[发明专利]一种基于SIFT和kNN的车牌识别方法及系统

说明书

本发明提供一种基于SIFT和kNN的车牌识别方法及系统，其中方法包括提取拍摄到的车牌图像，还包括以下步骤：基于SIFT进行车牌定位；基于SIFT和kNN进行字符识别。本发明提出了一种基于SIFT和kNN的车牌识别系统及方法，不仅能够实现准确的车牌定位及倾斜校正，而且对图像亮度、污损、倾斜、尺寸变化等具有良好的适应性和鲁棒性。并且能有效提高车牌识别的效率。

技术领域

本发明涉及车牌识别的技术领域，特别是一种基于SIFT和kNN 的车牌识别方法及系统。

背景技术

车牌识别技术(Vehicle License Plate Recognition，VLPR) 是指通过视觉传感器检测受监控路面的车辆并自动提取车辆牌照信息 (包括汉字、大写英文字母、阿拉伯数字和车牌颜色等)，并且进行相 应处理的技术。车牌识别是智能交通系统(IntelligentTransportation System，ITS)中的重要组成部分之一，有着广泛的 应用场景。一般来说，车牌识别方法包括以下几个步骤，车辆图像预 处理、车牌定位以及字符切分和字符识别。采集车辆图像的环境往往 很复杂，受到很多因素影响，如天气，光线等；进而使得采集到的图 像不够清晰。为了能够有效地识别车辆和车牌，一般先采用一定的图 像预处理对图像进行预处理，以消除对后面识别有影响的各种噪声。 牌照定位是指在待处理的图像中将牌照的位置标示出来，当然对于多 个车牌，需要能够同时都进行分割。字符切分是将图像中定位的牌照 区域中的字符一一切割出来。而字符识别是对切割出来的牌照字符图 像进行识别，转化为文本。

车牌识别往往需要车辆运动的情况下采集图像，汽车的高速运动 会使得采集到的图像上存在噪声和模糊等情况，传统的车牌识别方法 依赖于准确的车牌定位和有效的光学字符识别。而在复杂环境中准确 定位目标是模式识别中的一个难点，车牌的定位往往存在很多错误， 从而影响最后的车牌识别。车牌的污损程度、光照条件、是否含有类 文字背景等都会对现有算法的定位效果产生严重影响；已有方法对车 牌拍摄视角偏斜程度也较为敏感，一些方法取得的定位结论多数都附 带假设条件，比如假设字符基本呈水平排列，拍摄视角不允许较大和 旋转等情况。

公开号为CN105740886A的发明专利公开了一种基于机器学习的 车标识别方法，包括以下步骤：1)车标定位：首先根据车牌定位方法 找出车牌，在此基础上确定车标可能的区域，即包含车标的ROI区域作 为车标定位图像；2)提取车标定位图像的SIFT特征集；3)采用聚类 方法，从SIFT特征集生成特征的K个关键词及其权重；4)从SIFT特征 集产生得到K个关键词及其权重对作为分类器的输入；5)利用训练好 的多类SVM分类器进行分类。该方法的缺点是对于汉字的识别率不高。

发明内容

为了解决上述的技术问题，本发明提出一种基于SIFT和kNN的 车牌识别方法及系统，本发明针对车牌容易变形，涂漆易脱落，受光 照等环境因素的影响，将SIFT算法和kNN应用在车牌识别领域中， 有效地克服了上述问题。SIFT算法对汉字，字母和数字提取SIFT局 部特征，并用之构建特征模板库，然后把待识别车牌图像的SIFT特 征与之相匹配，用RANSAC算法剔除误匹配点后，便得到仿射变换 矩阵，从而实现对车牌较准确的初定位和初倾斜校正。进一步对提取 的车牌区域图像二值化，用Radon变换求得倾斜角度后，可生成精确 的仿射变换矩阵，并实现对车牌的倾斜校正和精确定位。把分割后的 字符提取SIFT局部特征，然后串行加在分割字符向量后面组成新的 特征向量，用kNN算法提取前九个最相近的特征向量，采用一种相 对加权方法算出最相近的字符。

本发明第一目的是提供一种基于SIFT和kNN的车牌识别方法， 包括提取拍摄到的车牌图像，还包括以下步骤：

步骤1：基于SIFT进行车牌定位；

步骤2：基于SIFT和kNN进行字符识别。

优选的是，所述车牌定位方法的步骤如下：