一种实现停车场车牌相似度匹配方法与流程

本发明涉及停车场车牌识别技术领域，具体为一种实现停车场车牌相似度匹配方法。

背景技术：

近年来，随着人们生活质量的提高，汽车走进了千家万户，汽车拥有量逐年上升，导致停车问题越来越突出，人们开始修建停车场来解决停车问题，目前车辆驶入和驶出停车场入口时都是通过摄像头采集车牌信息，在对汽车车牌进行识别获取车牌信息，由于车牌识别率不能达到100％，车牌识别摄像机存在误识别，导致车辆出入场数据不能正常匹配，同时对车牌图像的识别度不好，识别速度不够快速，影响车辆的出入，因此，设计一种实现停车场车牌相似度匹配方法是很有必要的。

技术实现要素：

本发明的目的在于提供一种实现停车场车牌相似度匹配方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种实现停车场车牌相似度匹配方法，包括如下步骤：步骤一，车牌图像采集；步骤二，统一车牌底色；步骤三，图像去噪；步骤四，图像倾斜校正；步骤五，字符分割；步骤六，字符识别；步骤七，车牌匹配出入；

其中在上述的步骤一中，用ccd摄像头采集车牌rgb图像，将采集到的源图像转换成256级的灰度图像，接着用分段的灰度线性变换进行灰度拉伸，提高图像的对比度，在灰度图像车牌区域内用动态阈值进行二值化；

其中在上述的步骤二中，对不同类型的车牌灰度图像进行二值化以后，通过分别计算二值化后的车牌中两种像素值的像素个数的大小来判断是否需要反色，若目标像素的比例大于50％，则将图像进行反色，否则不进行处理，进行景颜色和目标颜色的统一，统一车牌底色；

其中在上述的步骤三中，对二值化后的车牌图像进行中值滤波处理，让与周围像素灰度值的绝对差较大的像素改为与周围像素灰度值接近的灰度值，去除那些相对于其领域像素更亮或更暗的灰度；

其中在上述的步骤四中，对车牌图像在垂直方向进行投影并用高斯滤波器进行平滑，定位投影曲线中的所有波谷点，然后在相应的二值图中，查找所有波谷点之间最高的连通区域，得到的各个区域大部分就是车牌中的各个字符，最终选取各个连通域中即字符的最高和最低点作为hough变换的检测点，检测出倾斜角，然后对车牌进行校正；

其中在上述的步骤五中，采用连通域和投影相结合的方法来对车牌图像进行字符分割，采用四连通标记法对车牌字符边界进行标记，形成连通域；然后判断各个区域的高宽是否基本等于车牌字符区域的高宽，若相差较大时，就进行垂直投影，把宽小于车牌字符宽的相邻区域进行合并，把宽大于车牌字符宽的相邻区域进行进一步分割，最后对各个区域加矩形边框，提取单个车牌字符；

其中在上述的步骤六中，建立标准模板库，其中标准模板库中的字符的大小是一样的，然后将待识别的字符规格化，其大小应该和模板库中的字符一样，将待识别字符图像的字符特征和标准模板库中的所有字符进行匹配，计算相似度；

其中在上述的步骤七中，根据匹配的相似度划分为三个等级，分为四位模糊识别、五位近似识别和六位精确识别，其中四位模糊识别为除去首字母，后面的车牌任意错二位正常匹配出入场；五位近似识别为除去首汉字，后面的车牌任意错一位正常匹配出入场；六位精确识别为去车牌的首汉字进行匹配，根据入场车牌号码匹配相识度对待驶出车辆驶出停车场进行识别匹配。

根据上述技术方案，所述步骤一中，用ccd摄像头采集的车牌图像一般为24为rgb图像，采用经典的灰度变换公式gray＝0.30r+0.59g+0.11b进行变换，其中gray表示灰度图的亮度值，r、g、b分别表示彩色图像中红色、绿色、蓝色分量值。

根据上述技术方案，所述步骤一中，采用基于频域的同态滤波法对图像进行光照补偿处理。

根据上述技术方案，所述步骤三中，中值滤波处理中，令一个3*3模板沿行或者列方向的移动，每次移动后，对模板覆盖区域的像素灰度值进行排序，用排序得到的中值代替模板内中心位置的原始图像像素灰度值。

根据上述技术方案，所述步骤四中，对图像进行旋转时采用双线性插值。

根据上述技术方案，所述步骤六中，对分割出来的单个车牌字符进行大小归一化，将字符图像的外边框按比例线性放大或缩小到规定尺寸。

根据上述技术方案，所述步骤一中，ccd摄像头设置有两个，采用高清晰数字图像传感器和图像采集卡配合图像采集。

与现有技术相比，本发明的有益效果是：通过对车牌图像进行灰度化处理，去除颜色信息，使后面的字符分割算法运行速度更快，对灰度车牌图像进行二值化处理，并统一车牌图像的背景和字符的颜色，对有一定倾斜角度的车牌图像进行倾斜校正处理，采用连通域与投影法相结合的方法对车牌图像进行字符分割，通过模板匹配对单个字符识别匹配，识别快速，提高了识别率，便于车辆出入场数据的正常匹配。

附图说明

图1是本发明的算法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种技术方案：

一种实现停车场车牌相似度匹配方法，包括如下步骤：步骤一，车牌图像采集；步骤二，统一车牌底色；步骤三，图像去噪；步骤四，图像倾斜校正；步骤五，字符分割；步骤六，字符识别；步骤七，车牌匹配出入；

其中在上述的步骤一中，用ccd摄像头采集车牌rgb图像，将采集到的源图像转换成256级的灰度图像，接着用分段的灰度线性变换进行灰度拉伸，提高图像的对比度，在灰度图像车牌区域内用动态阈值进行二值化；

其中在上述的步骤二中，对不同类型的车牌灰度图像进行二值化以后，通过分别计算二值化后的车牌中两种像素值的像素个数的大小来判断是否需要反色，若目标像素的比例大于50％，则将图像进行反色，否则不进行处理，进行景颜色和目标颜色的统一，统一车牌底色；

其中在上述的步骤三中，对二值化后的车牌图像进行中值滤波处理，让与周围像素灰度值的绝对差较大的像素改为与周围像素灰度值接近的灰度值，去除那些相对于其领域像素更亮或更暗的灰度；

其中在上述的步骤四中，对车牌图像在垂直方向进行投影并用高斯滤波器进行平滑，定位投影曲线中的所有波谷点，然后在相应的二值图中，查找所有波谷点之间最高的连通区域，得到的各个区域大部分就是车牌中的各个字符，最终选取各个连通域中即字符的最高和最低点作为hough变换的检测点，检测出倾斜角，然后对车牌进行校正；

其中在上述的步骤五中，采用连通域和投影相结合的方法来对车牌图像进行字符分割，采用四连通标记法对车牌字符边界进行标记，形成连通域；然后判断各个区域的高宽是否基本等于车牌字符区域的高宽，若相差较大时，就进行垂直投影，把宽小于车牌字符宽的相邻区域进行合并，把宽大于车牌字符宽的相邻区域进行进一步分割，最后对各个区域加矩形边框，提取单个车牌字符；

其中在上述的步骤六中，建立标准模板库，其中标准模板库中的字符的大小是一样的，然后将待识别的字符规格化，其大小应该和模板库中的字符一样，将待识别字符图像的字符特征和标准模板库中的所有字符进行匹配，计算相似度；

其中在上述的步骤七中，根据匹配的相似度划分为三个等级，分为四位模糊识别、五位近似识别和六位精确识别，其中四位模糊识别为除去首字母，后面的车牌任意错二位正常匹配出入场；五位近似识别为除去首汉字，后面的车牌任意错一位正常匹配出入场；六位精确识别为去车牌的首汉字进行匹配，根据入场车牌号码匹配相识度对待驶出车辆驶出停车场进行识别匹配。

根据上述技术方案，步骤一中，用ccd摄像头采集的车牌图像一般为24为rgb图像，采用经典的灰度变换公式gray＝0.30r+0.59g+0.11b进行变换，其中gray表示灰度图的亮度值，r、g、b分别表示彩色图像中红色、绿色、蓝色分量值。

根据上述技术方案，步骤一中，采用基于频域的同态滤波法对图像进行光照补偿处理。

根据上述技术方案，步骤三中，中值滤波处理中，令一个3*3模板沿行或者列方向的移动，每次移动后，对模板覆盖区域的像素灰度值进行排序，用排序得到的中值代替模板内中心位置的原始图像像素灰度值。

根据上述技术方案，步骤四中，对图像进行旋转时采用双线性插值。

根据上述技术方案，步骤六中，对分割出来的单个车牌字符进行大小归一化，将字符图像的外边框按比例线性放大或缩小到规定尺寸。

根据上述技术方案，步骤一中，ccd摄像头设置有两个，采用高清晰数字图像传感器和图像采集卡配合图像采集。

基于上述，本发明的优点在于，通过对车牌图像进行灰度化处理，去除颜色信息，使后面的字符分割算法运行速度更快，对灰度车牌图像进行二值化处理，并统一车牌图像的背景和字符的颜色，对有一定倾斜角度的车牌图像进行倾斜校正处理，采用连通域与投影法相结合的方法对车牌图像进行字符分割，通过模板匹配对单个字符识别匹配，根据匹配的相似度划分为三个等级，分为四位模糊识别、五位近似识别和六位精确识别，根据入场车牌号码匹配相识度对待驶出车辆驶出停车场进行识别匹配，识别快速，提高了识别率，便于车辆出入场数据的正常匹配。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。