[发明专利]基于滑窗搜索的机动车号牌识别方法

说明书

技术领域

本发明属于数字图像处理技术领域，涉及机器学习、计算机视觉、模式识别等相关理论知识。

背景技术

随着智能交通系统的发展，机动车号牌识别系统（简称车牌识别系统）广泛的应用在各个领域。前端采集设备获取车辆图像或者视频序列，然后分析得到每辆汽车唯一的车牌号码，利用现代技术完成识别过程。通过后续处理，可以实现停车场收费管理、交通流量控制指标测量、高速公路超速自动化监管、公路收费站等功能。

通常，车牌识别系统可分为三个部分：车牌定位、车牌字符分割、车牌字符识别。整个系统在前两部分的基础上如何进行精确的字符识别，就成为最终影响系统识别率的重要难题。车牌字符识别存在以下难题：

1、小字符集（数字、字母、语义字符）。具体到中国现行的机动车号牌标准（GA36—2007，GA804），中国车牌含有中文汉字，汉字字符结构复杂，实际获得字符存在粘连，污损等情况。

2、测试环境复杂多变。车牌识别系统在应用雨雪天、雾等自然环境恶劣情况，可能会导致车牌受污损，同时影响获得车牌图像质量。

3、获取图像质量差异性大。前端采集设备获取车辆图像，可能存在干扰和几何形变，且车牌可能分布在图像序列的任意位置，实时处理相对较大的数据给车牌识别系统增加了复杂性。

当前的车牌识别算法主要有以下几种方法：

一、基于SVM的车牌识别算法。根据车牌字符特征，建立子分类器，对子分类器建立各字符的样本库，通过SVM方法训练得到各字符的判别函数。然后根据字符相应位置，归一化送到对应分类器组，通过判别函数得到分类结果。但是由于现场环境的复杂，车牌字符也很难准确分割，字符差异性大。详见：Liu Yongchun,Yu Xiaohong,Yang Jing.Study of license plate location system based on SVM.Proceedings-2nd IEEE International Conference on Advanced Computer Control,ICACC2010,v5,p195-198.

二、基于模板匹配的车牌识别算法。利用车牌字符轮廓、骨干、网络或者峰谷投影等特征，特征点识别字符是先对待识别字符进行关键点提取，即对字符进行拓扑分析以得到字符边缘的关键点，再确定字符的分类提取车牌字符特征，与标准车牌字符进行匹配。但是，由于实际测试环境中车牌图像存在的干扰和变形，车牌字符正确识别率不高。详见：Jin Quan,Quan Shuhai,Shi Ying,Xue Zhihua.A fast license plate segmentation and recognition method based on the modified template matching.Proceedings of the20092nd International Congress on Image and Signal Processing,CISP'09,2009.

三、基于神经网络的车牌识别算法。通过归一化处理图像，然后根据神经网络算法建立网络，分别是汉字网络和字母数字网络，输入特征值的网络，利用网格的特征向量，建立汉字网络字母数字网络找出相似字符之间的差异进行识别。但是存在输入数据选择和网络结构设计等问题。详见：Shan Baoming.License plate character segmentation and recognition based on RBF neural network.2nd International Workshop on Education Technology and Computer Science,ETCS2010,v2,p86-89.

发明内容

本发明所要解决的技术方案是，提供一种能适应复杂环境的机动车号牌识别方法。

本发明为解决上述技术问题所采用的技术方案是，基于滑窗搜索的机动车号牌识别方法，包括以下步骤：

1）车牌定位步骤：对当前帧中出现在场景内的各车辆进行目标跟踪，再对各车辆车牌进行定位；

2）车牌字符预分割步骤：对提取的单个待识别的车牌图像进行尺寸归一化处理与二值化处理，再根据先验信息确定车牌图像中各字符分割中心，所述先验信息为字符间隔的宽高比以及字符宽高比；

3）滑窗搜索步骤：用标准字符尺寸的窗口在当前待识别车牌图像的各字符的分割中心以及分割中心左右滑窗搜索各m次，得到2m+1个滑窗识别结果；