[发明专利]一种车牌定位方法

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及图像中车牌的定位。

背景技术

近几年随着国内经济的不断增长，全国机动车的增长速度一直保持在15％以上，这就加大了与车辆相关的各个行业对车辆管理的难度，使其必须加大人力的投入以及处理好效率等方面问题。与此同时，计算机视觉技术在图像处理领域的应用，使得车辆管理从人工方式逐渐的转变成智能全自动方式，能够有效的解决现状问题。车牌识别技术(对车牌图像的字符识别)在公共安全领域，交通管理方面，加油站以及停车场等方面有着非常巨大的应用价值。而车牌定位、矫正又是字符识别前最重要的环节。

就目前来看，车牌定位的算法分为三类：

(1)基于边缘检测方法，在这三类算法中边缘检测算法最为基础，也最为有效，如果对于简单的场景，比如收费站等，可以做到较高的检测率，但对于场景复杂的区域，比如街道等，误检率会比较高，使其不能精确定位车牌位置，而且由于场景的复杂度比较高，场景中颜色跳变的边缘比较多，这使得在车牌定位过程当中要做很多的无用功，降低了对CPU的利用率，必然导致并不理想的实时性体验。

(2)基于颜色的车牌定位方法，本质上来讲，也是基于边缘算法的一种，它是利用彩色图像的边缘和内部颜色信息一起来定位的，因此对于图片的分辨率要求比较高，如果图片比较模糊，或是遇到夜晚，雨天等等，车牌的定位成功率就会大大降低，不具有好的鲁棒性。

(3)基于机器学习的定位方法，首先是要有足够多的训练样本，以及找到良好的特征和训练方法，不少人基于haar变换和adaboost，利用特征进行车牌定位，这样能够达到比较高的检测率，但是检测范围较大，误检率比较高。这个领域还不是一个非常成熟的领域，需要和其他的方法进行结合才能达到比较完美的效果。

发明内容

本发明的发明目的在于，提供一种能够适应比较复杂环境下的车牌定位方法。

本发明的车牌定位方法，包括下列步骤：

步骤1：输入当前采集图像并进行灰度化处理后，进行背景建模，确定背图像的背景区域和前景区域；

步骤2：对当前图像的前景区域进行边缘检测处理后，基于图像的闭操作输出初始矩形坐标；

步骤3：基于当前采集图像，检测各初始矩形坐标内是否存在车牌颜色，若是，则定义当前初始矩形坐标为候选矩形坐标；

步骤4：基于当前各候选矩形坐标，在当前采集图像内确定车牌边框坐标：

步骤401：查找当前候选矩形坐标内包含像素点最多的像素值P；基于当前候选矩形坐标初始化滑动窗口H，设定所述初始化滑动窗口H的边框的各像素点的像素值为P；

步骤402：确定车牌的上边缘坐标：

步骤402-1：基于当前候选矩形区域的中心点，在预设的角度范围内，基于预设步长对当前候选矩形坐标内的采集图像进行仿射变换；

每次仿射变换后，基于公式E＝∫_Ω1∫_ΟK(x-y)|I(y)-f(x)|²dydx计算当前角度下，所述候选矩形坐标内的能量E，其中，I(y)表示在滑动窗口H内采集图像的像素点y的像素值；f(x)表示滑动窗口H的上边框像素点x的像素值；符号Ω1表示滑动窗口H的上边框，符号Ο表示滑动窗口H内采集图像的所有像素点；

查找能量最小项所对应的角度α，定义当前能量为E_min；

步骤402-2：更新滑动窗口H执行步骤402-1，输出对应的角度α和能量E_min；其中，将当前滑动窗口H的上边框的纵坐标减1作为更新后的滑动窗口H；

步骤402-3：重复步骤402-2，直到当前的E_min大于上一次所输出的E_min，并基于上一次E_min所对应的角度α对当前候选矩形坐标内的采集图像进行仿射变换，取上一次E_min所对应的滑动窗口H的上边框纵坐标为车牌的上边缘坐标；

步骤403：确定车牌的下边缘坐标：

步骤403-1：基于公式E＝∫_Ω2∫_ΟK(x-y)|I(y)-f(x)|²dydx计算当前候选矩形坐标内的能量E，其中，符号Ω2表示滑动窗口H的下边框；

步骤403-2：更新滑动窗口H执行步骤403-1，输出对应能量E，其中，将当前滑动窗口H的下边框的纵坐标加1作为更新后的滑动窗口H；