[发明专利]一种基于高清图像的车牌定位与识别方法

说明书

技术领域

本发明涉及一种车牌定位与识别方法，具体涉及一种基于高清图像的车牌定位与识别方法。

背景技术

随着经济的发展，汽车保有量急剧增长，对交通、治安的管理要求也日益提高，采用高清摄像机成像技术，不仅可以清晰抓拍车牌，还可以提供高质量的前排司乘人员的面貌图像，并且可以记录车辆全貌及车载情况等信息，从而满足了刑侦、治安、交警等多个业务部门的需求。此外，采用200万或者更高像素的摄像机，一个摄像机可以抓拍2-3车道，系统建设效率也明显提高。因此，高清晰的车牌识别系统，包括治安卡口系统、电子警察系统等，已成为当前发展的一个热点。

而现有的基于标清图像的车牌识别技术很难直接用于高清图像，原因在于高清图像取景范围大，需要处理的数据量很大，背景也更复杂，而且一般监控几个车道，需要同时识别几个车牌，不同车道的车牌大小也不一样，现有的基于标清图像的车牌识别系统一般背景简单且只识别单一车道的单一车牌，另外相似字符和退化字符的识别一直是影响车牌字符识别准确率的重要因素，因此如何快速有效的从复杂场景中提取出多个大小不同的车牌以及提高对相似字符和退化字符的识别率是现有车牌识别技术待解决的一个重要问题。

发明内容

为了解决现有车牌定位与识别存在的上述技术问题，本发明提供一种基于高清图像的车牌定位与识别方法。本发明利用基于边缘的车牌定位方法速度快、准确率高的特点和级联Adaboost分类器虚警率低的特点，对车牌区域进行快速准确定位，采用模板匹配和SVM融合的字符识别方法，综合两类方法各自的优点，打破单一字符识别方法识别率难以提高的局限，提高了对相似字符和退化字符的识别准确率。

本发明解决上述技术问题的技术方案包括以下步骤：

（1）对原始彩色图像进行一次下采样，对下采样后的图像灰度化并进行垂直边缘检测和二值化，利用垂直边缘信息进行车牌粗定位，得到所有的候选车牌区域；

（2）将所有的候选车牌区域映射回原图像并送入训练好的级联Adaboost分类器，去除非车牌区域；

（3）将经过步骤（2）得到的车牌区域进行倾斜矫正；

   （4）将经过步骤（3）得到的车牌区域进行字符分割；

   （5）对分割出的字符进行识别。

 进一步，所述步骤（1）的垂直边缘检测采用Sobel算子，二值化方法采用Otsu全局阈值法。

进一步，所述步骤（2）的级联Adaboost分类器采用的是Haar特征。

进一步，所述步骤（3）采用基于最小化水平投影的倾斜校正方法。

进一步，所述步骤（4）采用基于模板的字符分割方法。

进一步，所述步骤（5）采用SVM和模板匹配的融合方法对字符进行识别。 

由于采用上述技术方案，本发明的技术效果是：本发明对图像进行一次下采样后再进行垂直边缘检测，利用基于边缘的定位方法准确率高、速度快的特点进行快速粗定位，然后利用级联Adaboost分类器对非车牌区域进行去除，解决了基于边缘的检测方法虚警率高的缺点，由于对图像进行了下采样，因此能大大提高处理速度，Adaboost算法的引入也提高了方法的鲁棒性和去除误检的能力。最后利用融合支持向量机分类器和模板匹配的方法对提取出来的车牌字符进行识别，通过综合两类识别方法各自的优点，打破单一字符识别方法识别率难以提高的局限，提高了对相似字符和退化字符的识别准确率。

下面结合附图和具体实施方式对本发明作进一步详细的说明：

附图说明

图1为本发明实施例的流程示意图；

图2为本发明实施例所用到的Haar特征类型；

图3为本发明实施例所用到的一些Adaboost训练用的车牌图片；

图4为本发明实施例字符识别部分的流程示意图；

图5为本发明实施例所用到的一些字符模板和SVM训练字符。

具体实施方式

如图1-5所示，其具体实施步骤如下：

1、候选车牌区域的提取

在实际车牌识别系统中，车牌在图像中的大小受摄像头的安装位置、采集的场景大小和车速等的影响，为了快速有效的提取大小不同的车牌候选车牌区域，实施例中采用基于边缘的方法进行车牌候选区域的提取。本发明中只有两个阈值输入，最小车牌高度和最大车牌高度，其它阈值都通过这两个阈值来确定，高度范围一般取15-45个像素就能解决大部分的场景应用问题，如果有更小的车牌或者更大的车牌需要检测，只需要修改这两个高度阈值即可，方法本身无须任何修改，使得本发明具有很强的鲁棒性和通用性。

提取候选车牌区域的步骤如下：