[发明专利]一种从图片中识别车牌的方法

说明书

技术领域

本发明属于图像处理和数据挖掘技术，具体涉及一种从图片中识别车牌的方法。

背景技术

车牌识别行业已经具备了一定的市场规模，如电子警察、停车场、汽修服务等领域都取得了一定的应用，总体而言，车牌识别行业在我国处于发展阶段。

识别算法是车牌行业发展的主要瓶颈，识别精度这是车牌识别质量好坏的重要指标，也是判断车牌识别能否取得广泛应用的关键因素。当前我国车牌识别的行业可谓是鱼龙混杂，虽然做车牌识别的公司很多，但是拥有核心技术和算法公司相对来说较少。且因公司较多，每个公司均占有一定的市场份额，集中度较低，缺乏真正意义的领导品牌。

目前车牌识别主要有两种识别方式，一种称为“硬识别”，另外一种称为“软识别”。硬识别是指将车牌识别的软件模块嵌入到软件中从而进行车牌识别，软识别是指通过对图片处理来获取图片中的车牌。现有的这些车牌识别方法往往不能适应各种复杂环境造成的车牌模糊的情况，从而识别率低。

发明内容

发明目的：针对现有车牌识别技术中存在的问题，提出一种从图片中识别车牌的方法。

技术方案：本发明一种从图片中识别车牌的方法，依次包括以下步骤：

(1)采用车牌定位来确定包含车牌的矩形图片，即通过结合颜色定位和Sobel定位产生候选的车牌位置图片，然后采用SVM分类模型确定候选车牌图片中是否包含字符，确定真正车牌图片；

(2)采用字符分割将车牌中车牌号的字符分别提取，即通过对步骤(1)所得的车牌图块进行字符分割，分别识别每一个字符便可获取该车牌的车牌号码；

(3)基于神经网络模型对车牌号中的字符进行识别。

进一步的，所述步骤(1)中的颜色定位的具体方法为：将图像的颜色空间由RGB根据公式转换为HSV，对图像使用直方图均衡进行预处理；遍历图片中的像素，对H值在200-280之间，S和V均大于阈值的像素标记为白点像素，对其余像素标记为黑点像素，产生二值化图像；对二值图像使用闭操作，取轮廓等方法获取车牌的外接矩形。最终产生多个候选的车牌图片。

进一步的，所述步骤(1)中的Sobel定位的具体过程依次包括：高斯模糊处理、灰度化、Sobel算子、二值化处理、闭操作、取轮廓、判断车牌大小、角度判断、旋转以及尺寸标准化。其中，判断车牌大小根据中国车牌宽高比为3.14，来判断可能的车牌范围，尺寸标准化将定位出的车牌范围车牌尺寸调整为宽136mm，高36mm的矩形。最终产生多个候选的车牌图片。

进一步的，所述步骤(1)中利用SVM模型对定位出的图块进行分类的具体方法是针对通过颜色定位和Sobel定位后产生候选的车牌位置图片，采用OpenCV中内置的SVM模型实现EASYPR实现最终车牌图片的选择。

进一步的，所述步骤(2)具体依次包括以下步骤：二值化、取轮廓；二值化时，由于蓝色车牌与黄色车牌中字体颜色不同，需要采用不同的二值化参数，蓝色车牌采用OpenCv中的CV_THRESH_BINARY参数，而黄色车牌采用的是CV_THRESH_BINARY_INV参数；取轮廓操作时，针对第一个汉字，直接取车牌图片1/7和2/7位置处的矩形框，避免汉字被拆分的问题。

进一步的，所述步骤(3)中采用OpenCv中提供的神经网络类CvANN_MLP进行字符识别，具体方法为：

(31)实例化CvANN_MLP，使用CvANN_MLP构造神经网络。

(32)加载ANN.XML，ANN.XML是已训练好的字符识别权值矩阵。

(33)进行字符识别，将每个字符图块预处理之后输入到神经网络中便可获取一个最接近的字符。

有益效果：本发明通过处理图像来获取图像中的车牌，车牌识别主要包括两个流程，车牌定位和字符识别，车牌定位的目的是将图片中包含车牌的图块分割出来，而字符识别的目的是将分割出来的图片中的字符进行识别。本发明采用颜色定位与Sobel定位相结合的方式实现车牌定位；通过对车牌图像进行颜色判断，然后进行二值化，并提取字符轮廓和外接矩形，实现字符分割；采用神经网络算法实现车牌字符识别。本发明的车牌识别率较高，能够适应在不同特殊情况的车牌识别。

附图说明

图1为本发明中车牌识别整体流程示意图；

图2为本发明中车牌定位总体流程图；

图3为本发明中车牌Sobel定位的主要流程图；

图4为本发明中车牌字符分割流程图；

图5为本发明中车牌字符取轮廓操作效果图；

图6为实施例1中灯光昏暗条件车牌识别效果图；