[发明专利]一种车牌检测方法及装置

说明书

技术领域

本发明属于图像处理领域，尤其涉及一种车牌检测方法及装置。

背景技术

车牌识别已经被广泛使用在停车场出入口，商厦出入口等地方。车牌识别一般分为车牌检测，字符分割与识别以及车牌投票这三步。车牌检测，即从视频中检测到车牌，而车票检测又是车牌识别中非常重要的一步，也是最耗时的一步。车牌检测就是在车辆图像中检测车牌的位置。由于车牌识别设备一般都是在室外使用，车牌和背景的成像条件是不可控制的，光照，复杂背景，摄像机的安装角度和距离等给车牌检测带来了困难。车牌区域在整幅图像中所占的比例较小，要从整幅图像中检测出车牌区域必然要在大量的背景信息中进行搜索。现实生活中对车牌的识别应用场景都有对时间的限制，因此更加需要快速检测到车牌。基于视频的车牌检测方法有很多，包括基于线模板的二值化图像中的角检测算法，利用遗传算法检测车牌，还有基于Haar特征的Adaboost检测等。其中基于Haar特征的Adaboost训练模型进行全图搜索。该方法检测率高，但速度慢，全图进行Haar检测能准确检测到车牌，但是运算量大，如果应用在嵌入式设备中，嵌入式设备的运算速度难以达到要求。另外Haar检测对角度要求高，如果车牌角度超过了30度就会出现一定的漏检。

发明内容

本发明实施例的目的在于提供一种车牌检测方法及装置，旨在提供一种车牌检测方法，通过HOG特征对图像进行检测，然后进行边缘检测和边缘密度检测，最后通过Haar模型检测出车牌区域。

本发明实施例是这样实现的，一种车牌检测方法，所述方法包括下述步骤：

使用HOG模型对图像进行多尺度检测，并提取通过HOG模型检测的方框区域；

对图像进行边缘计算，并计算经过边缘计算后的图像的积分图，获取得到图像的边缘积分图；

在所述边缘积分图上获取通过HOG模型检测的方框区域，计算通过HOG模型检测的方框区域的边缘密度，提取边缘密度大于等于阈值的方框；

对边缘密度大于等于阈值的方框进行平分，并计算平分后各方框的平均边缘密度，根据平均边缘密度得到平均边缘密度偏差，标定偏差在阈值范围内的方框为类似车牌方框；

通过Haar模型对边缘密度大于等于阈值的方框进行检测及结合所述类似车牌方框，检测得到精确的车牌区域。

进一步的，所述方法在使用HOG模型对图像进行多尺度检测的步骤前包括:

对图像进行转换，将图像转换为灰度图；

对图像进行缩放。

进一步的，所述方法在对图像进行转换，将图像转换为灰度图的步骤前还包括：

根据采集的正负样本，建立HOG模型。

进一步的，所述通过Haar模型对边缘密度大于等于阈值的方框进行检测及结合所述类似车牌方框，检测得到精确的车牌区域的步骤包括：

通过级联的Adaboost算法对Haar特征进行训练得到Haar模型；

通过Haar模型对边缘密度大于等于阈值的方框进行检测及结合所述类似车牌方框，检测得到精确的车牌区域。

本发明实施例的另一目的在于提供一种车牌检测装置，所述装置包括：

方框区域提取单元，用于使用HOG模型对图像进行多尺度检测，并提取通过HOG模型检测的方框区域；

积分图计算单元，用于对图像进行边缘计算，并计算经过边缘计算后的图像的积分图，获取得到图像的边缘积分图；

方框提取单元，用于在所述边缘积分图上获取通过HOG模型检测的方框区域，计算通过HOG模型检测的方框区域的边缘密度，提取边缘密度大于等于阈值的方框；

标定单元，用于对边缘密度大于等于阈值的方框进行平分，并计算平分后各方框的平均边缘密度，根据平均边缘密度得到平均边缘密度偏差，标定偏差在阈值范围内的方框为类似车牌方框；

车牌区域检测单元，用于通过Haar模型对边缘密度大于等于阈值的方框进行检测及结合所述类似车牌方框，检测得到精确的车牌区域。

进一步的，所述装置还包括：

图像转换缩放单元，用于对图像进行转换，将图像转换为灰度图；对图像进行缩放。进一步的，所述装置还包括：

图像转换单元，用于对图像进行转换，将图像转换为灰度图。

进一步的，所述车牌区域检测单元还包括：

模型训练单元，用于通过级联的Adaboost算法对Haar特征进行训练得到Haar模型；

精确检测单元，用于通过Haar模型对边缘密度大于等于阈值的方框进行检测及结合所述类似车牌方框，检测得到精确的车牌区域。