[发明专利]基于多特征区域累积的车牌定位方法

说明书

本发明提供一种基于多特征区域累积的车牌定位方法，包括：预处理；区域提取；车牌粗定位；旋转矫正；精确定位。本发明结合了目前主流算法的优点，克服各自相应的缺点，并提出一种区域累积车牌筛选策略，使得能够适应车牌污损、夜间环境以及多场景等复杂环境。能胜任实际应用的需求。

技术领域

本发明涉及一种车牌定位方法，具体涉及一种基于多特征区域累积的车牌定位方法。

背景技术

车牌识别技术是当前车辆管理智能化的一个重要应用，随着车辆的数目不断地激增，给车辆的管理带来了极大的不便，加之人工成本的增加，传统的人工管理已经不满足现在的需求。车牌识别技术是利用摄像头采集到的包含车牌信息的图像，利用图像处理、模式识别等技术将车牌信息从中提取出来。车牌识别作为车辆管理系统的核心，其识别率一直是众多的研究者们关注的焦点，特别是在不同场景下的车牌识别。由于原始图像一般采集于露天的自然环境中，一般会受到光照、雨雪天气的影响以及车牌本身的污损、形变等因素，使得车牌识别的难度大大增加。一般来说，车牌识别主要分为三个部分：车牌定位、字符分割以及字符识别。其中车牌定位是整个车牌识别的基础也是核心，定位的正确与否决定着整个系统的识别率。当然，车牌定位失败后续的步骤也失去了意义。因此，车牌定位作为车牌识别技术的核心一直吸引着众多学者致力研究，诞生了众多的车牌定位的算法。概括起来，主要有以下几类：基于形态学的车牌定位，它利用车牌本身的字符纹理特征，运用数学形态学操作(膨胀、腐蚀，开/闭运算等)很容易找到车牌所在的区域，配合一定的候选区筛选条件，即可找到车牌的具体位置。但是其不足是其数学形态学本身的结构元素不能自适应，对于不同场景下的车牌定位鲁棒性(Robust)不强；基于形态学的方法容易导致车牌区域与其他噪声边缘粘连，增大定位失败概率；在纹理信息较弱的情况下，特别是夜间，基于形态学的定位方法往往定位失败。基于扫描线的车牌定位的方法，其原理是对预处理后的二值图像以一定间隔的扫描线(水平、竖直方向)检测灰度跳变信息。记录下频繁跳变的区域作为候选区，最终结合车牌先验知识确定最终车牌的位置。该方法具有实现简单、速度快的特点，但只适用于二值化理想或简单场景下的车牌识别，对复杂场景或车牌污损的情形适应性不强。基于颜色的车牌定位是利用我国车牌的背景和字符的固定颜色组合的先验知识，对图像进行特定的颜色查找，最终得到目标颜色区块，从而确定车牌位置。在一般情况下(光照均匀、车牌较干净)，使用该方法定位准确。不适用暗色车牌或夜间颜色失真的场景。

发明内容

本发明的目的是提供基于多特征区域累积的车牌定位方法，使得能够适应车牌污损、夜间环境以及多场景等复杂环境。能胜任实际应用的需求。

本发明提供了如下的技术方案：

基于多特征区域累积的车牌定位方法，包括如下步骤：

预处理；

区域提取；

车牌粗定位；

旋转矫正；

精确定位。

进一步的，预处理包括：灰度化、二值化和边缘检测；

灰度化，基于RGB颜色空间转灰度图的公式如下：

Gray(i，j)＝R(i，j)*0.299+G(i，j)*0.587+B(i，j)*0.114 (1)

其中Gray(i,j)为目标图像在点(i,j)上的灰度值，R、G、B为图像三个分量；

二值化：灰度图采用0-255的灰度级来表示一幅图像，像素梯度并不明显，因此不利于对图像进行分割和边缘的提取；同时，为了减少不必要的信息和计算量，我们只使用0和255两个值表示我们关注的目标；一般情况下，0代表背景，255代表关注的目标；二值化的计算公式如下：