專利名稱：基于surf特征匹配算法的車牌字符識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識別與圖像處理技術(shù)領(lǐng)域，尤其是一種基于SURF特征匹配算法的車牌字符識別方法。
背景技術(shù)：
在智能交通系統(tǒng)中，視頻技術(shù)已成為主要的技術(shù)手段。基于視頻技術(shù)的車牌識別系統(tǒng)，近幾年得到了快速的發(fā)展。車牌識別(License Plate Recognition,簡稱LPR)是智能交通系統(tǒng)中不可缺少的一部分。在交通的各個領(lǐng)域得到廣泛的應用，如在高速公路收費、高速超速檢測、城市車輛違規(guī)檢測和道路違章管理(闖紅燈、超速、逆行)等領(lǐng)域，車牌識別起到了舉足輕重的作用。并且隨著汽車數(shù)量的日益增加，車牌識別系統(tǒng)還應用在治安卡口(車輛記錄系統(tǒng))、盜竊車輛檢測，小區(qū)停車場管理系統(tǒng)、各種查車系統(tǒng)等系統(tǒng)中，在生活中扮演了 “電子警察”的角色，為交通管理，打擊犯罪都起到了很好的作用。車牌字符識別是車牌自動識別的一項核心技術(shù)。目前常用的字符識別方法有模板匹配、概率統(tǒng)計、幾何分類法、小波運算、支持向量機(SVM)、神經(jīng)網(wǎng)絡分析，特征匹配等。每種方法都有自己的優(yōu)點和缺點，有些方法實現(xiàn)起來比較簡單，在某些環(huán)境下可以取得較好的識別效果。但由于車牌識別系統(tǒng)的使用環(huán)境復雜多變，難以取得廣泛可以接受的識別效果。有些方法雖然識別效果上取得一定的提高，但是方法過于復雜，又或者識別速度難以達到要求。現(xiàn)實車牌圖像中分離出來的字符往往由于一些外界因素的影響，存在斷裂、變形、扭曲、污損等問題，給字符的識別帶來很大困難。由于車牌自動識別系統(tǒng)在室外攝像，受天氣、光照、背景、車牌的型號規(guī)格、車輛的行駛速度、車牌的缺損、污染和遮擋等因素的影響，存在不確定性。這些都會對系統(tǒng)的實時處理、模式識別造成干擾。另外車牌識別系統(tǒng)中識別率是識別系統(tǒng)的重要性能指標，實時性的工作環(huán)境決定了對識別速度的要求，系統(tǒng)的識別速度與系統(tǒng)的穩(wěn)定性、識別率是矛盾的統(tǒng)一體。怎樣在矛盾的統(tǒng)一體中利用已有的方法更好地識別字符是目前車牌字符識別系統(tǒng)中急需解決的關(guān)鍵問題。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種簡單而行之有效的基于SURF特征匹配算法的車牌字符識別方法。為解決上述問題，本發(fā)明的一種基于SURF特征匹配算法的車牌字符識別方法，包括以下步驟:1、首先對車牌字符圖像進行整體的初次分類，將車牌字符圖像分成漢字、字母、數(shù)字和字母加數(shù)字四大類；2、根據(jù)車牌字符特點，對初次分類結(jié)果再進行個體的二次分類，使具有較多共同部分的字符圖像歸為一類；3、針對各類別提取SURF關(guān)鍵點特征，并對關(guān)鍵點進行特征描述；4、根據(jù)描述特征的特征描述符進行類內(nèi)的字符圖像的匹配；
5、根據(jù)匹配結(jié)果進行車牌字符識別。所述步驟I中車牌字符圖像的初次分類方法采用神經(jīng)網(wǎng)絡或SVM聚類算法。所述步驟2中車牌字符圖像的二次分類方法采用神經(jīng)網(wǎng)絡或SVM聚類算法。所述步驟3中先在二次分類的結(jié)果上，將具有共同部分的字符圖像其共同部分進行排除，再對字符圖像未被排除的部分提取SURF關(guān)鍵點特征，并對關(guān)鍵點進行特征描述。采用本發(fā)明的基于SURF特征匹配算法的車牌字符識別方法，不但具有良好的仿射不變性，而且尺度縮放、視角變動、光照差異、遮擋、噪聲方面都具有良好的適應能力，相比于目前的主流特征識別方法具有更高的計算速度。本發(fā)明中，首先對車牌字符進行了整體的初次分類，并對同一類別的字符又采用了個體的二次分類的方式，這種分類方式使相近字符的差異性更聞，可進一步提聞識別率。


圖1為本發(fā)明的基于SURF特征匹配算法的車牌字符識別方法的流程圖；圖2為本發(fā)明的基于SURF特征匹配算法的車牌字符識別方法的分類示意具體實施例方式為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明技術(shù)方案，下面結(jié)合附圖和實施方式對本發(fā)明作進一步的詳細說明。如圖1、2所示，本發(fā)明的基于SURF特征匹配算法的車牌字符識別方法，包括以下步驟:步驟1:采用神經(jīng)網(wǎng)絡或SVM聚類算法將車牌字符圖像進行整體的初次分類，將車牌字符圖像分成漢字、字母、數(shù)字和字母加數(shù)字四大類。車牌中的機動車登記編號共有7位字符，由漢字、英文字母及阿拉伯數(shù)字按特定順序組合而成，前車牌的編號呈水平單行排列。編號的前兩位是機動車登記機構(gòu)代號，分別由漢字和英文字母組成，漢字是各省、自治區(qū)、直轄市的簡稱:京、津、晉、冀、蒙、遼、吉、黑、滬、蘇、浙、院、閩、贛、魯、豫、鄂、湘、粵、桂、瓊、川、貴、云、藏、陜、甘、青、寧、新、渝，共31個漢字；其它領(lǐng)域車牌漢字:甲、乙、丙、己、庚、辛、壬、寅、辰、未、申、戍、午、使、領(lǐng)、學、警，總共約50多個漢字。車牌第二位字符為英文大寫字母:“A”到“Z”;第三位字符為除“I”和“0”以外的英文大寫字母“A”到“Z”或數(shù)字“0”到“9”，共34個字符。第四位字符以前僅為“0”到“9”這十個數(shù)字。依據(jù)車牌字符的結(jié)構(gòu)特點將整體分類器的訓練樣本分為四大類:漢字類:即所有車牌字符漢字;字母類:A、C、E、F、G、H、J、K、L、M、N、P、R、U、V、W、X、Y。數(shù)字類:1、3、4、6、9 ;字母和數(shù)字類:0、D、Q、2、Z，8、B，5、S，7、T。用已經(jīng)分類好的訓練樣本訓練整體分類器，得到較佳的分類器模型，然后對待識別車牌字符進行整體分類。步驟2:根據(jù)車牌字符特點，采用神經(jīng)網(wǎng)絡或SVM聚類算法對整體分類器初次分類結(jié)果再進行個體的二次分類，使具有較多共同部分的字符圖像歸為一類。例如在漢字類中依據(jù)漢字的共同的偏旁部首和結(jié)構(gòu)的繁簡可將漢字類這樣進行分類，如漢字類別I包括津、滬、浙、湘、渝。漢字類別2包括蒙、蘇、藏。漢字類別3包括:皖、閩、贛、魯、豫、鄂、粵、桂、瓊、冀、黑、警、領(lǐng)、陜、使、新。漢字類別4包括:寅、京、晉、吉、青、庚、貴、辰、學、戍。漢字類別5包括:遼、川、云、甘、寧、甲、乙、丙、己、辛、壬、未、申、午。字母類別I包括:A、X、Y、W。字母類別2包括:E、F、H、J、K、L、P、R、M、N。字母類別3包括:C、G。字母類別4包括:U、V。數(shù)字類別I包括:1、4。數(shù)字類別2包括:3、6、9。字母和數(shù)字類別I包括:0、D、Q.字母和數(shù)字類別2包括:2、Z。字母和數(shù)字類別包括:3、8、B。字母和數(shù)字類別4包括:5、S。字母和數(shù)字類別5包括:7、T。同樣用整體分類器的訓練方法，用已經(jīng)分類好的訓練樣本訓練個體分類器，得到較佳的分類器模型，然后對待識別車牌字符進行個體分類。分類方式如圖2所示。步驟3:在二次分類的結(jié)果上，將具有共同部分的字符圖像其共同部分進行排除，再對字符圖像未被排除的部分提取SURF關(guān)鍵點特征，并對關(guān)鍵點進行特征描述，得到描述關(guān)鍵點特征的特征描述符。SURF算法的整體流程同SIFT類似，但在描述符構(gòu)造過程中采用了與SIFT不同的方法:它是基于積分圖像和Hessian矩陣的,用積分圖像構(gòu)造尺度空間,用快速Hessian算子檢測特征點，用SURF描述符去描述特征點。SURF算法是對SIFT算法的改進，在性能損失很小的情況下?lián)Q來了計算的大幅提高，因而比SIFT算法在車牌字符識別更有應用價值。步驟4:根據(jù)描述特征的特征描述符進行類內(nèi)的字符圖像的匹配。根據(jù)描述特征的特征描述符進行類內(nèi)的字符圖像的匹配；特征描述符是描述特征區(qū)域的特征向量。在得到描述特征區(qū)域的特征向量后，可采用特征向量的歐氏距離作為兩幅字符圖像關(guān)鍵點的相似性度量。可以采用基于歐氏空間距離的測度，設(shè)X，Y分別是兩個特征矢量代表進行匹配的兩個特征區(qū)域，其中
權(quán)利要求
1.一種基于SURF特征匹配算法的車牌字符識別方法，其特征在于:包括以下步驟: (1)首先對車牌字符圖像進行整體的初次分類，將車牌字符圖像分成漢字、字母、數(shù)字和字母加數(shù)字四大類； (2)根據(jù)車牌字符特點，對初次分類結(jié)果再進行個體的二次分類，使具有較多共同部分的字符圖像歸為一類； (3)針對各類別提取SURF關(guān)鍵點特征，并對關(guān)鍵點進行特征描述； (4)根據(jù)描述特征的特征描述符進行類內(nèi)的字符圖像的匹配； (5)根據(jù)匹配結(jié)果進行車牌字符識別。
2.如權(quán)利要求1所述基于SURF特征匹配算法的車牌字符識別方法，其特征在于:所述步驟(I)中車牌字符圖像的初次分類方法采用神經(jīng)網(wǎng)絡或SVM聚類算法。
3.如權(quán)利要求1或2中所述基于SURF特征匹配算法的車牌字符識別方法，其特征在于:所述步驟(2)中車牌字符圖像的二次分類方法采用神經(jīng)網(wǎng)絡或SVM聚類算法。
4.如權(quán)利要求3所述基于SURF特征匹配算法的車牌字符識別方法，其特征在于:所述步驟(3)中先在二次分類的結(jié)果上，將具有共同部分的字符圖像其共同部分進行排除，再對字符圖像未被排除的部分提取SURF關(guān)鍵點特征，并對關(guān)鍵點進行特征描述。
全文摘要
本發(fā)明公開了一種簡單而行之有效的基于SURF特征匹配算法的車牌字符識別方法，通過對車牌字符圖像的二次分類，進行SURF關(guān)鍵點描述及特征匹配，進而進行車牌字符識別。采用本發(fā)明的基于SURF特征匹配算法的車牌字符識別方法，不但具有良好的仿射不變性，而且尺度縮放、視角變動、光照差異、遮擋、噪聲方面都具有良好的適應能力，相比于目前的主流特征識別方法具有更高的計算速度。本發(fā)明中，首先對車牌字符進行了整體的初次分類，并對同一類別的字符又采用了個體的二次分類的方式，這種分類方式使相近字符的差異性更高，可進一步提高識別率。
文檔編號G06K9/62GK103186762SQ20111044868
公開日2013年7月3日 申請日期2011年12月28日 優(yōu)先權(quán)日2011年12月28日
發(fā)明者武付軍, 張羽 申請人:天津市亞安科技股份有限公司