[发明专利]一种基于最大稳定极值区域的车牌检测与识别的方法

说明书

技术领域

本发明属于模式识别与图像处理技术领域，具体涉及一种基于最大稳定极值区域的车牌检测与识别的方法。

背景技术

伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府的相关部门所关注的焦点。在这种情况下，车辆的自动检测作为信息的来源，越来越受到人们的重视。车牌自动识别技术作为车辆检测系统的一个重要环节，在交通监视和控制中占有很重要的地位，可应用于道路交通流监控、交通事故现场勘测、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、智能园区管理等领域。同时，车牌识别的方法还可应用到其它识别领域，因此车牌识别问题已成为现代交通工程领域中研究的重点和热点问题之一。

车牌识别技术的关键在于三部分：车牌检测、车牌字符分割和车牌字符识别。

车牌检测是车牌识别技术中最关键的一步，车牌检测就是从包含整个车辆的图像中找到车牌区域的位置。参考文献[1]F.Martin提出了基于形态学算子“top-hat”的检测方法，能够找到图像中有着显著不同亮度的较小目标。该算法检测率达80％。可是，由于形态学操作与二值图像中物体的大小有关，该算法高度依赖于摄像机与车牌图像之间的距离。参考文献[2]B.Hongliang和L.Changping提出一种基于边缘点统计和数学形态学的混合车牌检测算法，用于高速公路收费管理系统。该方法分为四个部分：垂直边缘检测，边缘统计分析，分级车牌检测和基于形态学的车牌检测。平均准确率高达99.6％(9825个图片中精确检测的有9786)。该方法采用的实验数据均为从固定距离和角度采集的图像，因此给予特检测置的候选区域以优先权。该先验知识毫无疑问会增加检测结果的精确度。参考文献[3]介绍的车牌检测方法是水平扫描图像，寻找重复对比度变化达15个像素或更多的区域。Draghici假设车牌的文字和背景之间的对比度足够大，车牌区域至少有3到4个文字，文字最小垂直高度大约为15个像素。应当指出15这个特殊值是由使用的摄像机或图像采集卡的分辨率、车辆与摄像机的平均距离和文字的实际大小决定的。参考文献[4]R Zunino和S Rovetta提出了一种基于矢量量化的牌照检测方法。然而向量四元树(VQ)的方法需架构庞大的四元树。T.D.Duan(见参考文献[5])等人使用了Hough变换，由于Hough变换需要大量的计算量，T.D.Duan等采用了Hough变换和轮廓算法相结合的方法，使检测精确率和运行时间都有了很大提高。C.-T.Hsieh(见参考文献[6])中使用了小波变换的方法检测车牌区域。检测精确率大约是92％，但是这种方法在摄像头和车辆之间的距离太远或者太近，甚至是拍摄角度太宽的情况下都是不太稳定的。随着彩色图像处理技术的发展，彩色图像在车牌检测研究中的作用也越来越重要，多种基于颜色特征的车牌检测方法被提出。参考文献[7]提出的基于图像颜色的车牌检测方法的基本思想是车牌的背景颜色和字符颜色很大可能只在车牌所在区域才发生关联，而后使用HLS色彩模型对颜色进行区分，区分之后使用车牌特征(长宽比)等几何特征进行检测。但是这些基于颜色的方法都有很强的当地特色。另外，由于在户外的光照条件发生改变的时候，所拍摄的车牌颜色很可能是不稳定的，所以至今还没有一种方法可以在自然条件下达到很高的检测精确率。

虽然现阶段存在很多种基于各种方法的车牌检测方法，但是由于车牌检测本身受客观条件(天气、环境、拍摄条件、各国特点等等)和车牌本身条件(破损、污渍)的影响，使每种算法都存在一定的缺点。