[发明专利]一种基于粗定位与精定位融合的车牌识别方法和系统

说明书

技术领域

本发明属于数字图像处理技术领域，特别是一种基于粗定位与精定位融合的车牌识别方法和系统。 

背景技术

车牌识别系统是智能交通系统的重要组成部分，同时也是计算机视觉、数字图像处理和模式识别等交叉学科的研究热点。车牌号码是全世界唯一对车辆身份识别的标记，通过车牌识别系统输出为几个字节大小的车牌号码字符串，无论在存储空间占用上还是在管理数据库等方面都有着无可比拟的优越性，在大型停车场、高速公路、交通部门的收费站等管理场合，都有着广泛的应用前景。 

车牌识别技术就其识别基础，主要分为间接法和直接法两种。间接法是基于IC卡鉴别或条码的识别，通过识别安装在汽车上的IC卡或条形码中所存储的车牌信息来识别车牌及相关信息，IC卡技术识别准确度高，运行可靠，可以全天候作业，但整套装置价格昂贵，硬件设备十分复杂；条形码技术识别速度快准确度高，但对于扫描设备要求高。此外，二者都需要制定全国统一的标准，并且无法核对车与条形码是否相符。直接法是基于图像识别技术，能在无任何专用发送车牌信号的车载发射设备情况下，对运动车辆或静止车辆的车牌号码进行非接触信息采集并实时识别，与间接法相比，这种系统首先节省了设备安置提高了经济效益，其次采用先进的计算机应用技术可提高识别速度，另外可以通过人工干预解决系统中的识别错误，而间接法是难以与人交互的。 

车牌识别系统一般分为三大组成部分：车牌定位、字符分割和字符识 别。 

对于车牌定位，传统的方法包括基于灰度图像通过水平扫描来查找灰度跳变数较大的区域，或者利用边缘检测算法提取边缘信息统计跳跃点频率来定位车牌区域，或者基于彩色信息来查找图像中特定颜色的区域。然而这些方法的鲁棒性并不高，轻微的环境变化都会对定位产生很大的影响。 

对于字符识别，目前最常用的方法有：基于模版匹配的字符识别算法、基于神经网络的字符识别算法以及特征统计匹配法。首先、模板匹配字符识别算法是一种经典的模式识别方法，也是最直接的识别字符方法，通过计算输入模式与样本之间的相似性来确定匹配程度，得到匹配结果。优点是快，但缺点也很致命，就是对噪声敏感，任何光照、字符清晰度、大小变化都会影响识别的正确率。另外，基于神经网络的方法有两种，一是先对待识别字符进行特征提取，然后用所获得的特征来训练分类器；二是直接把待处理图像输入网络，由网络自动实现特征提取直至识别。该方法利于识别比较清晰的车牌，且有较强的容错能力。还有，特征统计匹配法主要是根据汉字的笔画，但由于外部原因常常导致字符模糊、倾斜等，所以鲁棒性不强。综上，基于神经网络的方法性能较好，但实时性较差。 

发明内容

本发明实施方式提出一种基于粗定位与精定位融合的车牌识别方法，以解决由于复杂背景产生的干扰车牌定位精度的问题，并提高字符识别的准确率和速度。 

本发明实施方式还提出一种基于粗定位与精定位融合的车牌识别系统，以解决由于复杂背景产生的干扰车牌定位精度的问题，并提高字符识别的准确率和速度。 

本发明实施方式的技术方案如下： 

一种基于粗定位与精定位融合的车牌识别方法，该方法包括： 

采集关于车牌图像的正样本集和负样本集，提取所述正样本集和负样本集 的类哈尔Haar特征以训练车牌分类器，并使用该车牌分类器粗定位待检测图像中的车牌区域； 

将所述粗定位车牌区域转化为灰度图，并分析垂直以及水平投影信息以确定车牌的上下边界和左右边界，获得精定位的车牌区域； 

采集包含预定车牌字符的车牌字符集，利用超正方体Tesseract引擎分析所述车牌字符集中预定车牌字符的字符特征并训练得到车牌字符库，并利用所述车牌字符库识别所述精定位的车牌区域，以确定所述精定位的车牌区域中的字符。 

所述将粗定位车牌区域转化为灰度图，并分析垂直以及水平投影信息以确定车牌的上下边界和左右边界，获得精定位的车牌区域包括： 

将粗定位车牌区域转化成灰度图像并采用高斯滤波做平滑处理，使用索贝尔Sobel检测算子对平滑处理后图像进行边缘检测以提取垂直边缘信息；对提取垂直边缘信息的图像自上向下扫描并做水平投影，然后通过滤波得到平滑曲线；在所述平滑曲线寻找峰值并获取上下边界，以得到多个候选区域；使用筛选算法从所述候选区域中筛选出最优区域以确定车牌区域的上下边界；