[发明专利]一种车牌筛选方法及装置

权利要求书

1.一种车牌筛选方法，其特征在于，包括：

提取待测小图的LBP特征，所述待测小图为将包含有车牌的待测图像进行粗检后得到的任一小图；

基于所述待测小图的LBP特征，利用预先训练的N个第一级分类器分别对所述待测小图进行分类，得到N个第一级分类结果；其中，所述第一级分类器与车牌类型一一对应，N为大于1的整数；

如果所述N个第一级分类结果中存在判定所述待测小图为车牌的分类结果，则提取该待测小图的颜色特征和HOG特征；

基于所述待测小图的LBP特征、颜色特征及HOG特征，利用预先训练的第二级分类器对所述待测小图进行分类，得到该待测小图是否为车牌的第二级分类结果；其中，所述第二级分类器能够不区分车牌类型地 识别出所述待测小图是否为与所述N个第一级分类器对应全部车牌类型对应的车牌中的任一车牌。

2.根据权利要求1所述的方法，其特征在于，任一第一级分类器的预先训练过程包括：

获取第一预设数量的训练图像，并对所述训练图像进行粗检得到训练小图，其中，每个所述训练图像中包含的车牌类型相同；

将其图像为车牌的训练小图加入训练正样本，其图像为背景的训练小图加入训练负样本，并提取每个所述训练小图的LBP特征；

基于所述训练正样本、所述训练负样本及每个所述训练小图的LBP特征训练得到与所述训练图像中包含的车牌类型相对应的SVM分类器，并确定该SVM分类器为第一级分类器。

3.根据权利要求2所述的方法，其特征在于，所述第二级分类器的预先训练过程包括：

确定用于训练所述N个第一级分类器的全部训练图像为总训练图像，并对所述总训练图像进行粗检得到总训练小图；

将其图像为车牌的总训练小图加入总正样本中，其图像为背景的总训练小图加入总负样本中，并提取每个所述总训练小图的LBP特征、HOG特征及颜色特征；

基于所述总正样本、所述总负样本及每个所述总训练小图的LBP特征、HOG特征及颜色特征训练得到SVM分类器，并确定该SVM分类器为第二级分类器。

4.根据权利要求3所述的方法，其特征在于，所述第二级分类器的预先训练过程还包括：

获取第二预设量的指定待测图像，并对所述指定待测图像进行粗检得到指定待测小图；

获取所述指定待测小图的LBP特征，并基于所述指定待测小图的LBP特征，利用所述N个第一级分类器对所述指定待测小图进行分类，得到分类结果；

基于所述分类结果获知所述指定待测小图中其图像为背景但被任一第一级分类器判定为车牌的指定待测小图，并将该指定待测小图加入总负样本中。

5.根据权利要求4所述的方法，其特征在于，还包括：

将所述待测小图、所述指定待测小图、所述训练小图及所述总训练小图缩放到48*16之后，再对其进行相应的处理。

6.根据权利要求4所述的方法，其特征在于，提取所述待测小图、所述指定待测小图、所述训练小图及所述总训练小图的LBP特征及HOG特征，包括：

将所述待测小图、所述指定待测小图、所述训练小图及所述总训练小图转换为灰度图像，进而提取其LBP特征及HOG特征。

7.根据权利要求4所述的方法，其特征在于，提取所述待测小图及所述总训练小图的颜色特征包括：

选取所述待测小图及所述总训练小图的中心区域为目标区域，统计所述目标区域中每个像素的R值、G值及B值，得到与之对应的第一分布直方图；

将所述待测小图及所述总训练小图转换到YCrCb空间，统计所述目标区域中每个像素的Cr值和Cb值，得到与之对应的第二分布直方图；

对所述第一分布直方图和所述第二分布直方图进行归一化，得到所述待测小图及所述总训练小图的颜色特征。

8.根据权利要求4所述的方法，其特征在于，用于训练任一所述第一级分类器的训练正样本与训练负样本的比值为2:1；用于训练第二级分类器的总正样本与总负样本的比值为1:1。