[发明专利]粤港两地车牌定位方法

摘要

一种粤港两地车牌定位方法，步骤如下：通过视频摄像系统捕获突时视频图像；大陆车牌和香港车牌的初定位；通过边缘检测算可检测边缘，分割边缘图得到二值图，再经滤波后，从原灰度图中提取初定位的结果图；大陆车牌定位：对初定位图像采用自适应阈值分割法进行分割，得到二值化图像，再利用大陆车牌具有的连续黑白线段跳变特征，进一步缩小候选区域，然后利用大陆车牌的高宽比特征，进行精确定位；香港车牌定位：对初定位图像采用自适应阈值分割法分割，再利用目标外接矩形的相关特征精确定位；输出定位结果。本发明定位准确率高，能满足海关现场检测需求。

主权项

1.一种粤港两地车牌定位方法，包含下列具体实施步骤：(1)、通过摄象机与采集卡进行实时视频捕获，以大陆车牌为标准调节视场大小，在标准的768×576的视频图象中，当车牌处于图象中间位置时，其所占像素为150个像素点是最佳视场大小；(2)、使用Sobel算子分别检测水平边缘和垂直边缘，然后采用垂直边缘结合部分水平边缘的方法检测边缘，如下式所示，gV(x，y)＝|[f(x-1，y-1)+2f(x-1，y)+f(x-1.y+1)] -[f(x+1，y-1)+2f(x+1，y)+f(x+1，y+1)]|gH(x，y)＝|[f(x-1，y-1)+2f(x，y-1)+f(x+1.y-1)] -[f(x-1，y+1)+2f(x，y+1)+f(x+1，y+1)]|g(x，y)＝gV(x，y)+gH(x，y)/4式中，f(x，y)为原始灰度图，gV(x，y)为垂直边缘图，gH(x，y)为水平边缘图，g(x，y)为最后检测得到的边缘图；(3)、采用Ostu法获取分割阈值T，利用T对边缘图进行分割，得到二值图；二值化的具体方法为：对边缘图中的每个象素依次进行判断，如果该象素的灰度值小于等于T，则将其值置为255；如果该象素的灰度值大于T，则将其值置为0；(4)、对分割后得到的二值图，采用中值滤波去除其中的细小噪声，模板大小为3×3；对中值滤波之后的图象，采用种子点填充算法获得各目标的最小外接矩形；在填充过程中，还可获得各矩形的定量测量参数，如：宽度W，高度H，目标面积A等，利用这些参数，按下式算矩形的特征描述子：宽高比R，目标含量Per；R＝W/HPer＝A/(W×H)根据各矩形的参数及特征描述子R和Per，去除一些过小过细的不满足字符条件的矩形；具体条件为：a、H＜10且R＞5；b、W＜10且R＜0.5；c、Per＜0.1，满足这3个条件之一的矩形均被去除；(5)、在滤波之后的二值图g(x，y)中，属于各区域的象素点都置为目标；再将g(x，y)与原灰度图f(x，y)按下式进行操作，得到初定位的结果图g1(x，y)；$g_1(x,y)=\left\{\begin{array}{cc}255& \mathrm{ifg}(x,y)==255\\ f(x,y)& \mathrm{ifg}(x,y)==0\end{array}\right.$ (6)、在初定位的非线性滤波过程中，已经获得了各区域的位置信息；在各个不同的区域中，分别采用Ostu法选择各区域的分割阈值，将初定位得到的图象分割为二值图；(7)、在分割后的二值化图象中，大陆车牌区域具有连续的黑白线段跳变特征，并且黑白线段的长度在一定范围之内，利用这一特征，对大陆车牌进行定位，进一步缩小候选区域；具体算法如下：(7-1)在当前行内，首先判断黑白线段的长度是否满足条件；对白色线段，判断其长度是否小于最大字符宽度32；对黑色线段，判断其长度是否小于最大字符宽度32×2；若满足条件，则继续下面的处理；否则，重新开始处理下一线段；(7-2)对长度满足条件的线段，逐段统计黑白线段的连续跳变次数，如果该次数大于指定的跳变次数12，则这一组连续跳变的黑白线段被判定为车牌区域，将其灰度值标记为128；(7-3)前行扫描结束之后，将不满足条件的黑色目标点置为白色象素255；(7-4)从上到下，对车牌图象逐行进行上述处理；(7-5)将图象中标记为车牌区域的象素值置为0；(8)、经过上述处理之后，车牌区域通常都能被标记出来；但在车牌区域内部，由于光照或污损等原因，会出现细小的白色缝隙；而在非车牌区域，也会有一些细长的区域被标记为车牌区域；因此，采用非线性滤波滤除这一类区域；具体算法如下：(8-1)在当前列中，逐断统计白色线段的高度，如果该高度小于5，则该白色线段被滤除，标记为黑色象素；(8-2)从左到右，对车牌图象逐列进行上述处理；(8-3)在当前列中，逐断统计黑色线段的高度，如果该高度小于10，则该黑色线段被滤除，标记为白色象素；(8-4)从左到右，对车牌图象逐列进行上述处理；(9)、将非线性滤波之后的结果图g(x，y)与原灰度图f(x，y)按下式进行操作，得到大陆车牌初定位的结果图g2(x，y)；$g_2(x,y)=\left\{\begin{array}{cc}255& \mathrm{ifg}(x,y)==255\\ f(x,y)& \mathrm{ifg}(x,y)==0\end{array}\right.$ (10)、对初定位结果图g2(x，y)中的候选区域采用Ostu法选择阈值T，然后按下式将g2(x，y)分割为二值图；$I_2(x,y)=\left\{\begin{array}{cc}255& \mathrm{if}{g}_2(x,y)==255\\ 0& \mathrm{if}{g}_2(x,y)<=T\\ 255& \mathrm{if}{g}_2(x,y)>T\end{array}\right.$ (11)、对二值化之后的图象，采用种子点填充算法获得各目标的最小外接矩形。在填充过程中，可获得各矩形的定量测量参数；利用这些参数，按下式计算矩形的特征描述子宽高比R及目标含量Per；R＝W/HPer＝A/(W×H)其中，矩形宽度W，高度H，目标面积A；根据各矩形的参数及特征描述子R和Per，删除独立的香港字符区域及非牌照区，具体条件为：a.W＜100；b.H＞W；c.R＜2.5或R＞10；d.Per＜0.2；经过上述处理之后，符合条件的大陆车牌区域被保留；(12)、在定位大陆车牌之后，开始对香港车牌进行定位；在步骤6得到的二值图中，包含有香港车牌中的各个字符；对该二值图，在水平和垂直方向分别删除大于指定最大字符宽度和最大字符高度的线段，最大字符宽度设置为32，最大字符高度设置为45；(13)、对删除长线段之后的图象，采用种子点填充算法获得各目标的最小外接矩形，并删除一些过小过细的不满足字符条件的矩形；具体条件同步骤4；(14)、根据矩形的高度、宽度、位置等信息，对矩形进行合并处理，找出牌照区域；具体算法如下：各矩形左右扩展12个象素，上下扩展6个象素；对每一个矩形Ri，找出距离最近的矩形Rj，如果Ri和Rj相交，则判断两个矩形的宽度、高度、纵坐标位置的差异是否在指定范围之内；若是，则合并这两个矩形，记录合并后矩形的位置、包含的矩形个数N等信息，并将Rj标记为已处理；(15)、对合并后得到的候选牌照区域，首先删除宽度大于高度的非车牌区域；其次，由于香港车牌中包含的字符个数为3-6，因此，根据区域内包含的子区域个数N，删除N＜3以及N＞8的非车牌区域；经过上述处理，符合条件的的香港车牌被保留；(16)、输出大陆车牌和香港车牌的定位结果。