CN106203422B - 基于hsv颜色空间的车牌遮挡检测方法及装置 - Google Patents
基于hsv颜色空间的车牌遮挡检测方法及装置 Download PDFInfo
- Publication number
- CN106203422B CN106203422B CN201610487685.6A CN201610487685A CN106203422B CN 106203422 B CN106203422 B CN 106203422B CN 201610487685 A CN201610487685 A CN 201610487685A CN 106203422 B CN106203422 B CN 106203422B
- Authority
- CN
- China
- Prior art keywords
- license plate
- character zone
- plate area
- black
- tone
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了基于HSV颜色空间的车牌遮挡检测方法,该方法包括:第一步骤,采用车牌定位算法从输入图像中提取车牌区域;采用字符分割算法对车牌区域进行分割,获取分割的字符区域;根据字符区域的HSV颜色均匀性,判断车牌区域是否存在颜色异常,若存在颜色异常,则输出车牌区域存在遮挡,否则转入第四步骤;对车牌区域进行灰度化处理,根据车牌区域的灰度均匀性,判断车牌区域是否存在灰度异常,若存在灰度异常,则输出车牌区域存在遮挡,否则输出车牌区域不存在遮挡。与现有技术相比,本发明可以快速的检测输入图像中的车牌是否存在遮挡,检测准确率高且鲁棒性好。
Description
技术领域
本发明涉及图像处理、视频监控以及智能交通,特别涉及车牌识别方法及装置。
背景技术
中国的汽车工业发展迅速,进入21世纪后,发展势头更加强劲,中国已连续多年卫冕全球最大的汽车消费国,目前机动车保有量超过5000万辆。然而随着我国汽车保有量和公路里程的增加,多重问题也随之出现:车辆管理难度加大,各种违章问题显现。为了缓解上述问题,诞生了智能交通系统。车牌作为一部车辆的身份识别,可以根据车牌追踪到车型、驾驶员、违章记录等,因此车牌识别成为智能交通系统的关键。
然而,在车辆行驶过程中,车辆可能会被无意遮挡,例如被落下的树叶、飘落的塑料袋等遮挡,或者驾驶员故意遮挡,这都违反了交通法规的规定。
为了解决上述问题,公开号为CN102568202A的中国发明专利申请公开了一种车牌遮挡检测系统,其中,车牌字符分析模块(22),根据车牌区域内的显露字符特征,确定显露字符位置以及缺失字符可能存在位置;遮挡分析模块(23),根据分析缺失字符位置的纹理来判断是否恶意遮挡。然而上述车牌遮挡检测方法检测速度较慢。
综上所述,目前迫切需要提出一种车牌遮挡检测方法及装置。
发明内容
有鉴于此,本发明的主要目的在于实现车牌遮挡的快速检测,且检测准确率较高。
为达到上述目的,按照本发明的第一个方面,提供了基于HSV颜色空间的车牌遮挡检测方法,该方法包括:
第一步骤,采用车牌定位算法从输入图像中提取车牌区域;
第二步骤,采用字符分割算法对车牌区域进行分割,获取分割的字符区域;
第三步骤,根据字符区域的HSV颜色均匀性,判断车牌区域是否存在颜色异常,若存在颜色异常,则输出车牌区域存在遮挡,否则转入第四步骤;
第四步骤,对车牌区域进行灰度化处理,根据车牌区域的灰度均匀性,判断车牌区域是否存在灰度异常,若存在灰度异常,则输出车牌区域存在遮挡,否则输出车牌区域不存在遮挡。
所述第三步骤进一步包括:
字符区域边界获取步骤,统计每个字符区域Ri的上边界y=Rti、下边界y=Rbi、左边界x=Rli、右边界x=Rri,i=1,2,…,N1,N1为车牌区域内的字符区域个数;
字符区域外扩步骤,分别对字符区域Ri的上边界、下边界、左边界、右边界进行外扩,得到外扩的上边界下边界左边界右边界并根据上述外扩的四个边界确定外扩字符区域Ri′,分别表示第i个字符区域Ri的宽度和高度;
HSV颜色空间转换步骤,将输入图像从RGB颜色空间转换到HSV颜色空间,并获取图像的色调、饱和度;
外扩字符区域分析步骤,对每一个外扩字符区域Ri′进行黑白块和色调聚类分析,i=1,2,…,N1;
颜色异常判断步骤,若所有的外扩字符区域都为黑白区域,则认为车牌区域不存在颜色异常,转入第四步骤;若所有的外扩字符区域中没有黑白区域,则转入色调分析步骤;若外扩字符区域只有部分为黑白区域,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡;
色调分析步骤,对于任意两个外扩字符区域Rp′和Rq′,p≠q,p=1,2,…,N1,q=1,2,…,N1,计算Rp′和Rq′的聚类色调值的绝对差值Hp为外扩字符区域Rp′的聚类色调值,Hq为外扩字符区域Rq′的聚类色调值,统计ΔHpq的最小值ΔHmin,若ΔHmin≥Th_H,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡,否则认为车牌区域不存在颜色异常,转入第四步骤。
所述外扩字符区域分析步骤中黑白块和色调聚类分析进一步包括:
黑白点获取步骤,统计外扩字符区域内的第j个像素点(xj,yj)的饱和度Sj,j=1,2,…,RSum,RSum为外扩字符区域内的像素点的数量,若Sj≤Th_S,则将该像素点标为黑白点;
黑白块获取步骤,统计外扩字符区域内标为黑白点的数量BWSum,若则认为该外扩字符区域为黑白区域,否则转入色调聚类步骤;
色调聚类步骤,对于外扩字符区域内没有标为黑白点的像素点(xj,yj),该像素点(xj,yj)的色调为Hj,统计外扩字符区域内色调在(Hj-λ3,Hj+λ3)范围内的没有标为黑白点的像素点的数量HSumj,将最大的HSumj对应的色调Hj作为该外扩字符区域的聚类色调值。
所述第四步骤进一步包括:
车牌区域变换灰度值计算步骤,对于车牌区域内任意的像素点(x,y),该像素点(x,y)对应的灰度值为I(x,y),以像素点(x,y)为中心,做一个λ4*λ4的矩形窗口,计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值计算像素点(x,y)的变换灰度值
变换灰度平均值计算步骤,计算外扩字符区域Ri′内所有像素点的变换灰度值的和GSumi,i=1,2,…,N1,计算所有字符区域的变换灰度值的和的平均值
灰度异常判断步骤,计算每个外扩字符区域Ri′的变换灰度率RSumi为外扩字符区域Ri′内的像素点的数量,i=1,2,…,N1,若所有的外扩字符区域R′i的变换灰度率都满足rGi<λ5,则认为车牌区域不存在灰度异常,输出车牌区域不存在遮挡,否则认为车牌区域存在灰度异常,输出车牌区域存在遮挡。
按照本发明的另一个方面,提供了基于HSV颜色空间的车牌遮挡检测装置,该装置包括:
车牌区域提取模块,用于采用车牌定位算法从输入图像中提取车牌区域;
字符区域分割模块,用于采用字符分割算法对车牌区域进行分割,获取分割的字符区域;
颜色异常分析模块,用于根据字符区域的HSV颜色均匀性,判断车牌区域是否存在颜色异常,若存在颜色异常,则输出车牌区域存在遮挡,否则转入灰度异常分析模块;
灰度异常分析模块,用于对车牌区域进行灰度化处理,根据车牌区域的灰度均匀性,判断车牌区域是否存在灰度异常,若存在灰度异常,则输出车牌区域存在遮挡,否则输出车牌区域不存在遮挡。
所述颜色异常分析模块进一步包括:
字符区域边界获取模块,用于统计每个字符区域Ri的上边界y=Rti、下边界y=Rbi、左边界x=Rli、右边界x=Rri,i=1,2,…,N1,N1为车牌区域内的字符区域个数;
字符区域外扩模块,用于分别对字符区域Ri的上边界、下边界、左边界、右边界进行外扩,得到外扩的上边界下边界左边界右边界并根据上述外扩的四个边界确定外扩字符区域Ri′,分别表示第i个字符区域Ri的宽度和高度;
HSV颜色空间转换模块,用于将输入图像从RGB颜色空间转换到HSV颜色空间,并获取图像的色调、饱和度;
外扩字符区域分析模块,用于对每一个外扩字符区域Ri′进行黑白块和色调聚类分析,i=1,2,…,N1;
颜色异常判断模块,用于若所有的外扩字符区域都为黑白区域,则认为车牌区域不存在颜色异常,转入灰度异常分析模块;若所有的外扩字符区域中没有黑白区域,则转入色调分析模块;若外扩字符区域只有部分为黑白区域,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡;
色调分析模块,用于对于任意两个外扩字符区域Rp′和Rq′,p≠q,p=1,2,…,N1,q=1,2,…,N1,计算Rp′和Rq′的聚类色调值的绝对差值Hp为外扩字符区域Rp′的聚类色调值,Hq为外扩字符区域Rq′的聚类色调值,统计ΔHpq的最小值ΔHmin,若ΔHmin≥Th_H,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡,否则认为车牌区域不存在颜色异常,转入灰度异常分析模块。
所述外扩字符区域分析模块中黑白块和色调聚类分析进一步包括:
黑白点获取模块,用于统计外扩字符区域内的第j个像素点(xj,yj)的饱和度Sj,j=1,2,…,RSum,RSum为外扩字符区域内的像素点的数量,若Sj≤Th_S,则将该像素点标为黑白点;
黑白块获取模块,用于统计外扩字符区域内标为黑白点的数量BWSum,若则认为该外扩字符区域为黑白区域,否则转入色调聚类模块;
色调聚类模块,用于对于外扩字符区域内没有标为黑白点的像素点(xj,yj),该像素点(xj,yj)的色调为Hj,统计外扩字符区域内色调在(Hj-λ3,Hj+λ3)范围内的没有标为黑白点的像素点的数量HSumj,将最大的HSumj对应的色调Hj作为该外扩字符区域的聚类色调值。
所述灰度异常分析模块进一步包括:
车牌区域变换灰度值计算模块,用于对于车牌区域内任意的像素点(x,y),该像素点(x,y)对应的灰度值为I(x,y),以像素点(x,y)为中心,做一个λ4*λ4的矩形窗口,计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值计算像素点(x,y)的变换灰度值
变换灰度平均值计算模块,用于计算外扩字符区域R′i内所有像素点的变换灰度值的和GSumi,i=1,2,…,N1,计算所有字符区域的变换灰度值的和的平均值
灰度异常判断模块,用于计算每个外扩字符区域R′i的变换灰度率RSumi为外扩字符区域R′i内的像素点的数量,i=1,2,…,N1,若所有的外扩字符区域R′i的变换灰度率都满足rGi<λ5,则认为车牌区域不存在灰度异常,输出车牌区域不存在遮挡,否则认为车牌区域存在灰度异常,输出车牌区域存在遮挡。
与现有的车牌遮挡检测技术相比,本发明的基于HSV颜色空间的车牌遮挡检测方法及装置可以快速地检测出遮挡的车牌,且检测准确率较高。
附图说明
图1示出了按照本发明的基于HSV颜色空间的车牌遮挡检测方法的流程图。
图2示出了按照本发明的基于HSV颜色空间的车牌遮挡检测装置的框架图。
具体实施方式
为使贵审查员能进一步了解本发明的结构、特征及其他目的,现结合所附较佳实施例详细说明如下,所说明的较佳实施例仅用于说明本发明的技术方案,并非限定本发明。
本发明中所述HSV(全称Hue,Saturation,Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间,也称六角锥体模型。这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)。
图1给出了按照本发明的基于HSV颜色空间的车牌遮挡检测方法的流程图。如图1所示,按照本发明的基于HSV颜色空间的车牌遮挡检测方法包括:
第一步骤S1,采用车牌定位算法从输入图像中提取车牌区域;
第二步骤S2,采用字符分割算法对车牌区域进行分割,获取分割的字符区域;
第三步骤S3,根据字符区域的HSV颜色均匀性,判断车牌区域是否存在颜色异常,若存在颜色异常,则输出车牌区域存在遮挡,否则转入第四步骤S4;
第四步骤S4,对车牌区域进行灰度化处理,根据车牌区域的灰度均匀性,判断车牌区域是否存在灰度异常,若存在灰度异常,则输出车牌区域存在遮挡,否则输出车牌区域不存在遮挡。
所述第一步骤S1中车牌定位算法可以通过现有的车牌定位或者车牌检测算法实现。例如,“胡峰松,朱浩.基于HSI颜色空间和行扫描的车牌定位算法.《计算机工程与设计》,2015(4):977-982”。
所述第二步骤S2中字符分割算法可以通过现有的字符分割算法实现。例如,“崔文学,崔义川,王朝晖,巩亮琴,刘明等.基于模板匹配和垂直投影的车牌字符分割算法.《齐齐哈尔大学学报:自然科学版》,2015,31(6):12-16”。
所述第三步骤S3进一步包括:
字符区域边界获取步骤S31,统计每个字符区域Ri的上边界y=Rti、下边界y=Rbi、左边界x=Rli、右边界x=Rri,i=1,2,…,N1,N1为车牌区域内的字符区域个数;
字符区域外扩步骤S32,分别对字符区域Ri的上边界、下边界、左边界、右边界进行外扩,得到外扩的上边界下边界左边界右边界并根据上述外扩的四个边界确定外扩字符区域Ri′,分别表示第i个字符区域Ri的宽度和高度;
HSV颜色空间转换步骤S33,将输入图像从RGB颜色空间转换到HSV颜色空间,并获取图像的色调、饱和度;
外扩字符区域分析步骤S34,对每一个外扩字符区域Ri′进行黑白块和色调聚类分析,i=1,2,…,N1;
颜色异常判断步骤S35,若所有的外扩字符区域都为黑白区域,则认为车牌区域不存在颜色异常,转入第四步骤S4;若所有的外扩字符区域中没有黑白区域,则转入色调分析步骤S36;若外扩字符区域只有部分为黑白区域,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡;
色调分析步骤S36,对于任意两个外扩字符区域Rp′和Rq′,p≠q,p=1,2,…,N1,q=1,2,…,N1,计算Rp′和Rq′的聚类色调值的绝对差值Hp为外扩字符区域Rp′的聚类色调值,Hq为外扩字符区域Rq′的聚类色调值,统计ΔHpq的最小值ΔHmin,若ΔHmin≥Th_H,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡,否则认为车牌区域不存在颜色异常,转入第四步骤S4。
所述字符区域外扩步骤S32中λ1∈[0.05,0.2],λ2∈[0.05,0.2]。优选地,λ1选为0.1,λ2选为0.1。
所述HSV颜色空间转换步骤S33中RGB颜色空间转换到HSV颜色空间可以通过现有的技术实现。例如,“田巍,庄镇泉.基于HSV色彩空间的自适应肤色检测.《计算机工程与应用》,2004,40(14):81-85”。
所述外扩字符区域分析步骤S34中黑白块和色调聚类分析进一步包括:
黑白点获取步骤S341,统计外扩字符区域内的第j个像素点(xj,yj)的饱和度Sj,j=1,2,…,RSum,RSum为外扩字符区域内的像素点的数量,若Sj≤Th_S,则将该像素点标为黑白点;
黑白块获取步骤S342,统计外扩字符区域内标为黑白点的数量BWSum,若则认为该外扩字符区域为黑白区域,否则转入色调聚类步骤S343;
色调聚类步骤S343,对于外扩字符区域内没有标为黑白点的像素点(xj,yj),该像素点(xj,yj)的色调为Hj,统计外扩字符区域内色调在(Hj-λ3,Hj+λ3)范围内的没有标为黑白点的像素点的数量HSumj,将最大的HSumj对应的色调Hj作为该外扩字符区域的聚类色调值。
所述黑白点获取步骤S341中Th_S∈[5,30]。优选地,Th_S选为18。
所述黑白块获取步骤S342中Th_R∈[0.75,0.95]。优选地,Th_R选为0.85。
所述色调聚类步骤S343中λ3∈[10,20]。优选地,λ3选为15。
所述色调分析步骤S36中Th_H∈[10,50]。优选地,Th_H选为30。
所述第四步骤S4进一步包括:
车牌区域变换灰度值计算步骤S41,对于车牌区域内任意的像素点(x,y),该像素点(x,y)对应的灰度值为I(x,y),以像素点(x,y)为中心,做一个λ4*λ4的矩形窗口,计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值计算像素点(x,y)的变换灰度值
变换灰度平均值计算步骤S42,计算外扩字符区域R′i内所有像素点的变换灰度值的和GSumi,i=1,2,…,N1,计算所有字符区域的变换灰度值的和的平均值
灰度异常判断步骤S43,计算每个外扩字符区域R′i的变换灰度率RSumi为外扩字符区域R′i内的像素点的数量,i=1,2,…,N1,若所有的外扩字符区域R′i的变换灰度率都满足rGi<λ5,则认为车牌区域不存在灰度异常,输出车牌区域不存在遮挡,否则认为车牌区域存在灰度异常,输出车牌区域存在遮挡。
所述车牌区域变换灰度值计算步骤S41中λ4∈[10,20]。优选地,λ4选为15。
所述灰度异常判断步骤S43中λ5∈[20,40]。优选地,λ5选为30。
图2给出了按照本发明的基于HSV颜色空间的车牌遮挡检测装置的框架图。如图2所示,按照本发明的基于HSV颜色空间的车牌遮挡检测装置包括:
车牌区域提取模块1,用于采用车牌定位算法从输入图像中提取车牌区域;
字符区域分割模块2,用于采用字符分割算法对车牌区域进行分割,获取分割的字符区域;
颜色异常分析模块3,用于根据字符区域的HSV颜色均匀性,判断车牌区域是否存在颜色异常,若存在颜色异常,则输出车牌区域存在遮挡,否则转入灰度异常分析模块4;
灰度异常分析模块4,用于对车牌区域进行灰度化处理,根据车牌区域的灰度均匀性,判断车牌区域是否存在灰度异常,若存在灰度异常,则输出车牌区域存在遮挡,否则输出车牌区域不存在遮挡。
所述车牌区域提取模块1中车牌定位算法可以通过现有的车牌定位或者车牌检测算法实现。例如,“胡峰松,朱浩.基于HSI颜色空间和行扫描的车牌定位算法.《计算机工程与设计》,2015(4):977-982”。
所述字符区域分割模块2中字符分割算法可以通过现有的字符分割算法实现。例如,“崔文学,崔义川,王朝晖,巩亮琴,刘明等.基于模板匹配和垂直投影的车牌字符分割算法.《齐齐哈尔大学学报:自然科学版》,2015,31(6):12-16”。
所述颜色异常分析模块3进一步包括:
字符区域边界获取模块31,用于统计每个字符区域Ri的上边界y=Rti、下边界y=Rbi、左边界x=Rli、右边界x=Rri,i=1,2,…,N1,N1为车牌区域内的字符区域个数;
字符区域外扩模块32,用于分别对字符区域Ri的上边界、下边界、左边界、右边界进行外扩,得到外扩的上边界下边界左边界右边界并根据上述外扩的四个边界确定外扩字符区域Ri′,分别表示第i个字符区域Ri的宽度和高度;
HSV颜色空间转换模块33,用于将输入图像从RGB颜色空间转换到HSV颜色空间,并获取图像的色调、饱和度;
外扩字符区域分析模块34,用于对每一个外扩字符区域Ri′进行黑白块和色调聚类分析,i=1,2,…,N1;
颜色异常判断模块35,用于若所有的外扩字符区域都为黑白区域,则认为车牌区域不存在颜色异常,转入灰度异常分析模块4;若所有的外扩字符区域中没有黑白区域,则转入色调分析模块36;若外扩字符区域只有部分为黑白区域,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡;
色调分析模块36,用于对于任意两个外扩字符区域Rp′和Rq′,p≠q,p=1,2,…,N1,q=1,2,…,N1,计算Rp′和Rq′的聚类色调值的绝对差值Hp为外扩字符区域Rp′的聚类色调值,Hq为外扩字符区域Rq′的聚类色调值,统计ΔHpq的最小值ΔHmin,若ΔHmin≥Th_H,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡,否则认为车牌区域不存在颜色异常,转入灰度异常分析模块4。
所述字符区域外扩模块32中λ1∈[0.05,0.2],λ2∈[0.05,0.2]。优选地,λ1选为0.1,λ2选为0.1。
所述HSV颜色空间转换模块33中RGB颜色空间转换到HSV颜色空间可以通过现有的技术实现。例如,“田巍,庄镇泉.基于HSV色彩空间的自适应肤色检测.《计算机工程与应用》,2004,40(14):81-85”。
所述外扩字符区域分析模块34中黑白块和色调聚类分析进一步包括:
黑白点获取模块341,用于统计外扩字符区域内的第j个像素点(xj,yj)的饱和度Sj,j=1,2,…,RSum,RSum为外扩字符区域内的像素点的数量,若Sj≤Th_S,则将该像素点标为黑白点;
黑白块获取模块342,用于统计外扩字符区域内标为黑白点的数量BWSum,若则认为该外扩字符区域为黑白区域,否则转入色调聚类模块343;
色调聚类模块343,用于对于外扩字符区域内没有标为黑白点的像素点(xj,yj),该像素点(xj,yj)的色调为Hj,统计外扩字符区域内色调在(Hj-λ3,Hj+λ3)范围内的没有标为黑白点的像素点的数量HSumj,将最大的HSumj对应的色调Hj作为该外扩字符区域的聚类色调值。
所述黑白点获取模块341中Th_S∈[5,30]。优选地,Th_S选为18。
所述黑白块获取模块342中Th_R∈[0.75,0.95]。优选地,Th_R选为0.85。
所述色调聚类模块343中λ3∈[10,20]。优选地,λ3选为15。
所述色调分析模块36中Th_H∈[10,50]。优选地,Th_H选为30。
所述灰度异常分析模块4进一步包括:
车牌区域变换灰度值计算模块41,用于对于车牌区域内任意的像素点(x,y),该像素点(x,y)对应的灰度值为I(x,y),以像素点(x,y)为中心,做一个λ4*λ4的矩形窗口,计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值计算像素点(x,y)的变换灰度值
变换灰度平均值计算模块42,用于计算外扩字符区域R′i内所有像素点的变换灰度值的和GSumi,i=1,2,…,N1,计算所有字符区域的变换灰度值的和的平均值
灰度异常判断模块43,用于计算每个外扩字符区域R′i的变换灰度率RSumi为外扩字符区域Ri′内的像素点的数量,i=1,2,…,N1,若所有的外扩字符区域Ri′的变换灰度率都满足rGi<λ5,则认为车牌区域不存在灰度异常,输出车牌区域不存在遮挡,否则认为车牌区域存在灰度异常,输出车牌区域存在遮挡。
所述车牌区域变换灰度值计算模块41中λ4∈[10,20]。优选地,λ4选为15。
所述灰度异常判断模块43中λ5∈[20,40]。优选地,λ5选为30。
与现有的车牌遮挡检测技术相比,本发明的基于HSV颜色空间的车牌遮挡检测方法及装置可以快速地检测出遮挡的车牌,且检测准确率较高。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,应当理解,本发明并不限于这里所描述的实现方案,这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善,因此本发明只受到本发明权利要求的内容和范围的限制,其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。
Claims (10)
1.基于HSV颜色空间的车牌遮挡检测方法,其特征在于,该方法包括:
第一步骤,采用车牌定位算法从输入图像中提取车牌区域;
第二步骤,采用字符分割算法对车牌区域进行分割,获取分割的字符区域;
第三步骤,根据字符区域的HSV颜色均匀性,判断车牌区域是否存在颜色异常,若存在颜色异常,则输出车牌区域存在遮挡,否则转入第四步骤;
第四步骤,对车牌区域进行灰度化处理,根据车牌区域的灰度均匀性,判断车牌区域是否存在灰度异常,若存在灰度异常,则输出车牌区域存在遮挡,否则输出车牌区域不存在遮挡;
其中,所述第三步骤包括:
字符区域边界获取步骤,统计每个字符区域Ri的上边界y=Rti、下边界y=Rbi、左边界x=Rli、右边界x=Rri,i=1,2,…,N1,N1为车牌区域内的字符区域个数;字符区域外扩步骤,分别对字符区域Ri的上边界、下边界、左边界、右边界进行外扩,得到外扩的上边界下边界左边界右边界并根据上述外扩的四个边界确定外扩字符区域Ri′,分别表示第i个字符区域Ri的宽度和高度;
HSV颜色空间转换步骤,将输入图像从RGB颜色空间转换到HSV颜色空间,并获取图像的色调、饱和度;
外扩字符区域分析步骤,对每一个外扩字符区域Ri′进行黑白块和色调聚类分析,i=1,2,…,N1;
颜色异常判断步骤,若所有的外扩字符区域都为黑白区域,则认为车牌区域不存在颜色异常,转入第四步骤;若所有的外扩字符区域中没有黑白区域,则转入色调分析步骤;若外扩字符区域只有部分为黑白区域,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡;
色调分析步骤,对于任意两个外扩字符区域Rp′和Rq′,p≠q,p=1,2,…,N1,q=1,2,…,N1,计算Rp′和Rq′的聚类色调值的绝对差值Hp为外扩字符区域Rp′的聚类色调值,Hq为外扩字符区域Rq′的聚类色调值,统计ΔHpq的最小值ΔHmin,若ΔHmin≥Th_H,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡,否则认为车牌区域不存在颜色异常,转入第四步骤。
2.如权利要求1所述的方法,其特征在于,所述外扩字符区域分析步骤中黑白块和色调聚类分析包括:
黑白点获取步骤,统计外扩字符区域内的第j个像素点(xj,yj)的饱和度Sj,j=1,2,…,RSum,RSum为外扩字符区域内的像素点的数量,若Sj≤Th_S,则将该像素点标为黑白点;
黑白块获取步骤,统计外扩字符区域内标为黑白点的数量BWSum,若则认为该外扩字符区域为黑白区域,否则转入色调聚类步骤;色调聚类步骤,对于外扩字符区域内没有标为黑白点的像素点(xj,yj),该像素点(xj,yj)的色调为Hj,统计外扩字符区域内色调在(Hj-λ3,Hj+λ3)范围内的没有标为黑白点的像素点的数量HSumj,将最大的HSumj对应的色调Hj作为该外扩字符区域的聚类色调值。
3.如权利要求2所述的方法,所述λ1∈[0.05,0.2],λ2∈[0.05,0.2],Th_H∈[10,50],Th_S∈[5,30],Th_R∈[0.75,0.95],λ3∈[10,20]。
4.如权利要求1所述的方法,其特征在于,所述第四步骤包括:
车牌区域变换灰度值计算步骤,对于车牌区域内任意的像素点(x,y),该像素点(x,y)对应的灰度值为I(x,y),以像素点(x,y)为中心,做一个λ4*λ4的矩形窗口,计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值计算像素点(x,y)的变换灰度值变换灰度平均值计算步骤,计算外扩字符区域R′i内所有像素点的变换灰度值的和GSumi,i=1,2,…,N1,计算所有字符区域的变换灰度值的和的平均值
灰度异常判断步骤,计算每个外扩字符区域R′i的变换灰度率RSumi为外扩字符区域R′i内的像素点的数量,i=1,2,…,N1,若所有的外扩字符区域R′i的变换灰度率都满足rGi<λ5,则认为车牌区域不存在灰度异常,输出车牌区域不存在遮挡,否则认为车牌区域存在灰度异常,输出车牌区域存在遮挡。
5.如权利要求4所述的方法,所述λ4∈[10,20],λ5∈[20,40]。
6.基于HSV颜色空间的车牌遮挡检测装置,其特征在于,该装置包括:
车牌区域提取模块,用于采用车牌定位算法从输入图像中提取车牌区域;
字符区域分割模块,用于采用字符分割算法对车牌区域进行分割,获取分割的字符区域;
颜色异常分析模块,用于根据字符区域的HSV颜色均匀性,判断车牌区域是否存在颜色异常,若存在颜色异常,则输出车牌区域存在遮挡,否则转入灰度异常分析模块;
灰度异常分析模块,用于对车牌区域进行灰度化处理,根据车牌区域的灰度均匀性,判断车牌区域是否存在灰度异常,若存在灰度异常,则输出车牌区域存在遮挡,否则输出车牌区域不存在遮挡;
其中,所述颜色异常分析模块包括:
字符区域边界获取模块,用于统计每个字符区域Ri的上边界y=Rti、下边界y=Rbi、左边界x=Rli、右边界x=Rri,i=1,2,…,N1,N1为车牌区域内的字符区域个数;
字符区域外扩模块,用于分别对字符区域Ri的上边界、下边界、左边界、右边界进行外扩,得到外扩的上边界下边界左边界右边界并根据上述外扩的四个边界确定外扩字符区域Ri′,分别表示第i个字符区域Ri的宽度和高度;
HSV颜色空间转换模块,用于将输入图像从RGB颜色空间转换到HSV颜色空间,并获取图像的色调、饱和度;
外扩字符区域分析模块,用于对每一个外扩字符区域Ri′进行黑白块和色调聚类分析,i=1,2,…,N1;
颜色异常判断模块,用于若所有的外扩字符区域都为黑白区域,则认为车牌区域不存在颜色异常,转入灰度异常分析模块;若所有的外扩字符区域中没有黑白区域,则转入色调分析模块;若外扩字符区域只有部分为黑白区域,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡;
色调分析模块,用于对于任意两个外扩字符区域Rp′和Rq′,p≠q,p=1,2,…,N1,q=1,2,…,N1,计算Rp′和Rq′的聚类色调值的绝对差值Hp为外扩字符区域Rp′的聚类色调值,Hq为外扩字符区域Rq′的聚类色调值,统计ΔHpq的最小值ΔHmin,若ΔHmin≥Th_H,则认为车牌区域存在颜色异常,直接输出车牌区域存在遮挡,否则认为车牌区域不存在颜色异常,转入灰度异常分析模块。
7.如权利要求6所述的装置,其特征在于,所述外扩字符区域分析模块中黑白块和色调聚类分析包括:
黑白点获取模块,用于统计外扩字符区域内的第j个像素点(xj,yj)的饱和度Sj,j=1,2,…,RSum,RSum为外扩字符区域内的像素点的数量,若Sj≤Th_S,则将该像素点标为黑白点;
黑白块获取模块,用于统计外扩字符区域内标为黑白点的数量BWSum,若则认为该外扩字符区域为黑白区域,否则转入色调聚类模块;色调聚类模块,用于对于外扩字符区域内没有标为黑白点的像素点(xj,yj),该像素点(xj,yj)的色调为Hj,统计外扩字符区域内色调在(Hj-λ3,Hj+λ3)范围内的没有标为黑白点的像素点的数量HSumj,将最大的HSumj对应的色调Hj作为该外扩字符区域的聚类色调值。
8.如权利要求7所述的装置,所述λ1∈[0.05,0.2],λ2∈[0.05,0.2],Th_H∈[10,50],Th_S∈[5,30],Th_R∈[0.75,0.95],λ3∈[10,20]。
9.如权利要求6所述的装置,其特征在于,所述灰度异常分析模块包括:
车牌区域变换灰度值计算模块,用于对于车牌区域内任意的像素点(x,y),该像素点(x,y)对应的灰度值为I(x,y),以像素点(x,y)为中心,做一个λ4*λ4的矩形窗口,计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值计算像素点(x,y)的变换灰度值变换灰度平均值计算模块,用于计算外扩字符区域R′i内所有像素点的变换灰度值的和GSumi,i=1:2:…:N1,计算所有字符区域的变换灰度值的和的平均值
灰度异常判断模块,用于计算每个外扩字符区域R′i的变换灰度率RSumi为外扩字符区域R′i内的像素点的数量,i=1:2:…:N1,若所有的外扩字符区域R′i的变换灰度率都满足rGi<λ5,则认为车牌区域不存在灰度异常,输出车牌区域不存在遮挡,否则认为车牌区域存在灰度异常,输出车牌区域存在遮挡。
10.如权利要求9所述的装置,所述λ4∈[10,20],λ5∈[20,40]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610487685.6A CN106203422B (zh) | 2016-06-28 | 2016-06-28 | 基于hsv颜色空间的车牌遮挡检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610487685.6A CN106203422B (zh) | 2016-06-28 | 2016-06-28 | 基于hsv颜色空间的车牌遮挡检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106203422A CN106203422A (zh) | 2016-12-07 |
CN106203422B true CN106203422B (zh) | 2019-05-07 |
Family
ID=57462213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610487685.6A Active CN106203422B (zh) | 2016-06-28 | 2016-06-28 | 基于hsv颜色空间的车牌遮挡检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203422B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423737B (zh) * | 2017-05-03 | 2018-11-20 | 武汉东智科技股份有限公司 | 异物遮挡的视频质量诊断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100825971B1 (ko) * | 2007-09-10 | 2008-04-28 | 김삼중 | 알에프아이디 태크가 부착된 자동차 번호판 및 그 제조방법 |
CN102568202A (zh) * | 2011-12-23 | 2012-07-11 | 北京易华录信息技术股份有限公司 | 车牌遮挡检测系统及检测方法 |
CN102831419A (zh) * | 2012-07-27 | 2012-12-19 | 中国科学院自动化研究所 | 一种快速的街景图像中车牌的检测模糊方法 |
CN105335743A (zh) * | 2015-10-28 | 2016-02-17 | 重庆邮电大学 | 一种车牌识别方法 |
CN105512662A (zh) * | 2015-06-12 | 2016-04-20 | 北京卓视智通科技有限责任公司 | 一种无牌车辆检测方法及装置 |
-
2016
- 2016-06-28 CN CN201610487685.6A patent/CN106203422B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100825971B1 (ko) * | 2007-09-10 | 2008-04-28 | 김삼중 | 알에프아이디 태크가 부착된 자동차 번호판 및 그 제조방법 |
CN102568202A (zh) * | 2011-12-23 | 2012-07-11 | 北京易华录信息技术股份有限公司 | 车牌遮挡检测系统及检测方法 |
CN102831419A (zh) * | 2012-07-27 | 2012-12-19 | 中国科学院自动化研究所 | 一种快速的街景图像中车牌的检测模糊方法 |
CN105512662A (zh) * | 2015-06-12 | 2016-04-20 | 北京卓视智通科技有限责任公司 | 一种无牌车辆检测方法及装置 |
CN105335743A (zh) * | 2015-10-28 | 2016-02-17 | 重庆邮电大学 | 一种车牌识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106203422A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
Babu et al. | Vehicle number plate detection and recognition using bounding box method | |
CN105809138B (zh) | 一种基于分块识别的道路警告标志检测与识别方法 | |
CN109740478B (zh) | 车辆检测及识别方法、装置、计算机设备及可读存储介质 | |
CN102375982B (zh) | 一种融合多字符特征的车牌定位方法 | |
CN105046196B (zh) | 基于级联卷积神经网络的前车车辆信息结构化输出方法 | |
CN103971126B (zh) | 一种交通标志识别方法和装置 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN103198315B (zh) | 基于字符轮廓和模板匹配的车牌字符分割算法 | |
CN103761529B (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN105608455B (zh) | 一种车牌倾斜校正方法及装置 | |
CN107273896A (zh) | 一种基于图像识别的车牌检测识别方法 | |
CN104573685B (zh) | 一种基于线性结构提取的自然场景文本检测方法 | |
CN103824091B (zh) | 一种用于智能交通系统的车牌识别方法 | |
CN107169953A (zh) | 基于hog特征的桥梁混凝土表面裂缝检测方法 | |
CN106650553A (zh) | 车牌识别方法及系统 | |
CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
CN105160691A (zh) | 基于颜色直方图的车身颜色识别方法 | |
CN108805018A (zh) | 道路交通标志检测识别方法、电子设备、存储介质及系统 | |
CN107729812B (zh) | 一种适用于监控场景中的车辆颜色识别的方法 | |
CN103544484A (zh) | 一种基于surf的交通标志识别方法及系统 | |
CN107066972B (zh) | 基于多通道极值区域的自然场景文本检测方法 | |
CN104951784A (zh) | 一种车辆无牌及车牌遮挡实时检测方法 | |
Li et al. | Research on vehicle license plate location based on neural networks | |
CN104766344B (zh) | 基于运动边缘提取器的车辆检测方法 |
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 |