車牌定位方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種車牌定位方法和系統(tǒng)，包括：獲取車輛圖像；以所述車輛圖像構(gòu)建圖像金字塔，所述圖像金字塔包括多層圖像；當(dāng)通過所述圖像金字塔檢測到所述車輛圖像包含車牌區(qū)域時，則對所述車牌區(qū)域進(jìn)行車牌字符識別處理，確定字符識別處理結(jié)果符合預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所對應(yīng)的車牌區(qū)域圖像的第一位置信息；從與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前幀和前一幀的位置，跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù)定條件則為車牌區(qū)域圖像的第二位置信息；融合所述第一位置信息和所述第二位置信息，完成車牌定位。
【專利說明】車牌定位方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，特別是涉及一種車牌定位方法及系統(tǒng)。

【背景技術(shù)】
[0002] 近年來，車牌識別設(shè)備已經(jīng)被廣泛應(yīng)用于停車場、城市道路等區(qū)域進(jìn)行車輛號牌 的自動抓拍和識別。
[0003] 現(xiàn)有的車牌識別設(shè)備以使用標(biāo)清模擬攝像機(jī)為主，車牌識別設(shè)備主要是針對停車 場，小區(qū)出入口等，隨著技術(shù)發(fā)展以及車牌識別技術(shù)的普及，車牌識別應(yīng)用范圍越來越廣 泛，已經(jīng)發(fā)展到城市道路，高速公路以及一些比較寬敞的道路。但是標(biāo)清模擬攝像機(jī)存在著 圖像層次感、對比度，分辨率都不足的問題，制約了車牌識別系統(tǒng)的性能。
[0004] 隨著科技的發(fā)展，高清攝像機(jī)和全高清攝像機(jī)開始逐漸普及，彌補(bǔ)了標(biāo)清模擬攝 像機(jī)在車牌識別應(yīng)用中的不足，但是由于全高清攝像機(jī)的分辨率高，要在大范圍內(nèi)搜索到 車牌并且對車牌進(jìn)行分割和識別非常不容易。
[0005] 因此，如何能夠完成對標(biāo)清車牌的定位也能夠在更高像素更好分辨率的情況下完 成對車牌的定位，是本領(lǐng)域技術(shù)人員需要解決的問題。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種車牌定位方法，該方法能夠完成對標(biāo)清車牌的定位也能 夠在更高像素更好分辨率的情況下完成對車牌的定位；本發(fā)明的另一目的是提供一種車牌 定位的系統(tǒng)。
[0007] 為解決上述技術(shù)問題，本發(fā)明實施例提供如下技術(shù)方案：
[0008] 一種車牌定位方法，包括：
[0009] 獲取車輛圖像；
[0010] 以所述車輛圖像構(gòu)建圖像金字塔，所述圖像金字塔包括多層圖像；當(dāng)通過所述圖 像金字塔檢測到所述車輛圖像包含車牌區(qū)域時，則對所述車牌區(qū)域進(jìn)行車牌字符識別處 理，確定字符識別處理結(jié)果符合預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所對應(yīng)的車 牌區(qū)域圖像的第一位置信息；
[0011] 從與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前幀和前一幀的位 置，跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù)定條件則為 車牌區(qū)域圖像的第二位置信息；
[0012] 融合所述第一位置信息和所述第二位置信息，完成車牌定位。其中，以所述車輛圖 像構(gòu)建圖像金字塔包括：
[0013] 以所述車輛圖像構(gòu)建一個三層的圖像金字塔，將輸入的需要處理的所述車輛圖像 作為金字塔的第三層，將所述車輛圖像的寬度和高度的1/2作為金字塔的第二層，將所述 車輛圖像的寬度和高度的1/3作為金字塔的第一層。
[0014] 其中，所述通過所述圖像金字塔檢測到所述車輛圖像包含車牌區(qū)域包括：
[0015] 在所述圖像金字塔的第一層通過車頭分類器對所述車輛圖像進(jìn)行車頭區(qū)域的檢 測，得到車頭區(qū)域；
[0016] 在所述圖像金字塔的第二層對所述車頭區(qū)域進(jìn)行車牌區(qū)域的檢測，得到第一車牌 區(qū)域；
[0017] 在所述圖像金字塔的第三層通過車牌分類器對所述第一車牌區(qū)域進(jìn)行分類，得到 車牌區(qū)域。
[0018] 其中，所述提取車牌區(qū)域在當(dāng)前幀和前一幀的位置包括：
[0019] 提取車牌區(qū)域在前一幀與當(dāng)前幀的位置形成跟蹤區(qū)域，將所述跟蹤區(qū)域生成跟蹤 角點；
[0020] 所述跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息包括：
[0021] 前一幀與當(dāng)前幀做一次盧卡斯卡耐德LK跟蹤，從前一幀提取角點PtsO進(jìn)行跟蹤 得到當(dāng)前巾貞的角點Ptsl ;
[0022] 當(dāng)前幀與前一幀做一次盧卡斯卡耐德LK反跟蹤，根據(jù)當(dāng)前幀角點ptsl跟蹤得到 前一幀的角點Pts2 ;
[0023] 在預(yù)定的區(qū)域?qū)⒔屈cptsO與pts2每一對匹配的像素點進(jìn)行歸一化互相關(guān)計算， 并得到歸一化互相關(guān)的中值；
[0024] 計算角點ptsO與pts2之間每一對對應(yīng)像素點的歐氏距離，并得到歐氏距離的中 值；
[0025] 找到角點ptsl中大于歸一化互相關(guān)的中值并且小于歐氏距離中值的像素點為跟 蹤有效像素點；
[0026] 所述跟蹤處理的結(jié)果符合預(yù)定條件則為車牌區(qū)域圖像的第二位置信息包括：
[0027] 跟蹤有效像素點的個數(shù)大于預(yù)定閾值，則角點ptsl為當(dāng)前幀車牌區(qū)域圖像的第 二位置信息。
[0028] 其中，所述車頭分類器的訓(xùn)練方法包括：
[0029] 獲取攝像機(jī)在設(shè)定時段和天氣條件下所拍攝的多個車輛圖像，以車輛圖像的車頭 部分的圖像作為正樣本，以非車頭部分的圖像作為負(fù)樣本；
[0030] 使用方向梯度直方圖HOG特征對每一幅車輛圖像的正樣本和負(fù)樣本進(jìn)行表征，形 成方向梯度直方圖HOG特征向量；
[0031] 利用級聯(lián)的演算Adaboost算法對得到的方向梯度直方圖HOG特征進(jìn)行訓(xùn)練，獲得 級聯(lián)車頭強(qiáng)分類器。
[0032] 其中，所述車牌分類器的訓(xùn)練方法包括：
[0033] 獲取攝像機(jī)在設(shè)定時段和天氣條件下所拍攝的多個車輛圖像，以車輛圖像的車牌 圖像作為正樣本，以非車牌圖像作為負(fù)樣本；
[0034] 使用哈爾小波Haar特征對每一幅車輛圖像的正樣本和負(fù)樣本進(jìn)行表征，形成哈 爾小波Haar特征向量；
[0035] 利用級聯(lián)的演算Adaboost算法對得到的哈爾小波Haar特征進(jìn)行訓(xùn)練，獲得級聯(lián) 車牌強(qiáng)分類器。
[0036] 其中，所述提取車牌區(qū)域在當(dāng)前幀和前一幀的位置，跟蹤處理車牌區(qū)域在當(dāng)前幀 和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù)定條件則為車牌區(qū)域圖像的第二位置信息之 后還包括：
[0037] 將車牌區(qū)域圖像的位置信息作為對象建立跟蹤列表；
[0038] 對提取的車牌區(qū)域進(jìn)行跟蹤處理，將跟蹤處理結(jié)果符合預(yù)定條件的車牌區(qū)域圖像 的位置信息放入跟蹤列表；
[0039] 比較所述第一位置信息和所述第二位置信息的重合度；
[0040] 利用比較結(jié)果進(jìn)行跟蹤列表的更新。
[0041] 其中，所述利用比較結(jié)果進(jìn)行跟蹤列表的更新包括：
[0042] 當(dāng)重合度超過閾值時，刪除檢測對象；
[0043] 當(dāng)所述重合度不超過閾值時，添加新的跟蹤對象；
[0044] 當(dāng)檢測對象與跟蹤列表中的對象加起來超過了跟蹤對象的最大值時，確定所述對 象到攝像機(jī)的距離的數(shù)值，保留數(shù)值小于預(yù)定距離所對應(yīng)的對象，刪除數(shù)值大于預(yù)定距離 所對應(yīng)的對象。
[0045] 本發(fā)明實施例還提供一種車牌定位系統(tǒng)，包括：獲取模塊，檢測模塊，跟蹤模塊，定 位模塊，其中，
[0046] 獲取模塊，用于獲取車輛圖像；
[0047] 檢測模塊，用于以所述車輛圖像構(gòu)建圖像金字塔，所述圖像金字塔包括多層圖像； 當(dāng)通過所述圖像金字塔檢測到所述車輛圖像包含車牌區(qū)域，則對所述車牌區(qū)域進(jìn)行車牌字 符識別處理，確定字符識別處理結(jié)果符合預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所 對應(yīng)的車牌區(qū)域圖像的第一位置信息；
[0048] 跟蹤模塊，用于從與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前 幀和前一幀的位置，跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符 合預(yù)定條件則為車牌區(qū)域圖像的第二位置信息；
[0049] 定位模塊，融合所述第一位置信息和所述第二位置信息，完成車牌定位。
[0050] 其中，所述定位模塊包括：比較單元，更新單元，定位單元，其中，
[0051] 比較單元，用于比較所述第一位置信息和所述第二位置信息的重合度；
[0052] 更新單元，用于利用比較單元得到的結(jié)果，對車牌區(qū)域圖像的位置信息進(jìn)行更 新；
[0053] 定位單元，用于根據(jù)更新后的車牌區(qū)域圖像的位置信息完成對車牌的定位。
[0054] 基于上述技術(shù)方案，本發(fā)明實施例所提供的車牌定位方法和系統(tǒng)，包括：獲取車輛 圖像；以所述車輛圖像構(gòu)建圖像金字塔，所述圖像金字塔包括多層圖像；當(dāng)通過所述圖像 金字塔檢測到所述車輛圖像包含車牌區(qū)域時，則對所述車牌區(qū)域進(jìn)行車牌字符識別處理， 確定字符識別處理結(jié)果符合預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所對應(yīng)的車牌區(qū) 域圖像的第一位置信息；從與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前 幀和前一幀的位置，跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符 合預(yù)定條件則為車牌區(qū)域圖像的第二位置信息；融合所述第一位置信息和所述第二位置 信息，完成車牌定位。從而能夠完成對標(biāo)清車牌的定位也能夠在更高像素更好分辨率的情 況下完成對車牌的定位。由于利用了跟蹤處理，對檢測到的車牌進(jìn)行跟蹤僅需要在局部區(qū) 域進(jìn)行即可，可以降低運算量，且通過對車牌的連續(xù)跟蹤，可以更精確定位到車牌出現(xiàn)的地 方，從而降低車牌的誤檢率和錯檢率。由此通過對車輛圖像的大范圍的檢測到車牌區(qū)域，在 對車牌區(qū)域進(jìn)行精確的檢測和跟蹤，這樣的從粗到精的檢索策略，降低了車牌定位時間，也 大幅度提高了車牌識別效率，實現(xiàn)了快速準(zhǔn)確定位到車牌在圖像中的位置。

【專利附圖】

【附圖說明】
[0055] 圖1為本發(fā)明實施例提供的車牌定位方法的流程圖；
[0056] 圖2為本發(fā)明實施例提供的通過所述圖像金字塔檢測到所述車輛圖像包含車牌 區(qū)域的流程圖；
[0057] 圖3為本發(fā)明實施例提供的跟蹤處理的流程圖；
[0058] 圖4為本發(fā)明實施例提供的更新跟蹤列表的流程圖；
[0059] 圖5為本發(fā)明實施例提供的車頭分類器的訓(xùn)練方法的流程圖；
[0060] 圖6為本發(fā)明實施例提供的車牌分類器的訓(xùn)練方法的流程圖；
[0061]圖7為本發(fā)明實施例提供的車牌定位系統(tǒng)的結(jié)構(gòu)框圖；
[0062] 圖8為本發(fā)明實施例提供的獲取模塊的結(jié)構(gòu)框圖；
[0063] 圖9為本發(fā)明實施例提供的檢測模塊的結(jié)構(gòu)框圖；
[0064] 圖10為本發(fā)明實施例提供的跟蹤模塊的結(jié)構(gòu)框圖；
[0065] 圖11為本發(fā)明實施例提供的定位模塊的結(jié)構(gòu)框圖。

【具體實施方式】
[0066] 本發(fā)明的核心是提供一種車牌定位方法，該方法能夠完成對標(biāo)清車牌的定位也能 夠在更高像素更好分辨率的情況下完成對車牌的定位；本發(fā)明的另一目的是提供一種車牌 定位的系統(tǒng)。
[0067] 為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員 在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0068] 請參考圖1，圖1為本發(fā)明實施例提供的車牌定位方法的流程圖，該方法可以包 括：
[0069] 步驟slOO、獲取車輛圖像；
[0070] 這里獲取車輛圖像，可以是由普通攝像頭采集的，也可以是高清、超高清等其他攝 像頭采集；也可以是其他能夠進(jìn)行圖像采集的設(shè)備進(jìn)行采集所獲得的圖像。
[0071] 步驟SllO、以所述車輛圖像構(gòu)建圖像金字塔，所述圖像金字塔包括多層圖像；當(dāng) 通過所述圖像金字塔檢測到所述車輛圖像包含車牌區(qū)域時，則對所述車牌區(qū)域進(jìn)行車牌字 符識別處理，確定字符識別處理結(jié)果符合預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所 對應(yīng)的車牌區(qū)域圖像的第一位置信息；
[0072] 其中，圖像金字塔為：以多分辨率來解釋處理圖像的一種有效但概念簡單的結(jié)構(gòu) 方法就是圖像金字塔。圖像金字塔最初用于機(jī)器視覺和圖像壓縮，一幅圖像的金字塔是一 系列以金字塔形狀排列的分辨率逐步降低的圖像集合。金字塔的底部是待處理圖像的高分 辨率表示，而頂部是低分辨率的近似。
[0073] 構(gòu)建圖像金字塔，其中所述圖像金字塔包含多層圖像，通過一層層的檢測篩選，獲 取車牌區(qū)域，通過對所述車牌區(qū)域進(jìn)行車牌字符識別處理，找到車牌字符識的處理結(jié)果符 合預(yù)定條件的車牌區(qū)域，預(yù)定條件是指對車牌區(qū)域進(jìn)行分割得到7個字符的位置，然后分 別對7個字符進(jìn)行識別，看7個字符識別的結(jié)果是否達(dá)到標(biāo)準(zhǔn)。例如使用基于支持向量機(jī) 的方法，可以分別統(tǒng)計7個字符的單獨置信度和7個字符的總置信度；其中置信度為置信度 也稱為可靠度，或置信水平、置信系數(shù)，即在抽樣對總體參數(shù)作出估計時，由于樣本的隨機(jī) 性，其結(jié)論總是不確定的。因此，采用一種概率的陳述方法，也就是數(shù)理統(tǒng)計中的區(qū)間估計 法，即估計值與總體參數(shù)在一定允許的誤差范圍以內(nèi)，其相應(yīng)的概率有多大，這個相應(yīng)的概 率稱作置信度。在確定車牌區(qū)域后獲取對應(yīng)的車牌區(qū)域圖像的位置信息，例如像素點的坐 標(biāo)等可以表示位置的信息，即為車牌區(qū)域圖像的第一位置信息。
[0074] 步驟sl20、從與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前幀和 前一幀的位置，跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù) 定條件則為車牌區(qū)域圖像的第二位置信息；
[0075] 在所述車輛圖像對應(yīng)的連續(xù)多幀圖像中提取車牌區(qū)域在當(dāng)前幀和前一幀的位置， 這里的提取的車牌區(qū)域可以是輸入的檢測成功的車牌區(qū)域，或者是對車輛圖像進(jìn)行初步跟 蹤檢測處理得到的正在被跟蹤區(qū)域（即車牌區(qū)域）；對車牌區(qū)域進(jìn)行跟蹤處理，結(jié)果符合預(yù) 定條件則為車牌區(qū)域圖像的位置信息即可以得到車牌在當(dāng)前幀的位置；
[0076] 步驟sl30、融合所述第一位置信息和所述第二位置信息，完成車牌定位。
[0077] 其中，根據(jù)第一位置信息和所述第二位置信息的融合，也即比較第一位置信息和 所述第二位置信息的重合度，當(dāng)重合度大于閾值時，刪除第一位置信息或第二位置信息都 可以完成車牌的定位，但其中選擇刪除第一位置信息保留第二位置信息是一個優(yōu)選技術(shù)方 案，這是因為在經(jīng)過試驗，可以得到跟蹤的到的第二位置信息往往比檢測得到的第一位置 信息更加精確，因此這里選擇將第一位置信息刪除是一個優(yōu)選方式；當(dāng)重合度小于閾值時， 保留第一位置信息和第二位置信息。利用比較的方式可以更精確的得到車牌位置。
[0078] 本發(fā)明實施例所提供的車牌定位方法包括：獲取車輛圖像；以所述車輛圖像構(gòu)建 圖像金字塔，所述圖像金字塔包括多層圖像；當(dāng)通過所述圖像金字塔檢測到所述車輛圖像 包含車牌區(qū)域時，則對所述車牌區(qū)域進(jìn)行車牌字符識別處理，確定字符識別處理結(jié)果符合 預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所對應(yīng)的車牌區(qū)域圖像的第一位置信息；從 與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前幀和前一幀的位置，跟蹤處 理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù)定條件則為車牌區(qū)域圖 像的第二位置信息；融合所述第一位置信息和所述第二位置信息，完成車牌定位。從而能夠 完成對標(biāo)清車牌的定位也能夠在更高像素更好分辨率的情況下完成對車牌的定位。由于利 用了跟蹤處理，對檢測到的車牌進(jìn)行跟蹤僅需要在局部區(qū)域進(jìn)行即可，可以降低運算量，且 通過對車牌的連續(xù)跟蹤，可以更精確定位到車牌出現(xiàn)的地方，從而降低車牌的誤檢率和錯 檢率。由此通過對車輛圖像的大范圍的檢測到車牌區(qū)域，在對車牌區(qū)域進(jìn)行精確的檢測和 跟蹤，這樣的從粗到精的檢索策略，降低了車牌定位時間，也大幅度提高了車牌識別效率， 實現(xiàn)了快速準(zhǔn)確定位到車牌在圖像中的位置。
[0079] 優(yōu)選的，以車輛圖像構(gòu)建圖像金字塔包括：
[0080] 以所述車輛圖像構(gòu)建一個三層的圖像金字塔，將輸入的需要處理的所述車輛圖像 作為金字塔的第三層，將所述車輛圖像的寬度和高度的1/2作為金字塔的第二層，將所述 車輛圖像的寬度和高度的1/3作為金字塔的第一層。
[0081] 其中，利用上述三層的圖像金字塔，將需要進(jìn)行處理的車輛圖像通過這個三層的 圖像金字塔的一層層的進(jìn)行檢測處理，能夠達(dá)到快速在很大范圍內(nèi)找到所關(guān)心的對象的這 一目的，這個是一種快速的處理方法。
[0082] 優(yōu)選的，圖2給出了本發(fā)明實施例提供的通過所述圖像金字塔檢測到所述車輛圖 像包含車牌區(qū)域的流程圖，參照圖2,通過圖像金字塔檢測到所述車輛圖像包含車牌區(qū)域可 以包括：
[0083] 步驟s210、在所述圖像金字塔的第一層通過車頭分類器對所述車輛圖像進(jìn)行車頭 區(qū)域的檢測，得到車頭區(qū)域；
[0084] 可選的，對輸入到圖像金字塔第一層的車輛圖像按照從左到右，從上到下的窗口 進(jìn)行掃描，并將窗口以1為步長逐漸增大，對每個窗口提取特征向量，通過車頭分類器對取 得的特征向量進(jìn)行車頭檢測，檢測符合條件即得到車頭區(qū)域進(jìn)入步驟S220 ;但是由于車頭 檢測也會存在一定的誤檢和漏檢，因此若不符合條件沒有檢測到車頭區(qū)域，但此時若連續(xù) 沒有檢測到車頭的幀數(shù)達(dá)到閾值，也對此車輛圖像進(jìn)行進(jìn)一步的車牌區(qū)域的檢測。
[0085] 步驟s220、在所述圖像金字塔的第二層對所述車頭區(qū)域進(jìn)行車牌區(qū)域的檢測，得 到第一車牌區(qū)域；
[0086] 可選的，通過比例換算在圖像金字塔的第二層劃出包含車頭的區(qū)域，然后把車頭 區(qū)域左右和上下各擴(kuò)大10%，在擴(kuò)大后的區(qū)域進(jìn)行檢測；
[0087] 在步驟S210中由于不符合條件沒有檢測到車頭區(qū)域，但此時若連續(xù)沒有檢測到 車頭的幀數(shù)達(dá)到閾值的情況是，此時對此車輛圖像進(jìn)行全圖檢測。
[0088] 可選的，此時車頭區(qū)域的檢測方法可以包括：
[0089] 使用一維離散微分模版[-1 0 1]在水平方向上對車頭區(qū)域或全圖進(jìn)行處理，得 到水平梯度圖像；
[0090] 計算步驟S210中得到的通過車頭分類器的檢測，符合條件得到車頭區(qū)域，或連續(xù) 沒有檢測到車頭的幀數(shù)達(dá)到閾值時的車輛圖像；對車頭區(qū)域圖像或車輛圖像計算邊緣積分 圖，使用積分圖可以加快邊緣密度的計算。為了避免一個區(qū)域的所有像素點的邊緣值相加 的重復(fù)計算，在算法中使用了積分圖。積分圖上的每個像素點（x，y)包含了從點（〇,〇)到 點（x，y)所有的像素的邊緣值，那么積分圍

【權(quán)利要求】
1. 一種車牌定位方法，其特征在于，該方法包括： 獲取車輛圖像； 以所述車輛圖像構(gòu)建圖像金字塔，所述圖像金字塔包括多層圖像；當(dāng)通過所述圖像金 字塔檢測到所述車輛圖像包含車牌區(qū)域時，則對所述車牌區(qū)域進(jìn)行車牌字符識別處理，確 定字符識別處理結(jié)果符合預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所對應(yīng)的車牌區(qū)域 圖像的第一位置信息； 從與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前幀和前一幀的位置， 跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù)定條件則為車牌 區(qū)域圖像的第二位置信息； 融合所述第一位置信息和所述第二位置信息，完成車牌定位。
2. 如權(quán)利要求1所述的方法，其特征在于，所述以所述車輛圖像構(gòu)建圖像金字塔包括： 以所述車輛圖像構(gòu)建一個三層的圖像金字塔，將輸入的需要處理的所述車輛圖像作為 金字塔的第三層，將所述車輛圖像的寬度和高度的1/2作為金字塔的第二層，將所述車輛 圖像的寬度和高度的1/3作為金字塔的第一層。
3. 如權(quán)利要求2所述的方法，其特征在于，所述通過所述圖像金字塔檢測到所述車輛 圖像包含車牌區(qū)域包括： 在所述圖像金字塔的第一層通過車頭分類器對所述車輛圖像進(jìn)行車頭區(qū)域的檢測，得 到車頭區(qū)域； 在所述圖像金字塔的第二層對所述車頭區(qū)域進(jìn)行車牌區(qū)域的檢測，得到第一車牌區(qū) 域； 在所述圖像金字塔的第三層通過車牌分類器對所述第一車牌區(qū)域進(jìn)行分類，得到車牌 區(qū)域。
4. 如權(quán)利要求1所述的方法，其特征在于，所述提取車牌區(qū)域在當(dāng)前幀和前一幀的位 置包括： 提取車牌區(qū)域在前一幀與當(dāng)前幀的位置形成跟蹤區(qū)域，將所述跟蹤區(qū)域生成跟蹤角 占. 所述跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息包括： 前一幀與當(dāng)前幀做一次盧卡斯卡耐德LK跟蹤，從前一幀提取角點ptsO進(jìn)行跟蹤得到 當(dāng)前巾貞的角點ptsl ; 當(dāng)前幀與前一幀做一次盧卡斯卡耐德LK反跟蹤，根據(jù)當(dāng)前幀角點ptsl跟蹤得到前一 中貞的角點pts2 ; 在預(yù)定的區(qū)域?qū)⒔屈cPtsO與pts2每一對匹配的像素點進(jìn)行歸一化互相關(guān)計算，并得 到歸一化互相關(guān)的中值； 計算角點PtsO與pts2之間每一對對應(yīng)像素點的歐氏距離，并得到歐氏距離的中值； 找到角點ptsl中大于歸一化互相關(guān)的中值并且小于歐氏距離中值的像素點為跟蹤有 效像素點； 所述跟蹤處理的結(jié)果符合預(yù)定條件則為車牌區(qū)域圖像的第二位置信息包括： 跟蹤有效像素點的個數(shù)大于預(yù)定閾值，則角點ptsl為當(dāng)前幀車牌區(qū)域圖像的第二位 置信息。
5. 如權(quán)利要求3所述的方法，其特征在于，所述車頭分類器的訓(xùn)練方法包括： 獲取攝像機(jī)在設(shè)定時段和天氣條件下所拍攝的多個車輛圖像，以車輛圖像的車頭部分 的圖像作為正樣本，以非車頭部分的圖像作為負(fù)樣本； 使用方向梯度直方圖HOG特征對每一幅車輛圖像的正樣本和負(fù)樣本進(jìn)行表征，形成方 向梯度直方圖HOG特征向量； 利用級聯(lián)的演算Adaboost算法對得到的方向梯度直方圖HOG特征進(jìn)行訓(xùn)練，獲得級聯(lián) 車頭分類器。
6. 如權(quán)利要求3所述的方法，其特征在于，所述車牌分類器的訓(xùn)練方法包括： 獲取攝像機(jī)在設(shè)定時段和天氣條件下所拍攝的多個車輛圖像，以車輛圖像的車牌圖像 作為正樣本，以非車牌圖像作為負(fù)樣本； 使用哈爾小波Haar特征對每一幅車輛圖像的正樣本和負(fù)樣本進(jìn)行表征，形成哈爾小 波Haar特征向量； 利用級聯(lián)的演算Adaboost算法對得到的哈爾小波Haar特征進(jìn)行訓(xùn)練，獲得級聯(lián)車牌 分類器。
7. 如權(quán)利要求1所述的方法，其特征在于，所述提取車牌區(qū)域在當(dāng)前幀和前一幀的位 置，跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù)定條件則為 車牌區(qū)域圖像的第二位置信息之后還包括： 將車牌區(qū)域圖像的位置信息作為對象建立跟蹤列表； 對提取的車牌區(qū)域進(jìn)行跟蹤處理，將跟蹤處理結(jié)果符合預(yù)定條件的車牌區(qū)域圖像的位 置信息放入跟蹤列表； 比較所述第一位置信息和所述第二位置信息的重合度； 利用比較結(jié)果進(jìn)行跟蹤列表的更新。
8. 如權(quán)利要求7所述的方法，其特征在于，所述利用比較結(jié)果進(jìn)行跟蹤列表的更新包 括： 當(dāng)重合度超過閾值時，刪除檢測對象； 當(dāng)所述重合度不超過閾值時，添加新的跟蹤對象； 當(dāng)檢測對象與跟蹤列表中的對象加起來超過了跟蹤對象的最大值時，確定所述對象到 攝像機(jī)的距離的數(shù)值，保留數(shù)值小于預(yù)定距離所對應(yīng)的對象，刪除數(shù)值大于預(yù)定距離所對 應(yīng)的對象。
9. 一種車牌定位系統(tǒng)，其特征在于，該系統(tǒng)包括：獲取模塊，檢測模塊，跟蹤模塊，定位 模塊，其中， 獲取模塊，用于獲取車輛圖像； 檢測模塊，用于以所述車輛圖像構(gòu)建圖像金字塔，所述圖像金字塔包括多層圖像；當(dāng)通 過所述圖像金字塔檢測到所述車輛圖像包含車牌區(qū)域，則對所述車牌區(qū)域進(jìn)行車牌字符識 別處理，確定字符識別處理結(jié)果符合預(yù)定條件的車牌區(qū)域；獲取所確定的車牌區(qū)域所對應(yīng) 的車牌區(qū)域圖像的第一位置信息； 跟蹤模塊，用于從與所述車輛圖像對應(yīng)的連續(xù)多幀圖像中，提取車牌區(qū)域在當(dāng)前幀和 前一幀的位置，跟蹤處理車牌區(qū)域在當(dāng)前幀和前一幀的位置信息，跟蹤處理的結(jié)果符合預(yù) 定條件則為車牌區(qū)域圖像的第二位置信息； 定位模塊，融合所述第一位置信息和所述第二位置信息，完成車牌定位。
10.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述定位模塊包括：比較單元，更新單元， 定位單元，其中， 比較單元，用于比較所述第一位置信息和所述第二位置信息的重合度； 更新單元，用于利用比較單元得到的結(jié)果，對車牌區(qū)域圖像的位置信息進(jìn)行更新； 定位單元，用于根據(jù)更新后的車牌區(qū)域圖像的位置信息完成對車牌的定位。
【文檔編號】G06K9/00GK104239867SQ201410476358
【公開日】2014年12月24日 申請日期:2014年9月17日 優(yōu)先權(quán)日:2014年9月17日
【發(fā)明者】唐健, 李昕, 李銳 申請人:深圳市捷順科技實業(yè)股份有限公司