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