[发明专利]一种基于对比色矩形特征的小尺寸车牌检测方法

说明书

本发明公开了一种基于对比色矩形特征的小尺寸车牌检测方法，将待测图像利用缩放算法生成金字塔图像集合；计算各彩色通道所有矩形块像素值之和加权后的和的差值，确定对比色矩形特征，生成建立包含不同尺寸车牌的级联分类器结构的弱分类器；利用多特征级联结构，在金字塔图像集合中以预定大小步进地判定该检测区域内是否存在车牌；基于HOG特征和SVM分类器的检测方法进一步判断是否存在车牌；标定车牌的位置，按所在的金字塔图像及缩小比例，换算到与原始图像中，确定所检车牌的位置及大小。本发明能够更好的表示车牌的显著颜色特征，能够达到很高的检测率，鲁棒性好。

技术领域

本发明涉及一种基于对比色矩形特征的小尺寸车牌检测方法。

背景技术

近十几年来，车牌的检测和识别在某些领域已经能够应用，例如：违章车辆的车牌检测识别和停车场车牌检测识别等。拍摄图像中车牌的拍摄质量是影响检测和识别方法的主要影响因素之一，在清晰车牌的检测和识别已经得到较好的解决并有许多成功的应用，但是，在复杂监视大场景下，小尺寸车牌的检测仍然是一个非常具有挑战性的问题，其需要克服的难点有：一，小尺寸车牌其边缘和内容信息模糊，不容易进行特征提取；二，面对复杂大大背景，需要在大分辨率图像中进行搜索小尺寸车牌，这是一个非常耗时的过程。

Viola提出的基于AdaBoost算法、级联机制和Haar-like特征的快速检测系统，在车牌检测中得到了较好的应用，然而面对小尺寸车牌检测时却难以胜任。在车牌检测领域，Viola的检测框架已经被成功的应用在多个车牌检测系统中，但其速度和识别率都有待提高，并且都没有涉及小尺寸车牌检测问题。在基于AdaBoost的检测方法中，具有代表性的有Dlagnekov等使用AdaBoost方法和Haar-like特征设计的标志牌检测方法，Zhang等使用基于AdaBoost的整体和局部特征设计的标志牌检测方法，这些方法都无法检测小尺寸车牌，并且面对大分辨率图像时运算速度较慢。

发明内容

本发明为了解决上述问题，提出了一种基于对比色矩形特征的小尺寸车牌检测方法，本发明通过设计一种对比色矩形特征，并将其级联成一种检测框架，然后再级联检测基础上结合SVM检测器，实现对不同尺寸的车牌的快速检测，并且能够达到很高的检测率，鲁棒性好。

为了实现上述目的，本发明采用如下技术方案：

一种基于对比色矩形特征的小尺寸车牌检测方法，包括以下步骤：

(1)设定缩放比例，将输入的待测图像用缩放算法生成金字塔图像集合；

(2)计算各彩色通道所有矩形块像素值之和加权后的和的差值，确定对比色矩形特征，生成建立包含不同尺寸车牌的级联分类器结构的分类器，利用多特征级联结构，在金字塔图像集合中以预定大小步进地判定该检测区域内是否存在车牌；

(3)基于HOG特征和SVM分类器的检测方法判断是否存在车牌；

(4)标定车牌的位置，按所在的金字塔图像及缩小比例，换算到与原始图像中，确定所检车牌的位置及大小。

所述步骤(1)中，输入图像按缩放比例s，将待测图像等比例缩放为原图像尺寸的s,s²,...,sⁿ倍，生成层数为n+1的金字塔图像集合。

所述步骤(2)中，在对比色矩形特征级联检测器的离线训练过程中，计算各彩色通道所有矩形块像素值之和加权后的和的差值，确定对比色矩形特征，并生成对应的弱分类器，然后将多个弱分类器构建能够检测车牌和排除背景区域的强分类器；在线检测过程中，用对比色矩形特征级联检测器，在金字塔图像集合中以预定大小步进地判定该检测区域内是否存在车牌。

所述步骤(2)中，基于车牌具有显著的蓝色和白色等对比色的特征，使用对比色设计矩形特征提取车牌的颜色特征。