一種lpr車牌篩選識別的方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種LPR車牌篩選識別的方法，包括最優(yōu)車牌采集的步驟和車牌定位的步驟。所述的最優(yōu)車牌采集的步驟包括車牌過濾的步驟及提取車牌幀數(shù)的步驟；車牌過濾的步驟：通過ROI的界定，過濾掉車離攝像頭較遠(yuǎn)或較近的情形；提取車牌幀數(shù)的步驟：由抓拍計數(shù)器控制，對進入識別區(qū)域的車牌連續(xù)抓拍N張圖像，超過N張中止抓拍；前一進入識別區(qū)域的幀類車牌與下一進入識別區(qū)域的幀類車牌抓拍間隔超過M秒，抓拍計數(shù)器清零。不但可用于停車管理系統(tǒng)還可實現(xiàn)公司車輛的智能管理，完成自動考勤的功能。且車牌的獲取不再利用埋設(shè)地感線圈的方式，提高系統(tǒng)壽命。
【專利說明】一種LPR車牌篩選識別的方法和系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及交通監(jiān)控系統(tǒng)【技術(shù)領(lǐng)域】，具體涉及一種篩選識別車牌的系統(tǒng)。
【背景技術(shù)】
[0002]隨著經(jīng)濟的增長和人們購買力的不斷提高，國內(nèi)汽車數(shù)量大規(guī)模增加，尤其是私家車數(shù)量的急劇增長，遠(yuǎn)遠(yuǎn)超過城市原本配備的停車位，導(dǎo)致國內(nèi)停車難等問題日益凸顯，如何在停車位資源一定的情況下實現(xiàn)對停車場科學(xué)、規(guī)范、統(tǒng)一的管理成為人們關(guān)注的重點。
[0003]車牌識別作為現(xiàn)代智能交通監(jiān)控【技術(shù)領(lǐng)域】中的重要組成部分，在停車場管理方面扮演著重要的角色。除此之外，對智能車牌識別的應(yīng)用還可實現(xiàn)公司車輛的智能管理，完成自動考勤的功能。
[0004]車牌識別是以計算機視覺、圖像處理、模式識別等技術(shù)為基礎(chǔ)，對前端攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到每一輛汽車唯一的車牌號碼，從而完成車牌識別的過程。眾所周知，車牌的識別流程大致分為三個步驟，即:車牌的定位，字符分割以及字符的識別。
[0005]目前，車輛檢測的傳統(tǒng)手段是在路面下埋設(shè)地感線圈，車輛經(jīng)過地感線圈時，地感線圈的電感量發(fā)生變化，致使當(dāng)前線圈與其它電路的探測電路的輸出的電信號發(fā)生變化，產(chǎn)生車輛檢測信號，一般為頻率信號，送處理機進行處理，得到車輛進、出停車場的信息。在實際應(yīng)用中，采用地感線圈檢測車輛的方法施工維護費用高、對路面破壞性大，受冰凍、鹽堿、繁忙交通的影響大，使用壽命短，一般只有兩年。

【發(fā)明內(nèi)容】

[0006]針對以上現(xiàn)有技術(shù)中的缺陷，本發(fā)明的LPR識別系統(tǒng)不但可用于停車管理系統(tǒng)還可實現(xiàn)公司車輛的智能管理，完成自動考勤的功能。且車牌的獲取不再利用埋設(shè)地感線圈的方式，提高系統(tǒng)壽命。
[0007]系統(tǒng)車牌的識別大致流程如圖1所示，本發(fā)明重點在于對車牌的篩選和識別，具體技術(shù)方案如下:
[0008]一種LPR車牌篩選識別的方法，包括如下步驟:
[0009]最優(yōu)車牌采集的步驟:
[0010](I)車牌過濾的步驟:
[0011]通過識別區(qū)域(這里統(tǒng)稱感興趣區(qū)域R0I)的界定，可以過濾掉車離攝像頭較遠(yuǎn)或者較近的情形。
[0012](2)提取車牌幀數(shù)的步驟:
[0013]車牌識別系統(tǒng)設(shè)置有計數(shù)器，對進入識別區(qū)域的車牌連續(xù)抓拍N張(一般為3張)圖像，超過N張中止抓拍；前一進入識別區(qū)域的幀類車牌與下一進入識別區(qū)域的幀類車牌抓拍間隔超過M秒(通常為I秒)，抓拍計數(shù)器清零。[0014]車牌定位的步驟:
[0015](I)灰度化處理顏色圖的步驟:利用公式
[0016]Gray(i, j) = R(i, j)*0.299+G(i, j)*0.587+B(i, j)*0.114
[0017]對采集到的顏色圖進行灰度化處理。
[0018](2)對灰度圖進行top-hat變換,可有效地去除高光區(qū)域；優(yōu)選的，top-hat變換中kernel 取值為 20*1 ；
[0019](3)繼續(xù)對灰度圖進行二值化處理形成二值圖，其閾值的選取優(yōu)選為利用大津法求?。?br> [0020](4)繼續(xù)對二值圖進行開閉運算操作，可以快速地消除圖像中的椒鹽噪聲，優(yōu)選方法如下:
[0021]步驟1:對圖像進行閉運算操作，椒鹽噪聲區(qū)域縮??；執(zhí)行的過程是在輸入圖像上用一個合適的結(jié)構(gòu)元素B進行先膨脹后腐蝕的操作。該步驟可填充物體內(nèi)細(xì)小空間、連接鄰近物體、在不明顯改變物體面積時平滑其邊界。對于結(jié)構(gòu)元素B的選取，需依據(jù)攝像機采集的圖像中車牌大小而定，經(jīng)實驗測試B取24x2效果最好。
[0022]步驟2:對圖像進行開運算操作，非椒鹽噪聲區(qū)域會被融合；開運算可消除圖像中的細(xì)小物體、在纖細(xì)處分離物體、平滑較大物體的邊界時不明顯改變其面積。經(jīng)實驗測試結(jié)構(gòu)元素B取2x8最優(yōu)。
[0023]步驟3:對圖像進行腐蝕操作，椒鹽噪聲區(qū)域會再次縮??；結(jié)構(gòu)元素取24x2。
[0024]步驟4:遍歷所有區(qū)域，將區(qū)域面積小于40的區(qū)域去除(面積小于40的區(qū)域定義為椒鹽噪聲區(qū)域)；具體做法為搜索二值圖像中所有連通域，利用車牌面積及長寬比等先驗知識將面積較小以及長寬比不滿足的區(qū)域濾除，面積閾值一般定為40較合適。
[0025](5)優(yōu)選的，還包括區(qū)域融合的步驟:
[0026]步驟1: 二值圖中所有輪廓外接矩形放入集合A中；
[0027]步驟2:找到集合A中所有二值圖的顏色圖，遍歷集合A，若目標(biāo)顏色(藍(lán)、黃等)比率大于設(shè)定值，這里的設(shè)定值取0.02為最佳，則放入候選矩形集合B中；
[0028]步驟3:計算集合B中所有矩形的幾何中心，判斷集合B中矩形的位置關(guān)系，如果兩個矩形邊界的距離在限定范圍內(nèi)，這里，設(shè)定范圍取10-15為最佳，且兩個矩形中心點連線與水平線或豎直線之間的角度在設(shè)定閾值內(nèi)，則表示兩個矩形在同一水平或豎直方向，此時，在兩個矩形中畫線，使其融合，這里設(shè)定閾值取-10度到+10度之間為最佳。
[0029](6)優(yōu)選的，還包括搜索矩形區(qū)域的步驟:
[0030]步驟1:將經(jīng)區(qū)域融合的二值圖對應(yīng)的矩形放入集合S中；
[0031]步驟2:剔除掉面積小于設(shè)定值或長寬比例不在設(shè)定范圍的矩形，將經(jīng)上述剔除操作后剩余的車牌歸入車牌候選集中。
[0032](7)篩選車牌的步驟:
[0033]步驟5.1:計算候選車牌區(qū)域中目標(biāo)顏色(藍(lán)、黃等)的比率；
[0034]步驟5.2:找到目標(biāo)顏色比率最大的區(qū)域，若目標(biāo)顏色比率的最大值大于設(shè)定值
0.03則進行步驟5.3 (經(jīng)統(tǒng)計，設(shè)定值0.03為最佳)，否則直接將其丟棄；
[0035]步驟5.3:找到目標(biāo)車牌的二值化黑白圖；
[0036]步驟5.4:取區(qū)域的1/2高度，從左往右進行黑白跳變掃描，若黑白跳變的次數(shù)未超過設(shè)定值(經(jīng)統(tǒng)計，設(shè)定值為14時最佳)則丟棄。
[0037]本發(fā)明還涉及一種LPR車牌篩選識別的系統(tǒng)，包括最優(yōu)車牌采集模塊和車牌定位模塊；
[0038]所述的最優(yōu)車牌采集模塊用于獲取理想車牌后送入車牌定位模塊進行篩選和識別。
[0039]所述的最優(yōu)車牌采集模塊包括車牌過濾單元和車牌幀數(shù)提取單元，所述的車牌過濾單元用于采集車離攝像頭適當(dāng)距離的車牌圖像，所述的車牌幀數(shù)提取單元用于抓拍并過濾偽車牌。
[0040]所述的車牌定位模塊包括灰度化處理單元、top-hat變換單元、二值化處理單元、開閉運算單元、車牌篩選單元，所述的灰度化處理單元用于對采集到的顏色圖進行灰度化處理形成灰度圖后送入top-hat變換單元,所述的top-hat變換單元用于對圖像進行除高光區(qū)域處理后送入二值化處理單元，所述二值化處理單元用于對灰度圖進行二值化處理后送入車牌篩選單元，所述的車牌篩選單元用于篩除非車牌圖像。
【專利附圖】

【附圖說明】
[0041]圖1為車牌識別系統(tǒng)的大致流程示意圖；
[0042]圖2為本發(fā)明的方法流程圖；
[0043]圖3為本發(fā)明篩選車牌的方法流程圖；
[0044]圖4為本發(fā)明中區(qū)域融合的過程及效果圖；
[0045]圖5為車牌旋轉(zhuǎn)示意圖；
[0046]圖6為較為標(biāo)準(zhǔn)的車牌示意圖；
[0047]圖7為厚邊框車牌示意圖；
[0048]圖8為左邊框精確切割示意圖，
[0049]圖9為獲取車牌傾斜角度示意圖。
【具體實施方式】
[0050]下面結(jié)合附圖對本發(fā)明作進一步說明，
[0051 ] 一種LPR車牌識別方法:
[0052]1.獲取理想車牌
[0053]由于系統(tǒng)是直接從攝像頭的視頻流中直接提取圖像，車輛進入識別區(qū)域時的狀態(tài)具有連續(xù)性、隨機性。基于視頻流的車牌識別就必須解決如何才能從連續(xù)的幀圖像中提取最優(yōu)的車牌。所謂最優(yōu)車牌是指車牌的大小、位置、傾斜程度等因素對系統(tǒng)當(dāng)前算法適應(yīng)性最好。這里最優(yōu)車牌的提取主要是通過對識別區(qū)域的設(shè)定以及獲取同一輛車圖像的張數(shù)。
[0054]1.1ROI 設(shè)定
[0055]通過識別區(qū)域(這里統(tǒng)稱感興趣區(qū)域R0I)的界定，可以過濾掉車離攝像頭較遠(yuǎn)或者較近的情形。當(dāng)車輛遠(yuǎn)離攝像頭時，提取的車牌區(qū)域太小，分辨率不足；當(dāng)車輛距離攝像頭很近時，又會導(dǎo)致車牌區(qū)域的斷裂因此ROI的選定是過濾非理想車牌的首要條件。ROI的選定可以根據(jù)具體的攝像頭的位置、參數(shù)及車輛最佳位置的分布來確定使用的參數(shù)。這里ROI區(qū)域設(shè)定為:[0056]ROI = RECT (O, height/5, width, height/2).[0057]其中width，height分別為輸入圖像的寬和高。設(shè)定ROI還可以減少大量不必要的運算，我們知道，車牌識別系統(tǒng)的實時性要求很高，假如我們在識別上所花費的時間超越我們能容忍的限度，那么即使正確率再好的系統(tǒng)也不具有實用的價值。
[0058]實踐中，攝像頭拍攝的距離為10m，車輛距離攝像頭3m_8m時拍攝的照片中車牌的大小，清晰度是比較好的，因此ROI = (O, height/5, width, height/2)。
[0059]1.2提取車牌幀數(shù)
[0060]由于同一輛車在進入識別區(qū)域時被抓拍的次數(shù)很多，因此我們需要限制抓拍的張數(shù)，一般來說同一輛車在不同的時刻抓拍3張就足夠了。這里假設(shè)為需抓拍N張，繼而在這抓拍的N張圖像中作為一組進行識別，最后的識別結(jié)果由N個結(jié)果共同評判(評判的結(jié)果可以是:同一組中字符不足7位的以7位為準(zhǔn)，都為7位的以首次抓拍的為準(zhǔn))。提取指定的幀數(shù)需在程序中設(shè)定一個抓拍計數(shù)器，每次處理完一張則加1，直到條件不滿足時中止抓拍。需要注意到是，此處是在較為理想的情況下。但在實際的部署中，尤其是雨天，地上雨水反射光斑較多形成偽車牌區(qū)域，此時容易導(dǎo)致計數(shù)器失效，這種狀況導(dǎo)致的結(jié)果是車輛漏識。(即假若由雨水導(dǎo)致計數(shù)器錯誤超過了設(shè)定的抓拍張數(shù)，如果此時沒有被清零，那么待下一輛車進來時將會被直接忽略導(dǎo)致漏識)。這里解決的辦法是，設(shè)置一個定時器，在實際的定位中，車牌位置一般都為連續(xù)的，在幀間隔不大于Is的情況下計數(shù)器在短時間內(nèi)就會從I遞增到N。在雨天時由于偽車牌區(qū)域大都由穿著藍(lán)色衣服的行人走過引起，因此計數(shù)的間隔是隨機的，并且計數(shù)間隔時間必然要比正常情形下的時間長。因此這里的做法是:
[0061]Stepl.抓拍前一幀類車牌獲取當(dāng)前時間pre_time = GetLocalTime O ；Step2.抓拍下一幀類車牌獲取當(dāng)前時間curr_time = GetLocalTime O ；
[0062]則兩次抓拍的時間差DiffTime = curr_time - pre_time.如果時間差DiffTime的數(shù)值大于3s那么可以認(rèn)定這兩次的抓拍并不是同一車輛，或者此時計數(shù)器工作是由于偽車牌區(qū)域引起的，那么此時可以將抓拍計數(shù)器清零處理。
[0063]2、車牌定位
[0064]車牌的定位主要包含兩個步驟，其一是車牌的粗定位，其二是精細(xì)定位。在車牌定位當(dāng)中粗定位和精細(xì)定位處理的目標(biāo)不同。在粗定位中，主要的目標(biāo)是在整個輸入圖像中正確的尋找到車牌的大致位置，可以包含車牌也可以只包含車牌。此處車牌實際位置不要求很精確，但定位的區(qū)域中必須包含車牌。而精細(xì)定位的目標(biāo)是在粗定位中得到的車牌進行車牌的標(biāo)準(zhǔn)化(包括車牌的旋轉(zhuǎn)校正、上下邊緣、左右邊緣的切割等)，最后的車牌應(yīng)只包含車牌背景及字符。
[0065]2.1 粗定位(LPRCoarseLocate)
[0066]粗定位的主要工作包括對圖像進行必要的預(yù)處理，如灰度化、二值化、濾噪等，再者執(zhí)行數(shù)學(xué)形態(tài)學(xué)操作，對二值圖進行膨脹腐蝕，為后續(xù)的搜索矩形區(qū)域做準(zhǔn)備。主要的流程為:
[0067]2.1.1灰度化(cvCvtColor)攝像頭在采集圖像的時候,所采集的數(shù)據(jù)一般是基于RGB顏色空間的3-通道(channels)的彩色圖像，在車牌的粗定位中，需要進行的操作往往是不需要在顏色圖下處理的。處理彩色圖像所需的計算量是十分巨大的(為單通道的3倍)，粗定位中使用顏色圖不僅會導(dǎo)致計算量的猛增，而且還會影響定位的精度。在這里，我們需要將顏色圖進行灰度化處理。基于RGB顏色空間轉(zhuǎn)灰度圖的公式如下:
[0068]Gray(i, j) = R(i, j)*0.299+G(i, j)*0.587+B(i, j)*0.114
[0069]其中Gray(i，j)為目標(biāo)圖像在點(i，j)上的灰度值，R、G、B為圖像三個分量。
[0070]2.1.2.Top-hat
[0071]Top-hat變換也稱頂帽變換，Top-hat變換可以有效的去除高光區(qū)域。車輛在日光下或是夜間，由于都會光照干擾，太亮的區(qū)域不僅會影響二值化效果，而且還干擾車牌區(qū)域。對灰度圖像進行T op-hat變換可以有效的去除高光的影響。需要注意的是T op-hat變換的核大小的選取，結(jié)合車牌的特點以及減少對車牌區(qū)域的損壞一般來說取kernel = 20x1較為合適。
[0072]Top-hat變換的原理為:
[0073]
【權(quán)利要求】
1.一種LPR車牌篩選識別的方法，其特征在于，包括最優(yōu)車牌采集的步驟和車牌定位的步驟。
2.根據(jù)權(quán)利要求1所述的一種LPR車牌篩選識別的方法，其特征在于，所述的最優(yōu)車牌采集的步驟包括車牌過濾的步驟及提取車牌幀數(shù)的步驟； 車牌過濾的步驟:通過ROI的界定，過濾掉車離攝像頭較遠(yuǎn)或較近的情形； 提取車牌幀數(shù)的步驟:由抓拍計數(shù)器控制，對進入識別區(qū)域的車牌連續(xù)抓拍N張圖像，超過N張中止抓拍；前一進入識別區(qū)域的幀類車牌與下一進入識別區(qū)域的幀類車牌抓拍間隔超過M秒，抓拍計數(shù)器清零。
3.根據(jù)權(quán)利要求1所述的一種LPR車牌篩選識別的方法，其特征在于，所述的車牌定位的步驟包括: 步驟一:利用公式
Gray(i, j) = R(i, j)*0.299+G(i, j)*0.587+B(i, j)*0.114
對采集到的顏色圖進行灰度化處理形成灰度圖； 步驟二:對灰度圖進行top-hat變換； 步驟三:繼續(xù)對灰度圖進行二值化處理形成二值圖； 步驟四:繼續(xù)對二值圖進行開閉運算操作； 步驟五:篩選車牌的步驟: 步驟5.1:計算候選車牌區(qū)域中目標(biāo)顏色的比率； 步驟5.2:若目標(biāo)車牌背景顏色比例大于設(shè)定值則進行步驟5.3，否則直接將其丟棄； 步驟5.3:找到目標(biāo)車牌的二值化黑白圖； 步驟5.4:取區(qū)域的1/2高度，從左往右進行黑白跳變掃描，若黑白跳變的次數(shù)未超過設(shè)定值則丟棄。
4.根據(jù)權(quán)利要求3所述的一種LPR車牌篩選識別的方法，其特征在于，所述步驟二的top-hat變換中kernel取值為20*1。
5.根據(jù)權(quán)利要求3所述的一種LPR車牌篩選識別的方法，其特征在于，所述步驟三采用大津法求取閾值。
6.根據(jù)權(quán)利要求3所述的一種LPR車牌篩選識別的方法，其特征在于，所述步驟四中開閉運算操作包括如下步驟: 步驟4.1:對圖像進行開閉運算，縮小椒鹽噪聲區(qū)域； 步驟4.2:對圖像進行開運算操作，融合非椒鹽噪聲區(qū)域； 步驟4.3:對圖像進行腐蝕操作，再次縮小椒鹽噪聲區(qū)域； 步驟4.4:遍歷所有區(qū)域，將區(qū)域面積小于設(shè)定值的區(qū)域去除。
7.根據(jù)權(quán)利要求3所述的一種LPR車牌篩選識別的方法，其特征在于，所述的步驟四對車牌進行開閉運算處理后還設(shè)有區(qū)域融合的步驟及搜索矩形區(qū)域的步驟: 所述的區(qū)域融合的步驟包括: 步驟1:二值圖中所有輪廓外接矩形放入集合A中； 步驟2:找到集合A中所有二值圖的顏色圖，遍歷集合A，若目標(biāo)顏色比率大于設(shè)定值，則放入候選矩形集合B中； 步驟3:計算集合B中所有矩形的幾何中心，判斷集合B中矩形的位置關(guān)系，如果兩個矩形邊界的距離在限定范圍內(nèi)且與水平線或豎直線之間的角度在設(shè)定閾值內(nèi)，則在兩個矩形中畫線，使其融合； 搜索矩形區(qū)域的步驟包括: 步驟1:將經(jīng)區(qū)域融合的二值圖中對應(yīng)的矩形放入集合S中； 步驟2:剔除掉面積小于設(shè)定值或長寬比例不在設(shè)定范圍的矩形，將經(jīng)上述剔除操作后剩余的車牌歸入車牌候選集中。
8.—種LPR車牌篩選識別的系統(tǒng)，其特征在于，包括最優(yōu)車牌采集模塊和車牌定位模塊； 所述的最優(yōu)車牌采集模塊用于獲取理想車牌后送入車牌定位模塊進行篩選和識別。
9.根據(jù)權(quán)利要求8所述的一種LPR車牌篩選識別的系統(tǒng)，其特征在于，所述的最優(yōu)車牌采集模塊包括車牌過濾單元和車牌幀數(shù)提取單元，所述的車牌過濾單元用于采集車離攝像頭適當(dāng)距離的車牌圖像，所述的車牌幀數(shù)提取單元用于抓拍并過濾偽車牌。
10.根據(jù)權(quán)利要求8所述的一種LPR車牌篩選識別的系統(tǒng)，其特征在于，所述的車牌定位模塊包括灰度化處理單元、top-hat變換單元、二值化處理單元、開閉運算單元、車牌篩選單元，所述的灰度化處理單元用于對采集到的顏色圖進行灰度化處理形成灰度圖后送入top-hat變換單元,所述的top-hat變換單元用于對圖像進行除高光區(qū)域處理后送入二值化處理單元，所述二值化處理單元用于對灰度圖進行二值化處理后送入車牌篩選單元，所述的車牌篩選單元用于篩除非車牌。
【文檔編號】G06K9/40GK104036262SQ201410306452
【公開日】2014年9月10日 申請日期:2014年6月30日 優(yōu)先權(quán)日:2014年6月30日
【發(fā)明者】蔡志旻, 婁剛, 劉偉, 許焱 申請人:南京富士通南大軟件技術(shù)有限公司