[发明专利]基于多特征的车牌定位方法及装置

说明书

技术领域

本发明涉及车牌识别技术，尤其涉及一种基于多特征的车牌定位方法及装置。

背景技术

随着信息技术的发展，智能交通系统在交通管理领域的应用日益广泛。车牌识别系统是智能交通领域的重要内容，被广泛应用于高速路收费管理系统、城市交通智能监控、智能停车场出入登记等多种场合。在车牌识别系统通常包括车牌定位，字符分割和字符识别3个环节，其中，车牌定位技术是其中非常关键的环节，定位的准确率直接影响到整个车牌识别系统的识别准确率。目前常用的车牌定位基本方法有：

(1)基于纹理特征的车牌识别方法。纹理特征是指车牌字符变化频率稳定在一定范围内的特性，表现在图像的边缘或梯度上。通过边缘检测、边缘统计分析和形态学操作可以实现车牌定位。这种方法对于拍摄角度和光照强度具有较强鲁棒性，能够快速准确定位，但是对于背景较为复杂的情况和背景中具有相似纹理特征的区域，容易形成误判。

(2)基于颜色信息的车牌定位方法。车牌颜色信息是指车牌底色与字符颜色比较固定，例如，中国大陆车牌目前包括蓝底白字、黄底黑字、白底黑字或红字和黑底白字四种车牌，利用车牌颜色与图中其他区域颜色不同的特征进行分割实现车牌定位。这种方法容易受到光照不均的影响，并且当图像中包含丰富颜色信息，比如蓝车蓝牌情况时，很难获得车牌的位置。

(3)基于数学形态学的车牌定位方法。数学形态学包括腐蚀、膨胀、开启和闭合四种基本运算以及据此发展的击中击不中、高帽等运算，需要根据车牌大小设计一个探测车牌位置的结构元素，这个结构元素遍历整个图像验证结构内的像素是否符合车牌特征进行定位。由于要处理的图像中车牌的大小和角度均不固定，形态学算法耗时严重等不利因素使得车牌定位效果不能满足要求。

(4)基于小波变换的车牌定位方法。小波变换可以将图像通过伸缩、平移等运算分解为不同分辨率、不同频率和不同方向特性的子图像，进而进行局部分析。可以利用车牌目标区域具有水平方向低频、垂直方向高频的特点，实现子图提取进行车牌定位。该方法处理过程复杂而且对噪声敏感，速度慢。

此外，还有基于遗传算法的车牌定位方法、基于神经网络的车牌定位方法等等。这些方法的共同点都是针对车牌的某个特征进行定位，因而容易受到拍摄环境、拍摄角度、背景、光照等影响，鲁棒性较差。而在实际车牌识别系统应用中，摄像装置拍摄环境比较复杂，树木、建筑、广告牌、车体字符等背景噪声，光照噪声等都会影响到车牌定位的准确性。为此需要针对车牌的多个特征，结合不同的方法进行车牌定位。中国专利101334836公开一种融合色彩、尺寸和纹理特征的车牌定位方法，首先利用HIS色彩模式图像的颜色信息和亮度信息处理的到候选区域；再用车牌的尺寸特征，即车牌宽度和高度的像素值以及宽高比值进行分析，排除非车牌的无效区域；之后进行车牌倾斜检测与校正；最后利用纹理特征进行排除剩余无效区域。该方法主要利用颜色信息对车牌进行定位，对车牌颜色的饱和度和亮度信息有较高要求，对车体与车牌同色的情框鲁棒性不强；在倾斜检测校正之前尚且不能确定处理区域是车牌区域还是无效区域，就直接进行Hough变换检测车牌倾斜角度，不能判断倾斜检测的正确性。中国专利101408942公开一种基于多特征的车牌定位方法，首先检测车体区域，利用车体区域内的梯度信息和车牌结构特征进行初步筛选；然后将候选区域转化到HSV色彩空间下利用BP神经网络进行识别，并检测彩色边缘，进行边缘颜色对判断，去除无效区域。该方法通过检测车体限定车牌搜索区域来避免车体外的复杂环境的干扰，前提是车体的背景必须是静止不会影响车体定位，不能满足城市交通监控图像包含多车辆等情况下对车牌识别系统要求。

发明内容

本发明所要解决的技术问题在于，提供一种基于多特征的车牌定位方法，该方法可克服环境干扰、光照影响、背景噪声等复杂背景下的应用场景干扰，定位速度快，准确性高，鲁棒性强，且可实现多车牌的精确定位。

本发明进一步所要解决的技术问题在于，提供一种基于多特征的车牌定位装置，该装置可克服复杂背景的环境干扰、光照影响、背景噪声等复杂背景下的应用场景干扰，定位速度快，准确性高，鲁棒性强，且可实现多车牌的精确定位。

为了解决上述技术问题，本发明提出了一种基于多特征的车牌定位方法，包括：

边缘密度检测步骤，利用摄像装置拍摄的原始RGB彩色图像的竖直方向边缘密度特征检测该图像中的车牌区域，得到符合车牌纹理密度特征区域的二值化图像模板；