专利名称：车牌定位方法
技术领域：
本发明涉及图像处理技术，特别是涉及一种基于复杂全景图的车牌定位方法。
背景技术：
随着经济与交通的迅速发展导致机动车辆大幅地增加，对机动车辆的监测管理是目前面临的问题之一。而车牌号是机动车的重要标识，机动车车牌号(简称为车牌)定位和识别技术广泛地应用在收费站、停车场等各种场合，以实现机动车辆的自动监控和管理，其极大地节约了人力和物力。其中，车牌定位技术是车牌识别技术的关键步骤，只有准确地定位了车牌的位置所在，才能够准确地识别车牌。目前现有的车牌定位方法主要有基于灰度纹理特征的车牌定位方法和基于小波变换的车牌定位方法。其中，基于灰度纹理特征的车牌定位方法利用了车牌区域边缘纹理比较丰富的特性，其对灰度图像进行二值化后，计算灰度图像的边缘图像，再通过设定的阈值对边缘图像进行二值化，然后经过一定的形态学操作，提取联通区域以作为车牌区域。而基于小波变换的车牌定位方法，是利用车牌区域小波高频信号比较强烈的特性，将图像经过二维小波变换，变成低频信号、水平高频信号、垂直高频信号、对角高频信号四个子图像。然后经过一定的操作，增强变换后的垂直高频信号，而削弱其他方向的高频信号，利用区域生成法找到图像中垂直高频信号的集中区域，其即为车牌区域。但是，现有的车牌定位方法大多基于颜色或者纹理特征，其只适合用在收费站、治安卡等背景变化不大的场景中，而对于复杂的全景图(例如，街景全景图)中的各种自然环境场景，其背景千变万化，特别是对于那些含有大量树木和条纹纹理物品的全景图中，现有的车牌定位方法很难适用。而且，现有的车牌定位方法对于采集的图片的质量有较高的要求，对于光照比较敏感，如果车牌过亮或者过暗，现有的车牌定位方法都无法进行很好的处理，其抗干扰性较差(即其robust—鲁棒性不高)。此外，现有的车牌定位方法不能有效地支持车牌旋转的情况，无论车牌的尺寸为何，其都采用固定的阈值，因此现有的车牌定位方法经常会无法定位过小的车牌，而会把多大的车牌分割成多块。
发明内容
本发明的目的在于，克服现有车牌定位技术所存在的缺陷，而提供一种新的车牌定位方法，其可以在具有复杂场景的全景图中准确地定位车牌，适用范围广，抗干扰性较好。本发明的目的及解决其技术问题是采用以下技术方案来实现的。本发明提供一种车牌定位方法，其包括步骤S1:对采集的全景图进行颜色检测，并提取所述全景图中的指定颜色的区域以作为车牌候选区域；步骤S2 :提取所述车牌候选区域的边缘特征，利用所述边缘特征分割所述车牌候选区域，以生成车牌候选区域集；步骤S3 :对所述车牌候选区域集中的车牌候选区域进行倾斜角度矫正操作；以及步骤S4 :对所述车牌候选区域集的每一个车牌候选区域进行验证以剔除非车牌区域，从而筛选出车牌区域。优选地，所述步骤S2和步骤S3之间，还进一步包括步骤S2a :对所述车牌候选区域集中的所述车牌候选区域依据预定的合并条件，合并满足所述合并条件的车牌候选区域，并将合并后的车牌候选区域作为新的车牌候选区域。优选地，所述步骤SI包括步骤Sll :将所述全景图由三基色格式图像转换成颜色空间格式图像；步骤S12 :分别建立所述指定颜色的车牌候选区域的掩模二值图像；以及步骤S13 :对所述掩模二值图像进行形态学闭运算操作以联通同一车牌的各个区域，并采取区域生长法提取掩模二值图像中的联通区域，以作为所述车牌候选区域。优选地，所述指定颜色包括以下颜色中的至少一种蓝色、黄色、白色。优选地，所述颜色空间格式图像为HSV格式图像或者HSL格式图像。优选地，所述步骤S2包括步骤S21 :对所述车牌候选区域进行滤波处理以生成所述车牌候选区域的水平边缘图像；步骤S22 :对所述水平边缘图像进行二值化处理，以生成对应的二值图像；步骤S23 :对所述二值图像进行形态学闭操作，以联通相近的区域；以及步骤S24 :采用区域生长法提取所述二值图像中的联通域，并生成所述车牌候选区域集。优选地，所述步骤S22是动态地选取阈值以对所述水平边缘图像进行二值化处理。优选地，所述步骤S22是以Otsu方法动态地选取阈值，以对所述水平边缘图像进
行二值化处理。优选地，所述步骤S23是将所述全景图分成多个区域，其中不同的区域分别采用不同的闭操作参数以分别进行形态学闭操作。优选地，所述步骤S3包括步骤S31 :检测车牌的倾斜角度；以及步骤S32 :以所述车牌的倾斜角度旋转所述车牌候选区域，并在旋转后的三基色格式图像，并在旋转后的图像中重新确定车牌候选区域。优选地，所述步骤S4包括以下步骤中的至少一项步骤S41 :对所述车牌候选区域集的每一个车牌候选区域进行形状验证，以剔除不符合预定车牌标准的车牌候选区域；步骤S42 :对所述车牌候选区域集的每一个车牌候选区域进行边缘纹理验证，判定所述车牌候选区域是否是车牌区域，以剔除非车牌区域；以及步骤S43 :对所述车牌候选集的每一个车牌候选区域进行分类器验证，提取所述车牌候选区域的特征并利用分类器进行分类识别。优选地，所述步骤S41中预先设定车牌形状过滤标准，利用所述车牌形状过滤标准对所述车牌候选区域进行形状验证。优选地，所述车牌形状过滤标准包括所述全景图中各个区域的车牌的最小尺寸和最大尺寸以及车牌宽高比的下限和上限。优选地，所述步骤S42中的边缘纹理验证包括步骤S421 :生成所述车牌候选区域的对应的二值图像；步骤S422 :计算所述二值图像的每行中0-1的跳变点个数；步骤S423 判断每一行跳变点个数是否大于第一预设阈值，如是，则判定该行为有效行；步骤S424 :判断所述二值图像中的有效行的数量是否大于第二预设阈值，如非，则判定该车牌候选区域为非车牌区域。优选地，所述步骤43中的所述特征为局部二值化特征或者梯度直方图特征，而所述分类器为支持向量机或者AdaBoost分类器。本发明所述的车牌定位方法，可以在具有复杂场景的全景图中准确地定位出车牌，其应用范围较广，抗干扰性较好，且其会对挑选出来的车牌候选区域进行倾斜角度矫正操作，并充分考虑了车牌尺寸的变化，因此本发明的车牌定位方法更加的准确，定位效果更加优秀。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
图1为本发明所揭示的车牌定位方法的流程示意图。图2为图1所示的步骤SI的具体的流程示意图。图3为图1所示的步骤S2的具体流程示意图。图4为图1所示的步骤S3的具体流程示意图。图5为图1所示的步骤S4的具体流程示意图。图6为图5所示的步骤S42的具体流程示意图。
具体实施例方式为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的车牌定位方法其具体实施方式
、方法、步骤、结构、特征及其功效，详细说明如下。有关本发明的前述及其他技术内容、特点及功效，在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式
的说明，当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本发明加以限制。图1为本发明所揭示的车牌定位方法的流程示意图，其中本发明所述的车牌定位方法可适用各类复杂场合的全景图中，例如具有复杂背景的街景全景图中。如图1所示，本发明的车牌定位方法包括步骤S1:对采集的全景图进行颜色检测，以提取所述全景图中的指定颜色的区域以作为车牌候选区域；具体地，图2为步骤SI的具体的流程示意图。如图2所示,步骤SI包括步骤Sll :将采集的全景图由三基色格式图像转换成颜色空间格式图像；由各类监控装置所采集到的全景图一般为R、G、B三基色格式图像，在此，需要将所述三基色格式图像转换成对应的颜色空间格式图像，例如HSV格式图像，其包括色相(H)、饱和度⑶和明度(V)。其中，色相和饱和度对应于图片的色彩信息，而明度对应于图片的亮度信息。在本发明中，将采集的全景图由三基色格式图像转换成HSV格式图像，其可以减少光照对于车牌的影响。三基色格式图像可利用下述公式而转换成HSV格式图像，
权利要求
1.一种车牌定位方法，其特征在于，所述车牌定位方法包括步骤S1:对采集的全景图进行颜色检测，并提取所述全景图中的指定颜色的区域以作为车牌候选区域；步骤S2 :提取所述车牌候选区域的边缘特征，利用所述边缘特征分割所述车牌候选区域，以生成车牌候选区域集；步骤S3 :对所述车牌候选区域集中的车牌候选区域进行倾斜角度矫正操作；步骤S4 :对所述车牌候选区域集的每一个车牌候选区域进行验证以剔除非车牌区域，从而筛选出车牌区域。
2.如权利要求1所述的车牌定位方法，其特征在于，所述步骤2和步骤3之间，还包括:步骤S2a :对所述车牌候选区域集的所述车牌候选区域依据预订的合并条件，合并满足所述合并条件的车牌候选区域，并将合并后的车牌候选区域作为新的车牌候选区域。
3.如权利要求1所述的车牌定位方法，其特征在于，所述步骤SI包括步骤Sll :将所述全景图由三基色格式图像转换成颜色空间格式图像；步骤S12 :分别建立所述指定颜色的车牌候选区域的掩模二值图像；步骤S13 :对所述掩模二值图像进行形态学闭运算操作以联通同一车牌的各个区域，并采取区域生长法提取掩模二值图像中的联通区域，以作为所述车牌候选区域。
4.如权利要求1-3任一所述的车牌定位方法，其特征在于，所述指定颜色包括以下颜色中的至少一种蓝色、黄色、白色。
5.如权利要求3所述的车牌定位方法，其特征在于，所述颜色空间格式图像为HSV格式图像或者HSL格式图像。
6.如权利要求1所述的车牌定位方法，其特征在于，所述步骤S2包括步骤S21 :对所述车牌候选区域进行滤波处理以生成所述车牌候选区域的水平边缘图步骤S22 :对所述水平边缘图像进行二值化处理，以生成对应的二值图像；步骤S23 :对所述二值图像进行形态学闭操作，以联通相近的区域；步骤S24 :采用区域生长法提取所述二值图像中的联通域，并生成所述车牌候选区域集。
7.如权利要求6所述的车牌定位方法，其特征在于，所述步骤S22是动态地选取阈值以对所述水平边缘图像进行二值化处理。
8.如权利要求7所述的车牌定位方法，其特征在于，所述步骤S22是以Otsu方法动态地选取阈值，以对所述水平边缘图像进行二值化处理。
9.如权利要求6所述的车牌定位方法，其特征在于，所述步骤S23是将所述全景图分成多个区域，其中不同的区域分别采用不同的闭操作参数以分别进行形态学闭操作。
10.如权利要求1所述的车牌定位方法，其特征在于，所述步骤S3包括步骤S31 :检测车牌的倾斜角度；步骤S32 :以所述车牌的倾斜角度旋转所述车牌候选区域，并在旋转后的三基色格式图像，并在旋转后的图像中重新确定车牌候选区域。
11.如权利要求1所述的车牌定位方法，其特征在于，所述步骤S4包括以下步骤中的至少一项步骤S41 :对所述车牌候选区域集的每一个车牌候选区域进行形状验证，以剔除不符合预定车牌标准的车牌候选区域；步骤S42 :对所述车牌候选区域集的每一个车牌候选区域进行边缘纹理验证，判定所述车牌候选区域是否是车牌区域，以剔除非车牌区域；步骤S43 :对所述车牌候选集的每一个车牌候选区域进行分类器验证，提取所述车牌候选区域的特征并利用分类器进行分类识别。
12.如权利要求11所述的车牌定位方法，其特征在于，所述步骤S41中预先设定车牌形状过滤标准，利用所述车牌形状过滤标准对所述车牌候选区域进行形状验证。
13.如权利要求12所述的车牌定位方法，其特征在于，所述车牌形状过滤标准包括所述全景图中各个区域的车牌的最小尺寸和最大尺寸以及车牌宽高比的下限和上限。
14.如权利要求11所述的车牌定位方法，其特征在于，所述步骤S42中的边缘纹理验证包括步骤S421 :生成所述车牌候选区域的对应的二值图像；步骤S422 :计算所述二值图像的每行中0-1的跳变点个数；步骤S423 :判断每一行跳变点个数是否大于第一预设阈值，如是，则判定该行为有效步骤S424 :判断所述二值图像中的有效行的数量是否大于第二预设阈值，如非，则判定该车牌候选区域为非车牌区域。
15.如权利要求11所述的车牌定位方法，其特征在于，所述步骤43中的所述特征为局部二值化特征或者梯度直方图特征，而所述分类器为支持向量机或者AdaBoost分类器。
全文摘要
本发明涉及一种车牌定位方法，其包括对采集的全景图进行颜色检测，并提取所述全景图中的指定颜色的区域以作为车牌候选区域；提取所述车牌候选区域的边缘特征，利用所述边缘特征分割所述车牌候选区域，以生成车牌候选区域集；对所述车牌候选区域集中的车牌候选区域进行倾斜角度矫正操作；以及对所述车牌候选区域集的每一个车牌候选区域进行验证以剔除非车牌区域，从而筛选出车牌区域。本发明的车牌定位方法可以在具有复杂场景的全景图中准确地定位车牌，适用范围广，抗干扰性较好。
文档编号G06K9/32GK102999753SQ20121013760
公开日2013年3月27日 申请日期2012年5月7日 优先权日2012年5月7日
发明者邓海峰, 李保利 申请人:腾讯科技(深圳)有限公司