[发明专利]一种基于机器学习的车牌检测方法

摘要

本发明公开了一种基于机器学习的车牌检测方法，首先将原始彩色图像转换为梯度图像；然后结合Adaboost快速检测且虚警率低的特点，采用多尺度遍历搜索方式对车牌目标进行检测；最后将检测结果二值化和形态学处理，根据国内车牌字符特点对检测结果进行评判，标记车牌区域与准伪车牌区域。进一步，还提取准伪车牌区域特征，采用SVM对准伪车牌区域进行多尺度遍历识别，最后对识别结果评判输出。本发明采用梯度图像表示方法，从而将车辆牌照外观表现形式实现统一，利用Adaboost多尺度遍历搜索方式，能快速、有效地从复杂场景中提取出不同车牌；最后结合SVM对准伪车牌区域进行识别，进一步降低了虚警提高了检测率；其在道路交通监控、停车场管理等方面有广泛的应用前景。

主权项

一种基于机器学习的车牌检测方法，包括以下步骤：（1）对原始彩色图像进行灰度化处理，然后对处理后所得到的灰度图像进行中值滤波；（2）计算中值滤波后所得到的灰度图像中除上、下、左、右边缘像素外的每一个像素的梯度幅值，从而得到灰度图像所对应的梯度图像；（3）在梯度图像中进行多尺度的候选区域提取，利用预先训练好的级联Adaboost分类器对梯度图像的各候选区域进行车牌检测，若该候选区域能检测出车牌，则保留该候选区域；反之，则剔除该候选区域；（4）对保留的各车牌候选区域进行二值化处理，并对所得到的各二值化图像进行形态学处理以标记保留的各车牌候选区域的连通域；（5）对于保留的每一车牌候选区域，若其连通域个数大于最小连通域个数阈值MinNumber_T且小于最大连通域个数阈值MaxNumber_T，则标记该车牌候选区域为真实车牌区域；反之，则标记为准伪车牌区域。