[发明专利]基于颜色纹理分析器与机器学习的车牌检测方法

说明书

本发明公开了一种基于颜色纹理分析器与机器学习的车牌检测方法，包括以下步骤：步骤1、对预处理后的图片进行纹理特征提取；步骤2、对纹理特征提取的候选车牌图进行透射变换矫正车牌倾斜角；步骤3、对车牌底色进行判断，针对蓝黄牌进行两次颜色特征提取锁定目标位置；步骤4、针对白色的车牌进行第二次纹理特征提取；步骤5、对特征提取后的候选车牌进行机器学习判断。具有准确性高和应用前景好等优点。

技术领域

本发明涉及一种车牌检测技术，属于计算机图像处理领域，特别涉及一种基于颜色纹理分析器与机器学习的车牌检测方法，本发明是一种基于颜色特征、纹理特征以及支持向量机的车牌检测方法。

背景技术

随着社会的高速发展，人们对私家车的需求越来越大，由此带来巨大的交通压力影响着人们正常的出行。车牌识别是智能交通的重要组成部分，但是现在的车牌识别方法由于自身的局限性只适用于简单场景，如小区管理入口，停车场收费入口等。作为车辆的唯一标记识别物，车牌的识别对于车辆的监控有着重大的意义。未来，现实生活中会有更多的地方使用到车牌识别系统。通常来说，现实场景往往比较复杂，监视区域会出现一些路人，树木等干扰物，而且期间的光照与拍摄视角也会多样化。现有的车牌识别方法无法对上述场景进行高效的处理，视角的倾斜角度带来的图像形变不能简单地通过图像旋转方法处理，光照突变给车牌颜色信息带来了很大的干扰，传统的颜色空间不能合理地分离颜色通道。这些问题大大降低了检测车牌的准确率，是本领域技术人员亟待解决的一个技术问题。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于颜色纹理分析器与机器学习的车牌检测方法，该车牌检测方法解决了光照不均带来的颜色变化的干扰问题，矫正了倾斜角度过大或者形变的车牌图片，提高了白颜色车牌在白颜色车辆下定位的准确率。

本发明的目的通过以下技术方案实现：一种基于颜色纹理分析器与机器学习的车牌检测方法，包括以下步骤：

步骤1、图片预处理与基于边缘信息纹理特征提取，对预处理后的图片进行纹理特征提取；

步骤2、车牌图片的透射变换，对纹理特征提取的候选车牌图进行透射变换矫正车牌倾斜角；

步骤3、基于颜色信息特征提取，对车牌底色进行判断，针对蓝黄牌进行两次颜色特征提取锁定目标位置；

步骤4、二次纹理特征信息提取，针对白色的车牌进行第二次纹理特征提取；

步骤5、建立车牌图库，分类训练，对特征提取后的候选车牌进行机器学习判断。

在步骤1中，采用了sobel算子进行边缘纹理提取以及使用新的片断连接方法对目标区域进行连接；

由于车牌边缘纹理较为简结，在竖直方向以及水平方向上进行边缘提取足以突出车牌字符所在的位置。以下是sobel算子在水平x方向以及竖直y方向上的两个运算模板：

式中，Gx表示纵向边缘检测模板，Gy表示横向边缘检测模板；

所述Gx和Gy都是3x3的矩阵，在待检测的图片中使用相同大小的3x3移动窗口遍历整幅图片，在这个过程中分别将模板和移动窗口区域的像素点进行卷积，选取计算值的绝对值较大的点并保留下来。

此外，考虑到车牌边框附近的细线杂块影响，本发明提出了一种新的连接像素点的方法，降低真正车牌的区域与干扰区域连接的可能性；所述新的连接像素点的方法包括如下步骤：

A、用模板窗口遍历图像，当该区域内特征像素点达到阈值，执行步骤B，否则，继续遍历。并且在平移模板窗口过程中，每次均与上一个矩形窗口三分之一的重叠区域，因此可以很好地连接片段区域；