CN114549811B - 一种基于车牌间隔符本体特征的车牌识别方法 - Google Patents
一种基于车牌间隔符本体特征的车牌识别方法 Download PDFInfo
- Publication number
- CN114549811B CN114549811B CN202111678755.3A CN202111678755A CN114549811B CN 114549811 B CN114549811 B CN 114549811B CN 202111678755 A CN202111678755 A CN 202111678755A CN 114549811 B CN114549811 B CN 114549811B
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- spacer
- searching
- method based
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于车牌间隔符本体特征的车牌识别方法,涉及车辆检测技术领域,针对现有技术中停车场或车库中车辆车牌定位误差较大的问题,本申请所提供的击中/击不中调节形态学的模式识别方法,从车牌间隔符等本体特征出发设置图像识别探针,完成车牌类型的模式识别的同时,能定位车牌间隔符中心的精确位置、并剔除粗定位后误判的伪车牌区域。图像中多车牌同时识别的这种调节形态学意义下的信息探测方法,不仅简便易懂快捷,而且容易实现,用其替代领域内一些传统和其它改进方法,更符合车牌探测本身的目标。调节形态学图像探针方案,可通过形态探测弥补尺寸限制等造成的不足,由此提升车牌识别形态学算法的适用性。
Description
技术领域
本发明涉及车辆检测技术领域,具体为一种基于车牌间隔符本体特征的车牌识别方法。
背景技术
近年来,随着数字化浪潮的来袭及大数据技术等的应用及发展,智能交通监控已经成 为有效保障动态交通安全管理的重要手段之一。车辆牌照作为车辆最重要的身份标识,从 车牌中提取的信息不仅可用于城市道路交通监控,还可用于高速公路收费站、通道与流量 控制等。城市街区安装的交通监控摄像头(电子眼)可源源不断地为交通测控管理提供海 量的监控图像信息,通过将信息通信传输至计算机数据库存储、分析及处理,可实现智能 交通的测量、控制以及管理。
从静态交通管理层面来说,随着近年来民众私家车保有量的几何式增长,市区非主干 路路侧停车已经随处可见。但是,由于城市空间及环境的制约,新的基础设施建设会严格 受限,因此,作为静态交通重要组成部分的各种停车场或车库建设,则更多聚焦于停车场 或车库的智能化测控管理水平的提升、立体化机械车库的自动化测控开发创新等方面。
由于每辆车的车牌号码都是唯一确定的,因此通过识别车牌来定位车辆是车辆检测的 关键技术,涉及车辆牌照识别算法的实现原理及其迭代检索次数等,会直接影响车辆车牌 识别的准确性及快慢程度,所以,在常用车牌识别系统的基础上,进一步开发一种原理简 单、实现方便的车牌定位及识别算法具有重要现实意义及应用前景。
常用的车牌识别系统,识别的车牌图像通常源于规定的场景条件,实际采集的车辆图 像信息中,会由于监控安装位置与车辆形成一定夹角导致采集到的车牌图像存在一定的倾 斜或形变,或者由于镜头散焦、拍摄环境阴暗等导致的拍摄画面清晰度下降等,都会导致 车牌识别系统识别精度下降。尤其是近年来出现的新能源电动汽车,其绿色渐变背景及8 位字符组合的新能源车辆牌照,不同于普通7位字符的蓝、黄、白、黑等背景车牌,探索 开发能兼容新能源等车辆车牌的传统车牌识别系统以外的车牌识别新手段具有现实意义。
发明内容
本发明的目的是:针对现有技术中停车场或车库中车辆车牌定位误差较大的问题,提 出一种基于车牌间隔符本体特征的车牌识别方法。
本发明为了解决上述技术问题采取的技术方案是:
一种基于车牌间隔符本体特征的车牌识别方法,包括以下步骤:
步骤一:获取停车场或车库监控图像,并对停车场或车库监控图像进行预处理,所述 预处理包括灰度化和图像增强处理;
步骤二:采用小波变换对预处理后的图像进行高低频分解,得到高频边缘轮廓信息, 然后在高频边缘轮廓信息中提取竖直边缘和水平边缘所围连通区域,然后在连通区域中保 留长宽比符合标准车牌比例的连通区域,所述小波变换采用Mallat小波;
步骤三:采用Hough变换对保留的连通区域进行倾斜校正;
步骤四:针对倾斜校正后的连通区域,计算连通区域所围内部面积与标准规定的车牌 面积的比值;
步骤五:提取标准车牌图像中的间隔符图像,并对提取的间隔符图像进行轻度腐蚀/膨 胀处理及二值处理,然后根据比值对处理后的间隔符图像进行比例变换;
步骤六:以比例变换后的间隔符图像作为结构元素,通过击中/击不中调节形态学算法 在倾斜校正后的连通区域中确定车牌图像;
步骤七:利用水平垂直投影法提取车牌图像中的字符区域,然后采用模板匹配法识别 字符区域中的字符。
进一步的,所述步骤三的具体步骤为:
搜索Hough域中的最大值,然后以Hough域中的最大值对应直线边框的倾斜角得到车 牌倾斜角,最后根据车牌倾斜角,并通过坐标变换得到倾斜校正后的连通区域。
进一步的,所述步骤五中二值处理用采用Otsu自适应阈值算法实现。
进一步的,所述步骤二中车牌标准比值为22:7或24:7。
进一步的,所述步骤六中击中/击不中调节形态学算法中匹配方式为模糊匹配方式,匹 配概率P%为94.711%。
进一步的,所述击中/击不中调节形态学算法的具体步骤为:
先将结构元素B1中原点位置和结构元素B2中原点位置分别与被识别图像中第一个像 素点位置对准,若结构元素B1中P%以上的点能够与A匹配,同时结构元素B2中P%以上的点能够与AC匹配的话,则识别成功,否则不成功,直到被识别图像中全部像素点识别完成,所述匹配是指被识别二值图像中黑色像素点的灰度值相等。
进一步的,所述步骤七中水平垂直投影法的具体步骤为:
首先对车牌图像进行水平投影处理,然后对水平投影处理后的车牌图像进行垂直投影 处理,将车牌图像中的字符进行分割。
进一步的,所述水平投影处理的具体步骤为:
首先在车牌图像半高处向上扫描投影图像,将所得投影图像中第一个波谷所在的行标 记为h1,然后从半高处再向下扫描投影图像,将所得投影图像中第一个波谷所在的行标记 为h2,h1和h2即车牌字符的上下边界对应位置。
进一步的,所述垂直投影处理的具体步骤为
将车牌图像中介于第h1和h2行之间的区域执行垂直投影变换得到投影图,然后对投影 图按从左至右顺序扫描搜索,将搜索所得第一个波峰所对应的列l1标记为车牌左边框所在 的位置,继续搜索,将所得第一个波谷所对应的列记为车牌字符区域的左边界,最后再对 投影图按从右至左顺序扫描搜索,将搜索所得第一个波峰所对应的列l2标记为车牌右边框 所在的位置,继续搜索,将所得第一个波谷所对应的列记为车牌字符区域的右边界。
进一步的,所述步骤六中结构元素还可以进一步包括一个或多个车牌安装螺钉帽。
本发明的有益效果是:
本申请提出了一种可用于停车场或车库中监控图像分析的多车牌同时识别方法,基于 车牌间隔符等源自车牌自身规定的形态特征设置结构元素图像,采用击中/击不中调节形态 学方法,实现车牌类型识别及车牌细定位。本申请所提供的击中/击不中调节形态学的模式 识别方法,从车牌间隔符等本体特征出发设置图像识别探针,完成车牌类型的模式识别的 同时,能定位车牌间隔符中心的精确位置、并剔除粗定位后误判的伪车牌区域。图像中多 车牌同时识别的这种调节形态学意义下的信息探测方法,不仅简便易懂快捷,而且容易实 现,用其替代领域内一些传统和其它改进方法,更符合车牌探测本身的目标。调节形态学 图像探针方案,可通过形态探测弥补尺寸限制等造成的不足,由此提升车牌识别形态学算 法的适用性,而相对于现阶段比较流行的机器学习类算法,多车牌同时识别方案,可在一 定程度上克服模型学习时间较长、对电脑配置要求较高、尤其是对显卡等要求较高等限制, 并且具有一定的抗干扰性能,因此更具实际实用性。
附图说明
图1为本申请图像多车牌同时识别流程示意图;
图2为普通汽车车牌结构布局示意图;
图3为新能源车牌结构布局示意图;
图4为新能源车牌间隔符专用标志示意图;
图5为基于车牌间隔符的击中/击不中调节形态学算法中普通车牌结构元素B{B1,B2} 中图像B1示意图;
图6为基于车牌间隔符的击中/击不中调节形态学算法中普通车牌结构元素B{B1,B2} 中图像B2示意图;
图7为基于车牌间隔符的击中/击不中调节形态学算法中新能源车牌结构元素B{B1,B2} 中图像B1示意图;
图8为基于车牌间隔符的击中/击不中调节形态学算法中新能源车牌结构元素B{B1,B2} 中图像B2示意图;
图9为采用基于车牌间隔符的击中/击不中调节形态学方法对车牌间隔符中心像素点的 细定位结果示意图;
图10为基于车牌间隔符及安装螺钉帽的击中/击不中调节形态学算法中普通车牌结构 元素B{B1,B2}中图像B1示意图;
图11为基于车牌间隔符及安装螺钉帽的击中/击不中调节形态学算法中普通车牌结构 元素B{B1,B2}中图像B2示意图;
图12为基于车牌间隔符及安装螺钉帽的击中/击不中调节形态学算法中新能源车牌结 构元素B{B1,B2}中图像B1示意图;
图13为基于车牌间隔符及安装螺钉帽的击中/击不中调节形态学算法中新能源车牌结 构元素B{B1,B2}中图像B2示意图;
图14为采用基于车牌间隔符及安装螺钉帽的击中/击不中调节形态学方法对车牌间隔 符中心像素点的细定位结果示意图;
图15为新能源车牌间隔符灰度图像的灰度分布直方图。
具体实施方式
需要特别说明的是,在不冲突的情况下,本申请公开的各个实施方式之间可以相互组 合。
车牌识别过程中的车牌定位,主要是根据车牌特征与其它物体的特征存在较大区别来 设置并实施的。根据区别的主要表现,目前常见的车牌定位方法主要包括基于纹理分析的、 基于边缘检测的、基于数学形态学的、基于车牌色度学特征的、基于神经网络的、基于小 波变换的等几大类别。不同的定位分割方法,视受限场景具体表现各具优劣。其中表现相 对较好的,基于神经网络的算法,往往存在算法运行长、模型局部收敛等问题;基于车牌 色彩特征的算法,主要利用车牌的牌底颜色、结合车牌的其它特征筛选分割车牌区域,这 类方法定位准确但是适应性差,对于偏色或车牌褪色等情况五福做出正确判断,而由于新 能源车牌绿底渐变的特性,因此采用常用的基于车牌色度学特征的算法较难实现绿底渐变 特性车牌识别;基于数学形态学的算法,这类算法对于某些特定场景定位效果较好,但是 对背景要求相对简单,而且受车牌字符与大小限制较大。因此,虽然目前车牌识别技术已 经相对成熟,但是,适应数字信息技术水平的迅速提升以及新能源电动汽车测控技术等的 推广普及发展节奏,及时发展、调整、完善动态与静态交通中的车牌识别方法及手段势在 必行。
基于上述研究背景,本申请针对停车场或车库场景条件下监控设备采集的机动车车辆 图像进行数字图像处理,提出一种利用调节形态学框架下的击中/击不中原理、基于车牌 间隔符本体特征进行车牌类型识别及细定位的车牌识别新方法。方法采用基于小波变换的 车牌粗定位算法、基于调节形态学的车牌间隔符细定位算法以及基于模板匹配法的字符识 别等策略及方案,解决停车场或车库监控图像中新能源车牌与普通车牌的车牌类型识别及 精确定位等问题,可实现监控图像中多车牌同时识别。
具体实施方式一:参照图1具体说明本实施方式,本实施方式的一种基于车牌间隔符 本体特征的车牌识别方法,包括以下步骤:
步骤一:获取停车场或车库监控图像,并对停车场或车库监控图像进行预处理,所述 预处理包括灰度化和图像增强处理;
步骤二:采用小波变换对预处理后的图像进行高低频分解,得到高频边缘轮廓信息, 然后在高频边缘轮廓信息中提取竖直边缘和水平边缘所围连通区域,然后在连通区域中保 留长宽比符合标准车牌比例的连通区域,所述小波变换采用Mallat小波;
步骤三:采用Hough变换对保留的连通区域进行倾斜校正;
步骤四:针对倾斜校正后的连通区域,计算连通区域所围内部面积与标准规定的车牌 面积的比值;
步骤五:提取标准车牌图像中的间隔符图像,并对提取的间隔符图像进行轻度腐蚀/膨 胀处理及二值处理,然后根据比值对处理后的间隔符图像进行比例变换;
步骤六:以比例变换后的间隔符图像作为结构元素,通过击中/击不中调节形态学算法 在倾斜校正后的连通区域中确定车牌图像;
步骤七:利用水平垂直投影法提取车牌图像中的字符区域,然后采用模板匹配法识别 字符区域中的字符。
本申请用于停车场或车库的小型汽车车牌识别,主要包括图像灰度化、预处理、车牌 信息粗定位、二值化、车牌类型识别及车牌细定位、车牌信息识别等。
本申请车牌识别方法,是针对监控图像进行数字图像处理及分析。监控图像处理及分 析的目标是停车场或车库监控图像中多车辆的车牌号码。多车牌图像识别方法的核心为基 于车牌间隔符本体特征、采用击中/击不中调节形态学方式进行普通车牌、新能源车牌的车 牌类型识别及细定位。
车牌类型识别及细定位方法,可在现行车牌识别系统的基础上,提高车牌定位精确度, 并增设新能源车牌识别手段,同时剔除粗定位后误判的伪车牌区域。
车牌识别系统主要包括图像采集、预处理、车牌区域定位提取、车牌字符分割、车牌 字符识别等几个部分。其中,车牌区域的定位提取和车牌字符的识别至关重要。
实施例:
步骤一:由视频信息流或者数据集中的每一帧或每一幅图像顺序读入,首先执行图像 灰度化和图像增强预处理。
步骤二:针对预处理后的图像,进行车牌粗定位。
车牌的粗定位,采用小波变换(如Mallat小波)实现图像高低频分解。车牌形态为矩 形轮廓内置分隔符及字符数字样式,图像中车牌区域的竖直边界明显,同时车体前部的排 气格栅等干扰位置的水平边界更为丰富,所以,利用小波变换同时进行时域频域分析,可 以获得车牌图像不同方向的边界信息。小波变换将图像分解为低频分量和高频分量,高频 分量携带车牌水平方向、竖直方向以及对角线方向三个自由度的高频信息,并包含车辆车 体部分轮廓信息。粗定位方法中,针对初步分解得到的高频边缘轮廓信息要进行筛选,提 取竖直边缘和水平边缘所围连通区域,然后在连通区域中保留长宽比符合标准车牌比例的 连通区域,作为车牌粗定位后的初步位置,所述标准车牌比例,设置两种,普通车牌长宽 比为22:7,新能源小车牌长宽比为24:7。
步骤三:针对粗定位所得位置处的车牌图像,采用Hough变换进行倾斜校正。
车牌的倾斜校正处理,是为了解决车辆图像检测过程中,采集到的图像由于拍摄角度 等影响存在一定程度上的几何畸变等等问题设置的。初步定位后的图像,常常在车牌的上 下边框位置的直线特征特别明显。所以,可取上边框或者下边框的直线倾斜角度作为车辆 车牌的倾斜角,采用Hough变换检测直线并籍此作为基线进行粗定位所得车牌区域的倾斜 校正。
倾斜校正过程,首先将提取出来的粗定位位置处车牌图像彩色模型转换为HSV模型, 然后利用Canny算子进行边缘提取及合并处理,得到二值边缘图像。接下来对边缘图像进 行Hough变换,搜索Hough域中的最大值,该点对应直线边框的倾斜角,得到车牌倾斜角。最后通过坐标变换计算得到倾斜校正后的车牌图像。
步骤四:针对倾斜校正后的图像,确定车牌图像与实际车牌的变换比例。
根据倾斜校正后的车牌位置,计算车牌矩形轮廓连通区域所围内部面积与标准规定的 普通车牌面积及新能源车牌面积的比值μ1和μ2。普通车牌面积及新能源车牌面积,根据中 华人民共和国公共安全行业标准GA36-2021中华人民共和国机动车号牌的相关规定计算得 到。图2给出标准规定的适用于小型汽车、领馆汽车、外籍汽车、境外汽车、港澳出入境 车、教练汽车、大型汽车前号牌等等普通车牌样式,其矩形轮廓内面积为440×140mm2,间 隔符为10mm实心圆点。图3给出标准规定的新能源汽车号牌的车牌样式,其矩形轮廓内面积为480×140mm2,间隔符为新能源车牌专用标志。两种车牌中,均设置有4个安装孔, 型式为15mm×8mm矩型且左右加设半径R4mm半圆型的类椭圆槽孔样式。
提取图2和图3所示标准规定的普通车牌和新能源车牌的间隔符图像,分别进行轻度 腐蚀/膨胀、二值化处理及比例变换,得到变换后普通车牌和新能源车牌间隔符图像。变换 后的普通车牌间隔符实心圆点、新能源车牌间隔符专用标志的图案图像,作为调节形态学 车牌间隔符模式识别的击中/击不中算法的结构元素B={B1,B2}图像的设置依据,为后续步 骤中进行击中/击不中模式识别提供调节形态学的处理手段。
步骤五:针对预处理、粗定位以及倾斜校正处理后得到的二值图像,进行车牌类型识 别,同时执行伪车牌区域剔除和车牌细定位。
车牌类型识别、伪车牌区域剔除以及车牌细定位方法,依据车牌间隔符本体特征、基 于击中/击不中调节形态学方法实现。
车牌间隔符的本体特征源于步骤四的车牌标准规定。普通车牌的间隔符是一个直径为 10mm的实心圆点,用来区分车牌上代表地方的字母与其后面的数字,同时也起到一定的 车牌防伪作用。新能源车牌的间隔符为新能源汽车号牌专用标志(如图4所示)。新能源汽 车号牌专用标志,整体以绿色为底色,寓意电动、新能源,绿色圆圈中右侧为电插头图案, 左侧彩色部分与英文字母“E”(electric电)相似。因此,基于车牌间隔符本体特征的车牌类 型识别及细定位方法中,击中/击不中调节形态学算法的结构元素图像设置为比例变换后的 车牌间隔符样式的二值图像,其中,普通车牌的结构元素B{B1,B2}中图像B1示意图见图5, 图像B1取间隔符实心圆点轻度腐蚀后的结果;结构元素B{B1,B2}中图像B2示意图见图6, 图像B2取间隔符实心圆点轻度膨胀后的外接框外扩的局部区域;新能源车牌的结构元素 B{B1,B2}中图像B1示意图见图7,图像B1取间隔符专用标志轻度腐蚀后的结果;结构元素 B{B1,B2}中图像B2示意图见图8,图像B2取间隔符专用标志轻度膨胀后的结果。
基于车牌间隔符的车牌类型识别、伪车牌区域剔除以及车牌细定位处理过程中,采用 的击中/击不中调节形态学方法可借助传统的击中/击不中形态学公式(1)和公式(2)来描述。
B={B1,B2}且B1∩B2=空集(2)
其中,结构元素对B{B1,B2}为根据车牌间隔符本体特征所设计的一对结构元素二值图 像B1和B2的集合,所述集合中均设置车牌间隔符的中心像素点为结构元素图像B1和B2的 原点;图像A、AC分别为被识别图像(即倾斜校正后的车牌二值图像,其中可能混有伪车牌区域)中的部分像素点的集合,所述部分像素点是指将被识别图像的像素点逐一与结构元素原点对准时,被识别图像中与结构元素B1、B2轮廓相对应的位置范围内的那些像素点;AC是A的补集。
击中/击不中形态学方法探测的结果涵盖所有满足条件的原点。在这些原点处, B1是在图像A中找到了一个匹配(击中),B2在图像A的补集AC中也找到了一个匹配(击不中),这种图像内外部的同时匹配识别即可完成理想情况下的间隔符目标相应模式及位置 的探测。
由于实际监控设备采集的监控图像,会存在车辆环境干扰、光照过强或不足、车牌污 损褪色、车牌牌底颜色偏色、新能源车牌绿底渐变等各种因素的影响,以及图像处理过程 中可能存在的倾斜校正或比例变换程度不足等情况,采用传统击中/击不中形态学方法进行 处理,会存在结构元素图像会因为相应形状和比例受限造成识别不足等问题。本专利提出 击中/击不中调节形态学模式识别方法,在击中与否的判断过程中,设置模糊匹配方式代替 传统击中/击不中算法中的精确匹配方式,采用匹配概率P%参数值进行模糊匹配的可调节 控制。
所述的击中/击不中调节形态学方法,是对传统击中/击不中形态学方法进行了改进后得 到的一种击中/击不中调节形态学方法。传统击中/击不中形态学方法中,结构元素对B{B1,B2} 中B1对图像内部A腐蚀、B2对图像外部AC腐蚀,然后二者取交集,即按公式(1)所示方式 执行操作。本专利提出改进的击中/击不中调节形态学方法中,新意义层面的“腐蚀”操作改 为:将结构元素B1中原点位置、结构元素B2中原点位置分别与被识别图像中第一个像素 位置点对准,若结构元素B1中P%以上的点能够与A匹配、同时结构元素B2中P%以上的 点能够与AC匹配的话,则判断被识别图像中第一个像素点为相应间隔符中心点,识别成功, 否则不成功;接下来,将结构元素B1中原点位置、结构元素B2中原点位置分别与被识别图像中第二个像素的位置点对准,进行相应匹配操作完成被识别图像中第二个点的判断识别。依次迭代,直到被识别图像全部像素点识别完成,所述匹配是指被识别二值图像中黑色像素点的灰度值相等。
所述击中/击不中调节形态学方法,模糊匹配的P%概率值,是执行调节形态学中击中与 否模糊匹配的可调节控制参数。所述P%概率参数值的确定,根据车辆所处场景中监控图像 灰度分布直方图确定,具体采用车牌间隔符灰度图像二值化处理中的自适应阈值作为其最 佳参数值。考虑到普通车牌间隔符为实心圆点、新能源车牌间隔符为电插头和“E”类似形状 标记,因此采用新能源车牌间隔符而定。所述停车场或车库场景下,8级图像深度(256灰 度级别)间隔符灰度图像二值处理中自适应得到的最佳阈值240,计算得到其对应累积分 布函数值为94.711%,将其确定为P%最佳参数值,对应灰度分布直方图如图15所示。P% 参数值确定方法,对于普通小型汽车车牌实心间隔符圆点,P%参数值由精确匹配100%随 之降为94.711%,这种处理方式也使击中/击不中模糊匹配对图像采集过程中各种干扰造成 的几何畸变校正结果等更具容错性。
这种改进的击中/击不中模式识别方法,是将经典形态学击中/击不中的腐蚀和膨胀运算 中的序统计算子的上下确界,替换为适用于实际干扰度量意义上的概率估计值,由此提出 的具有一定抗干扰能力及鲁棒性的击中/击不中的判断方式,从本质上而言,应该隶属于调 节形态学层面的一种模式识别方式,本专利将其称为击中/击不中调节形态学方法。调节形 态学层面下的改进击中/击不中方法,是通过度量探测结果的元素与目标理想元素间 的匹配百分比P%,来确定识别结果,只要实际匹配的程度大于某一概率参数值P%,即可 以判定属于待提取目标,相应原点的像素值置1,代表识别成功。
采用击中/击不中调节形态学方法进行间隔符本体特征探测过程中,首先,调用普通车 牌的结构元素对被识别图像进行普通车牌的类型识别及间隔符中心点定位:算法执行后, 在判断结果时,只要结构元素B1和B2能够同时满足图像A中目标间隔符及其背景的相应 模式的内外特征条件的匹配百分比P%,则相应像素点值置1,普通车牌类型的模式识别成 功;否则置0,模式识别不成功。置0不成功的情况下,需要继续调用新能源车牌的结构元素对被识别图像进行新能源车牌的类型识别及间隔符中心点定位:算法执行后,在判断结果时,只要结构元素B1和B2能够同时满足图像A中目标间隔符及其背景的相应模式的 内外特征条件的匹配百分比P%,则相应像素点值置1,新能源车牌类型的模式识别成功; 否则置0,代表车牌类型不是新能源车牌。如果上述两种识别都不成功的情况下,代表粗 定位所得对应区域为伪车牌区域,剔除之。上述方法方案的执行过程中,如果图像中有一 个或多个车牌的所属间隔符同时满足了结构元素击中/击不中调节形态学的匹配条件,则图 像中多个车牌的间隔符中心点像素值置1,由此相应的间隔符中心位置坐标随之确定,图 像多车牌定位及其类型判定会一起完成,本申请中将其称为多车牌同时识别定位方法。图 9给出采用基于车牌间隔符的击中/击不中调节形态学方法对车牌间隔符中心像素点的细定位结果示意图。
采用击中/击不中调节形态学方法探测识别出车牌间隔符类型并同时确定间隔符的中 心像素点位置坐标后,依据相应类型的车牌标准牌面规定即可锁定整个车牌的精确位置, 完成车牌细定位。
步骤六:针对细定位后车牌图像的精确位置坐标,提取车辆图像中的相应车牌区域图 像。
步骤七:针对细定位分割出来的车牌图像进行车牌字符定位。
车牌字符定位,采用基于水平垂直投影的投影变换方法。
投影变换方法,首先进行水平投影处理,然后进行垂直投影处理。水平垂直投影操作 后,即可确定车牌图像的矩形外框和字符所在位置。
水平投影变换处理,首先从车牌区域半高处向上扫描投影图像,将搜索所得投影图像 中第一个波谷所在的行标记为h1,然后从半高处再向下扫描投影图像,将搜索所得投影图 像中第一个波谷所在的行标记为h2,那么,h1和h2即是搜索所得的车牌字符的上下边界对 应位置。
垂直投影变换处理,是将车牌图像中介于第h1和h2行之间的区域,执行垂直投影变换 得到投影图。首先对垂直投影图,按从左至右顺序扫描搜索,将搜索所得第一个波峰所对 应的列l1标记为车牌左边框所在的位置;继续搜索,将所得第一个波谷所对应的列记为车 牌字符区域的左边界。再对垂直投影图,按从右至左顺序扫描搜索,按同样方式找到车牌 右边框所在的列l2等。
步骤八:针对定位后的车牌边框及字符图像,去除矩形边框后,需要把每个车牌字符 从图像中分割出来。
图2中,普通车牌的标准车牌长440mm,宽140mm,字符总长409mm;每个字符宽45mm,高90mm;第二个与第三个字符之间存在一个直径10mm的间隔符实心圆形分割点, 该点距离左右两侧字符均为12mm,其他相邻字符之间的间隔为12mm。图3中,新能源车 牌的标准车牌长480mm,宽140mm,字符总长449mm;首字符宽49mm,其余每个字符 宽43mm,高90mm;第二个与第三个字符之间存在一个新能源车辆专用间隔符标志;其他 相邻字符之间的间隔为12mm。车牌字符分割,根据标准规定结构尺寸等先验信息,利用 比例μ1、μ2相应变换后执行。
对于普通车牌,采用水平垂直投影变换处理,共切分出1个间隔符、7个字符或数字为止;对于新能源车牌,采用水平垂直投影变换处理,共切分出1个间隔符、8个字符或 数字为止。
步骤九:针对字符分割后的各个字符图像,依次采用模板匹配法进行字符识别。
为了提高击中/击不中调节形态学的识别准确性,并进一步突破形态学形态受限于大小 等限制,降低失焦、几何畸变等环境或光照等对监控图像采集所造成的影响。基于车牌间 隔符本体特征的图像多车牌识别方法,用于执行击中/击不中调节形态学探测所用的结构元 素B{B1,B2}图像中,还可进一步地增设车牌安装螺钉帽或螺钉的样式及其位置信息。
一个或多个(最多四个)车牌安装螺钉帽或螺钉的增设信息,是考虑到实际车牌安装 时,厂家或用户车辆车牌有的安装四个、有的安装两个、有的车辆在运行过程中螺钉或螺 钉帽有丢失等情况存在发生等。因此,一个或多个(最多四个)车牌安装螺钉帽或螺钉的增设信息,可根据车辆场景选择在车牌间隔符信息的基础上增设包含至少一个及以上(最多四个)的车牌安装螺钉帽或螺钉信息,具体可通过击中/击不中调节形态学算法中结果元素B{B1,B2}中B1图像和B2图像的多种设置迭代后体现。
基于车牌间隔符和安装螺钉帽的本体特征的车牌类型识别、伪车牌区域剔除及细定位 方法中,结构元素B{B1,B2}中内部元素的集合B1图像,涵盖车牌间隔符附加一个及以上(最 多四个)车牌安装螺钉帽的样式及位置信息;用于探测车牌图像外部的集合B2图像,涵盖 相应车牌间隔符及安装螺钉帽周边无印记局部背景的样式及位置信息;结构元素B{B1,B2} 中,仍然设置车牌间隔符的中心像素点为结构元素图像B1和B2的原点。考虑到车牌的安 装孔样式为类椭圆槽孔样式,实际螺钉在安装时,可能存在偏左或偏右等不居中情况,击 中/击不中调节形态学模糊匹配的百分比P%,可比基于间隔符特征的情况设置得低些,示 例情况如90%左右。
基于车牌间隔符和安装螺钉帽的本体特征的车牌类型识别、伪车牌区域剔除及细定位 方法,击中/击不中的结构元素B{B1,B2}的设置中,以车牌间隔符附加两个安装螺钉帽的情 况为示例:普通车牌的结构元素B{B1,B2}中图像B1示意图见图10,图像B1取间隔符实心 圆点及安装螺钉帽两个识别目标轻度腐蚀后的结果;结构元素B{B1,B2}中图像B2示意图见 图11,图像B2取间隔符实心圆点及安装螺钉帽两个识别目标轻度膨胀后外扩的局部区域; 新能源车牌的结构元素B{B1,B2}中图像B1示意图见图12,图像B1取间隔符专用标志及安 装螺钉帽两个识别目标轻度腐蚀后的结果;结构元素B{B1,B2}中图像B2示意图见图13,图像B2取间隔符专用标志和安装螺钉帽两个识别目标轻度膨胀后外扩的局部区域;图14给出采用基于车牌间隔符及安装螺钉帽的击中/击不中调节形态学方法对监控图像中一个车牌的间隔符中心像素点的细定位结果示意图。
进一步精确定位中,在基于车牌间隔符的车牌类型识别及定位结果的基础上,对粗定 位后得到的局部图像进行处理,相应图像像素点的迭代个数有所降低,由此降低迭代次 数,不仅方法实现过程简单且容易理解,对比于全图扫描,能够提高整个车牌的识别速度,此环节亦有别于领域内其它精确定位方法。
车牌图像处理过程,包括但不局限于通过灰度化、预处理、粗定位、倾斜校正、车牌类型判定及车牌细定位、车牌字符分割及字符识别等手段分析并识别车牌等相关信息。
二值化处理,采用但不局限于Otsu自适应阈值方法实现。
车牌粗定位,采用但不局限于小波变换方法实现。
利用基于小波变换的车牌粗定位、基于击中/击不中调节形态学的车牌细定位以及基 于模板匹配法的字符识别等多策略手段进行车牌的完整定位及识别。这种方法的关键核心 是通过对粗定位后的车牌图像进行调节形态学机理下的基于间隔符本体特征的车牌类型识 别、伪车牌区域剔除及细定位处理,由此解决停车场或车库中普通车牌和新能源车牌的快 速识别问题,并能通过调节形态学手段的运用来解决常规击中/击不中算法中形态受制于 大小限制和几何畸变校正不足等问题。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定 权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本 发明的保护范围内。
Claims (8)
1.一种基于车牌间隔符本体特征的车牌识别方法,其特征在于包括以下步骤:
步骤一:获取停车场或车库监控图像,并对停车场或车库监控图像进行预处理,所述预处理包括灰度化和图像增强处理;
步骤二:采用小波变换对预处理后的图像进行高低频分解,得到高频边缘轮廓信息,然后在高频边缘轮廓信息中提取竖直边缘和水平边缘所围连通区域,然后在连通区域中保留长宽比符合标准车牌比例的连通区域,所述小波变换采用Mallat小波;
步骤三:采用Hough变换对保留的连通区域进行倾斜校正;
步骤四:针对倾斜校正后的连通区域,计算连通区域所围内部面积与标准规定的车牌面积的比值;
步骤五:提取标准车牌图像中的间隔符图像,并对提取的间隔符图像进行轻度腐蚀/膨胀处理及二值处理,然后根据比值对处理后的间隔符图像进行比例变换;
步骤六:以比例变换后的间隔符图像作为结构元素,通过击中/击不中调节形态学算法在倾斜校正后的连通区域中确定车牌图像;
步骤七:利用水平垂直投影法提取车牌图像中的字符区域,然后采用模板匹配法识别字符区域中的字符;
所述步骤六中击中/击不中调节形态学算法中匹配方式为模糊匹配方式,匹配概率P%为94.711%;
所述击中/击不中调节形态学算法的具体步骤为:
先将结构元素B1中原点位置和结构元素B2中原点位置分别与被识别图像中第一个像素点位置对准,若结构元素B1中P%以上的点能够与A匹配,同时结构元素B2中P%以上的点能够与AC匹配的话,则识别成功,否则不成功,直到被识别图像中全部像素点识别完成,所述匹配是指被识别二值图像中黑色像素点的灰度值相等。
2.根据权利要求1所述的一种基于车牌间隔符本体特征的车牌识别方法,其特征在于所述步骤三的具体步骤为:
搜索Hough域中的最大值,然后以Hough域中的最大值对应直线边框的倾斜角得到车牌倾斜角,最后根据车牌倾斜角,并通过坐标变换得到倾斜校正后的连通区域。
3.根据权利要求2所述的一种基于车牌间隔符本体特征的车牌识别方法,其特征在于所述步骤五中二值处理用采用Otsu自适应阈值算法实现。
4.根据权利要求3所述的一种基于车牌间隔符本体特征的车牌识别方法,其特征在于所述步骤二中车牌标准比值为22:7或24:7。
5.根据权利要求1所述的一种基于车牌间隔符本体特征的车牌识别方法,其特征在于所述步骤七中水平垂直投影法的具体步骤为:
首先对车牌图像进行水平投影处理,然后对水平投影处理后的车牌图像进行垂直投影处理,将车牌图像中的字符进行分割。
6.根据权利要求5所述的一种基于车牌间隔符本体特征的车牌识别方法,其特征在于所述水平投影处理的具体步骤为:
首先在车牌图像半高处向上扫描投影图像,将所得投影图像中第一个波谷所在的行标记为h1,然后从半高处再向下扫描投影图像,将所得投影图像中第一个波谷所在的行标记为h2,h1和h2即车牌字符的上下边界对应位置。
7.根据权利要求6所述的一种基于车牌间隔符本体特征的车牌识别方法,其特征在于所述垂直投影处理的具体步骤为
将车牌图像中介于第h1和h2行之间的区域执行垂直投影变换得到投影图,然后对投影图按从左至右顺序扫描搜索,将搜索所得第一个波峰所对应的列l1标记为车牌左边框所在的位置,继续搜索,将所得第一个波谷所对应的列记为车牌字符区域的左边界,最后再对投影图按从右至左顺序扫描搜索,将搜索所得第一个波峰所对应的列l2标记为车牌右边框所在的位置,继续搜索,将所得第一个波谷所对应的列记为车牌字符区域的右边界。
8.根据权利要求7所述的一种基于车牌间隔符本体特征的车牌识别方法,其特征在于所述步骤六中结构元素还可以进一步包括一个或多个车牌安装螺钉帽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678755.3A CN114549811B (zh) | 2021-12-31 | 2021-12-31 | 一种基于车牌间隔符本体特征的车牌识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678755.3A CN114549811B (zh) | 2021-12-31 | 2021-12-31 | 一种基于车牌间隔符本体特征的车牌识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549811A CN114549811A (zh) | 2022-05-27 |
CN114549811B true CN114549811B (zh) | 2022-10-25 |
Family
ID=81670116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111678755.3A Active CN114549811B (zh) | 2021-12-31 | 2021-12-31 | 一种基于车牌间隔符本体特征的车牌识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549811B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334836B (zh) * | 2008-07-30 | 2010-06-23 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
CN101763505B (zh) * | 2009-12-29 | 2011-12-07 | 重庆大学 | 基于投影对称性的车牌字符特征提取及分类方法 |
CN102722707A (zh) * | 2012-06-11 | 2012-10-10 | 复旦大学 | 基于连通区域和间隙模型的车牌字符分割方法 |
CN104156704A (zh) * | 2014-08-04 | 2014-11-19 | 胡艳艳 | 一种新的车牌识别方法及系统 |
CN105205823A (zh) * | 2015-09-23 | 2015-12-30 | 成都融创智谷科技有限公司 | 一种基于形态学的图像分割方法 |
CN107808158A (zh) * | 2017-12-06 | 2018-03-16 | 四川知创空间孵化器管理有限公司 | 一种车牌类型区分系统和方法 |
CN110619327A (zh) * | 2018-06-20 | 2019-12-27 | 湖南省瞬渺通信技术有限公司 | 一种复杂场景下基于深度学习的实时车牌识别方法 |
CN109145915B (zh) * | 2018-07-27 | 2021-08-06 | 武汉科技大学 | 一种复杂场景下车牌快速畸变矫正方法 |
CN112381088A (zh) * | 2020-11-11 | 2021-02-19 | 上善智城(苏州)信息科技有限公司 | 一种油罐车车牌识别方法及系统 |
-
2021
- 2021-12-31 CN CN202111678755.3A patent/CN114549811B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114549811A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886896B (zh) | 一种蓝色车牌分割与矫正方法 | |
CN109145915B (zh) | 一种复杂场景下车牌快速畸变矫正方法 | |
CN108985137B (zh) | 一种车牌识别方法、装置及系统 | |
Shi et al. | Automatic license plate recognition system based on color image processing | |
CN101398894B (zh) | 机动车车牌自动识别方法及其实现装置 | |
CN103116751B (zh) | 一种车牌字符自动识别方法 | |
Chen et al. | Automatic license-plate location and recognition based on feature salience | |
CN101334836B (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和系统 | |
CN103488978B (zh) | 一种基于灰度跳变和字符投影间隔模式的车牌定位方法 | |
CN106650553A (zh) | 车牌识别方法及系统 | |
CN111291757B (zh) | 一种印章唯一性识别的方法 | |
CN102096821A (zh) | 基于复杂网络理论的强干扰环境下的车牌识别方法 | |
CN102542660A (zh) | 基于票据水印分布特征的票据防伪鉴别方法 | |
CN107423735B (zh) | 一种利用水平梯度和饱和度的车牌定位方法 | |
CN108734131B (zh) | 一种图像中的交通标志对称性检测方法 | |
CN111027544B (zh) | 一种基于视觉显著性检测的mser车牌定位方法及系统 | |
CN107563301A (zh) | 基于图像处理技术的红灯信号检测方法 | |
CN110543883A (zh) | 一种基于深度学习的车牌识别方法 | |
CN104463134A (zh) | 一种车牌检测方法和系统 | |
CN109190455A (zh) | 基于高斯混合和自回归滑动平均模型的黑烟车识别方法 | |
CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别系统 | |
Lin et al. | License plate location method based on edge detection and mathematical morphology | |
CN114549811B (zh) | 一种基于车牌间隔符本体特征的车牌识别方法 | |
CN111914847B (zh) | 一种基于模板匹配的ocr识别方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |