專利名稱:一種車牌定位方法及車牌定位裝置的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及智能交通領(lǐng)域,尤其涉及一種車牌定位方法及車牌定位裝置,具體更為一種基于雙拋物線閾值法的二值化技術(shù)進(jìn)行的車牌定位方法及車牌定位裝置。
背景技術(shù):
在智能交通領(lǐng)域,車牌識(shí)別是一項(xiàng)十分重要的技術(shù)。車牌識(shí)別技術(shù)一般包括車牌定位,車牌字符切割,字符識(shí)別幾個(gè)過程,其中車牌定位的速度與精度,直接影響車牌識(shí)別技術(shù)的好壞,是整個(gè)車牌識(shí)別系統(tǒng)中的關(guān)鍵。車牌定位通常利用車牌的結(jié)構(gòu)信息,通過全局搜索的方式對車牌所在區(qū)域進(jìn)行定位,而車牌結(jié)構(gòu)信息的提取,最常用也是較有效的方法是通過二值化技術(shù)來提取車牌圖像的邊緣。但常用的二值化方法,如固定閾值法、自適應(yīng)閾值法、全局閾值法以及局部閾值法等不能適應(yīng)復(fù)雜多變的環(huán)境,如不同天氣、不同車況環(huán)境等復(fù)雜情況下對車輛結(jié)構(gòu)信息的提取,固定閾值法或常用的自適應(yīng)閾值法常導(dǎo)致二值化后的邊緣圖像中車牌區(qū)域基本上消失或引入大量噪聲,這將導(dǎo)致定位失敗,或產(chǎn)生大量假牌,后續(xù)處理的計(jì)算量大大增加。因此不能滿足實(shí)際應(yīng)用中高效性、實(shí)時(shí)性的需求例如,在智能交通領(lǐng)域的車牌識(shí)別技術(shù)中,由于天氣、光照、道路、背景干擾客觀因素的影響,采集的交通圖像場景復(fù)雜多變,現(xiàn)有的二值化技術(shù)存在以下缺點(diǎn)1、容易丟失車牌區(qū)域的邊緣信息,使車牌區(qū)域不能被定位到而丟失;2、容易引入過多的背景噪聲,導(dǎo)致大量的偽車牌被定位到,從而增加后續(xù)處理的負(fù)擔(dān);3、難以滿足實(shí)時(shí)性要求。以上因素嚴(yán)重影響了車牌定位的速度和精度,因此,提出一種能夠滿足實(shí)際應(yīng)用需要的、實(shí)現(xiàn)各種復(fù)雜環(huán)境下的實(shí)時(shí)車牌定位技術(shù)顯得十分必要,即一種更加魯棒的二值化閾值方法,能夠適應(yīng)各種情況下二值化需求,使車牌區(qū)域的梯度得以凸顯,同時(shí)減少非車牌區(qū)域出現(xiàn)干擾,從而使得車牌搜索更加高效。
發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的是針對現(xiàn)有的車牌定位技術(shù)存在的不足,提出一種新的車牌定位方法及車牌定位裝置,解決現(xiàn)有的車牌定位技術(shù)不能適應(yīng)復(fù)雜多變的環(huán)境對車輛結(jié)構(gòu)信息的提取,以及難以滿足智能交通的實(shí)時(shí)性要求。為了達(dá)到上述發(fā)明目的,本發(fā)明實(shí)施例提出的一種車牌定位方法是通過以下技術(shù)方案實(shí)現(xiàn)的一種車牌定位方法,所述方法包括選取交通環(huán)境下的車牌圖像,并以模板卷積的方式計(jì)算車牌圖像的平均灰度圖和垂直Sobel邊緣圖,所述車牌圖像包含車牌區(qū)域和背景區(qū)域;將所述車牌圖像的每個(gè)像素點(diǎn)的平均灰度和垂直Sobel梯度構(gòu)成的二維點(diǎn)投影到二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記;在所述二維坐標(biāo)系中的車牌區(qū)域和背景區(qū)域的分界線上尋找關(guān)鍵位置點(diǎn),并對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線;提取目標(biāo)車牌圖像中的像素點(diǎn)的平均灰度值和垂直Sobel梯度值,將平均灰度的值代入兩個(gè)拋物線方程得到拋物線的值,當(dāng)該Sobel梯度值大于任一條拋物線的值時(shí),所述像素點(diǎn)的結(jié)構(gòu)信息有效,否則所述像素點(diǎn)的結(jié)構(gòu)信息無效。為了實(shí)現(xiàn)前述發(fā)明目的,本發(fā)明實(shí)施例還提出了一種車牌定位裝置,所述車牌定位裝置是通過以下技術(shù)方案實(shí)現(xiàn)的一種車牌定位裝置,所述車牌定位裝置包括圖像選取模塊,用來選取交通環(huán)境下的車牌圖像,并以模板卷積的方式計(jì)算車牌圖像的平均灰度圖和垂直Sobel邊緣圖,所述車牌圖像包含車牌區(qū)域和背景區(qū)域;圖像投影模塊,用來將所述車牌圖像的每個(gè)像素點(diǎn)的平均灰度和垂直Sobel梯度構(gòu)成的二維點(diǎn)投影到二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記;拋物線擬合模塊,用來在所述二維坐標(biāo)系中的車牌區(qū)域和背景區(qū)域的分界線上尋找關(guān)鍵位置點(diǎn),并對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線;二值化模塊,用來提取目標(biāo)車牌圖像中的像素點(diǎn)的平均灰度值和Sobel梯度值, 將平均灰度的值代入兩個(gè)拋物線方程得到拋物線的值,當(dāng)Sobel梯度值大于任一條拋物線的值時(shí),所述像素點(diǎn)的結(jié)構(gòu)信息有效,否則所述像素點(diǎn)的結(jié)構(gòu)信息無效。與現(xiàn)有技術(shù)相比,本發(fā)明實(shí)施例提出一種基于雙拋物線閾值的二值化技術(shù)的車牌定位方法和裝置,不需要每次利用全局信息求取閾值,提高了效率,同時(shí)能使各種復(fù)雜情況下的圖像被二值化后,車牌區(qū)域被完整的保留并凸顯,并且地面非車牌區(qū)域的結(jié)構(gòu)被大大抑制,有效提取車牌圖像中的車牌區(qū)域的結(jié)構(gòu)信息,最終使得車牌區(qū)域被準(zhǔn)確的定位,同時(shí)也減少了被檢測到的假車牌數(shù)量,相對其它二值化方法更魯棒更高效,從而保證車牌識(shí)別最終的正確率。
通過下面結(jié)合附圖對其示例性實(shí)施例進(jìn)行的描述,本發(fā)明上述特征和優(yōu)點(diǎn)將會(huì)變得更加清楚和容易理解。圖1為本發(fā)明實(shí)施例一種車牌定位方法的流程圖;圖2為本發(fā)明實(shí)施例車牌圖像的平均灰度模板和垂直Sobel模板;圖3為本發(fā)明實(shí)施例一種車牌定位裝置的組成示意圖;圖如為本發(fā)明實(shí)施例車牌和背景區(qū)域的灰度、梯度二維點(diǎn)投影圖;圖4b為本發(fā)明實(shí)施例標(biāo)記分界線的關(guān)鍵點(diǎn)示意圖;圖如為本發(fā)明實(shí)施例擬合的曲線示意圖。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)說明。如圖1所示,為本發(fā)明實(shí)施例一種車牌定位方法的流程圖,所述方法包括選取交通環(huán)境下的車牌圖像,并以模板卷積的方式計(jì)算車牌圖像的平均灰度圖和垂直Sobel邊緣圖,所述車牌圖像包含車牌區(qū)域和背景區(qū)域;將所述車牌圖像的每個(gè)像素點(diǎn)的平均灰度和Sobel梯度構(gòu)成的二維點(diǎn)投影到二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記。如圖如,用正三角符號表示車牌區(qū)域像素的(灰度,梯度)二維點(diǎn),用實(shí)心點(diǎn)符號表示非車牌區(qū)域像素的(灰度,梯度)二維點(diǎn),圖中箭頭所示橢圓區(qū)域的點(diǎn)取值于強(qiáng)逆光天氣的車牌區(qū)域,與逆光時(shí)高亮的背景區(qū)域特性相比具有較小的平均灰度和梯度,若使用全局閾值法二值化sobel圖車牌區(qū)域結(jié)構(gòu)信息容易丟失,而使用固定閾值法二值化sobel圖,為了凸顯車牌區(qū)域較弱的結(jié)構(gòu)信息,閾值一般選取較小的值,這樣會(huì)引入大量不必要的噪聲,對車牌檢測造成強(qiáng)烈的干擾;在所述二維坐標(biāo)系中的車牌區(qū)域和背景區(qū)域的分界線上尋找關(guān)鍵位置點(diǎn),如圖 4b,用實(shí)心方塊表示選取的關(guān)鍵點(diǎn)。并對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線,如圖如中的兩條拋物線;提取目標(biāo)車牌圖像中的像素點(diǎn)的平均灰度值和垂直Sobel梯度值,將平均灰度的值代入兩個(gè)拋物線方程得到拋物線的值,當(dāng)Sobel梯度值大于任一條拋物線的值時(shí),所述像素點(diǎn)的結(jié)構(gòu)信息有效,否則所述像素點(diǎn)的結(jié)構(gòu)信息無效。進(jìn)一步優(yōu)選地,將所述車牌圖像的每個(gè)像素點(diǎn)的平均灰度和垂直Sobel梯度構(gòu)成的二維點(diǎn)投影到二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記具體包括對所述車牌圖像的每個(gè)像素點(diǎn),從所述平均灰度圖和Sobel邊緣圖中獲取平均灰度和Sobel梯度構(gòu)成R2空間中的一個(gè)點(diǎn),并以平均灰度為橫坐標(biāo),Sobel梯度為縱坐標(biāo),以不同符號表示車牌區(qū)域和背景區(qū)域的二維點(diǎn);將所有車牌區(qū)域和背景區(qū)域的二維點(diǎn)投影到以灰度值為橫坐標(biāo)、梯度值為縱坐標(biāo)二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記。進(jìn)一步優(yōu)選地,所述對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線具體包括以平均灰度為自變量,垂直Sobel梯度為因變量,以最小二乘法對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線。本發(fā)明實(shí)施例針對現(xiàn)有方法對復(fù)雜情況下圖像中車牌區(qū)域結(jié)構(gòu)信息提取困難的問題,提出了一種基于雙拋物線閾值的二值化方式,以有效提取復(fù)雜情況下的圖像中的車牌區(qū)域的結(jié)構(gòu)信息,從而保證車牌區(qū)域被準(zhǔn)確的定位到,從而保證車牌識(shí)別最終的正確率。 為解決上述技術(shù)問題,本發(fā)明實(shí)施例的具體技術(shù)方案實(shí)施如下選取大量各種復(fù)雜情況下的包含車牌區(qū)域和背景區(qū)域的交通車牌圖像,所選取的圖像包括不同天氣,如陰天、雨天、晴天、黃昏、夜間等;不同攝像位置,如順光、逆光,側(cè)光等;不同顏色車牌,如白牌、黃牌、黑牌和藍(lán)牌;不同路面等復(fù)雜情況下獲取的含車牌區(qū)域的車牌圖像。然后以模板卷積的方式計(jì)算車牌圖像的平均灰度圖和Sobel邊緣圖,平均灰度模板和Sobel模板分別如圖加和如圖2b所示。模板卷積的計(jì)算公式如下將圖像表示為Im ,用I (X,y) (O < χ < M,0 < y < N)表示圖像中的一個(gè)像素點(diǎn), X,y表示像素點(diǎn)在圖像中的坐標(biāo),再設(shè)卷積模板為W(X,y),X,y = -1,0,1,那么像素點(diǎn)I (X, y)的模板W的卷積響應(yīng)為
權(quán)利要求
1.一種車牌定位方法,其特征在于,所述方法包括選取交通環(huán)境下的含有車牌的圖像,并以模板卷積的方式計(jì)算車牌圖像的平均灰度圖和垂直Sobel邊緣圖,所述車牌圖像包含車牌區(qū)域和背景區(qū)域;將所述車牌圖像的每個(gè)像素點(diǎn)的平均灰度和垂直Sobel梯度構(gòu)成的二維點(diǎn)投影到二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記;在所述二維坐標(biāo)系中的車牌區(qū)域和背景區(qū)域的分界線上尋找關(guān)鍵位置點(diǎn),并對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線;提取目標(biāo)車牌圖像中的像素點(diǎn)的平均灰度值和垂直Sobel梯度值,將平均灰度的值代入兩個(gè)拋物線方程得到拋物線的值,當(dāng)該Sobel梯度值大于任一條拋物線的值時(shí),所述像素點(diǎn)的結(jié)構(gòu)信息有效,否則所述像素點(diǎn)的結(jié)構(gòu)信息無效。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,將所述車牌圖像的每個(gè)像素點(diǎn)的平均灰度和垂直Sobel梯度構(gòu)成的二維點(diǎn)投影到二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的分別標(biāo)記,具體包括對每個(gè)所述車牌圖像的每個(gè)像素點(diǎn),從所述平均灰度圖和垂直Sobel邊緣圖中獲取平均灰度和Sobel梯度值,構(gòu)成R2空間中的一個(gè)點(diǎn),并以平均灰度為橫坐標(biāo),Sobel梯度為縱坐標(biāo),將所有車牌區(qū)域和背景區(qū)域的二維點(diǎn)投影到二維坐標(biāo)系中,以不同符號表示區(qū)分車牌區(qū)域和背景區(qū)域的二維點(diǎn),并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記; 所述分界線介于車牌區(qū)域的上述二維點(diǎn)和背景區(qū)域的上述二維點(diǎn)之間。
3.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線具體包括以平均灰度為自變量,Sobel梯度為因變量,以最小二乘法對所述分界線上的關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述兩個(gè)拋物線的方程根據(jù)車牌圖像的平均灰度和梯度的關(guān)系得到,具體為^ = 0.003942^-2.368^+362 Z2 = 0.000134%2-0.1941X + 139.4
5.一種車牌定位裝置,其特征在于,所述車牌定位裝置包括圖像選取模塊,用來選取交通環(huán)境下的車牌圖像,并以模板卷積的方式計(jì)算車牌圖像的平均灰度圖和垂直Sobel邊緣圖,所述車牌圖像包含車牌區(qū)域和背景區(qū)域;圖像投影模塊,用來將所述車牌圖像的每個(gè)像素點(diǎn)的平均灰度和Sobel梯度構(gòu)成的二維點(diǎn)投影到二維坐標(biāo)系中,并將車牌區(qū)域的點(diǎn)和背景區(qū)域的點(diǎn)分別標(biāo)記;拋物線擬合模塊,用來在所述二維坐標(biāo)系中的車牌區(qū)域和背景區(qū)域的分界線上尋找關(guān)鍵位置點(diǎn),并對所述關(guān)鍵點(diǎn)進(jìn)行二階線性方程擬合,得到兩條拋物線;二值化模塊,用來提取目標(biāo)車牌圖像中的像素點(diǎn)的平均灰度值和垂直Sobel梯度值, 將平均灰度的值代入兩個(gè)拋物線方程得到拋物線的值,當(dāng)垂直Sobel梯度值大于任一條拋物線的值時(shí),所述像素點(diǎn)的結(jié)構(gòu)信息有效,否則所述像素點(diǎn)的結(jié)構(gòu)信息無效。
6.根據(jù)權(quán)利要求5所述的車牌定位裝置,其特征在于,兩個(gè)拋物線的方程根據(jù)車牌圖像的平均灰度和梯度的關(guān)系得到,具體為
全文摘要
本發(fā)明公開了一種車牌定位方法和裝置,用于智能交通領(lǐng)域,以解決現(xiàn)有車牌識(shí)別中對車牌結(jié)構(gòu)信息的提取不能準(zhǔn)確高效,從而不能進(jìn)行準(zhǔn)確的定位車牌的問題,本發(fā)明實(shí)施例基于雙拋物線閾值的二值化技術(shù)對車牌結(jié)構(gòu)信息進(jìn)行提取,不需要每次利用全局信息求取閾值,提高了效率,同時(shí)能使各種復(fù)雜情況下的圖像被二值化后,使車牌區(qū)域結(jié)構(gòu)信息被完整保留并凸顯,非車牌區(qū)域結(jié)構(gòu)被抑制,最終使得車牌區(qū)域被準(zhǔn)確的定位,相對其它二值化方法更魯棒更高效,從而保證車牌識(shí)別最終的正確率。
文檔編號G06K9/32GK102306282SQ201110201480
公開日2012年1月4日 申請日期2011年7月19日 優(yōu)先權(quán)日2011年7月19日
發(fā)明者李國 , 梁龍飛, 田廣 申請人:北京博康智能信息技術(shù)有限公司