有纹理变化明显区域，具体包括以下步骤：

a、将步骤S311中灰度图像做获取边缘卷积运算并二值化；

b、将二值化后图像进行水平膨胀操作；

c、将膨胀后的图像进行水平腐蚀；

d、滤波，删除易判别的非号牌区域；

e、对连通域个数大于2的区域进行纹理变化判断，如果纹理变化较快，则证明有纹理变化明显的特定物体，步骤314所选择的两个边缘之间的图像是支柱图像。此处纹理变化快慢通过判断图像沿某一方向的灰度值表征，如果灰度值变化较快说明纹理变化较快。

现实环境中支柱背后可能是开阔场景，也可能有山、楼房等背景，考虑到执行效率本实施例中支柱的定位使用高大物体和HOG算子相结合的方式实现。寻找高大物体通过垂直直方图寻找就能得到，该方法实现简单且高效，但只能寻找开阔背景下的支柱，对于支柱后有山、楼房等背景的情况下通过垂直直方图可以缩小寻找范围，再通过HOG算子寻找支柱垂直边缘。

步骤S32中，号牌定位根据两个特征定位：1）通过号牌的纹理信息寻找，号牌中的字符水平（垂直）时，则水平（垂直）方向的灰度值变化比较快；2）字符区域经过滤波后连通区域大于2。具体包括以下步骤：

S321、将RGB图像转换为灰度图像；

S322、将灰度图像做获取边缘卷积运算，得到卷积后图像；

S323、将卷积后图像进行水平膨胀操作；如果号牌数字垂直，则做垂直膨胀操作；

S324、将号牌进行水平腐蚀操作；如果号牌数字垂直，则做垂直腐蚀操作；

S325、滤波删除小目标，去除易判断的非号牌区域；

S326、计算所有连通区域的宽高比即宽度/高度值的值，根据该宽高比排除非号牌区域，如在水平字符多个的情况下连通区域的宽高比值小于2则认为不是号牌区域；

S327、排除后的连通区域中面积最大并且图像滤波后连通域个数大于2的区域即号牌区域。

本步骤中，通过号牌中纹理信息丰富的特点自动定位号牌位置，方法具有通用性，号牌在支柱的各个位置时都能定位。

步骤S33中，字符分割利用字符都是连通的特点，根据垂直直方图进行分割，具体步骤如下：

S331、号牌旋转，将号牌旋转水平；

S332、考虑号牌可能有光照阴影等情况，首先对号牌区域进行局部中值滤波，然后对图像进行二值化（增强图像）取反，最后去掉边框；

S333、对数字进行分割，根据垂直直方图中进行分割。

步骤S34中，字符识别：现场中的号牌多数由数字组成，少数路段首字母为英文字符，由于一条路段的号牌首字符如果是英文字母都为同一英文字母，因此根据经验值可以不识别，只需要识别后面的字符即可，本应用只识别数字。并采用数字简易特征+HOG +SVM方式识别，具体包括以下步骤：

S341、为各个字符选择多个样本；

S342、计算各个字符的样本特征，样本特征由字符左上、左下、右上、右下和中间区域的HOG特征组成；

S343、将每两个数字间训练分类器；

S344、根据字符图像中的孔数初步分类，具有2个孔的数字图像识别为T1，T1内包含数字8，具有一个孔的数字图像识别为T2，T2内包含数字0、4、6、9，没有孔的数字图像识别为T3，T3包含数字1、2、3、5、7；

S345、根据步骤S344中判断的数字所属分类选择训练的分类器识别数字并统计识别数字确定最终识别值，例如，初步判断数字在T2中，选择T2中包含的四个数字中涉及到的每两个数字之间的分类器用于识别待测数字，每个分类器都会识别出待测数字的可能值，统计分类器识别出的字符，选择出现频率最大的一个数值作为待测字符的最终识别值。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (8)

1.基于跟踪算法的连续支柱号牌图像识别方法，其特征在于，包括以下步骤：

S1、读入支柱号文件，支柱号文件中各支柱的支柱号按顺序排列，设定图像移出边缘、相似度阈值，初始化所有支柱预测值；

S2、读入第一张图像，使当前支柱预测值等于第一张图像对应的支柱的理论支柱号；

S3、识别图像中支柱号牌上的支柱号，判断是否与当前支柱预测值相等，是则将该支柱号作为当前支柱的正确支柱号，进入步骤S4；否则进入步骤S6；

S4、读入下一张图像作为当前图像，采用跟踪算法跟踪号牌的位置，并在计算位置以计算位置为中心截取与当前图像的上一张图像中的号牌相同大小的图像，读入截取图像并计算截取图像与当前图像的上一张图像的号牌图像相似度；

S5、判断号牌位置是否进入当前图像移出边缘，是则跳转到步骤S6；否则判断相似度是否等于或小于阈值，是则跳转到步骤S3，否则跳转到步骤S4；

S6、读入下一张图像，跳转到步骤S3。

2.根据权利要求1所述的基于跟踪算法的连续支柱号牌图像识别方法，其特征在于，步骤S6包括以下步骤：

S61、读入下一张图像，以图像中心线为界，判断支柱是否在图像移出边缘的相对侧，是则认定上一根支柱的图像已经全部处理完，该图像为新的支柱图像，当前支柱为新的一根支柱，跳转到步骤S62，否则跳转到步骤S3；

S62、将当前支柱预测值设定为支柱号文件中的当前支柱的理论支柱号，跳转到步骤S3。

3.根据权利要求2所述的基于跟踪算法的连续支柱号牌图像识别方法，其特征在于，步骤S4的具体步骤如下：

S40、设定最大循环次数和标准距离；

S41：获取上一张图像的号牌区域中心y0的坐标、计算号牌区域的Bhattacharyya距离ρ1；

S42、确定当前图像中的号牌区域:

S421、在当前图像中采用基于kernel函数运动目标跟踪算法根据y0计算与上一张图像的号牌区域最相似的目标区域中心位置y1坐标；

S422、在当前图像中，如果y0和y1的距离大于标准距离时，令y0=y1，跳转到步骤S421继续进行计算；直到y0和y1的距离小于或等于标准距离时或跳转到步骤S422的循环次数达到最大循环次数时，停止计算，根据y1的坐标和号牌的大小确定当前图像的号牌区域；

S43、计算当前图像中的号牌区域的Bhattacharyya距离ρ2，根据ρ1和ρ2计算当前图像号牌与上一张图像号牌的相似度。

4.根据权利要求2或3所述的基于跟踪算法的连续支柱号牌图像识别方法，其特征在于，步骤S3中，识别图像中支柱号牌上的支柱号时，如果当前图像中的支柱号牌无法识别，则跳转到步骤S61。

5.根据权利要求2或3所述的基于跟踪算法的连续支柱号牌图像识别方法，其特征在于，步骤S3中，还对号牌进行位数识别，并与号牌实际位数进行比较，如果号牌识别位数与号牌实际位数不一致标记为号牌脱落支柱，并跳转到步骤S61。

6.根据权利要求2或3所述的基于跟踪算法的连续支柱号牌图像识别方法，其特征在于， 步骤S62中还判断上一根支柱是否识别出正确支柱号，包括以下步骤：

S621、判断上一根支柱是否已识别出正确支柱号时，是则跳转到步骤S622，否则对上一根支柱的所有图像中识别出的支柱号进行统计，能够统计出出现频率最多的合理值则跳转到步骤S623，不能统计出合理值则跳转到步骤S624；

S622、将预测值设定为支柱号文件中的当前支柱的理论支柱号，跳转到步骤S3；

S623、将统计出的出现频率最多的合理值作为上一根支柱的正确支柱号，将当前支柱预测值设定为支柱号文件中该正确支柱号的值对应的支柱号后的理论支柱号，跳转到步骤S3；

S624、将上一根支柱的正确支柱号值设定为空，并将当前支柱预测值设定为空，跳转到步骤S3。

7.根据权利要求6所述的基于跟踪算法的连续支柱号牌图像识别方法，其特征在于，步骤S623中，将统计出的出现频率最多的合理值作为上一根支柱的正确支柱号后还进行上一根支柱预测值修订处理、正确支柱号和预测值补齐处理：

上一根支柱预测值修订：将上一根支柱的预测值修订为统计出的出现频率最多的合理值；

正确支柱号补齐步骤：判断上一根支柱的前一根支柱的正确支柱号值是否为空，不是则跳转到步骤S3；是则继续判断前一根支柱的正确值是否为空，直到判断到正确支柱号值不为空的支柱，然后根据该正确支柱号值不为空的支柱的正确支柱号和上一根支柱的正确支柱号推算出这两根支柱之间的支柱的支柱号，并将其作为这些支柱的正确支柱号和预测值。

8.根据权利要求1至3任一所述的基于跟踪算法的连续支柱号牌图像识别方法，其特征在于，步骤S3中，所述的识别图像中支柱号牌上的支柱号包括以下步骤：

S31、支柱定位，在图像中定位离镜头最近的一根支柱；

S32、号牌定位，在定位支柱以及定位支柱两侧寻找号牌；

S33、字符分割：对号牌字符进行分割；

S34、字符识别：对分割后的各个字符进行识别。