復(fù)雜光照下的車牌識(shí)別方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種復(fù)雜光照下的車牌識(shí)別方法及系統(tǒng)，其中的方法包括：通過(guò)對(duì)車牌進(jìn)行定位和多候選位置的字符分割，通過(guò)預(yù)先構(gòu)建的概率圖模型、關(guān)聯(lián)勢(shì)函數(shù)和交互勢(shì)函數(shù)得到分割候選位置中每個(gè)字符分割位置的概率值，再根據(jù)概率值得到字符的最優(yōu)分割位置。通過(guò)本發(fā)明能夠解決在復(fù)雜光照環(huán)境下的車牌識(shí)別問(wèn)題，提高車牌的識(shí)別率。
【專利說(shuō)明】復(fù)雜光照下的車牌識(shí)別方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，更為具體地，涉及一種復(fù)雜光照下的車牌識(shí)別方法及系統(tǒng)。
【背景技術(shù)】
[0002]隨著經(jīng)濟(jì)的發(fā)展和車輛的普及，交通管理的方式逐步趨向于智能化、安全化和自動(dòng)化，正因如此，基于多媒體和人工智能技術(shù)的智能交通及電子警察系統(tǒng)在世界范圍內(nèi)得到了廣泛的應(yīng)用。在這些應(yīng)用中，75%以上的系統(tǒng)是以車牌識(shí)別為中心的，例如:超速系統(tǒng)，闖紅燈系統(tǒng)，卡口系統(tǒng)，路徑識(shí)別系統(tǒng)等均需要對(duì)整個(gè)交通流截面上通過(guò)的車輛進(jìn)行車牌識(shí)別。
[0003]車牌識(shí)別是指從靜態(tài)或動(dòng)態(tài)視頻圖像中獲取圖像在一定區(qū)域內(nèi)存在的車牌區(qū)域，并進(jìn)一步識(shí)別出車牌區(qū)域中的字符?，F(xiàn)有的車牌識(shí)別方法在復(fù)雜的光照環(huán)境下都存在一定的缺陷。
[0004]申請(qǐng)?zhí)枮?01010297917.4的中國(guó)專利申請(qǐng)公開(kāi)了一種基于高清圖像的車牌定位與識(shí)別方法，在該專利申請(qǐng)中，基于邊緣檢測(cè)的方法雖然能夠快速有效的從復(fù)雜場(chǎng)景中提取出車牌并對(duì)其進(jìn)行識(shí)別，但此種方法在車牌定位時(shí)的抗干擾效果并不理想；而申請(qǐng)?zhí)枮?01110341353.4的中國(guó)專利申請(qǐng)公開(kāi)了 一種車牌識(shí)別方法及其識(shí)別系統(tǒng)，在該專利申請(qǐng)中，利用圖像的紋理和顏色對(duì)車牌進(jìn)行定位，然后利用傳統(tǒng)模板匹配的OCR對(duì)定位的車牌進(jìn)行識(shí)別，此種對(duì)車牌進(jìn)行定位與識(shí)別的方法對(duì)光照條件的要求比較苛刻并且抗干擾能力很差，當(dāng)字符分割稍有偏差或字符圖像有噪聲干擾等因素存在時(shí)，往往會(huì)導(dǎo)致算法的準(zhǔn)確率迅速下降。
[0005]申請(qǐng)?zhí)枮?00910242053.3的中國(guó)專利申請(qǐng)公開(kāi)了一種基于視頻的車輛超速監(jiān)控方法及系統(tǒng)，在該專利申請(qǐng)中，基于垂直投影的車牌分割容易受光照條件及車牌左右邊框和二三字符間的間隔點(diǎn)干擾；基于連通域的車牌分割對(duì)于去除噪聲干擾要求很高，車牌上下邊界的鉚釘及光照條件都可能導(dǎo)致字符粘連；基于神經(jīng)網(wǎng)絡(luò)的識(shí)別方法，對(duì)分割字符完整性及清晰度要求比較苛刻。
[0006]上述專利申請(qǐng)中的車牌識(shí)別方法由于很難適應(yīng)于復(fù)雜的光照環(huán)境，因此對(duì)于在復(fù)雜光照環(huán)境下的車牌識(shí)別率極低。

【發(fā)明內(nèi)容】

[0007]鑒于上述問(wèn)題，本發(fā)明的目的是提供一種復(fù)雜光照下的車牌識(shí)別方法及系統(tǒng)，以解決在復(fù)雜光照環(huán)境下的車牌識(shí)別問(wèn)題。
[0008]根據(jù)本發(fā)明的一個(gè)方面，提供一種復(fù)雜光照下的車牌識(shí)別方法，包括:
[0009]SllO:預(yù)先根據(jù)車牌的字符結(jié)構(gòu)構(gòu)建概率圖模型；
[0010]S120:預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果構(gòu)建交互勢(shì)函數(shù)；
[0011]S130:預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果和識(shí)別結(jié)果構(gòu)建關(guān)聯(lián)勢(shì)函數(shù)；[0012]S140:對(duì)車牌進(jìn)行定位與字符分割；
[0013]S150:通過(guò)字符分割，獲得至少一個(gè)分割候選字符序列，通過(guò)交互勢(shì)函數(shù)獲得分割候選字符序列中相鄰字符間距離的關(guān)系；
[0014]S160:對(duì)分割候選字符序列進(jìn)行識(shí)別，獲得與分割候選字符序列相對(duì)應(yīng)的識(shí)別結(jié)果，通過(guò)關(guān)聯(lián)勢(shì)函數(shù)獲得分割候選字符序列中字符分割位置與識(shí)別結(jié)果之間的關(guān)系；
[0015]S170:根據(jù)概率圖模型、相鄰字符間距離的關(guān)系和字符分割位置與識(shí)別結(jié)果之間的關(guān)系，獲得候選字符序列的每個(gè)字符分割位置的概率值；
[0016]S180:根據(jù)每個(gè)字符分割位置的概率值獲得分割候選字符序列的概率值,將分割候選字符序列中概率值最大的字符序列作為車牌的識(shí)別結(jié)果。
[0017]其中，對(duì)車牌進(jìn)行定位的過(guò)程包括:通過(guò)Haar-1ike特征對(duì)車牌圖像進(jìn)行檢測(cè)構(gòu)成弱分類器；通過(guò)Adaboost將弱分類器疊加構(gòu)成強(qiáng)分類器；將強(qiáng)分類器串聯(lián)成級(jí)聯(lián)分類器，完成車牌的定位；其中，在對(duì)車牌進(jìn)行字符分割之前，還包括:對(duì)車牌圖像進(jìn)行傾斜校正，其中，當(dāng)車牌邊緣圖像的水平投影值之和最大時(shí)，視為所述車牌圖像被傾斜矯正至水平位置。
[0018]其中，在對(duì)車牌進(jìn)行字符分割的過(guò)程中，
[0019]當(dāng)車牌圖像上下部分光照不均時(shí)，獲取車牌圖像的垂直梯度圖，然后利用車牌圖像的字符上下邊界與梯度水平投影的變化確定字符上下邊界的候選位置；
[0020]當(dāng)車牌圖像曝光過(guò)度時(shí)，在車牌圖像的二值圖范圍內(nèi)確定車牌圖像垂直方向投影的波谷點(diǎn)，然后根據(jù)粘連字符中前一個(gè)字符的右邊界候選位置確定下一個(gè)字符的左邊界候選位置；
[0021]當(dāng)車牌圖像曝光不足時(shí)，確定車牌圖像在垂直方向投影為O的邊界作為字符的左右候選位置。
[0022]另一方面，本發(fā)明還提供一種復(fù)雜光照下的車牌識(shí)別系統(tǒng)，包括:
[0023]概率圖模型構(gòu)建單元，用于預(yù)先根據(jù)車牌的字符結(jié)構(gòu)構(gòu)建概率圖模型；
[0024]交互勢(shì)函數(shù)構(gòu)建單元，用于預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果構(gòu)建交互勢(shì)函數(shù)；
[0025]關(guān)聯(lián)勢(shì)函數(shù)構(gòu)建單元，用于預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果和識(shí)別結(jié)果構(gòu)建關(guān)聯(lián)勢(shì)函數(shù)；
[0026]車牌定位與分割單元，用于對(duì)車牌進(jìn)行定位與字符分割；
[0027]交互勢(shì)函數(shù)應(yīng)用單元，用于通過(guò)字符分割，獲得至少一個(gè)分割候選字符序列，通過(guò)交互勢(shì)函數(shù)構(gòu)建單元構(gòu)建的交互勢(shì)函數(shù)，獲得分割候選字符序列中相鄰字符間距離的關(guān)系;
[0028]關(guān)聯(lián)勢(shì)函數(shù)應(yīng)用單元，用于對(duì)分割候選字符序列進(jìn)行識(shí)別，獲得與分割候選字符序列相對(duì)應(yīng)的識(shí)別結(jié)果，通過(guò)關(guān)聯(lián)勢(shì)函數(shù)構(gòu)建單元構(gòu)建的關(guān)聯(lián)勢(shì)函數(shù)，獲得分割候選字符序列中字符分割位置與識(shí)別結(jié)果之間的關(guān)系；
[0029]概率值獲取單元，用于根據(jù)概率圖模型、相鄰字符間距離的關(guān)系和字符分割位置與識(shí)別結(jié)果之間的關(guān)系，獲得候選字符序列的每個(gè)字符分割位置的概率值；
[0030]車牌識(shí)別結(jié)果選取單元，用于根據(jù)概率值獲取單元獲得的每個(gè)字符分割位置的概率值，獲得分割候選字符序列的概率值，將分割候選字符序列中概率值最大的字符序列作為車牌的識(shí)別結(jié)果。
[0031]利用上述根據(jù)本發(fā)明的復(fù)雜光照下的車牌識(shí)別方法及系統(tǒng)能夠解決在復(fù)雜光照環(huán)境下的車牌識(shí)別問(wèn)題，從而提高車牌的識(shí)別率。
[0032]為了實(shí)現(xiàn)上述以及相關(guān)目的，本發(fā)明的一個(gè)或多個(gè)方面包括后面將詳細(xì)說(shuō)明并在權(quán)利要求中特別指出的特征。下面的說(shuō)明以及附圖詳細(xì)說(shuō)明了本發(fā)明的某些示例性方面。然而，這些方面指示的僅僅是可使用本發(fā)明的原理的各種方式中的一些方式。此外，本發(fā)明旨在包括所有這些方面以及它們的等同物。
【專利附圖】

【附圖說(shuō)明】
[0033]通過(guò)參考以下結(jié)合附圖的說(shuō)明及權(quán)利要求書(shū)的內(nèi)容，并且隨著對(duì)本發(fā)明的更全面理解，本發(fā)明的其它目的及結(jié)果將更加明白及易于理解。在附圖中:
[0034]圖1為根據(jù)本發(fā)明實(shí)施例的復(fù)雜光照下的車牌識(shí)別方法流程示意圖；
[0035]圖2為根據(jù)本發(fā)明實(shí)施例的車牌識(shí)別效果圖；
[0036]圖3為根據(jù)本發(fā)明實(shí)施例的復(fù)雜光照下的車牌識(shí)別系統(tǒng)方框示意圖；
[0037]圖4為根據(jù)本發(fā)明實(shí)施例的概率圖模型的示意圖；
[0038]圖5為根據(jù)本發(fā)明實(shí)施例的相鄰結(jié)點(diǎn)之間的信息傳遞示意圖。
[0039]在所有附圖中相同的標(biāo)號(hào)指示相似或相應(yīng)的特征或功能。
【具體實(shí)施方式】
[0040]以下將結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施例進(jìn)行詳細(xì)描述。
[0041]針對(duì)前述現(xiàn)有技術(shù)中的車牌識(shí)別方法在復(fù)雜光照環(huán)境下的車牌識(shí)別率低的問(wèn)題，本發(fā)明通過(guò)對(duì)車牌進(jìn)行定位和多候選位置的字符分割，并通過(guò)概率圖模型將字符識(shí)別的結(jié)果整合，再通過(guò)BP流程得到最佳的分割和識(shí)別結(jié)果，解決了復(fù)雜光照環(huán)境下的車牌識(shí)別問(wèn)題。
[0042]圖1示出了根據(jù)本發(fā)明實(shí)施例的復(fù)雜光照下的車牌識(shí)別方法流程示意圖。
[0043]如圖1所示，本發(fā)明的復(fù)雜光照下的車牌識(shí)別方法包括:
[0044]SllO:預(yù)先根據(jù)車牌的字符結(jié)構(gòu)構(gòu)建概率圖模型；
[0045]S120:預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果構(gòu)建交互勢(shì)函數(shù)；
[0046]S130:預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果和識(shí)別結(jié)果構(gòu)建關(guān)聯(lián)勢(shì)函數(shù)；
[0047]S140:對(duì)車牌進(jìn)行定位與字符分割；
[0048]S150:通過(guò)字符分割獲得至少一個(gè)分割候選字符序列，通過(guò)交互勢(shì)函數(shù)獲得分割候選字符序列中相鄰字符間距離的關(guān)系；
[0049]S160:對(duì)分割候選字符序列進(jìn)行識(shí)別，獲得與分割候選字符序列相對(duì)應(yīng)的識(shí)別結(jié)果，通過(guò)關(guān)聯(lián)勢(shì)函數(shù)獲得分割候選字符序列中字符分割位置與識(shí)別結(jié)果之間的關(guān)系；
[0050]S170:根據(jù)所述概率圖模型、相鄰字符間距離的關(guān)系和字符分割位置與識(shí)別結(jié)果之間的關(guān)系，獲得候選字符序列的每個(gè)字符分割位置的概率值；
[0051]S180:根據(jù)每個(gè)字符分割位置的概率值獲得分割候選字符序列的概率值,將分割候選字符序列中概率值最大的字符序列作為車牌的識(shí)別結(jié)果。
[0052]需要說(shuō)明的是，由于車牌在色偏的影響以及弱光環(huán)境下的檢測(cè)率不高，因此本發(fā)明在步驟S140中，采用Adaboost和Harr特征訓(xùn)練分類器定位車牌，提高車牌因色偏的影響以及弱光環(huán)境下的檢測(cè)率。
[0053]其中，對(duì)車牌進(jìn)行定位的過(guò)程包括:通過(guò)Haar-1ike特征對(duì)車牌圖像進(jìn)行檢測(cè)構(gòu)成弱分類器，然后通過(guò)Adaboost將弱分類器疊加構(gòu)成強(qiáng)分類器，再將強(qiáng)分類器串聯(lián)成級(jí)聯(lián)分類器，完成車牌的定位。
[0054]需要說(shuō)明的是Haar-1ike特征是由若干個(gè)矩形組成，其特征值是指矩形內(nèi)所有像素灰度值之和的差值。以15x48像素的圖像區(qū)域計(jì)算，在此區(qū)域圖像中，Haar-1ike特征多達(dá)十幾萬(wàn)種，通過(guò)將這十幾萬(wàn)種的特征進(jìn)行分類量化以區(qū)分出車牌圖像和非車牌圖像。
[0055]由于弱分類器只是一個(gè)最基本的Haar-1ike特征,在多達(dá)十幾萬(wàn)種的Haar-1ike特征中不足以區(qū)分出車牌和非車牌，因此還需要通過(guò)AdaBoost將大量分類能力一般的弱分類器疊加構(gòu)成分類能力強(qiáng)的強(qiáng)分類器，然后再將若干強(qiáng)分類器串聯(lián)成為級(jí)聯(lián)分類器完成對(duì)車牌圖像的搜索檢測(cè)，從而實(shí)現(xiàn)對(duì)車牌的定位。其中，級(jí)聯(lián)分類器的級(jí)數(shù)依賴于系統(tǒng)對(duì)錯(cuò)誤率和識(shí)別速度的要求。
[0056]目前常用的Haar-1ike特征分為以下四類:線性特征、邊緣特征、點(diǎn)特征和對(duì)角線特征，標(biāo)準(zhǔn)的Haar-1ike特征有14種，通過(guò)對(duì)車牌樣本與非車牌樣本的差異性分析，其中有若干傾斜特征并不適合于車牌的檢測(cè)，因此在本發(fā)明的具體實(shí)施例中設(shè)計(jì)了若干類針對(duì)傾斜的Haar-1ike特征。其中，由于車牌圖像含有大量的邊緣特征，Haar-1ike特征值分別在灰度圖、水平方向梯度圖和垂直方向梯度圖上計(jì)算，梯度提取采用Sobel算子；而針對(duì)于車牌的結(jié)構(gòu)特征，設(shè)置多個(gè)矩形構(gòu)成的Haar-1ike特征用以描述車牌字符邊緣的分布特性。
[0057]由于車牌圖像通常在車運(yùn)動(dòng)的情況下采集，因此采集到的車牌圖像通常會(huì)有傾斜的現(xiàn)象。為了不影響字符分割的效果，在對(duì)車牌進(jìn)行字符分割之前，還包括對(duì)所定位的車牌圖像進(jìn)行傾斜校正，其中，當(dāng)所定位的車牌邊緣圖像的水平投影值之和最大時(shí)，就視為定位的車牌圖像被矯正至水平。
[0058]在本發(fā)明的一個(gè)示例中，對(duì)于傾斜的Haar-1ike特征，也就是傾斜的車牌圖像，在[-20,20]度區(qū)間范圍內(nèi)旋轉(zhuǎn)車牌邊緣圖像，當(dāng)車牌邊緣圖像的水平投影值之和最大時(shí)，停止旋轉(zhuǎn)，完成對(duì)車牌圖像的傾斜校正，此時(shí)就將傾斜的車牌圖像矯正至水平。
[0059]完成車牌定位后，對(duì)定位的車牌進(jìn)行字符分割。由于拍攝車牌圖像時(shí)的光照環(huán)境，特別是車牌在強(qiáng)光下曝光過(guò)度和弱光下曝光不足時(shí)，對(duì)車牌字符的分割會(huì)造成極大影響。為了減少?gòu)?fù)雜光照對(duì)字符分割的影響，在本發(fā)明的實(shí)施例中，對(duì)單個(gè)車牌字符提供多個(gè)分割候選位置，從而得到多個(gè)分割候選字符序列。也就是說(shuō)，在對(duì)所定位的車牌進(jìn)行字符分割后，可以獲得至少一個(gè)分割候選字符序列。
[0060]在對(duì)車牌字符進(jìn)行分割時(shí)，車牌圖像的上下部分光照不均會(huì)影響車牌圖像的上下邊定位，當(dāng)車牌圖像曝光過(guò)度時(shí)易出現(xiàn)字符粘連，而車牌圖像曝光不足時(shí)又易出現(xiàn)字符斷裂。為了減少?gòu)?fù)雜光照對(duì)字符分割的影響，在對(duì)定位的車牌進(jìn)行字符分割的過(guò)程中，當(dāng)車牌圖像上下部分光照不均時(shí)，通過(guò)Sobel流程獲取車牌圖像的垂直梯度圖，然后利用車牌圖像的字符上下邊界與梯度水平投影的變化確定字符上下邊界的候選位置；當(dāng)車牌圖像曝光過(guò)度時(shí)，在車牌圖像的二值圖范圍內(nèi)確定車牌圖像垂直方向投影的波谷點(diǎn)，然后根據(jù)粘連字符中前一個(gè)字符的右邊界候選位置確定下一個(gè)字符的左邊界候選位置；當(dāng)車牌圖像曝光不足時(shí)，確定車牌圖像在垂直方向投影為O的邊界作為字符的左右候選位置。[0061]對(duì)定位的車牌進(jìn)行字符分割，獲得多個(gè)分割候選字符序列后，將多個(gè)分割候選字符序列輸入到預(yù)先構(gòu)建的交互勢(shì)函數(shù)中，以得到每個(gè)分割候選字符序列中相鄰字符間距離的關(guān)系，也就是說(shuō)，通過(guò)預(yù)先構(gòu)建的交互勢(shì)函數(shù)獲得分割候選字符序列中相鄰字符間距離的關(guān)系。需要說(shuō)明的是，分割候選字符序列中相鄰字符間距離的關(guān)系，即代表分割候選字符序列中每個(gè)相鄰字符分割位置之間的關(guān)系。
[0062]在通過(guò)交互勢(shì)函數(shù)獲得字符分割位置之間的關(guān)系后，分別對(duì)每個(gè)分割候選字符序列進(jìn)行識(shí)別，以得到與分割候選字符序列相對(duì)應(yīng)的識(shí)別結(jié)果，將每個(gè)分割候選字符序列和其對(duì)應(yīng)的識(shí)別結(jié)果輸入預(yù)先構(gòu)建的關(guān)聯(lián)勢(shì)函數(shù)中，以得到每個(gè)分割候選字符序列中字符分割位置和識(shí)別結(jié)果之間的關(guān)系，也就是說(shuō)，通過(guò)關(guān)聯(lián)勢(shì)函數(shù)獲得多個(gè)分割候選字符序列中字符分割位置與識(shí)別結(jié)果之間的關(guān)系。
[0063]另外，本發(fā)明采用神經(jīng)網(wǎng)絡(luò)作為字符識(shí)別器對(duì)分割后的車牌字符進(jìn)行識(shí)別，通過(guò)調(diào)整訓(xùn)練樣本中不同光照下字符樣本的比例，使其對(duì)復(fù)雜光照環(huán)境下的字符識(shí)別有良好的
魯棒性。
[0064]根據(jù)預(yù)先構(gòu)建的概率圖模型將字符的分割位置與對(duì)應(yīng)的識(shí)別結(jié)果統(tǒng)一成一個(gè)整體。也就是說(shuō)，根據(jù)相鄰字符間距離的關(guān)系和字符分割位置與識(shí)別結(jié)果之間的關(guān)系，通過(guò)預(yù)先構(gòu)建的概率圖模型獲得所述候選字符序列的每個(gè)字符分割位置的概率值。
[0065]需要說(shuō)明的是，概率圖模型是根據(jù)車牌的字符結(jié)構(gòu)構(gòu)建的，而根據(jù)國(guó)家的不同，車牌字符的結(jié)構(gòu)也會(huì)有所不同，但大多數(shù)國(guó)家的車牌結(jié)構(gòu)都是固定的。因此需要根據(jù)不同國(guó)家的車牌字符結(jié)構(gòu)構(gòu)建對(duì)應(yīng)的概率圖模型。
[0066]圖4為根據(jù)本發(fā)明實(shí)施例的概率圖模型的示意圖。如圖4所示，其中，在構(gòu)建概率圖模型的過(guò)程中，也就是說(shuō)，在步驟SllO中，以車牌字符的分割位置為概率圖模型中的隨機(jī)變量，即隱含結(jié)點(diǎn)，用C=[Cl，…，c7]表示；以對(duì)應(yīng)的車牌字符分割后的識(shí)別結(jié)果為概率圖模型的觀測(cè)值，即觀測(cè)結(jié)點(diǎn)，用R=Lr1,…，r7]表示；
[0067]因此，隱含結(jié)點(diǎn)C= [C1,…，C7]和觀測(cè)結(jié)點(diǎn)R=Lr1,…，r7]的聯(lián)合概率如下:
[0068]
【權(quán)利要求】
1.一種復(fù)雜光照下的車牌識(shí)別方法，包括: SllO:預(yù)先根據(jù)車牌的字符結(jié)構(gòu)構(gòu)建概率圖模型； S120:預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果構(gòu)建交互勢(shì)函數(shù)； S130:預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果和識(shí)別結(jié)果構(gòu)建關(guān)聯(lián)勢(shì)函數(shù)； S140:對(duì)車牌進(jìn)行定位與字符分割； S150:通過(guò)字符分割獲得至少一個(gè)分割候選字符序列，通過(guò)所述交互勢(shì)函數(shù)獲得所述分割候選字符序列中相鄰字符間距離的關(guān)系； S160:對(duì)所述分割候選字符序列進(jìn)行識(shí)別，獲得與所述分割候選字符序列相對(duì)應(yīng)的識(shí)別結(jié)果，通過(guò)所述關(guān)聯(lián)勢(shì)函數(shù)獲得所述分割候選字符序列中字符分割位置與識(shí)別結(jié)果之間的關(guān)系； S170:根據(jù)所述概率圖模型、所述相鄰字符間距離的關(guān)系和所述字符分割位置與識(shí)別結(jié)果之間的關(guān)系，獲得所述候選字符序列的每個(gè)字符分割位置的概率值； S180:根據(jù)每個(gè)字符分割位置的概率值獲得所述分割候選字符序列的概率值，將所述分割候選字符序列中概率值最大的字符序列作為車牌的識(shí)別結(jié)果。
2.如權(quán)利要求1所述的復(fù)雜光照下的車牌識(shí)別方法，其中，對(duì)車牌進(jìn)行定位的過(guò)程包括: 通過(guò)Haar-1ike特征對(duì)車牌圖像進(jìn)行檢測(cè)構(gòu)成弱分類器；` 通過(guò)Adaboost將所述弱分類器疊加構(gòu)成強(qiáng)分類器； 將所述強(qiáng)分類器串聯(lián)成級(jí)聯(lián)分類器，完成車牌的定位； 其中，在對(duì)車牌進(jìn)行字符分割之前，還包括: 對(duì)車牌圖像進(jìn)行傾斜校正，其中，當(dāng)車牌邊緣圖像的水平投影值之和最大時(shí)，視為所述車牌圖像被傾斜矯正至水平位置。
3.如權(quán)利要求2所述的復(fù)雜光照下的車牌識(shí)別方法，其中，在對(duì)車牌進(jìn)行字符分割的過(guò)程中， 當(dāng)所述車牌圖像上下部分光照不均時(shí)，獲取所述車牌圖像的垂直梯度圖，然后利用所述車牌圖像的字符上下邊界與梯度水平投影的變化確定所述字符上下邊界的候選位置；當(dāng)所述車牌圖像曝光過(guò)度時(shí)，在所述車牌圖像的二值圖范圍內(nèi)確定所述車牌圖像垂直方向投影的波谷點(diǎn)，然后根據(jù)粘連字符中前一個(gè)字符的右邊界候選位置確定下一個(gè)字符的左邊界候選位置； 當(dāng)所述車牌圖像曝光不足時(shí)，確定所述車牌圖像在垂直方向投影為O的邊界作為所述字符的左右候選位置。
4.如權(quán)利要求1所述的復(fù)雜光照下的車牌識(shí)別方法，其中，在步驟SllO中，以所述字符的分割位置為所述概率圖模型的隱含結(jié)點(diǎn)，用C = [c1；…，C7]表示；以對(duì)應(yīng)的所述字符分割后的識(shí)別評(píng)價(jià)為所述概率圖模型的觀測(cè)結(jié)點(diǎn)，用R = Lr1,...，!>]表示；隱含結(jié)點(diǎn)C =[C1,..., C7]和觀測(cè)結(jié)點(diǎn)R = Jr1,..., r7]的聯(lián)合概率如下:P(c, r)Hci, ci) ]^[ 4)(ci, η)}6N(i)i 其中.)代表交互勢(shì)函數(shù)，表示各隱含結(jié)點(diǎn)之間的聯(lián)系#(.)代表關(guān)聯(lián)勢(shì)函數(shù)，表示隱含結(jié)點(diǎn)與觀測(cè)結(jié)點(diǎn)之間的聯(lián)系； 其中，在步驟S170和步驟S180中 將所述車牌圖像的字符分割轉(zhuǎn)化成對(duì)最大后驗(yàn)概率P (c，r)的估計(jì)，尋找最優(yōu)的隱含結(jié)點(diǎn)C= [Cl，…，c7]，使其滿足:
C = aigmaxc.P (C = C* | R)。
5.如權(quán)利要求1所述的復(fù)雜光照下的車牌識(shí)別方法，其中，在步驟S130中， 通過(guò)log-sigmoid激活函數(shù)將置信度范圍映射到[0，1]區(qū)間，分割所述關(guān)聯(lián)勢(shì)函數(shù)定義為U=A其中δ表示神經(jīng)網(wǎng)絡(luò)輸出的分類結(jié)果。 其中，在步驟S120中， 根據(jù)高斯概率分布對(duì)所述車牌圖像的字符之間的距離進(jìn)行的評(píng)價(jià)，將所述交互勢(shì)函數(shù)定義為:
6.如權(quán)利要求5所述的復(fù)雜光照下的車牌識(shí)別方法，其中，通過(guò)如下公式如圖5所示完成步驟S150、步驟S160和步驟S170:
7.一種復(fù)雜光照下的車牌識(shí)別系統(tǒng)，包括: 概率圖模型構(gòu)建單元，用于預(yù)先根據(jù)車牌的字符結(jié)構(gòu)構(gòu)建概率圖模型； 交互勢(shì)函數(shù)構(gòu)建單元，用于預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果構(gòu)建交互勢(shì)函數(shù)；關(guān)聯(lián)勢(shì)函數(shù)構(gòu)建單元，用于預(yù)先根據(jù)車牌的每個(gè)字符的分割結(jié)果和識(shí)別結(jié)果構(gòu)建關(guān)聯(lián)勢(shì)函數(shù)； 車牌定位與分割單元，用于對(duì)車牌進(jìn)行定位與字符分割； 交互勢(shì)函數(shù)應(yīng)用單元，用于通過(guò)字符分割，獲得至少一個(gè)分割候選字符序列，通過(guò)所述交互勢(shì)函數(shù)構(gòu)建單元構(gòu)建的交互勢(shì)函數(shù)，獲得所述分割候選字符序列中相鄰字符間距離的關(guān)系;關(guān)聯(lián)勢(shì)函數(shù)應(yīng)用單元，用于對(duì)所述分割候選字符序列進(jìn)行識(shí)別，獲得與所述分割候選字符序列相對(duì)應(yīng)的識(shí)別結(jié)果，通過(guò)所述關(guān)聯(lián)勢(shì)函數(shù)構(gòu)建單元構(gòu)建的關(guān)聯(lián)勢(shì)函數(shù)，獲得所述分割候選字符序列中字符分割位置與識(shí)別結(jié)果之間的關(guān)系；概率值獲取單元，用于根據(jù)所述概率圖模型、所述相鄰字符間距離的關(guān)系和所述字符分割位置與識(shí)別結(jié)果之間的關(guān)系，獲得所述候選字符序列的每個(gè)字符分割位置的概率值；車牌識(shí)別結(jié)果選取單元，用于根據(jù)概率值獲取單元獲得的每個(gè)字符分割位置的概率值，獲得所述分割候選字符序列的概率值，將所述分割候選字符序列中概率值最大的字符序列作為車牌的識(shí)別結(jié)果。
8.如權(quán)利要求7所述的復(fù)雜光照下的車牌識(shí)別系統(tǒng)，其中，所述車牌定位與分割單元還包括車牌傾斜校正單元，用于在對(duì)車牌進(jìn)行字符分割之前，對(duì)車牌圖像進(jìn)行傾斜校正，其中，當(dāng)車牌邊緣圖像的水平`投影值之和最大時(shí)，視為所述車牌圖像被傾斜矯正至水平位置。
【文檔編號(hào)】G06K9/00GK103530600SQ201310224358
【公開(kāi)日】2014年1月22日 申請(qǐng)日期:2013年6月6日 優(yōu)先權(quán)日:2013年6月6日
【發(fā)明者】鄒博, 周宇弘, 李鋒, 鄒達(dá), 高飛 申請(qǐng)人:東軟集團(tuán)股份有限公司