專利名稱：車牌定位方法及車牌定位模板訓練方法
車牌定位方法及車牌定位模板訓練方法
技術領域：
本發(fā)明涉及圖像處理技術領域，特別涉及車牌識別技術中的車牌定位技術。背景技術：
智能交通是當前交通管理發(fā)展的主要方向，是目前世界交通運輸領域的前沿研究課題，車牌識別技術則是智能交通系統(tǒng)的核心，是計算機圖像處理技術和模式識別技術在智能交通領域的應用，車牌識別技術廣泛應用于車輛收費與管理、交通流量檢測、停車場收費管理、違章車輛監(jiān)控、假牌照車輛識別等具體問題中。隨著計算機性能的提高和圖像處理技術的發(fā)展，車牌識別技術已經(jīng)日趨成熟。車牌識別過程基本分為三個步驟車牌定位、字符切割和字符識別。其中車牌定位技術是車牌識別技術中至關重要的一步，作為整個車牌識別過程的第一步，車牌的成功定位與否直接影響到后續(xù)的步驟，從而決定了車牌識別的速度和識別率。為了準確、快速地定位出車牌區(qū)域，人們已經(jīng)研究了許多定位方法。比較普遍的車牌定位方法有(1)利用車牌的彩色邊緣分布特征的車牌定位方法；( 利用車牌和文字顏色組合特點的車牌定位方法；C3)基于數(shù)學形態(tài)學的車牌定位方法等?，F(xiàn)有的車牌定位方法在光照和天氣條件理想的條件下，針對車頭車尾等部位，取得了很好的成果，但是由于車牌識別系統(tǒng)的應用越來越廣泛，采集到的車牌圖像場景越來越復雜，天氣條件的變化程度導致采集到不同質量的車牌圖像，在車牌的顏色信息不明顯和邊緣信息受到干擾時，現(xiàn)有方法的性能都不是很理想。以基于數(shù)學形態(tài)學的車牌定位方法為例，

圖1示出了現(xiàn)有技術基于數(shù)學形態(tài)學的車牌定位方法的方法流程圖，請參考圖1，所述方法100是步驟102，首先將采集到的彩色車牌圖像轉變成灰度車牌圖像；步驟104，將所述灰度車牌圖像利用圖像邊緣檢測技術得到垂直邊緣圖像；步驟106，將所述垂直邊緣圖像進行數(shù)學形態(tài)學的膨脹運算，使得一些邊界比較密集的地方能夠粘連起來組成連通區(qū)域；步驟108，最后再通過聚類或者小波分析等技術判定那些大小合適的連通區(qū)域是否是車牌。但是在實際情況中，在采集到的車牌圖像質量不佳時，經(jīng)過數(shù)學形態(tài)學膨脹處理后的車牌圖像可能會出現(xiàn)以下缺點1)經(jīng)過膨脹運算的車牌圖像中除了車牌的區(qū)域會粘連起來，一些其他的區(qū)域也會粘連起來，這樣就形成了多個車牌候選區(qū)域，增加了后續(xù)處理的復雜度，如圖2A所示；幻經(jīng)過膨脹運算的車牌圖像中的車牌部分經(jīng)常會和車輛的其他部分粘連起來，使本來含車牌的區(qū)域被誤認為不是車牌候選區(qū)域，如圖2B所示；3)當車輛在車牌圖像中的位置處于較遠或較近時，車牌圖像中的車牌位置大小是不同的，導致車牌圖像在進行膨脹計算時的參數(shù)不易控制，例如參數(shù)只適合遠處的車牌，那么近處的車牌就會出現(xiàn)斷裂，如圖2C所示，其中左為遠處車牌圖像，右為近處車牌圖像。一旦處理過后的圖片有這些缺點，將會給后續(xù)車牌識別帶來較大困難，從而造成車牌定位慢和定位不準的現(xiàn)象。因此，有必要提出一種新的技術方案來解決上述缺點。
發(fā)明內容本部分的目的在于概述本發(fā)明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發(fā)明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發(fā)明名稱的目的模糊，而這種簡化或省略不能用于限制本發(fā)明的范圍。本發(fā)明的一個目的在于提供一種車牌定位方法，其可以以較快的速度和準確率定位車牌圖像中的車牌區(qū)域。本發(fā)明的另一個目的在于提供一種車牌定位模板訓練方法，其可以訓練出定位速度快、準確率高的車牌定位模板。為了達到本發(fā)明的目的，根據(jù)本發(fā)明的一方面，本發(fā)明提供一種車牌定位方法，所述方法包括將彩色車牌圖像進行灰度轉換得到灰度車牌圖像；對所述灰度車牌圖像進行垂直邊緣計算得到垂直邊緣圖像；利用車牌定位模板對垂直邊緣圖像進行卷積處理得到車牌定位圖像；根據(jù)所述車牌定位圖像定位出車牌位置。進一步地，所述車牌定位模板是
權利要求
1.一種車牌定位方法，其特征在于，其包括 將彩色車牌圖像進行灰度轉換得到灰度車牌圖像；對所述灰度車牌圖像進行垂直邊緣計算得到垂直邊緣圖像； 利用車牌定位模板對垂直邊緣圖像進行卷積處理得到車牌定位圖像；和根據(jù)所述車牌定位圖像定位出車牌位置。
2.根據(jù)權利要求1所述的車牌定位方法，其特征在于所述車牌定位模板是其中u、v均為整數(shù)，m和η分別為車牌定位模板的寬和高，其中
3.根據(jù)權利要求2所述的車牌定位方法，其特征在于，所述對垂直邊緣圖像利用車牌定位模板進行卷積處理為
4.根據(jù)權利要求3所述的車牌定位方法，其特征在于所述根據(jù)所述車牌定位圖像定位出車牌位置是指從卷積之后的車牌定位圖像R'里找出最大像素值R' max(x，y)的坐標 (xfflax, Yfflax)，以所述坐標Umax，Yfflax)為中心，大小為n*m的區(qū)域就是車牌區(qū)域。
5.一種車牌定位模板的訓練方法，用于確定車牌定位模板的參數(shù)，所述車牌定位模板為
6.根據(jù)權利要求5所述的車牌定位模板的訓練方法，其特征在于所述車牌樣本庫包括若干張車牌樣本圖像，所述車牌樣本圖像獲取過程包括采集到彩色車輛圖像；將所述彩色車輛圖像經(jīng)過灰度化和求垂直邊緣得到的垂直邊緣圖像；去除垂直邊緣圖像中的除車牌部位外的其他信息即得到車牌樣本圖像；所述車輛樣本庫包括若干張車輛樣本圖像，所述車輛樣本圖像的獲取過程包括采集到彩色車輛圖像；將所述彩色車輛圖像經(jīng)過灰度化和求垂直邊緣得到的垂直邊緣圖像即為車輛樣本圖像。
7.根據(jù)權利要求6所述的車牌定位模板的訓練方法，其特征在于所述設定若干組車牌定位模板參數(shù)，通過車牌樣本庫和車輛樣本庫來檢測各組車牌定位模板參數(shù)的有效性包括將一組車牌定位模板參數(shù)賦予所述車牌定位模板G (u，ν)；利用車牌定位模板G(u，ν)對于每張車牌樣本圖像&進行卷積得到灰度圖像Yi，找出灰度圖像Yi中像素值大于0的像素點個數(shù) 和這 個像素點的像素值的總和Cai，得到一個代表車牌定位模板對車牌區(qū)域敏感程度的比值ta，
8.根據(jù)權利要求7所述的車牌定位模板的訓練方法，其特征在于通過在車牌定位模板參數(shù)固定取值區(qū)間設定A、B和δ u —個確定值，并且對m和η在取值區(qū)間選取若干個等步長的可能組合產生若干組待檢測車牌定位模板參數(shù)，通過檢測各個待檢測車牌定位模板參數(shù)的有效性μ，其中最大有效性μ對應的車牌定位模板參數(shù)中的m和η取值就為m和η 的最優(yōu)取值。
9.根據(jù)權利要求8所述的車牌定位模板的訓練方法，其特征在于，以m和η的最優(yōu)取值為固定值，Α、Β和δ u在取值區(qū)間選取若干個等步長的可能組合產生若干組待檢測車牌定位模板參數(shù)，檢測若干組各個待檢測車牌定位模板參數(shù)的有效性P，其中最大有效性P對應的車牌定位模板參數(shù)中的A、B和Su的取值就為A、B和Su的最優(yōu)取值。
全文摘要
本發(fā)明揭露了一種車牌定位方法，所述方法包括將彩色車牌圖像進行灰度轉換得到灰度車牌圖像；對所述灰度車牌圖像進行垂直邊緣計算得到垂直邊緣圖像；利用車牌定位模板對垂直邊緣圖像進行卷積處理得到車牌定位圖像；和根據(jù)所述車牌定位圖像定位出車牌位置。與現(xiàn)有技術相比，本發(fā)明通過在具體實施環(huán)境采樣圖像訓練車牌定位模板，并利用所述車牌定位模版進行車牌定位，可以以較快的速度和準確率定位車牌圖像中的車牌區(qū)域。
文檔編號G06K9/00GK102214290SQ20101014413
公開日2011年10月12日 申請日期2010年4月12日 優(yōu)先權日2010年4月12日
發(fā)明者周愛平, 梁久禎, 趙冬娟, 韋立慶 申請人:無錫科利德斯科技有限公司