CN108171238A - 一种车牌的倾斜角度检测方法及装置 - Google Patents

Abstract

本发明提供了一种车牌的倾斜角度检测方法，该方法包括：输入车牌区域图像；对车牌区域图像进行二值化处理，获取车牌区域二值图像；采用连通区域标记法，对车牌区域二值图像进行连通标记，获取标记的连通区域；采用字符识别置信度获取方法，获取标记连通区域的置信度；滤除置信度小于置信度阈值的连通区域，将置信度不小于置信度阈值的连通区域保存为字符区域；对字符区域进行融合处理；获取字符区域的最佳字符链；根据最佳字符链内的字符区域，计算车牌区域图像的倾斜角度并输出。与现有技术相比，本发明能准确检测车牌的倾斜角度。

Description

一种车牌的倾斜角度检测方法及装置

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

随着城市的日益现代化，机动车的保有量持续增加，智能交通系统发挥着越 来越重要的作用。车牌识别技术是现代智能交通系统的重要组成部分，有着十分 广泛的应用。

然而，由于实际拍摄角度等原因，图像中车牌会出现角度倾斜的问题，如果 角度倾斜不做矫正则会影响后期的字符分割、字符识别。

目前，车牌角度矫正的方法主要包括：(1)基于直线检测的方法，该方法通 过检测边框直线获取倾斜角度，但无法对车牌干扰、车牌模糊等进行角度矫正， 且计算量较大；(2)基于特征分析的方法，例如主成分分析，但是该方法易受非 字符区域的干扰；(3)基于遍历查找的方法，该方法首先通过将车牌旋转到每一 个允许的角度位置，然后进行投影获取相应的特征值，通过比较，获取最佳特征 值对应的角度，该角度即为倾斜角度，该算法鲁棒性较好，但普遍计算量较大。

综上所述，目前迫切需要提出一种快速且准确率高的车牌倾斜度检测方法及 装置。

发明内容

有鉴于此，本发明的主要目的在于实现快速的车牌倾斜角度检测，且倾斜角 度的检测准确性较高。

为达到上述目的，按照本发明的第一个方面，提供了一种车牌的倾斜角度检 测方法，该方法包括：

第一步骤，输入车牌区域图像；

第二步骤，对车牌区域图像进行二值化处理，获取车牌区域二值图像；

第三步骤，采用连通区域标记法，对车牌区域二值图像进行连通标记，获取 标记的连通区域；

第四步骤，采用字符识别置信度获取方法，获取标记连通区域的置信度；滤 除置信度小于置信度阈值的连通区域，将置信度不小于置信度阈值的连通区域保 存为字符区域；

第五步骤，对字符区域进行融合处理；

第六步骤，获取字符区域的最佳字符链；以及

第七步骤，根据最佳字符链内的字符区域，计算车牌区域图像的倾斜角度并 输出。

进一步地，所述第四步骤的计算标记连通区域的字符识别置信度包括但不限 于：基于分类器的置信度计算方法、基于神经网络的置信度计算方法或者组合。

进一步地，所述第五步骤包括：

相交的字符区域获取步骤，对任意两个字符区域C_i和C_j，分别统计字符区 域C_i和C_j的四个边界，若C_i的上边界位于C_j的下边界的下方，或者C_i的下边界 位于C_j的上边界的上方，或者C_i的左边界位于C_j的右边界的右方，或者C_i的右 边界位于C_j的左边界的左方，则认为字符区域C_i和C_j不相交，否则认为字符区 域C_i和C_j相交，其中i≠j，且i∈{1，…，CNum}，j∈{1，…，CNum}，CNum为字 符区域的数量；

相交的字符区域融合步骤，对于任意相交的两个字符区域C_i和C_j，分别计 算字符区域C_i和C_j的宽度和高度，若字符区域C_i和C_j的宽度的差的绝对值不小 于第一阈值，并且字符区域C_i和C_j的高度的差的绝对值不小于第二阈值，则分 别计算字符区域C_i和C_j的面积，滤除面积小的字符区域；

字符区域输出步骤，输出剩余的字符区域。

进一步地，所述第六步骤包括：

两字符斜率获取步骤，对于任意两个字符区域C_p和C_q，分别计算字符区域 C_p、C_q的中心点，计算C_p和C_q的中心点横坐标的绝对差值ΔX_pq、中心点的斜 率S_pq，分别计算字符区域C_p和C_q的高度HC_p和HC_q，并计算高度绝对差值 ΔH_pq和高度和HS_pq；若存在ΔX_pq小于第三阈值或者|S_pq-1|小于第四阈值或者 大于第五阈值，则将字符区域C_p和C_q的斜率S′_pq设置为128或者-128，否 则将字符区域C_p和C_q的斜率设置为S′_pq＝S_pq×128，其中p≠q，且 p∈{1，…，CNum2}，p∈{1，…，CNum2}，CNum2为第五步骤S5输出的字符区域 的数量；

斜率变化范围和字符链获取步骤，任意两个字符区域C_p和C_q，若斜率S′_pq不 等于128或者-128，则计算字符区域C_p相对于字符区域C_q的斜率变化范围 将字符区域C_p和C_q保存在字符链内，以及计算字符区域C_q相对于字符区域C_p的斜率变化范围将字符区域C_p和C_q保存在 字符链内；对于剩余的字符区域C_k，k≠q≠p，且k∈{1，…，CNum2}，若存 在S′_pk≠±128且则将字符区域C_k保存在字符链内，若存在S′_qk≠±128且则将字符区域C_k保存在字 符链内；

最佳字符链获取步骤，统计所有字符链里字符的数量，获取字符数量最多的 字符链作为最佳字符链，输出最佳字符链里的字符区域。

进一步地，所述第七步骤包括：在车牌初始图像中保留对应最佳字符链内字 符区域位置范围内所有像素点的像素值，其余部分像素点的像素点清零，以获取 最佳字符链的车牌图像；采用倾斜角度计算方法获取最佳字符链的车牌图像的倾 斜角度并输出。

所述车牌初始图像包括但不限于：车牌区域图像、车牌二值图像或者车牌区 域图像的梯度图像。

进一步地，所述倾斜角度计算方法包括但不限于：基于Radon变换的车牌倾 斜角度计算方法、基于Hough变换的车牌倾斜角度计算方法或者上述组合。

按照本发明的另一个方面，提供了一种车牌的倾斜角度检测装置，该装置包 括：

车牌区域图像输入模块，用于输入车牌区域图像；

二值化处理模块，用于对车牌区域图像进行二值化处理，获取车牌区域二值 图像；

连通区域标记模块，用于采用连通区域标记法，对车牌区域二值图像进行连 通标记，获取标记的连通区域；

字符区域获取模块，用于采用字符识别置信度获取方法，获取标记连通区域 的置信度；滤除置信度小于置信度阈值的连通区域，将置信度不小于置信度阈值 的连通区域保存为字符区域；

字符区域融合处理模块，用于对字符区域进行融合处理；

最佳字符链获取模块，用于获取字符区域的最佳字符链；

倾斜角度计算模块，用于根据最佳字符链内的字符区域，计算车牌区域图像 的倾斜角度并输出。

进一步地，所述字符区域获取模块的计算标记连通区域的字符识别置信度包 括但不限于：基于分类器的置信度计算方法、基于神经网络的置信度计算方法或 者上述组合。

进一步地，所述字符区域融合处理模块包括：

相交的字符区域获取模块，用于对任意两个字符区域C_i和C_j，分别统计字 符区域C_i和C_j的四个边界，若C_i的上边界位于C_j的下边界的下方，或者C_i的下 边界位于C_j的上边界的上方，或者C_i的左边界位于C_j的右边界的右方，或者C_i的右边界位于C_j的左边界的左方，则认为字符区域C_i和C_j不相交，否则认为字 符区域C_i和C_j相交，其中i≠j，且i∈{1，…，CNum}，j∈{1，…，CNum}，CNum为 字符区域的数量；

相交的字符区域融合模块，用于对于任意相交的两个字符区域C_i和C_j，分 别计算字符区域C_i和C_j的宽度和高度，若字符区域C_i和C_j的宽度的差的绝对值 不小于第一阈值，并且字符区域C_i和C_j的高度的差的绝对值不小于第二阈值， 则分别计算字符区域C_i和C_j的面积，滤除面积小的字符区域；

字符区域输出模块，用于输出剩余的字符区域。

进一步地，所述最佳字符链获取模块包括：

两字符斜率获取模块，用于对于任意两个字符区域C_p和C_q，分别计算字符 区域C_p、C_q的中心点，计算C_p和C_q的中心点横坐标的绝对差值ΔX_pq、中心点 的斜率S_pq，分别计算字符区域C_p和C_q的高度HC_p和HC_q，并计算高度绝对差 值ΔH_pq和高度和HS_pq；若存在ΔX_pq小于第三阈值或者S_pq-1小于第四阈值或 者大于第五阈值，则将字符区域C_p和C_q的斜率S′_pq设置为128或者-128， 否则将字符区域C_p和C_q的斜率设置为S′_pq＝S_pq×128，其中p≠q，且 p∈{1，…，CNum2}，p∈{1，…，CNum2}，CNum2为第五步骤S5输出的字符区域 的数量；

斜率变化范围和字符链获取模块，用于任意两个字符区域C_p和C_q，若斜率 S′_pq不等于128或者-128，则计算字符区域C_p相对于字符区域C_q的斜率变化范围 将字符区域C_p和C_q保存在字符链内，以及计算字符区域C_q相对于字符区域C_p的斜率变化范围将字符区域C_p和C_q保存在 字符链内；对于剩余的字符区域C_k，k≠q≠p，且k∈{1，…，CNum2}，若存 在S′_pk≠±128且则将字符区域C_k保存在字符链内，若存在S′_qk≠±128且则将字符区域C_k保存在字 符链内；

最佳字符链获取模块，用于统计所有字符链里字符的数量，获取字符数量最 多的字符链作为最佳字符链，输出最佳字符链里的字符区域。

进一步地，所述倾斜角度计算模块包括用于：在车牌初始图像中保留对应最 佳字符链内字符区域位置范围内所有像素点的像素值，其余部分像素点的像素点 清零，以获取最佳字符链的车牌图像；采用倾斜角度计算方法获取最佳字符链的 车牌图像的倾斜角度并输出。

所述车牌初始图像包括但不限于：车牌区域图像、车牌二值图像或者车牌区 域图像的梯度图像。

进一步地，所述倾斜角度计算方法包括但不限于：基于Radon变换的车牌倾 斜角度计算方法、基于Hough变换的车牌倾斜角度计算方法或者上述组合。

与现有的车牌倾斜角度检测方法相比，本发明的一种车牌的倾斜角度检测方 法及装置采用搜寻最佳字符链的方法，再根据最佳字符链内的字符区域计算倾斜 角度，能够有效地提高倾斜角度检测的准确率。

附图说明

图1示出了按照本发明的一种车牌的倾斜角度检测方法的流程图。

图2示出了按照本发明的一种车牌的倾斜角度检测装置的框架图。

具体实施方式

为使本领域的技术人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。

图1给出了按照本发明的一种车牌的倾斜角度检测方法的流程图。如图1所 示，按照本发明的一种车牌的倾斜角度检测方法包括：

第一步骤S1，输入车牌区域图像；

第二步骤S2，对车牌区域图像进行二值化处理，获取车牌区域二值图像；

第三步骤S3，采用连通区域标记法，对车牌区域二值图像进行连通标记， 获取标记的连通区域；

第四步骤S4，采用字符识别置信度获取方法，获取标记连通区域的置信度； 滤除置信度小于置信度阈值的连通区域，将置信度不小于置信度阈值的连通区域 保存为字符区域；

第五步骤S5，对字符区域进行融合处理；

第六步骤S6，获取字符区域的最佳字符链；以及

第七步骤S7，根据最佳字符链内的字符区域，计算车牌区域图像的倾斜角 度并输出。

所述第一步骤S1中车牌区域图像为包含整个车牌区域的灰度图像，可以通 过现有的车牌抓拍方法或设备、或者车牌定位方法或装置、或者车牌检测方法或 设备实现。

所述第二步骤S2可以通过现有的二值化处理方法或者装置实现。

进一步地，所述二值化处理方法包括但不限于以下一种或多种的组合：局部 二值化法、自适应阈值分割法等。

实施例，所述第二步骤S2采用“不均匀光照下车牌图像二值化研究.欧阳 庆.《武汉大学学报(工学版)》,2006,39(4):143-146”中的二值化方法对车牌区 域图像进行二值化处理，获取车牌区域二值图像。

所述第三步骤S3中所述连通区域标记法为现有的连通区域标记算法。

实施例，所述第三步骤S3采用“一种二值图像连通区域标记的新算法.高 红波，王卫星.《计算机应用》,2007,27(11):2776-2777”中的连通区域标记方 法对车牌区域二值图像进行连通标记，获取标记的连通区域。

所述第四步骤S4中所述字符识别置信度获取方法为现有的字符识别的置信 度计算方法。进一步地，所述第四步骤S4的计算标记连通区域的字符识别置信 度包括但不限于：基于分类器的置信度计算方法、基于神经网络的置信度计算方 法等或者上述组合。

实施例，采用“基于置信度分析和特征融合的车牌识别研究.曾飞.《矿业 工程研究》,2009,31(4):44-47”中的置信度计算方法实现。

所述置信度阈值的取值范围为0.2～0.5。实施例，所述置信度阈值选为0.3。

进一步地，所述第五步骤S5包括：

相交的字符区域获取步骤S51，对任意两个字符区域C_i和C_j，分别统计字 符区域C_i和C_j的四个边界，若C_i的上边界位于C_j的下边界的下方，或者C_i的下 边界位于C_j的上边界的上方，或者C_i的左边界位于C_j的右边界的右方，或者C_i的右边界位于C_j的左边界的左方，则认为字符区域C_i和C_j不相交，否则认为字 符区域C_i和C_j相交，其中i≠j，且i∈{1，…，CNum}，j∈{1，…，CNum}，CNum为 字符区域的数量；

相交的字符区域融合步骤S52，对于任意相交的两个字符区域C_i和C_j，分 别计算字符区域C_i和C_j的宽度和高度，若字符区域C_i和C_j的宽度的差的绝对值 不小于第一阈值，并且字符区域C_i和C_j的高度的差的绝对值不小于第二阈值， 则分别计算字符区域C_i和C_j的面积，滤除面积小的字符区域；

字符区域输出步骤S53，输出剩余的字符区域。

进一步地，所述第一阈值的取值范围为0.2～0.5，所述第二阈值的取值范围 为0.2～0.5。

实施例，所述相交的字符区域获取步骤S51包括：对任意两个字符区域C_i和 C_j，统计字符区域C_i的左边界Cx_i1、右边界Cx_i2、上边界Cy_i1、下边界Cy_i2，统 计字符区域C_j的左边界Cx_j1、右边界Cx_j2、上边界Cy_j1、下边界Cy_j2，若存在 Cy_i1＞Cy_j2或者Cy_i2＜Cy_j1或者Cx_i1＞Cx_j2或者Cx_i2＜Cx_j1，则认为字符区域C_i和 C_j不相交，否则认为字符区域C_i和C_j相交。

实施例，所述相交的字符区域融合步骤S52包括：对于任意相交的两个字符 区域C_i和C_j，计算字符区域C_i的宽度WC_i和高度HC_i，计算字符区域C_j的宽度 WC_j和高度HC_j，若|WC_i-WC_j|不小于0.3，并且|HC_i-HC_j|不小于0.3，则分别 计算字符区域C_i和C_j的面积AC_i和AC_j，若AC_i≥AC_j，则滤除字符区域C_j，若 AC_i＜AC_j，则滤除字符区域C_i。

进一步地，所述第六步骤S6包括：

两字符斜率获取步骤S61，对于任意两个字符区域C_p和C_q，分别计算字符 区域C_p、C_q的中心点，计算C_p和C_q的中心点横坐标的绝对差值ΔX_pq、中心点 的斜率S_pq，分别计算字符区域C_p和C_q的高度HC_p和HC_q，并计算高度绝对差 值ΔH_pq和高度和HS_pq；若存在ΔX_pq小于第三阈值或者|S_pq-1|小于第四阈值或 者大于第五阈值，则将字符区域C_p和C_q的斜率S′_pq设置为128或者-128， 否则将字符区域C_p和C_q的斜率设置为S′_pq＝S_pq×128，其中p≠q，且 p∈{1，…，CNum2}，q∈{1，…，CNum2}，CNum2为第五步骤S5输出的字符区域 的数量；

斜率变化范围和字符链获取步骤S62，任意两个字符区域C_p和C_q，若斜率 S′_pq不等于128或者-128，则计算字符区域C_p相对于字符区域C_q的斜率变化范围 将字符区域C_p和C_q保存在字符链内，以及计算字符区域C_q相对于字符区域C_p的斜率变化范围将字符区域C_p和C_q保存在 字符链内；对于剩余的字符区域C_k，k≠q≠p，且k∈{1，…，CNum2}，若存 在S′_pk≠±128且则将字符区域C_k保存在字符链内，若存在S′_qk≠±128且则将字符区域C_k保存在字 符链内；

最佳字符链获取步骤S63，统计所有字符链里字符的数量，获取字符数量最 多的字符链作为最佳字符链，输出最佳字符链里的字符区域。

进一步地，所述第三阈值的取值范围为2～5，所述第四阈值的取值范围为 0.003～0.1，所述第五阈值的取值范围为0.05～0.1，所述Ts的取值范围为3～5。

实施例，所述斜率和斜率变化获取步骤S61包括：对于第五步骤S5输出的 任意两个字符区域C_p和C_q，分别计算字符区域C_p、C_q的中心点坐标(CX_p,CY_p)、 (CX_q,CY_q)，计算ΔX_pq＝|CX_p-CX_q|、分别计算字符区域C_p和C_q的高度HC_p和HC_q，并计算ΔH_pq＝|HC_p-HC_q|以及HS_pq＝HC_p+HC_q；若 存在ΔX_pq小于3或者|S_pq-1|小于0.005或者大于第五阈值，则将字符区域 C_p和C_q的斜率S′_pq设置为128或者-128，否则将字符区域C_p和C_q的斜率S′_pq设 置为S′_pq＝S_pq×128。

进一步地，所述第七步骤S7包括：在车牌初始图像中保留对应最佳字符链 内字符区域位置范围内所有像素点的像素值，其余部分像素点的像素点清零，以 获取最佳字符链的车牌图像；采用倾斜角度计算方法获取最佳字符链的车牌图像 的倾斜角度并输出。

所述第七步骤S7中所述车牌初始图像包括但不限于：车牌区域图像、车牌 二值图像或者车牌区域图像的梯度图像。

所述倾斜角度计算方法可以通过现有的倾斜角度计算方法实现。进一步地， 所述倾斜角度计算方法包括但不限于：基于Radon变换的车牌倾斜角度计算方 法、基于Hough变换的车牌倾斜角度计算方法或者上述组合。

实施例，所述第七步骤S7包括：在车牌区域图像中，保留对应最佳字符链 内字符区域位置范围内的所有像素点的像素值，将其余位置部分的像素点清零， 以获取最佳字符链的车牌图像；采用诸如“一种新的基于Radon变换的车牌倾斜 校正方法.贾晓丹，李文举，王海姣.《计算机工程与应用》,2008, 44(3):245-248”文献里所述的方法计算最佳字符链的车牌二值图像的倾斜角度并 输出。

图2给出了按照本发明的一种车牌的倾斜角度检测装置的框架图。如图2所 示，按照本发明的一种车牌的倾斜角度检测装置包括：

车牌区域图像输入模块1，用于输入车牌区域图像；

二值化处理模块2，用于对车牌区域图像进行二值化处理，获取车牌区域二 值图像；

连通区域标记模块3，用于采用连通区域标记法，对车牌区域二值图像进行 连通标记，获取标记的连通区域；

字符区域获取模块4，用于采用字符识别置信度获取方法，获取标记连通区 域的置信度；滤除置信度小于置信度阈值的连通区域，将置信度不小于置信度阈 值的连通区域保存为字符区域；

字符区域融合处理模块5，用于对字符区域进行融合处理；

最佳字符链获取模块6，用于获取字符区域的最佳字符链；

倾斜角度计算模块7，用于根据最佳字符链内的字符区域，计算车牌区域图 像的倾斜角度并输出。

所述车牌区域图像输入模块1中车牌区域图像为包含整个车牌区域的灰度 图像，可以通过现有的车牌抓拍设备、或者车牌定位装置、或者车牌检测设备实 现。

所述二值化处理模块2可以通过现有的二值化处理方法或装置实现。所述二 值化处理方法包括但不限于以下一种或多种的组合：局部二值化法、自适应阈值 分割法等。

所述连通区域标记模块3中所述连通区域标记法为现有的连通区域标记算 法。

所述字符区域获取模块4中所述字符识别置信度获取方法为现有的字符识 别的置信度计算方法。进一步地，所述字符区域获取模块4的计算标记连通区域 的字符识别置信度包括但不限于：基于分类器的置信度计算方法、基于神经网络 的置信度计算方法或者上述组合。

所述置信度阈值的取值范围为0.2～0.5。

进一步地，所述字符区域融合处理模块5包括：

相交的字符区域获取模块51，用于对任意两个字符区域C_i和C_j，分别统计 字符区域C_i和C_j的四个边界，若C_i的上边界位于C_j的下边界的下方，或者C_i的 下边界位于C_j的上边界的上方，或者C_i的左边界位于C_j的右边界的右方，或者 C_i的右边界位于C_j的左边界的左方，则认为字符区域C_i和C_j不相交，否则认为 字符区域C_i和C_j相交，其中i≠j，且i∈{1，…，CNum}，j∈{1，…，CNum}，CNum 为字符区域的数量；

相交的字符区域融合模块52，用于对于任意相交的两个字符区域C_i和C_j， 分别计算字符区域C_i和C_j的宽度和高度，若字符区域C_i和C_j的宽度的差的绝对 值不小于第一阈值，并且字符区域C_i和C_j的高度的差的绝对值不小于第二阈值， 则分别计算字符区域C_i和C_j的面积，滤除面积小的字符区域；

字符区域输出模块53，用于输出剩余的字符区域。

进一步地，所述第一阈值的取值范围为0.2～0.5，所述第二阈值的取值范围 为0.2～0.5。

进一步地，所述最佳字符链获取模块6包括：

两字符斜率获取模块61，用于对于任意两个字符区域C_p和C_q，分别计算字 符区域C_p、C_q的中心点，计算C_p和C_q的中心点横坐标的绝对差值ΔX_pq、中心 点的斜率S_pq，分别计算字符区域C_p和C_q的高度HC_p和HC_q，并计算高度绝对 差值ΔH_pq和高度和HS_pq；若存在ΔX_pq小于第三阈值或者|S_pq-1|小于第四阈值 或者大于第五阈值，则将字符区域C_p和C_q的斜率S′_pq设置为128或者-128， 否则将字符区域C_p和C_q的斜率设置为S′_pq＝S_pq×128，其中p≠q，且 p∈{1，…，CNum2}，q∈{1，…，CNum2}，CNum2为第五步骤S5输出的字符区域 的数量；

斜率变化范围和字符链获取模块62，用于任意两个字符区域C_p和C_q，若斜 率S′_pq不等于128或者-128，则计算字符区域C_p相对于字符区域C_q的斜率变化范 围将字符区域C_p和C_q保存在字符链内，以及计算字符区域 C_q相对于字符区域C_p的斜率变化范围将字符区域C_p和C_q保存 在字符链内；对于剩余的字符区域Ck，k≠q≠p，且k∈{1，…，CNum2}，若 存在S′_pk≠±128且则将字符区域C_k保存在字符链 内，若存在S′_qk≠±128且则将字符区域C_k保存在 字符链内；

最佳字符链获取模块63，用于统计所有字符链里字符的数量，获取字符数 量最多的字符链作为最佳字符链，输出最佳字符链里的字符区域。

进一步地，所述第三阈值的取值范围为2～5，所述第四阈值的取值范围为 0.003～0.1，所述第五阈值的取值范围为0.05～0.1，所述Ts的取值范围为3～5。

进一步地，所述倾斜角度计算模块7包括用于：在车牌初始图像中保留对应 最佳字符链内字符区域位置范围内所有像素点的像素值，其余部分像素点的像素 点清零，以获取最佳字符链的车牌图像；采用倾斜角度计算方法获取最佳字符链 的车牌图像的倾斜角度并输出。

所述倾斜角度计算模块7中所述车牌初始图像包括但不限于：车牌区域图 像、车牌二值图像或者车牌区域图像的梯度图像。

所述倾斜角度计算方法可以通过现有的倾斜角度计算方法实现。进一步地， 所述倾斜角度计算方法包括但不限于：基于Radon变换的车牌倾斜角度计算方 法、基于Hough变换的车牌倾斜角度计算方法或者上述组合。

与现有的车牌倾斜角度检测方法相比，本发明的一种车牌的倾斜角度检测方 法及装置采用搜寻最佳字符链的方法，再根据最佳字符链内的字符区域计算倾斜 角度，能够有效地提高倾斜角度检测的准确率。

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 (16)

1.一种车牌的倾斜角度检测方法，其特征在于，该方法包括：

第一步骤，输入车牌区域图像；

第二步骤，对车牌区域图像进行二值化处理，获取车牌区域二值图像；

第三步骤，采用连通区域标记法，对车牌区域二值图像进行连通标记，获取标记的连通区域；

第四步骤，采用字符识别置信度获取方法，获取标记连通区域的置信度；滤除置信度小于置信度阈值的连通区域，将置信度不小于置信度阈值的连通区域保存为字符区域；

第五步骤，对字符区域进行融合处理；

第六步骤，获取字符区域的最佳字符链；以及

第七步骤，根据最佳字符链内的字符区域，计算车牌区域图像的倾斜角度并输出。

2.如权利要求1所述的方法，其特征在于，所述第四步骤的计算标记连通区域的字符识别置信度包括但不限于：基于分类器的置信度计算方法、基于神经网络的置信度计算方法或者上述组合。

3.如权利要求1所述的方法，其特征在于，所述第五步骤包括：

相交的字符区域获取步骤，对任意两个字符区域C_i和C_j，分别统计字符区域C_i和C_j的四个边界，若C_i的上边界位于C_j的下边界的下方，或者C_i的下边界位于C_j的上边界的上方，或者C_i的左边界位于C_j的右边界的右方，或者C_i的右边界位于C_j的左边界的左方，则认为字符区域C_i和C_j不相交，否则认为字符区域C_i和C_j相交，其中i≠j，且i∈{1,…,CNum}，j∈{1，…，CNum}，CNum为字符区域的数量；

相交的字符区域融合步骤，对于任意相交的两个字符区域C_i和C_j，分别计算字符区域C_i和C_j的宽度和高度，若字符区域C_i和C_j的宽度的差的绝对值不小于第一阈值，并且字符区域C_i和C_j的高度的差的绝对值不小于第二阈值，则分别计算字符区域C_i和C_j的面积，滤除面积小的字符区域；

字符区域输出步骤，输出剩余的字符区域。

4.如权利要求1所述的方法，其特征在于，所述第六步骤包括：两字符斜率获取步骤，对于任意两个字符区域C_p和C_q，分别计算字符区域C_p、C_q的中心点，计算C_p和C_q的中心点横坐标的绝对差值ΔX_pq、中心点的斜率S_pq，分别计算字符区域C_p和C_q的高度HC_p和HC_q，并计算高度绝对差值ΔH_pq和高度和HS_pq；若存在ΔX_pq小于第三阈值或者|S_pq-1|小于第四阈值或者大于第五阈值，则将字符区域C_p和C_q的斜率S′_pq设置为128或者-128，否则将字符区域C_p和C_q的斜率设置为S′_pq＝S_pq×128，其中p≠q，且p∈{1，…，CNum2}，q∈{1，…，CNum2}，CNum2为第五步骤S5输出的字符区域的数量；

斜率变化范围和字符链获取步骤，任意两个字符区域C_p和C_q，若斜率S′_pq不等于128或者-128，则计算字符区域C_p相对于字符区域C_q的斜率变化范围将字符区域C_p和C_q保存在字符链内，以及计算字符区域C_q相对于字符区域C_p的斜率变化范围将字符区域C_p和C_q保存在字符链内；对于剩余的字符区域Ck，k≠q≠p，且k∈{1，…，CNum2}，若存在S′_pk≠±128且则将字符区域C_k保存在字符链内，若存在则将字符区域C_k保存在字符链内；

最佳字符链获取步骤，统计所有字符链里字符的数量，获取字符数量最多的字符链作为最佳字符链，输出最佳字符链里的字符区域。

5.如权利要求1所述的方法，其特征在于，所述第七步骤包括：在车牌初始图像中保留对应最佳字符链内字符区域位置范围内所有像素点的像素值，其余部分像素点的像素点清零，以获取最佳字符链的车牌图像；采用倾斜角度计算方法获取最佳字符链的车牌图像的倾斜角度并输出。

6.如权利要求5所述的方法，所述车牌初始图像包括但不限于：车牌区域图像、车牌二值图像或者车牌区域图像的梯度图像。

7.如权利要求6所述的方法，其特征在于，所述倾斜角度计算方法包括但不限于：基于Radon变换的车牌倾斜角度计算方法、基于Hough变换的车牌倾斜角度计算方法或者上述组合。

8.如权利要求1～4所述的方法，所述置信度阈值的取值范围为0.2～0.5，所述第一阈值的取值范围为0.2～0.5，所述第二阈值的取值范围为0.2～0.5，所述第三阈值的取值范围为2～5，所述第四阈值的取值范围为0.003～0.1，所述第五阈值的取值范围为0.05～0.1，所述Ts的取值范围为3～5。

9.一种车牌的倾斜角度检测装置，其特征在于，该装置包括：

车牌区域图像输入模块，用于输入车牌区域图像；

二值化处理模块，用于对车牌区域图像进行二值化处理，获取车牌区域二值图像；

连通区域标记模块，用于采用连通区域标记法，对车牌区域二值图像进行连通标记，获取标记的连通区域；

字符区域获取模块，用于采用字符识别置信度获取方法，获取标记连通区域的置信度；滤除置信度小于置信度阈值的连通区域，将置信度不小于置信度阈值的连通区域保存为字符区域；

字符区域融合处理模块，用于对字符区域进行融合处理；

最佳字符链获取模块，用于获取字符区域的最佳字符链；

倾斜角度计算模块，用于根据最佳字符链内的字符区域，计算车牌区域图像的倾斜角度并输出。

10.如权利要求9所述的装置，其特征在于，所述字符区域获取模块4的计算标记连通区域的字符识别置信度包括但不限于：基于分类器的置信度计算方法、基于神经网络的置信度计算方法或者上述组合。

11.如权利要求9所述的装置，其特征在于，所述字符区域融合处理模块包括：相交的字符区域获取模块，用于对任意两个字符区域C_i和C_j，分别统计字符区域C_i和C_j的四个边界，若C_i的上边界位于C_j的下边界的下方，或者C_i的下边界位于C_j的上边界的上方，或者C_i的左边界位于C_j的右边界的右方，或者C_i的右边界位于C_j的左边界的左方，则认为字符区域C_i和C_j不相交，否则认为字符区域C_i和C_j相交，其中i≠j，且i∈{1，…，CNum}，j∈{1，…，CNum}，CNum为字符区域的数量；

相交的字符区域融合模块，用于对于任意相交的两个字符区域C_i和C_j，分别计算字符区域C_i和C_j的宽度和高度，若字符区域C_i和C_j的宽度的差的绝对值不小于第一阈值，并且字符区域C_i和C_j的高度的差的绝对值不小于第二阈值，则分别计算字符区域C_i和C_j的面积，滤除面积小的字符区域；

字符区域输出模块，用于输出剩余的字符区域。

12.如权利要求9所述的装置，其特征在于，所述最佳字符链获取模块包括：两字符斜率获取模块，用于对于任意两个字符区域C_p和C_q，分别计算字符区域C_p、C_q的中心点，计算C_p和C_q的中心点横坐标的绝对差值ΔX_pq、中心点的斜率S_pq，分别计算字符区域C_p和C_q的高度HC_p和HC_q，并计算高度绝对差值ΔH_pq和高度和HS_pq；若存在ΔX_pq小于第三阈值或者|S_pq-1|小于第四阈值或者大于第五阈值，则将字符区域C_p和C_q的斜率S′_pq设置为128或者-128，否则将字符区域C_p和C_q的斜率设置为S′_pq＝S_pq×128，其中p≠q，且p∈{1，…，CNum2}，q∈{1，…，CNum2}，CNum2为第五步骤S5输出的字符区域的数量；

斜率变化范围和字符链获取模块，用于任意两个字符区域C_p和C_q，若斜率S′_pq不等于128或者-128，则计算字符区域C_p相对于字符区域C_q的斜率变化范围将字符区域C_p和C_q保存在字符链内，以及计算字符区域C_q相对于字符区域C_p的斜率变化范围将字符区域C_p和C_q保存在字符链内；对于剩余的字符区域Ck，k≠q≠p，且k∈{1，…，CNum2}，若存在S′_pk≠±128且则将字符区域C_k保存在字符链内，若存在则将字符区域C_k保存在字符链内；

最佳字符链获取模块，用于统计所有字符链里字符的数量，获取字符数量最多的字符链作为最佳字符链，输出最佳字符链里的字符区域。

13.如权利要求9所述的装置，其特征在于，所述倾斜角度计算模块包括用于：在车牌初始图像中保留对应最佳字符链内字符区域位置范围内所有像素点的像素值，其余部分像素点的像素点清零，以获取最佳字符链的车牌图像；采用倾斜角度计算方法获取最佳字符链的车牌图像的倾斜角度并输出。

14.如权利要求13所述的装置，所述车牌初始图像包括但不限于：车牌区域图像、车牌二值图像或者车牌区域图像的梯度图像。

15.如权利要求14所述的装置，其特征在于，所述倾斜角度计算方法包括但不限于：基于Radon变换的车牌倾斜角度计算方法、基于Hough变换的车牌倾斜角度计算方法或者上述组合。

16.如权利要求9～12所述的装置，所述置信度阈值的取值范围为0.2～0.5，所述第一阈值的取值范围为0.2～0.5，所述第二阈值的取值范围为0.2～0.5，所述第三阈值的取值范围为2～5，所述第四阈值的取值范围为0.003～0.1，所述第五阈值的取值范围为0.05～0.1，所述Ts的取值范围为3～5。