[发明专利]基于改进BING算法的车牌预检测方法

摘要

本发明公开了一种基于改进BING算法的车牌预检测方法，属于车牌识别领域。本发明根据车牌的具体形状，改进了BING的检测窗口，丰富了BING的检测特征，使得BING给出的推荐框能够完整包含整个车牌，由于本发明中的BING的检测形态发生了改变，因此可以不用像BING的原始方法中一样在不同尺度的图像下做检测，而只需要采用传统的金字塔方法就可以取得良好的检测效果。

主权项

基于改进BING算法的车牌预检测方法，其特征在于，包括下列步骤：步骤1：训练分类器：101：输入训练样本集，包括包含车牌的图像和图像中的车牌位置标注信息；102：提取正样本：从训练样本图像中提取车牌切片图，并对车牌切片图进行尺寸归一化处理，缩放为24*8的大小；计算尺寸归一化后的车牌切片图的梯度图，得到梯度车牌切片图，进行图像列向量化得到正样本；103：提取负样本：从训练样本图像中随机提取非车牌的切片图，并将所述切片图缩放为24*8的大小后，再计算各切片图的梯度图，对所述梯度图列向量化得到负样本；104：训练分类器：基于正、负样本进行分类器训练，去掉分类器的偏置项后，将分类器排列成为24*8的模板图片；105：将步骤104训练好的模板图片划分为3个8*8大小的子模板，并计算每个子模板中的像素的二值化梯度幅值其中bk表示第k个比特面，Ng表示梯度图像的估计超参数；步骤2：检测处理：步骤201：输入待预检测的图片；步骤202：构建待预检测的图片的8层图像金字塔，其中图像金字塔的放缩系数为0.8；步骤203：计算所述8层图像金字塔的各像素点的二值化梯度幅值，每层的二值化梯度幅值的计算公式为其中l表示第l层图像，bk,l表示第l层图像的第k个比特面，Ng表示梯度图像的估计超参数；采用24*8的滑窗对待预检测的图片进行滑窗检测，每次滑窗提取窗口内各像素点的二值化梯度幅值，并将滑窗结果按滑窗方向顺次划分为3个8*8的子滑窗结果，并将子滑窗结果输入分类器，获取每次滑窗的最终判定得分sl：其中符号<·>表示内积运算；步骤204：对每次滑窗的最终判定得分sl进行非极大值抑制处理，输出待预检测的图片的推荐框。