[发明专利]一种非正常车牌的识别方法和系统

摘要

本发明公开了一种非正常车牌的识别方法和系统，所述方法包括如下步骤：步骤10，捕获非正常车牌的图像；步骤20，预处理所述非正常车牌的图像得到滤波图像；步骤30，在滤波图像中检测车体图像；步骤40，在车体图像中定位非正常车牌；步骤50，在车牌区域中分割所述非正常车牌的字符；步骤60，分别设置汉字分类器、字母分类器和数字字母混合分类器，对所述非正常车牌的字符进行识别，对于每一个分类器，分别执行以下操作。本发明能够在非正常的情形下，实时性地对车牌进行识别，并且具体较高的车牌识别精度。

主权项

1.一种非正常车牌的识别方法，其特征在于该方法包括如下步骤：步骤10，利用具有LED补光灯和滤光灯的高清摄像头来捕获非正常车牌的图像；步骤20，预处理所述非正常车牌的图像得到滤波图像，具体包括：步骤201，将捕获的彩色图像转变为灰度图像，步骤202，对灰度图像进行灰度拉伸得到灰度拉伸图像，具体为利用下述公式计算灰度拉伸图像的灰度，Q(i)＝1.7×P(i)‑85，其中Q(i)为灰度拉伸图像的第i个像素的灰度值，P(i)为灰度图像的第i个像素的灰度值，i为灰度图像中像素点的个数，步骤203，对灰度拉伸图像进行中值滤波得到滤波图像；步骤30，在滤波图像中检测车体图像，具体包括：步骤301，利用公式Dk(x,y)＝|fk(x,y)‑fk‑1(x,y)|2计算差分后的图像Dk(x,y)，其中fk(x,y)为第k帧滤波图像中的点(x,y)所在的差分区域的灰度均值，所述差分区域为以该点(x,y)为中心的n×n的区域，k为大于等于2的整数，n为大于等于3的整数，步骤302，对差分后的图像Dk(x,y)二值化后得到二值图像Rk(x,y)，对二值图像Rk(x,y)进行膨胀获得多个连通域，步骤303，当某一个连通域的面积大于给定的阈值T，则判断该连通域为车体图像，否则，判断该连通域为背景图像；步骤40，在车体图像中定位非正常车牌，具体包括：步骤401，对车体图像进行边缘检测得到边缘图像，具体包括:步骤4011，利用Canny边缘检测器对滤波图像进行第一次边缘提取，步骤4012，对滤波图像进行顶帽变换后，用Canny边缘检测器进行第二次边缘提取，步骤4013，对顶帽变换后的图像进行对数变换后，用Canny边缘检测器进行第三次边缘提取，步骤4014，将三次边缘提取的结果图像叠加，步骤4015，对叠加后的图像进行骨架化处理，得到边缘图像；步骤402，利用数学形态学对二值化图像进行先腐蚀后膨胀运算，利用连通域分析法在整个图像中搜索白点区的外接矩形，再根据车牌的几何特征精确定位出一个或多个车牌区域；步骤50，在车牌区域中分割所述非正常车牌的字符，具体包括：步骤501，初始化，具体包括为每一个车牌区域设置一个与所述车牌区域的像素点一一对应的标记值数组，并将该标记值数组初始化为0，在扫描过程中，标记值为0，表示该像素点未被扫描，标记值为N，表示该像素点已被扫描，并且表示该点在第N个连通域，其中N为大于等于1的整数，步骤502，确定连通域的起始点，具体包括顺序扫描所述一个或多个车牌区域，如果该像素点的灰度值为0，则扫描下一个像素点，如果该像素点的值为1并且未被标记，则依次扫描相邻像素的标记值，如果相邻像素的标记值全部为0，则确定当前像素点是新连通域的起始点，其标记值为前一个标记值加1，步骤503，确定同一连通域的像素集合，具体包括从起始点开始顺序扫描，当目标像素标记值为N时扫描相邻像素，如果相邻像素中有m个像素点的灰度值为1且未被标记，则这m个像素与当前像素属于同一连通域，标记值都赋为N，而当目标像素标记值不为N时，停止扫描，转到步骤402，其中1＜m≤8，步骤504，确定连通域的终止点，具体包括从标记值数组的左上角开始，从左到右，从上到下逐行扫描所述标记值数组的标记值，当找到第一个像素点的标记值为N时，记录该像素点的横坐标为方框左上顶点的横坐标X1；从上到下，从左到右扫描，当找到第一个像素点的标记值为N时，记录该像素点的纵坐标为方框左上顶点的纵坐标Y1；同理，逆向扫描，找出方框的右下顶点的横坐标X2和纵坐标Y2，利用点(X1，Y1)和(X2,Y2)确定出属于同一连通域的矩形区域；依次类推，确定出每一个车牌区域中的各个属于同一连通域的矩形区域，步骤505，分割各个连通域，形成待识别的非正常车牌的字符，具体包括将各个属于同一连通域的矩形区域的左顶点的横坐标值降序排列，从右向左取出6个矩形区域，剩余的矩形区域则为车牌中的汉字字符；步骤60，分别设置汉字分类器、字母分类器和数字字母混合分类器，对所述非正常车牌的字符进行识别，对于每一个分类器，分别执行以下操作：步骤601，确定训练数据，步骤602，选择核函数，其中，核函数为xc是核函数中心，σ是核函数的宽度范围，步骤603，确定惩罚因子C和核函数的宽度范围σ，所述C的大小为238，σ2的大小为1044，步骤604，利用训练数据对支持向量机进行训练，步骤605，利用所述支持向量机对待识别的非正常车牌的字符进行识别。