[发明专利]一种基于视频流的车牌识别方法

说明书

技术领域

本发明涉及智能交通领域，特别涉及一种基于视频流的车牌识别方法。

背景技术

目前的图像处理与识别技术得到了迅速的发展，其任务就是在装备了数字摄像设备和计算机信息处理系统的软硬件的基础上，通过摄像设备采集视频，并将视频通过光纤传给计算后台处理器进行图像内容的提取与识别。

车牌识别是通过摄像机对车辆图像的采集后，采用相应的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出车牌上的全部字符，再识别出车牌中的汉字、字母和数字，最后输出车牌的真实号码。从应用来看，车牌识别技术已经得到了广泛的应用。

而车牌识别一个很重要的应用就是在停车场或小区等场所的车辆出入管理上，通过对车辆进出时的识别来登记或收费。有别于传统用小票的方式，采用车牌识别的管理系统更加智能，管理成本更低。

现在高端一些停车场或小区的出入口都采用了智能车牌识别来控制车辆的出入与收费。而现在市场上大部分类似产品的解决方案都是用地感线圈结合拍照识别的方式，通过地感线圈感应到车辆的驶入，触发像机进行抓拍，最后对拍到的图牌进行车牌提取与识别。但这种方式存在着车牌图像识别时机把握不准，车牌识别容错率低等问题。

发明内容

本发明的目的在于提供一种基于视频流的车牌识别方法，其大大降低了单张图像识别错误带来的风险，提高了车牌的整体识别率。

为实现上述目的，本发明采用以下技术方案：

一种基于视频流的车牌识别方法，包括以下步骤：

S1、检测触发，定义一个矩形兴趣区域，采用帧差法得出矩形兴趣区域内的二值图像，根据二值图像的结果判断是否有车辆通行；

S2、车牌定位，对图像中的检测区域进行车牌检测，把检测到的车牌切割出来，获得车牌图像；

S3、车牌预处理，对车牌图像进行车牌倾斜校正和车牌精确切割；

S4、车牌字符切割，对车牌图像上的字符进行切割，将其分解为单个字符图像；

S5、车牌字符识别，采用了SVM字符识别器对每个字符图像进行识别，最终获得整个车牌的识别结果；

S6、对每帧图像重复步骤S2至S5的操作，得到多个车牌识别结果；

S7、结果投票，对多个车牌识别结果进行投票与交叉对比，最终得到一个准确率最高的识别结果。

优选地，所述步骤S1具体包括以下分步骤：

S11、定义一个矩形兴趣区域，用以检测移动的车辆；

S12、获取矩形兴趣区域内的差值图

diflmg＝|curImg-preImg|

其中，difImg为差值图像，curImg为当前帧图像，preImg为前一帧图像；

S13、对步骤S11中得到的差值图像进行阈值化处理，获得二值图像

S14、计算二值图像的前景面积百分比

其中，foreArea为前景目标的面积，RectArea为兴趣区域的面积；

S15、预先设定检测阈值，根据前景面积百分比判断是否有车辆驶入，若areaRate大于检测阈值，则判定有车辆经过，如果小于检测阈值，则判定无车辆经过。

优选地，所述检测阈值为5％。

优选地，所述步骤S2具体包括以下分步骤：

S21、采用Sobel算子进行竖直边缘检测，获得边缘图像；

S22、对边缘图像进行形态学操作，获得候选车牌的连通区域；

S23、预先设定连通区域的筛选条件，进行车牌筛选，获得车牌区域；

S24、根据车牌区域的宽高比判断车牌是否完整，若不完整，则对车牌区域的左右两侧分别进行一定尺寸的拓展，获得车牌图像。

优选地，所述连通区域的筛选条件为：

其中，conW为连通区域的宽度，conH为连通区域的高度，stdPltSz是一个二元数组，stdPltSz[0]为场景下一般车牌的宽度，stdPltSz[1]为场景下一般车牌的高度。

优选地，所述步骤S3具体包括以下分步骤：

S31、车牌二值化，先对车牌图像进行数学形态学操作，获得一张只有车牌背景颜色而没有字符的背景图像，然后将车牌图像与所述背景图像进行差值运算，得到车牌差值图像，最后对车牌差值图像的竖直边缘周边像素点采样，对采样得到的颜色进行二聚类求取阈值，根据求取的阈值对车牌进行二值化处理；

S32、车牌倾斜校正，对车牌分别进行水平方向和竖直方向的修正；