[发明专利]基于多分类支持向量机的车牌字符识别方法

权利要求书

1.基于多分类支持向量机的车牌字符识别方法，包括多分类支持向量机的训练过程和使 用多分类支持向量机进行车牌识别的过程：

一、多分类向量机的训练过程，具体包括以下步骤：

步骤1：制作标准车牌字符二值化图像；

首先根据《中华人民共和国公共安全行业标准：中华人民共和国机动车号牌》GA36-2007 附录B所述的字样制作归一化字样图像，每张归一化字样图像宽为16像素，高为32像素； 然后对所有归一化字样图像进行二值化处理，二值化处理时，归一化字样图像灰度等级按255 级灰度计算，灰度二值化阈值取[95，130]之间的某个特定值；最终得到附录B中除“临时入 境”之外所有汉字、26个英文大写字母和10个数字的标准车牌字符二值化图像；

步骤2：制作采集样本车牌字符二值化图像；

首先采集足够的车牌照片，使得《中华人民共和国公共安全行业标准：中华人民共和国 机动车号牌》GA36-2007附录B中定义的除“临时入境”之外所有字符至少出现三次；然 后对采集的车牌照片经定位、分割处理后得到分离的车牌字符图像；再对所有分离的字符图 像采取步骤1所述的归一化和二值化处理，得到采集样本车牌字符二值化图像；

步骤3：根据步骤1所得的标准车牌字符二值化图像和步骤2所得的采集样本车牌字符 二值化图像，获取每个二值化图像的特征向量，具体方法是：将每个二值化图像的像素值按 行依次排列，得到一个512维的行向量；

步骤4：对步骤3所得的所有二值化图像的特征向量，将同一字符的所有字符图像的特 征向量归于一个特征向量子集；给予每个特征向量子集一个唯一的编号；同时，每个特征向 量子集中的所有特征向量均采用与该特征向量子集相同的编号；

步骤5：采用步骤3所得的所有二值化图像的特征向量，组合出以下四个特征向量集合：

1)代表省/直辖市/自治区简称的特征向量集A，特征向量集A包括汉字“京津冀晋蒙辽吉黑 沪苏浙皖闽赣鲁豫鄂湘粤桂琼渝川贵云藏陕甘青宁新港澳使”共34个字符的标准车牌字符二 值化图像的特征向量和采集样本车牌字符二值化图像的特征向量，每个特征向量与车牌中的 第一个字符相对应；2)代表发牌机关代号的特征向量集B，特征向量集B包括A～Z的26个 英文大写字母的标准车牌字符二值化图像的特征向量和采集样本车牌字符二值化图像的特征 向量，每个特征向量与车牌中的第二个字符相对应；3)代表车牌编号的特征向量集C，特征 向量集C包括0～9的数字以及除“O”和“I”之外的英文大写字母共34个字符的标准车牌 字符二值化图像的特征向量和采集样本车牌字符二值化图像的特征向量，每个特征向量与车 牌中的第三至第六字符中的一个字符相对应；4)代表车牌末尾字符的特征向量集D，特征向 量D集包括0～9的数字、除“O”和“I”之外的英文大写字母以及汉字“挂”、“领”、“港”、 “澳”、“学”、“警”、“试”、“超”和“临”共43个字符的标准车牌字符二值化图像 的特征向量和采集样本车牌字符二值化图像的特征向量，每个特征向量与车牌末尾字符相对 应；

步骤6：分别构造步骤5所得的四个特征向量集合的特征向量矩阵M_A、M_B、M_C和M_D， 同时构造与特征向量矩阵M_A、M_B、M_C和M_D对应的四个编号向量V_A、V_B、V_C和V_D；其中， 每个特征向量矩阵的行向量就是对应特征向量集合的具体特征向量，每个特征向量矩阵的行 数就是对应特征向量集合的特征向量数；编号向量为一个列向量，其中每一行的元素值就是 对应特征向量矩阵相同行号下特征向量所采用的编号；

步骤7：分别构造四个多分类支持向量机，将步骤6所得的特征向量矩阵M_A与对应的编 号向量V_A、特征向量矩阵M_B与对应的编号向量V_B、特征向量矩阵M_C与对应的编号向量V_C、 特征向量矩阵M_D与对应的编号向量V_D分别输入到四个多分类支持向量机中进行训练，得到 四个支持向量集SV_A、SV_B、SV_C、SV_D；

二、使用多分类支持向量机进行车牌识别的过程，具体包括以下步骤：

步骤8：采集待识别车牌图像，经定位、分割处理后得到分离的待识别车牌字符图像； 再对所有分离的待识别字符图像采取步骤1所述的归一化和二值化处理，得到待识别车牌字 符二值化图像；

步骤9：将步骤8所得的待识别车牌字符二值化图像转换成特征向量，具体转换方法是： 将每个二值化图像的像素值按行依次排列，得到一个512维的行向量，共得到7个特征向量， 按待识别字符图像在待识别车牌中从左至右的位置顺序依次定义为X₁、X₂、…、X₇；

步骤10：采用支持向量集SV_A对特征向量X₁进行分类，得到特征向量X₁对应的编号， 即得到该编号对应的字符，并将该字符作为待识别车牌第一字符的识别结果；采用支持向量 集SV_B对特征向量X₂进行分类，得到特征向量X₂对应的编号，即得到该编号对应的字符， 并将该字符作为待识别车牌第二字符的识别结果；采用支持向量集SV_C对特征向量X₃～X₆ 进行分类，得到特征向量X₃～X₆各自对应的编号，即得到各自对应编号所对应的字符，并将 各自所对应的字符作为待识别车牌第三至第六字符的识别结果；采用支持向量集SV_D对特征 向量X₇进行分类，得到特征向量X₇对应的编号，即得到该编号对应的字符，并将该字符作 为待识别车牌第七字符的识别结果。