[发明专利]一种基于像素级联特征的模糊车牌检测方法

权利要求书

1.一种基于像素级联特征的模糊车牌检测方法，其特征是，包括以下步骤：

将输入的待测图像利用缩放算法生成金字塔图像集合；

在像素级联检测器的离线训练过程中，通过计算“像素级联特征”生成可供AdaBoost相关算法学习和训练使用的弱分类器；

“像素级联特征”的计算过程为：

构建一个彩色空间通道组成的向量X＝(x₁,x₂,...,x_n)，其中x_i是对应第i个彩色空间的像素点值，共n个彩色通道，对输入图像坐标(i,j)像素点位置使用一个n维的权值向量W进行加权相乘，并加上一个偏移值b，得到颜色通道转换后的像素特征p_ij：

p_ij＝(W*X)_ij+b；

使用上述生成的弱分类器，构建能够提取车牌颜色像素点特征的强分类器，并进一步将强分类器级联为像素级联检测器即建立包含不同尺寸车牌的级联分类器结构；

利用像素级联检测器，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，像素级联检测器的检测能够排除大部分背景窗口，但是得到的检测窗口中仍包含部分背景；

基于HOG特征和SVM分类器进一步判断检测是否存在车牌，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；

在检测过程中，面对是缩放算法生成的金字塔图像集合中的矩形检测窗口，因此需要将像素级别的特征转化成矩形特征；

其中，“ 像素级联特征”能够通过在像素级别 对不同颜色进行AdaBoost学习和级联，对车牌的显著颜色特征进行表达，能够达到对模糊车牌鲁棒性检测的目标，并且能够达到很好的实时性。

2.如权利要求1所述的一种基于像素级联特征的模糊车牌检测方法，其特征是，将输入的待测图像利用缩放算法生成金字塔图像集合，具体的，取缩放比例为s，则输入图像可按缩放比例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,n为正整数。

3.如权利要求1所述的一种基于像素级联特征的模糊车牌检测方法，其特征是，在线检测过程中，利用像素级联检测器，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。

4.如权利要求1所述的一种基于像素级联特征的模糊车牌检测方法，其特征是，在HOG特征和SVM分类器的离线训练过程中，通过训练车牌和背景图像样本得到HOG+SVM分类器，将像素级联检测器得的检测窗口作为输入，提取其HOG特征，并使用离线训练的SVM分类器进行二分类，包括车牌和背景，判断该检测窗口是车牌还是背景。

5.如权利要求1所述的一种基于像素级联特征的模糊车牌检测方法，其特征是，在金字塔缩放的图像中标定车牌的位置为(x,y)和大小为(w,h)，按所在的金字塔图像的缩小比例s，换算到原始图像中，确定所检车牌的位置(x/s,y/s)及大小(w/s,h/s)，其中x、y分别为金字塔缩放的图像中车牌所在的位置横坐标及纵坐标，w、h分别为金字塔缩放的图像中车牌的宽度及高度。

6.如权利要求1所述的一种基于像素级联特征的模糊车牌检测方法，其特征是，得到颜色通道转换后的像素特征后，使用AdaBoost方法进行训练，得到权值向量W和偏移值b，其训练过程中使用的弱分类器定义为c，

其中，η_p是训练过程中得到的阈值，σ∈{+1,-1}是一个极性参数。