[发明专利]一种监控场景下高鲁棒性的快速车牌定位方法

权利要求书

1.一种监控场景下高鲁棒性的快速车牌定位方法，其特征在于：包括以下步骤：

步骤S1：对车牌训练图像进行语义分组，即将车牌图像分为车牌和非车牌两个语义组，并按组将训练图像输入到支持向量机中进行训练；

步骤S2：采用基于Epanechikov核密度估计自适应快速车辆检测方法对车辆区域进行快速检测；

步骤S3：利用基于AFRD的帧滑动算法对视频帧进行过滤，得到感兴趣的帧图像；

步骤S4：对感兴趣帧图像中车辆区域采用形态学、颜色和MSER相结合的方法对车牌进行检测；

步骤S5：对步骤S4中得到的候选车牌运用步骤S1中训练好的支持向量机进行二元分类，得到正确的车牌；

其中，在所述步骤S2中，通过如下步骤对车辆区域进行快速检测：

步骤S21：将式：作为背景建模的模型，其中，随机变量X是若干组观测值，假定随机变量X符合Epanechikov核密度估计模型，根据X的观测值使用最大期望算法对Epanechikov核密度估计模型进行参数估计；

步骤S22：模型和参数都确定好后需要根据确定好的模型对图像中的观测像素x是前景像素和背景像素进行判断，如果像素点x与Epanechikov密度估计模型估计值的距离满足式：||x-f(x)||＜σ，就认为像素点x近似服从Epanechikov估计分布，应该把该像素点作为背景像素，否则的话作为前景像素，其中σ为阈值；

步骤S23：检测到了图像中的所有前景像素以后，下一步利用闭运算得到若干连通块，连通块包括机动车、行人、自行车在内的运动物体，采用一个自适应车辆过滤器快速滤过干扰因素；令p_i为依次检测到的第i个车牌，S(p_i)为对第i个车牌求面积的运算，则有：对于则对于每个连通域Contour都应该满足式：S(p_i)Magnify_min≤S(Contour)≤S(p_i)Magnify_max，其中Magnify_min为放大因子的下界，Magnify_max为车牌放大因子的上界。

2.根据权利要求1所述的一种监控场景下高鲁棒性的快速车牌定位方法，其特征在于：在所述步骤S3中，通过如下步骤对视频帧进行过滤，得到感兴趣的帧图像：

步骤S31：帧滑动算法采用慢开始策略slow start一次从视频流中读取一个窗口大小的图像帧进入滑动缓冲区，令F＝{f₁,f₂,f₃,...,f_M},f_i为读取到的图像帧；

步骤S32：然后对滑动窗口的上界帧f_M采用Epanechikov核密度估计车辆快速提取方法提取出可能的机动车区域集合S＝{s₁,s₂,s₃,...,s_M},s_i；

步骤S33：如果cardS等于0，则说明该窗口为近似静止窗口，不对滑动窗口中的图像进行车牌检测和车牌识别；

步骤S34：如果cardS大于0，则说明该窗口的图像中出现了感兴趣的区域，需要采用监听回退的AFRD方法来保证检测的完整性；监听回退的AFRD方法是当上界帧f_M检测到了感兴趣的区域，令下界帧为f_N，则检测点回退至如果出现感兴趣区域则将M更新为否则将N更新为直至M<＝N为止，从而找到了不丢失检测的最远图像帧，在这个图像帧中进行车牌检测与车牌识别。