CN112801096B - 一种车牌自动检测算法 - Google Patents

Abstract

本发明涉及一种车牌自动检测算法，包括以下步骤，采集车牌的彩色图像，提取车牌外边界得到车牌图像；对车牌图像进行通道分离分别获得R、G、B三通道图像；根据不同颜色的车牌选取适用的通道图像，分别进行边框检测、字符识别与字符缺陷检测、底膜检测和/或二维码检测；根据检测结果对车牌进行好品或坏品的标记。本发明通过机器视觉算法，自动提取车牌缺陷；通过训练字符烫印范围阈值，用来进行字符匹配，而不使用标准字符进行匹配，同时对需检测图像进行边缘补齐来检测大面积的字符过/漏烫；通过多个尺度综合检测，保证其检测稳定性，这样提高了缺陷判别的准确率，对于小缺陷检测能力得到增强；提高了车牌检测效率和准确率，节省了人力。

Description

一种车牌自动检测算法

技术领域

本发明涉及视觉检测技术领域，尤其是一种车牌自动检测算法。

背景技术

在车牌发牌的过程中，冲压车牌会造成车牌表面的损伤与烫印字符的缺陷，这些缺陷，目前主要靠人工进行核对，且没有固定标准，坏牌数据与好牌数据容易造成错分，现有检测算法对同一块车牌检测的稳定性较差，检测错误率较高。而造成检测的稳定性较差，检测的缺陷类型比较单一的原因，主要是检测大缺陷，因为车牌检测本身要求没有严格的标准，而且车牌的检测类别较多。

发明内容

本发明要解决的技术问题是：提供一种车牌自动检测算法，实现了车牌缺陷的自动化检测。

本发明解决其技术问题所采用的技术方案是：一种车牌自动检测算法，包括以下步骤，

S1、采集车牌的彩色图像，提取车牌外边界得到车牌图像；

S2、对车牌图像进行通道分离分别获得R、G、B三通道图像；

S3、根据不同颜色的车牌选取适用的通道图像，分别进行边框检测、字符识别与字符缺陷检测、底膜检测和/或二维码检测；

S4、根据检测结果对车牌进行好品或坏品的标记。

进一步的说，本发明所述的步骤S3中，边框检测的步骤为，

a、利用数学形态学的腐蚀操作对选取的通道图像上的车牌的外边界进行固定像素距离的内缩，从而提取到烫印边框区域；

b、根据烫印边框区域利用数学形态学的开闭运算，得到漏烫和过烫区域。

进一步的说，本发明所述的步骤S3中，底膜检测的步骤为，

A、在选取的通道图像上获取烫印边框区域；

B、删除烫印边框区域，得到无烫印边框区域图像；

C、对无烫印边框区域图像提取字符区域，进行一次膨胀，作为mask；

D、对无烫印边框区域图像求取多尺度的均值和方差，设定差异阈值，提取差异过大区域的图像；

E、将mask与差异过大区域的图像相乘得到最终结果图像。

进一步的说，本发明所述的步骤S3中，字符识别与字符缺陷检测的步骤为，

i、预先获取字符模板，得到字符烫印的最大范围和最小范围；

ii、在选取的通道图像上按照固定区域分割字符，并获取各个字符的最小外接矩形图像；

iii、将获取的各个字符的最小外接矩形图像，利用knn算法进行字符识别；

iv、识别完成后，将最小外接矩形图像和步骤i中的字符烫印的最大范围和最小范围进行比较，如果在最大范围与最小范围之间，则为合格；否则，则有过烫和漏烫发生。

再进一步的说，本发明所述的步骤S3中，字符识别与字符缺陷检测的步骤还包括，

v、将最小外接矩形图像和步骤i中的字符烫印的最大范围和最小范围进行比较，得到字符相似度；若发生过烫和漏烫则在相似度上添加惩罚项以降低相似度，根据预先设定的相似度阈值判断是否合格。

再进一步的说，本发明所述的步骤iv中，将最小外接矩形图像与字符烫印的最大范围和最小范围进行比较，若大于字符烫印的最大范围，则发生过烫；若小于字符烫印的最小范围，则发生漏烫。

再进一步的说，本发明所述的步骤i中，得到字符烫印的最大范围和最小范围的方式为，

1）根据实际的好品车牌收集车牌上34个汉字和24个字母，以及10个数字；

2）对收集到的好品车牌，进行一次车牌的字符提取，并获取字符的最小外接矩形图像，进行二值化；

3）对上述二值化后的车牌字符，按照34个汉字、24个字母、10个数字分类成68类字符；

4）对68类字符，如果数据量足够，则通过训练得到字符烫印最大范围和最小范围，最大范围为每一类字符的并集，最小范围为每一类字符的交集；如果数据量不足，则直接使用腐蚀和膨胀形成字符烫印最大范围和最小范围。

进一步的说，本发明所述的二维码检测算法包括以下步骤，

1、在选取的通道图像上选取二维码区域；

2、对获取的二维码区域进行多尺度的局部OTSU算法，并设定多尺度的最大范围，获得多个二值化的二维码图像；

3、对二值化的二维码图像进行解码，并对所有解出的二维码进行比较；若比较结果具有唯一性则解码成功，否则，解码失败。

本发明的有益效果是，解决了背景技术中存在的缺陷，通过机器视觉算法，自动提取车牌缺陷；对于车牌检测稳定性差，主要是底膜和字符缺陷，对于字符缺陷，通过训练字符烫印范围阈值，用来进行字符匹配，而不使用标准字符进行匹配，同时对需检测图像进行边缘补齐来检测大面积的字符过/漏烫；对于底膜缺陷，则通过多个尺度综合检测，保证其检测稳定性，这样提高了缺陷判别的准确率，对于小缺陷检测能力得到增强；提高了车牌检测效率和准确率，节省了人力。

附图说明

图1是本发明的检测流程示意图；

图2是本发明边框检测算法流程图；

图3是本发明底膜检测算法流程图；

图4是本发明字符识别与检测算法流程图；

图5是本发明二维码检测流程图。

具体实施方式

现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1-5所示的一种车牌自动检测算法，为一整套车牌检测的算法流程，通过此流程可以快速有效的进行车牌的检测，包括以下步骤，

S1、采集车牌的彩色图像，提取车牌外边界得到车牌图像A；

S2、对车牌图像A进行通道分离分别获得R、G、B三通道图像；

S3、根据不同颜色的车牌选取适用的通道图像，分别进行边框检测、字符识别与字符缺陷检测、底膜检测和/或二维码检测；

S4、根据检测结果对车牌进行好品或坏品的标记。

本实施例检测是以蓝牌为例，针对其他种类车牌，在R、G、B三通道图像的通道选取上可能存在差别。

边框检测：

1、根据R通道图像，利用数学形态学的腐蚀操作，对R通道图像上的车牌外边界进行内缩，内缩尺寸为固定的像素距离，提取烫印边框区域C；

2、根据烫印边框区域C，利用数学形态学的开闭运算，得到漏烫和过烫区域。

底膜检测：需要在蓝色通道，提取暗缺陷，在红色通道，提取亮缺陷，最后将两者结合，给出总体的缺陷；

1、选取车牌图像A的R通道图像和B通道图像；

2、根据R通道图像找到烫印边框区域C，并在R通道图像和B通道图像上同时删除烫印边框区域C，得到另外两张图像D，E；

3、对图像D进行一次二值化，将字符区域置0，其他区域置1，并进行一次膨胀，得到图像D1；

4、对图像D，E分别采用Phansalkar算法，在Phansalkar算法中，将原来按照点进行二值化的方式，修改成按照不同尺度的区域计算阈值T进行二值化，同时在做像素归一化之前，按照不同尺度，一般为3*3像素和5*5像素，求方差T1和均值T2，然后根据提取的亮暗缺陷，按照T，T1，T2进行缺陷点的选取，并赋值255。此时，R通道可以获得两幅缺陷图像 D2，D3，B通道也可以获得两幅图像E2，E3；

5、利用 (D2+D3+E2+E3)*D1，则得到最后的缺陷图。

字符识别与检测：

预先形成烫印范围部分：

1、根据实际的好品车牌收集车牌上34个汉字和24个字母，以及10个数字。

2、对收集到的好品车牌，进行一次车牌字符提取，求取字符的最小外接矩形，进行二值化。

3、对上述二值化的车牌字符，按照34个汉字、24个字母、10个数字分类成68类字符。

4、对68类字符，如果数据量足够，则通过训练得到字符烫印最大范围和最小范围，最大范围为每一类字符的并集，最小范围为每类字符的交集；如果数据量不足，则直接使用数学形态学的腐蚀和膨胀形成字符烫印最大范围和最小范围。

具体检测部分：

1、根据R通道图像，按照固定区域分割字符，并求取各个字符的最小外接矩形图像；

2、将得到的最小外接矩形图像，带入Knn算法进行字符识别；

3、识别完成后，将最小外接矩形图像和对应的字符烫印范围进行比较，如果大于最大范围则产生过烫，小于最小范围则产生漏烫。

4、利用最小外接矩形图像，和字符烫印范围进行比对，求取字符区域重合点的数目，然后利用重合数目，除以字符烫印最大范围的数目，作为初始相似度。然后按照过烫和漏烫的面积，给初始相似度增加惩罚项，例如初始相似度为0.9，如果过烫面积为30，则认定惩罚项为0.05，则最终相似度为0.9-0.05=0.85；如果过烫为100，则认定惩罚项为0.1，此时相似度为0.8。

二维码检测：

1、选取B通道图像，然后选取二维码区域F；

2、对二维码区域F进行多尺度的局部OTSU二值化，并设置最大尺度上限，例如，设置最大尺度为15*15像素，则前面依次为3*3，5*5，7*7，9*9，11*11，13*13像素的几种尺度，则二值化的结果共有7种，得到7张同一个二维码的二值化的图片。

3、对得到的7张二维码二值化图片进行解码，如果都没解码成功则解码失败；如果有多个解码成功，则比较多个结果，看其是否具有唯一性，具有唯一性则解码成功，否则解码失败。

以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离发明的实质和范围。

Claims (4)

1.一种车牌自动检测算法，其特征在于：包括以下步骤，

S1、采集车牌的彩色图像，提取车牌外边界得到车牌图像；

S2、对车牌图像进行通道分离分别获得R、G、B三通道图像；

S3、根据不同颜色的车牌选取适用的通道图像，分别进行边框检测、字符识别与字符缺陷检测、底膜检测、二维码检测中的一种或多种检测；

所述的边框检测的步骤为，

a、利用数学形态学的腐蚀操作对选取的通道图像上的车牌的外边界进行固定像素距离的内缩，从而提取到烫印边框区域；

b、根据烫印边框区域利用数学形态学的开闭运算，得到漏烫和过烫区域；

所述的底膜检测的步骤为，

A、在选取的通道图像上获取烫印边框区域；

B、删除烫印边框区域，得到无烫印边框区域图像；

C、对无烫印边框区域图像提取字符区域，进行一次膨胀，作为mask；

D、对无烫印边框区域图像求取多尺度的均值和方差，设定差异阈值，提取差异过大区域的图像；

E、将mask与差异过大区域的图像相乘得到最终结果图像；

所述的字符识别与字符缺陷检测的步骤为，

i、预先获取字符模板，得到字符烫印的最大范围和最小范围；

ii、在选取的通道图像上按照固定区域分割字符，并获取各个字符的最小外接矩形图像；

iii、将获取的各个字符的最小外接矩形图像，利用knn算法进行字符识别；

iv、识别完成后，将最小外接矩形图像和步骤i中的字符烫印的最大范围和最小范围进行比较，如果在最大范围与最小范围之间，则为合格；否则，则有过烫和漏烫发生；

所述的二维码检测的步骤为，

1、在选取的通道图像上选取二维码区域；

2、对获取的二维码区域进行多尺度的局部OTSU算法，并设定多尺度的最大范围，获得多个二值化的二维码图像；

3、对二值化的二维码图像进行解码，并对所有解出的二维码进行比较；若比较结果具有唯一性则解码成功，否则，解码失败；

S4、根据检测结果对车牌进行好品或坏品的标记。

2.如权利要求1所述的一种车牌自动检测算法，其特征在于：所述的步骤S3中，字符识别与字符缺陷检测的步骤还包括，

v、将最小外接矩形图像和步骤i中的字符烫印的最大范围和最小范围进行比较，得到字符相似度；若发生过烫和漏烫则在相似度上添加惩罚项以降低相似度，根据预先设定的相似度阈值判断是否合格。

3.如权利要求1所述的一种车牌自动检测算法，其特征在于：所述的步骤iv中，将最小外接矩形图像与字符烫印的最大范围和最小范围进行比较，若大于字符烫印的最大范围，则发生过烫；若小于字符烫印的最小范围，则发生漏烫。

4.如权利要求1所述的一种车牌自动检测算法，其特征在于：所述的步骤i中，得到字符烫印的最大范围和最小范围的方式为，

1）根据实际的好品车牌收集车牌上34个汉字和24个字母，以及10个数字；

2）对收集到的好品车牌，进行一次车牌的字符提取，并获取字符的最小外接矩形图像，进行二值化；

3）对上述二值化后的车牌字符，按照34个汉字、24个字母、10个数字分类成68类字符；

4）对68类字符，如果数据量足够，则通过训练得到字符烫印最大范围和最小范围，最大范围为每一类字符的并集，最小范围为每一类字符的交集；如果数据量不足，则直接使用腐蚀和膨胀形成字符烫印最大范围和最小范围。

Images