一种基于字符位置的车牌定位方法
【技术领域】
[0001] 本发明公开一种车牌定位方法，特别是一种基于字符位置的车牌定位方法。
【背景技术】
[0002] 由于我国近几十年来经济快速发展，一方面汽车总量越来越大，在成为现代社会 的主要交通工具的同时，人们对车辆信息的采集和管理意识也越来越强，而人工采集和管 理已经无法满足实际的需要；另一方面，随着计算机技术、机器视觉、通信技术等发展迅猛， 它们为智能交通提供了可靠的技术支持。
[0003] 车牌识别是现代智能交通系统中的重要组成部分之一，应用非常广泛，而车牌定 位技术常作为车牌识别的一部分，在交通车辆管理、园区车辆管理、高速公路收费与监管、 停车场管理、海关物流管理、公安部口打击犯罪等领域发挥着重要的作用，加强了高速公 路、城市道路管理，提高了运输效率和经济活力，减少了交通事故及车辆被盗事件的发生， 保障了社会稳定，对整个社会具有重大而深远的影响。
[0004] 现有的车牌定位技术方案中，通常采用的做法是先对获取的图像进行预处理，然 后经过车牌粗定位、车牌精定位和倾斜矫正，最终获得车牌的二值图像。而在现有技术的部 分方案中，将粗定位和精定位合二为一，并无明显的区分。W下为现有技术中对车牌定位技 术的一些常规做法： 阳0化]1、在现有技术方案中，如专利名为一种基于双边缘检测的车牌识别方法（专利 号：201110379616. 0)、一种车牌识别方法及其系统（专利号：201210535195. 0)，在对车牌 进行定位前，并未对图像进行预处理，而是直接对原始图像进行边缘检测及形态学处理获 得候选车牌区域，而在模糊车牌中，因其边缘信息较少，易被误认为伪车牌；而专利名为基 于虚拟线圈的自触发车牌识别方法（专利号：201010172095. 7)、车牌识别方法及其识别系 统（201110341353. 4)，则是对图像进行统一的预处理，且处理方式较为单一，均是直接进行 灰度化，虽然前者还进行了图像增强和滤波，但并未考虑光照对车牌图像的影响，尤其在夜 间，因车灯和光照的影响，车牌边缘信息较少，在对边缘进行过滤时容易被误当作干扰而致 使车牌的遗漏，因此定位结果容易出现不稳定的现象。
[0006] 2、车牌定位分为粗定位和精定位，但专利名为多角度投影的模糊车牌识别方法 (专利号：200910035484. 2)，是使用水平投影和垂直投影来进行定位，不区分粗定位和精 定位，该方法只能对车牌进行大致定位，除了容易引入过多的伪车牌外，由于受光照影响， 还容易遗漏车牌；除此之外，在现有技术方案中，如专利名为一种基于双边缘检测的车牌识 别方法（专利号：20110379616. 0)、车牌识别方法及其识别系统（201110341353. 4)等，多是 根据颜色、纹理及车牌形状先验来对车牌进行粗略定位或精确定位，除了容易受光照影响 夕F，在背景复杂的环境下更会引入过多的伪车牌，为后续的车牌识别增加了难度、降低了效 率。
[0007] 3、在进行倾斜矫正时，首先需要找到车牌的倾斜角度，它分为水平倾斜角度和垂 直倾斜角度，其中垂直倾斜角度通常较小，因此在现有的技术方案中，很大部分只对车牌 进行水平矫正。而在水平角度的寻找上，如专利名为一种基于视频流的自动车牌识别方 法（专利号：201210338652. 7)、专利名为基于虚拟线圈的自触发车牌识别方法（专利号： 201010172095. 7)，均采用的是较为常见的化U曲变换法进行直线检测，但该方法计算量 大，不适用于实时的车牌识别系统。而其他方法，诸如剪切变换法、Radon法、直线拟合法等 虽然简单易实现，但容易受噪声影响，得出的倾斜角度值不准确，矫正后的二值图亦将严重 影响识别结果。
【发明内容】
[0008] 针对上述提到的现有技术中的车牌定位技术中普遍存在的定位精度低、受光照影 响大的缺点，本发明提供一种基于字符位置的车牌定位方法，其通过图像下采样、图像预处 理、车牌粗定位、车牌精定位、原图像映射、车牌倾斜矫正等步骤最终获得定位正确的车牌 位置。
[0009] 本发明解决其技术问题采用的技术方案是：一种基于字符位置的车牌定位方法， 该方法包括下述步骤：
[0010] 步骤Sl :图像下采样，对ROI区域中的RGB图像进行每隔K个像素的下采样操作， ROI宽度大致为一个车道的宽度；
[0011] 步骤S2:图像预处理，根据原图像对环境进行大致判断，对不同的光照情况进行 不同的预处理方式；
[0012] 步骤S3:车牌粗定位，首先得出图像的边缘图，再将不符合车牌边缘特征者进行 过滤，然后利用形态学变换形成候选区域，通过形状和纹理过滤，去除大部分的伪车牌；
[0013] 步骤S4 :车牌精定位，在车牌精定位中，首先去除候选车牌上下左右的干扰，然后 对其进行垂直投影，保留其投影曲线中具有字符规律的车牌区域，最后使用连通区域法精 定位，在过滤伪车牌和去除冗余的同时，对缺失字符的车牌进行扩展，确保车牌的完整性；
[0014] 步骤S5:在进行原图像映射时，根据下采样参数K及候选车牌的位置得出该车牌 在原图像中的位置，同时将第一个英文字母的左位置进行映射，得出其在原始图像中的位 置；
[0015] 步骤S6 :车牌倾斜矫正，在进行车牌倾斜矫正时，首先对车牌进行矫正前处理，然 后对车牌中的红色字符位置进行判断，再进行水平矫正和垂直矫正，最后进行矫正后处理。
[0016] 本发明解决其技术问题采用的技术方案进一步还包括：
[0017] 所述的步骤S2中对图像预处理的方法为，（1)、图像灰度化：采用加权平均法将 RGB图像转化为灰度图像；（2)、根据光照情况的不同，使用不同的灰度变换方法得出图像G 输出。
[0018] 所述的将RGB图像转化为灰度图像后，首先统计出灰度值大于5的像素，并计算其 所占比例numR、均值gM、方差gV、方差均值比gVMR，同时统计并计算灰度值等于255的像素 所占比例WhiteR,然后根据运5个参数在不同情况下的统计结果，将图像的光照情况分为 屯类，包括夜间、光照不足的阴雨天、光照较暗的阴雨天、光照很暗的阴雨天、白天、其他夜 间情况、其他白天情况，然后对每种情况进行不同的灰度变换。当光照情况为夜间时，采用 单纯的丫变换；当光照情况为光照不足的阴雨天、光照很暗的阴雨天和白天时，采用丫变 换加线性拉伸；当光照情况为光照较暗的阴雨天时，采用T变换加线性拉伸加中值滤波； 当光照情况为夜间其他情况时，采用去极值的直方图裁剪法；当光照情况为其他情况时，采 用丫变换加去极值的直方图裁剪法。
[0019] 所述的车牌粗定位的步骤如下：
[0020] (1)获取边缘：采用加权Sobel,对图像进行±45°和90°方向的边缘提取，并进 行加权，其中，±45°的加权系数在[0.15,0.25]的范围内取值，90°的加权系数则相应地 在化5,0. 7]之间取值；
[0021] (2)边缘过滤：首先对边缘图的像素值小于S化且灰度图中对应的像素值小于 fTL的像素置零，其中sTL的取值范围为[130, 150]，fTL的取值范围为[55, 85]，然后计 算每一行的差分值，并将大于difTPT的差分值的均值作为该行的差分阔值diffT，其中 difTPT的取值范围为巧0, 45]，统计该行中大于difTT的个数，若个数大于numT时，则该行 边缘被保留，否则该行边缘全部置零，其中numT的取值范围为巧，12];最后对图像进行H*1 的形态学闭运算，即为边缘过滤后处理，H取值为3 ;
[0022] (3)边缘二值化：确定边缘二值化的阔值ST方法是首先计算所有非0边缘的均 值，若该均值小于60,则将ST置为100,否则ST等于该均值；
[0023] (4)区域形成：首先对边缘二值图进行1*W1的闭运算，然后进行1*W2的开运算， Wl和W2为K倍ROI区域宽度，K的取值范围均为[1/40, 1/30]，W2稍大于Wl ;
[0024] (5)区域形状过滤：首先过滤面积过小和高度过小的连通区域；然后根据长宽比 来决定进行上下冗余过滤和左右冗余过滤的顺序，若长度远大于高度则先进行左右冗余过 滤，反之亦然；过滤后结合长宽比、前景比例、宽度和高度来判断候选车牌是否粘连，如果 是则对该区域进行粘连分割，否则对该区域进行纹理过滤，而在进行粘连分割时，首先通过 形态学5*5的开运算，分割出粘连较少的数个区域，若分割出多个区域，则对每一个区域进 行高度和宽度的过滤，然后对符合车牌特征者重新进行形状过滤；若只有一个连通区域， 则对该区域对应的边缘图进行1*W3形态学闭运算和1*W4的开运算，其中W3和W4均为 [0. 6, 0.引倍区域高度，而W4略大于W3,之后对形成的区域进行宽度和高度的过滤，并对保 留的区域再次进行形状过滤.
[00对 （6)区域纹理过滤：对保留的连通区域对应的灰度图进行自适应局部阔值法，该 方法是在计算某一像素点周围m*n领域内的均值后，将该均值与该像素值进行比较，大于 该值者为前景，否则为背景，在得到二值图后对每行跳变数进行统计，对跳变数在[7, 50] 范围内的行进行统计，若其所占的比例大于70%，则该区域被保留，否则过滤该区域。
[00%] 所述的上下冗余过滤是对连通区域的二值图进行行投影，左右冗余过滤则进行列 投影，过滤行列的方式均是对投影值首次小于50 %者作为边界，此过