[发明专利]车牌定位方法及系统

说明书

技术领域

本发明涉及图像处理领域，特别是涉及一种车牌定位方法及系统。

背景技术

近年来，车牌识别设备已经被广泛应用于停车场、城市道路等区域进行车辆号牌的自动抓拍和识别。

现有的车牌识别设备以使用标清模拟摄像机为主，车牌识别设备主要是针对停车场，小区出入口等，随着技术发展以及车牌识别技术的普及，车牌识别应用范围越来越广泛，已经发展到城市道路，高速公路以及一些比较宽敞的道路。但是标清模拟摄像机存在着图像层次感、对比度，分辨率都不足的问题，制约了车牌识别系统的性能。

随着科技的发展，高清摄像机和全高清摄像机开始逐渐普及，弥补了标清模拟摄像机在车牌识别应用中的不足，但是由于全高清摄像机的分辨率高，要在大范围内搜索到车牌并且对车牌进行分割和识别非常不容易。

因此，如何能够完成对标清车牌的定位也能够在更高像素更好分辨率的情况下完成对车牌的定位，是本领域技术人员需要解决的问题。

发明内容

本发明的目的是提供一种车牌定位方法，该方法能够完成对标清车牌的定位也能够在更高像素更好分辨率的情况下完成对车牌的定位；本发明的另一目的是提供一种车牌定位的系统。

为解决上述技术问题，本发明实施例提供如下技术方案：

一种车牌定位方法，包括：

获取车辆图像；

以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像；当通过所述图像金字塔检测到所述车辆图像包含车牌区域时，则对所述车牌区域进行车牌字符识别处理，确定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所对应的车牌区域图像的第一位置信息；

从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前帧和前一帧的位置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预定条件则为车牌区域图像的第二位置信息；

融合所述第一位置信息和所述第二位置信息，完成车牌定位。其中，以所述车辆图像构建图像金字塔包括：

以所述车辆图像构建一个三层的图像金字塔，将输入的需要处理的所述车辆图像作为金字塔的第三层，将所述车辆图像的宽度和高度的1/2作为金字塔的第二层，将所述车辆图像的宽度和高度的1/3作为金字塔的第一层。

其中，所述通过所述图像金字塔检测到所述车辆图像包含车牌区域包括：

在所述图像金字塔的第一层通过车头分类器对所述车辆图像进行车头区域的检测，得到车头区域；

在所述图像金字塔的第二层对所述车头区域进行车牌区域的检测，得到第一车牌区域；

在所述图像金字塔的第三层通过车牌分类器对所述第一车牌区域进行分类，得到车牌区域。

其中，所述提取车牌区域在当前帧和前一帧的位置包括：

提取车牌区域在前一帧与当前帧的位置形成跟踪区域，将所述跟踪区域生成跟踪角点；

所述跟踪处理车牌区域在当前帧和前一帧的位置信息包括：

前一帧与当前帧做一次卢卡斯卡耐德LK跟踪，从前一帧提取角点pts0进行跟踪得到当前帧的角点pts1；

当前帧与前一帧做一次卢卡斯卡耐德LK反跟踪，根据当前帧角点pts1跟踪得到前一帧的角点pts2；

在预定的区域将角点pts0与pts2每一对匹配的像素点进行归一化互相关计算，并得到归一化互相关的中值；

计算角点pts0与pts2之间每一对对应像素点的欧氏距离，并得到欧氏距离的中值；

找到角点pts1中大于归一化互相关的中值并且小于欧氏距离中值的像素点为跟踪有效像素点；

所述跟踪处理的结果符合预定条件则为车牌区域图像的第二位置信息包括：

跟踪有效像素点的个数大于预定阈值，则角点pts1为当前帧车牌区域图像的第二位置信息。

其中，所述车头分类器的训练方法包括：

获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像的车头部分的图像作为正样本，以非车头部分的图像作为负样本；

使用方向梯度直方图HOG特征对每一幅车辆图像的正样本和负样本进行表征，形成方向梯度直方图HOG特征向量；

利用级联的演算Adaboost算法对得到的方向梯度直方图HOG特征进行训练，获得级联车头强分类器。

其中，所述车牌分类器的训练方法包括：

获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像的车牌图像作为正样本，以非车牌图像作为负样本；