国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于字符位置的車牌定位方法

      文檔序號:9766201閱讀:634來源:國知局
      一種基于字符位置的車牌定位方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明公開一種車牌定位方法,特別是一種基于字符位置的車牌定位方法。
      【背景技術(shù)】
      [0002] 由于我國近幾十年來經(jīng)濟快速發(fā)展,一方面汽車總量越來越大,在成為現(xiàn)代社會 的主要交通工具的同時,人們對車輛信息的采集和管理意識也越來越強,而人工采集和管 理已經(jīng)無法滿足實際的需要;另一方面,隨著計算機技術(shù)、機器視覺、通信技術(shù)等發(fā)展迅猛, 它們?yōu)橹悄芙煌ㄌ峁┝丝煽康募夹g(shù)支持。
      [0003] 車牌識別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一,應(yīng)用非常廣泛,而車牌定 位技術(shù)常作為車牌識別的一部分,在交通車輛管理、園區(qū)車輛管理、高速公路收費與監(jiān)管、 停車場管理、海關(guān)物流管理、公安部口打擊犯罪等領(lǐng)域發(fā)揮著重要的作用,加強了高速公 路、城市道路管理,提高了運輸效率和經(jīng)濟活力,減少了交通事故及車輛被盜事件的發(fā)生, 保障了社會穩(wěn)定,對整個社會具有重大而深遠的影響。
      [0004] 現(xiàn)有的車牌定位技術(shù)方案中,通常采用的做法是先對獲取的圖像進行預(yù)處理,然 后經(jīng)過車牌粗定位、車牌精定位和傾斜矯正,最終獲得車牌的二值圖像。而在現(xiàn)有技術(shù)的部 分方案中,將粗定位和精定位合二為一,并無明顯的區(qū)分。W下為現(xiàn)有技術(shù)中對車牌定位技 術(shù)的一些常規(guī)做法: 陽0化]1、在現(xiàn)有技術(shù)方案中,如專利名為一種基于雙邊緣檢測的車牌識別方法(專利 號:201110379616. 0)、一種車牌識別方法及其系統(tǒng)(專利號:201210535195. 0),在對車牌 進行定位前,并未對圖像進行預(yù)處理,而是直接對原始圖像進行邊緣檢測及形態(tài)學(xué)處理獲 得候選車牌區(qū)域,而在模糊車牌中,因其邊緣信息較少,易被誤認為偽車牌;而專利名為基 于虛擬線圈的自觸發(fā)車牌識別方法(專利號:201010172095. 7)、車牌識別方法及其識別系 統(tǒng)(201110341353. 4),則是對圖像進行統(tǒng)一的預(yù)處理,且處理方式較為單一,均是直接進行 灰度化,雖然前者還進行了圖像增強和濾波,但并未考慮光照對車牌圖像的影響,尤其在夜 間,因車燈和光照的影響,車牌邊緣信息較少,在對邊緣進行過濾時容易被誤當作干擾而致 使車牌的遺漏,因此定位結(jié)果容易出現(xiàn)不穩(wěn)定的現(xiàn)象。
      [0006] 2、車牌定位分為粗定位和精定位,但專利名為多角度投影的模糊車牌識別方法 (專利號:200910035484. 2),是使用水平投影和垂直投影來進行定位,不區(qū)分粗定位和精 定位,該方法只能對車牌進行大致定位,除了容易引入過多的偽車牌外,由于受光照影響, 還容易遺漏車牌;除此之外,在現(xiàn)有技術(shù)方案中,如專利名為一種基于雙邊緣檢測的車牌識 別方法(專利號:20110379616. 0)、車牌識別方法及其識別系統(tǒng)(201110341353. 4)等,多是 根據(jù)顏色、紋理及車牌形狀先驗來對車牌進行粗略定位或精確定位,除了容易受光照影響 夕F,在背景復(fù)雜的環(huán)境下更會引入過多的偽車牌,為后續(xù)的車牌識別增加了難度、降低了效 率。
      [0007] 3、在進行傾斜矯正時,首先需要找到車牌的傾斜角度,它分為水平傾斜角度和垂 直傾斜角度,其中垂直傾斜角度通常較小,因此在現(xiàn)有的技術(shù)方案中,很大部分只對車牌 進行水平矯正。而在水平角度的尋找上,如專利名為一種基于視頻流的自動車牌識別方 法(專利號:201210338652. 7)、專利名為基于虛擬線圈的自觸發(fā)車牌識別方法(專利號: 201010172095. 7),均采用的是較為常見的化U曲變換法進行直線檢測,但該方法計算量 大,不適用于實時的車牌識別系統(tǒng)。而其他方法,諸如剪切變換法、Radon法、直線擬合法等 雖然簡單易實現(xiàn),但容易受噪聲影響,得出的傾斜角度值不準確,矯正后的二值圖亦將嚴重 影響識別結(jié)果。

      【發(fā)明內(nèi)容】

      [0008] 針對上述提到的現(xiàn)有技術(shù)中的車牌定位技術(shù)中普遍存在的定位精度低、受光照影 響大的缺點,本發(fā)明提供一種基于字符位置的車牌定位方法,其通過圖像下采樣、圖像預(yù)處 理、車牌粗定位、車牌精定位、原圖像映射、車牌傾斜矯正等步驟最終獲得定位正確的車牌 位置。
      [0009] 本發(fā)明解決其技術(shù)問題采用的技術(shù)方案是:一種基于字符位置的車牌定位方法, 該方法包括下述步驟:
      [0010] 步驟Sl :圖像下采樣,對ROI區(qū)域中的RGB圖像進行每隔K個像素的下采樣操作, ROI寬度大致為一個車道的寬度;
      [0011] 步驟S2:圖像預(yù)處理,根據(jù)原圖像對環(huán)境進行大致判斷,對不同的光照情況進行 不同的預(yù)處理方式;
      [0012] 步驟S3:車牌粗定位,首先得出圖像的邊緣圖,再將不符合車牌邊緣特征者進行 過濾,然后利用形態(tài)學(xué)變換形成候選區(qū)域,通過形狀和紋理過濾,去除大部分的偽車牌;
      [0013] 步驟S4 :車牌精定位,在車牌精定位中,首先去除候選車牌上下左右的干擾,然后 對其進行垂直投影,保留其投影曲線中具有字符規(guī)律的車牌區(qū)域,最后使用連通區(qū)域法精 定位,在過濾偽車牌和去除冗余的同時,對缺失字符的車牌進行擴展,確保車牌的完整性;
      [0014] 步驟S5:在進行原圖像映射時,根據(jù)下采樣參數(shù)K及候選車牌的位置得出該車牌 在原圖像中的位置,同時將第一個英文字母的左位置進行映射,得出其在原始圖像中的位 置;
      [0015] 步驟S6 :車牌傾斜矯正,在進行車牌傾斜矯正時,首先對車牌進行矯正前處理,然 后對車牌中的紅色字符位置進行判斷,再進行水平矯正和垂直矯正,最后進行矯正后處理。
      [0016] 本發(fā)明解決其技術(shù)問題采用的技術(shù)方案進一步還包括:
      [0017] 所述的步驟S2中對圖像預(yù)處理的方法為,(1)、圖像灰度化:采用加權(quán)平均法將 RGB圖像轉(zhuǎn)化為灰度圖像;(2)、根據(jù)光照情況的不同,使用不同的灰度變換方法得出圖像G 輸出。
      [0018] 所述的將RGB圖像轉(zhuǎn)化為灰度圖像后,首先統(tǒng)計出灰度值大于5的像素,并計算其 所占比例numR、均值gM、方差gV、方差均值比gVMR,同時統(tǒng)計并計算灰度值等于255的像素 所占比例WhiteR,然后根據(jù)運5個參數(shù)在不同情況下的統(tǒng)計結(jié)果,將圖像的光照情況分為 屯類,包括夜間、光照不足的陰雨天、光照較暗的陰雨天、光照很暗的陰雨天、白天、其他夜 間情況、其他白天情況,然后對每種情況進行不同的灰度變換。當光照情況為夜間時,采用 單純的丫變換;當光照情況為光照不足的陰雨天、光照很暗的陰雨天和白天時,采用丫變 換加線性拉伸;當光照情況為光照較暗的陰雨天時,采用T變換加線性拉伸加中值濾波; 當光照情況為夜間其他情況時,采用去極值的直方圖裁剪法;當光照情況為其他情況時,采 用丫變換加去極值的直方圖裁剪法。
      [0019] 所述的車牌粗定位的步驟如下:
      [0020] (1)獲取邊緣:采用加權(quán)Sobel,對圖像進行±45°和90°方向的邊緣提取,并進 行加權(quán),其中,±45°的加權(quán)系數(shù)在[0.15,0.25]的范圍內(nèi)取值,90°的加權(quán)系數(shù)則相應(yīng)地 在化5,0. 7]之間取值;
      [0021] (2)邊緣過濾:首先對邊緣圖的像素值小于S化且灰度圖中對應(yīng)的像素值小于 fTL的像素置零,其中sTL的取值范圍為[130, 150],fTL的取值范圍為[55, 85],然后計 算每一行的差分值,并將大于difTPT的差分值的均值作為該行的差分闊值diffT,其中 difTPT的取值范圍為巧0, 45],統(tǒng)計該行中大于difTT的個數(shù),若個數(shù)大于numT時,則該行 邊緣被保留,否則該行邊緣全部置零,其中numT的取值范圍為巧,12];最后對圖像進行H*1 的形態(tài)學(xué)閉運算,即為邊緣過濾后處理,H取值為3 ;
      [0022] (3)邊緣二值化:確定邊緣二值化的闊值ST方法是首先計算所有非0邊緣的均 值,若該均值小于60,則將ST置為100,否則ST等于該均值;
      [0023] (4)區(qū)域形成:首先對邊緣二值圖進行1*W1的閉運算,然后進行1*W2的開運算, Wl和W2為K倍ROI區(qū)域?qū)挾?,K的取值范圍均為[1/40, 1/30],W2稍大于Wl ;
      [0024] (5)區(qū)域形狀過濾:首先過濾面積過小和高度過小的連通區(qū)域;然后根據(jù)長寬比 來決定進行上下冗余過濾和左右冗余過濾的順序,若長度遠大于高度則先進行左右冗余過 濾,反之亦然;過濾后結(jié)合長寬比、前景比例、寬度和高度來判斷候選車牌是否粘連,如果 是則對該區(qū)域進行粘連分割,否則對該區(qū)域進行紋理過濾,而在進行粘連分割時,首先通過 形態(tài)學(xué)5*5的開運算,分割出粘連較少的數(shù)個區(qū)域,若分割出多個區(qū)域,則對每一個區(qū)域進 行高度和寬度的過濾,然后對符合車牌特征者重新進行形狀過濾;若只有一個連通區(qū)域, 則對該區(qū)域?qū)?yīng)的邊緣圖進行1*W3形態(tài)學(xué)閉運算和1*W4的開運算,其中W3和W4均為 [0. 6, 0.引倍區(qū)域高度,而W4略大于W3,之后對形成的區(qū)域進行寬度和高度的過濾,并對保 留的區(qū)域再次進行形狀過濾.
      [00對 (6)區(qū)域紋理過濾:對保留的連通區(qū)域?qū)?yīng)的灰度圖進行自適應(yīng)局部闊值法,該 方法是在計算某一像素點周圍m*n領(lǐng)域內(nèi)的均值后,將該均值與該像素值進行比較,大于 該值者為前景,否則為背景,在得到二值圖后對每行跳變數(shù)進行統(tǒng)計,對跳變數(shù)在[7, 50] 范圍內(nèi)的行進行統(tǒng)計,若其所占的比例大于70%,則該區(qū)域被保留,否則過濾該區(qū)域。
      [00%] 所述的上下冗余過濾是對連通區(qū)域的二值圖進行行投影,左右冗余過濾則進行列 投影,過濾行列的方式均是對投影值首次小于50 %者作為邊界,此過
      當前第1頁1 2 3 4 5 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1