[发明专利]基于彩色跳变点和颜色密度的车牌定位方法

说明书

技术领域

本发明属于智能交通的领域。基于彩色跳变点和颜色密度信息，在HSV空间中依据颜色距离对图像颜色进行分类，利用各车牌底色和彩色跳变点来确定车牌的大致范围，通过颜色密度和连通域信息不断缩小车牌区域直到精确定位出车牌的位置。

背景技术

随着社会的发展，人们对交通系统的要求越来越高，大力发展智能交通系统(Intelligent Transportation System，简称ITS)，已成为亟待解决的问题。ITS是集电子、通信、计算机、人工智能、机器视觉、数字图像处理等多门科学和技术的综合化系统。智能交通系统的发展正在日益影响着社会生活、国民经济、城市建设等方方面面，因而受到政府和研究机构的高度重视。我国政府对这方面的研究高度重视，并制定了很多相关的发展规划和相关政策。新一代智能交通控制系统技术被列为国家“863计划”。许多有相关技术基础的高校、科研单位、企业也纷纷加入到相关的研究中。各地对智能交通的需求主要集中在如合节省资金和节约人力的情况下提高对车辆监控和管理的自动化程度。而一个高效、准确的智能交通系统，将能为很多部门提供便利以及技术支持。比如使用智能交通系统可以为公安交通部门提供交通违章行为的执法证据，还能有效的减少人为活动的参与，节约人力资源；还能对犯罪嫌疑人员的交通工具实施实时定位；能对高速路上的车辆实施自动收费和管理，大大提高工作效率。

车牌识别(License Plate Location)是智能交通系统中最重要和基础的技术之一，其任务是通过对车牌图片的处理来定位和识别出车牌号码。车牌识别系统可以应用于高速公路收费站、治安卡口、道路违章管理等场合。车牌识别系统包含车牌定位、车牌分割、字符识别三个步骤，其中车牌定位是识别系统的关键，直接决定车牌识别的效果。

关于车牌定位已经提出了很多方法，总的来说这些方法可以分为基于灰度图像的方法和基于彩色图像的方法两大类，也有的方法同时利用灰度图和彩色图来定位车牌。基于灰度图像的方法主要有基于灰度边缘检测的方法、基于扫描行的方法、基于数学形态学的方法、基于小波的方法、基于分类器的方法等。由于人类视觉系统对彩色要比灰度敏感的多，如果能利用好车牌图片的颜色信息将可以大大提高车牌定位的准确率，因此基于彩色图像的车牌定位受到了很多研究者的关注。基于彩色图像的方法主要有基于彩色图像边缘检测的方法、基于边缘颜色点对的方法、基于车牌底色与字符颜色有固定搭配的方法、基于遗传算法和神经网络的方法等。上述彩色车牌定位算法中，基于边缘检测的方法容易受背景干扰且算法复杂；基于边缘颜色点对的方法在图像质量差的情况下容易产生误判；基于车牌底色和字符颜色有固定搭配的方法定位速度快但容易产生伪车牌区域；基于遗传算法和神经网络的方法需要大量样本算法复杂。

发明内容

技术问题：针对在自然环境下车牌定位易受背景干扰和受车牌大小不一致、车牌倾斜影响导致车牌定位错误或定位不准确的问题，本发明的目的是提供一种在车牌图片有背景干扰和倾斜的情况下仍然能准确定位出车牌位置的基于彩色跳变点和颜色密度来定位车牌的方法。本方法充分利用了图片的颜色信息，方法简单且对车牌在图片中的位置、车牌大小和车牌倾斜角度没有特殊的限制，定位准确，具有较好的鲁棒性。

技术方案：一种基于彩色跳变点和颜色密度来定位车牌的方法，具体步骤如下：

步骤1：将车牌图像用双线性插值法缩小到原图片的0.2倍，用I表示缩放后的车牌图像，

步骤2：将缩放后的彩色车牌图片红绿蓝RGB颜色空间转化到HSV颜色空间，H、S、V分别代表颜色的色调Hue、饱和度Saturation和亮度Value，在HSV空间中依据颜色间距离计算公式，计算图片中每一像素到八种基准颜色蓝、黄、白、黑、绿、青、红、洋红的距离d，所述的八种基准颜色在HSV空间的坐标分别为(240，1，1)、(60，1，1)、(0，0，1)、(0，0，0)、(120，1，1)、(180，1，1)、(0，1，1)、(300，1，1)，所述的颜色间距离计算公式为：

d＝[v₁-v₂)²+(s₁*cos h₁-s₂*cosh₂)²+(s₁*sinh₁-s₂*sinh₂)²]^1/2