專利名稱：基于視覺(jué)顯著性的車牌定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通技術(shù)領(lǐng)域，尤其涉及一種基于視覺(jué)顯著性的車牌定位方法。
背景技術(shù)：
車牌識(shí)別技術(shù)作為智能化交通的重要手段，能經(jīng)過(guò)圖像采集、車牌定位、字符分害I]、字符識(shí)別等一系列算法運(yùn)算，識(shí)別出圖像中的車輛牌照號(hào)碼；它運(yùn)用數(shù)字圖像處理、模式識(shí)別對(duì)采集到的汽車圖像進(jìn)行處理，能夠?qū)崟r(shí)準(zhǔn)確地自動(dòng)識(shí)別出車牌的數(shù)字、字母及漢字字符，并以計(jì)算機(jī)可直接運(yùn)行的數(shù)據(jù)形式給出識(shí)別結(jié)果，使得車輛的電腦化監(jiān)控和管理成為現(xiàn)實(shí)。車牌識(shí)別技術(shù)的關(guān)鍵在于車牌定位、字符分割和字符識(shí)別三部分，其中車牌定位的準(zhǔn)確與否直接決定后面的字符分割和識(shí)別效果，是影響整個(gè)車牌識(shí)別系統(tǒng)識(shí)別率的主要因素，是車牌識(shí)別技術(shù)中最為關(guān)鍵的一步。常見(jiàn)的車牌定位方法主要有基于紋理特征分析的方法、基于邊緣檢測(cè)的方法、基 于彩色圖像定位的方法，這些方法各有所長(zhǎng)，也有不足之處I.基于紋理特征分析的車牌定位方法基于紋理特征分析的車牌定位方法，利用了車牌區(qū)域的字符由大量水平線段和垂直線段組成的特點(diǎn)，通過(guò)對(duì)檢測(cè)圖像進(jìn)行行掃描和列掃描的方式找出這些水平線段和垂直線段，并記錄這些線段端點(diǎn)相應(yīng)的位置信息。分別統(tǒng)計(jì)圖像在水平方向和垂直方向上的線段的個(gè)數(shù)，通過(guò)設(shè)置閾值的方式確定車牌區(qū)域，并通過(guò)線段端點(diǎn)的位置信息確定車牌區(qū)域的高度和寬度。該方法對(duì)于牌照傾斜或變形以及光照不均、偏弱或偏強(qiáng)有很好的效果，但對(duì)噪聲敏感，對(duì)于引入文字背景的圖像會(huì)出現(xiàn)很多錯(cuò)誤，往往得到多個(gè)候選區(qū)域。2.基于邊緣檢測(cè)的車牌定位方法基于邊緣檢測(cè)的車牌定位方法，利用了車牌區(qū)域的字符存在大量的邊緣信息，分別向水平和垂直方向投影，在投影灰度分布圖上滿足該邊緣特征的區(qū)域?qū)⒂幸黄教棺兓那€，由此可粗略地確定滿足上述邊緣特征的車牌候選區(qū)域在汽車圖像的上下左右邊界。該方法的定位準(zhǔn)確率較高、反應(yīng)時(shí)間短、能有效去掉噪聲，適合于包含多個(gè)車牌的圖像，在多車牌圖像的情況下定位速度也很快。但是對(duì)車牌嚴(yán)重褪色的情況，由于檢測(cè)不到字符筆畫(huà)的邊緣會(huì)導(dǎo)致定位失敗，在有外界干擾時(shí)，定位后的區(qū)域比車牌稍大。3.基于彩色分割的車牌定位方法基于彩色分割的車牌定位方法，利用了車牌區(qū)域背景和字符顯著的顏色信息。在國(guó)內(nèi)，車牌底色和字符顏色有著明確的規(guī)定，有白底黑字、黑底白字、藍(lán)底白字、黃底黑字四種。將待檢測(cè)圖像從RGB彩色空間轉(zhuǎn)換到HSV彩色空間，根據(jù)每種顏色在H、S、V分量上的取值范圍，提取車牌的特殊顏色特征來(lái)區(qū)別車牌區(qū)域和背景區(qū)域，從而提取出候選區(qū)域，再結(jié)合長(zhǎng)寬比等先驗(yàn)知識(shí)從候選區(qū)域中篩選出車牌區(qū)域。該方法直觀，簡(jiǎn)單且實(shí)現(xiàn)快速。但由于該方法的關(guān)鍵在于顏色的正確分割，因此在光照不均勻的環(huán)境下，很難獲得較高的定位準(zhǔn)確率。對(duì)于模糊圖像以及背景中包含豐富顏色信息的圖像，也很難獲得好的定位效果。除了上述方法之外，車牌定位方法還有基于小波變換的方法、基于遺傳算法的方法以及基于數(shù)學(xué)形態(tài)學(xué)的方法等。這些方法的共同缺點(diǎn)是一方面，建立過(guò)程復(fù)雜，計(jì)算量大，難以滿足實(shí)時(shí)性的要求；另一方面，容易受天氣、背景、光照等因素的限制，魯棒性不好。因此，當(dāng)下需要迫切解決的一個(gè)技術(shù)問(wèn)題就是如何能夠提出一種有效的措施，以解決現(xiàn)有技術(shù)中存在的問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于視覺(jué)顯著性的車牌定位方法，有效克服傳統(tǒng)車牌定位方法對(duì)于車牌尺寸、光照、背景等因素的依賴，魯棒性好，識(shí)別準(zhǔn)確率高，并且能夠直觀，簡(jiǎn)單，因此能夠滿足車牌定位系統(tǒng)實(shí)時(shí)性的要求。為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種基于視覺(jué)顯著性的車牌定位方法，包 括提取車輛圖像的顯著圖；提取候選車牌區(qū)域；通過(guò)候選車牌區(qū)域的幾何特征、紋理特征去除不符合車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域，完成車牌的定位。進(jìn)一步地，所述第提取車輛圖像的顯著圖具體包括設(shè)置視覺(jué)顯著性算法的參數(shù)，包括顏色、顏色權(quán)重、亮度、亮度權(quán)重、對(duì)比、對(duì)比權(quán)重、方向、方向權(quán)重和高斯金字塔塔層；通過(guò)視覺(jué)顯著性算法對(duì)原始車輛圖像進(jìn)行處理，獲取原始車輛圖像的顯著圖。進(jìn)一步地，所述提取候選車牌區(qū)域具體包括通過(guò)設(shè)置閾值thbs對(duì)車輛圖像的顯著圖進(jìn)行二值化，在二值圖中的白點(diǎn)表示顯著點(diǎn)，黑點(diǎn)表示背景點(diǎn)；對(duì)二值圖進(jìn)行水平投影，統(tǒng)計(jì)二值圖中每一行白點(diǎn)的個(gè)數(shù)，將個(gè)數(shù)大于閾值門限thh的行記錄下來(lái)，并將滿足閾值條件的連續(xù)行合并成行候選區(qū)域；對(duì)行候選區(qū)域進(jìn)行垂直投影，統(tǒng)計(jì)二值圖中每一列白點(diǎn)的個(gè)數(shù)，將個(gè)數(shù)大于閾值門限thv的列記錄下來(lái)，并將滿足閾值條件的連續(xù)列合并成候選區(qū)域。進(jìn)一步地，通過(guò)候選車牌區(qū)域的幾何特征去除不符合車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域具體包括以下步驟計(jì)算候選車牌區(qū)域的寬高比ratiOk 若候選車牌區(qū)域的ratio,取值范圍為[2，4]，則保留此候選車牌區(qū)域；否則從候選車牌區(qū)域中刪除此區(qū)域；按照計(jì)算結(jié)果更新候選車牌區(qū)域。進(jìn)一步地，通過(guò)候選車牌區(qū)域的紋理特征去除不符合車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域具體包括以下步驟對(duì)候選車牌區(qū)域?qū)?yīng)的原始車輛圖像區(qū)域進(jìn)行灰度化處理；對(duì)候選車牌區(qū)域?qū)?yīng)的灰度圖進(jìn)行二值化處理，得到候選車牌區(qū)域?qū)?yīng)的二值圖
對(duì)于候選車牌區(qū)域?qū)?yīng)的二值圖，按列進(jìn)行垂直投影統(tǒng)計(jì)每一列標(biāo)志符為I的像素點(diǎn)個(gè)數(shù)，并將其記入一維數(shù)組；合并一維數(shù)組中相等的相鄰元素，直到中兩相鄰元素互不相等，并將一維數(shù)組更新；對(duì)更新后的一維數(shù)組進(jìn)行高斯濾波，以消除干擾的波峰波谷，并再次更新一維數(shù)組；統(tǒng)計(jì)一維數(shù)組中的波峰數(shù)目和波谷數(shù)目，并對(duì)車牌候選區(qū)域進(jìn)行篩選，從而獲取最后的車牌區(qū)域集合。進(jìn)一步地，所述高斯濾波的模板大小r取5，參數(shù)O取0. 05。進(jìn)一步地，所述并對(duì)車牌候選區(qū)域進(jìn)行篩選具體為 如果波峰數(shù)目不小于6，且波谷數(shù)目不小于5，則確定為車牌候選區(qū)域；否則，則確定為非車牌候選區(qū)域。綜上，本發(fā)明提供的基于視覺(jué)顯著性的車牌定位方法，根據(jù)人眼的視覺(jué)機(jī)理，在車輛圖像中，車牌背景區(qū)域特殊的顏色特征以及字符與背景之間強(qiáng)烈的顏色對(duì)比是人眼最為關(guān)注的對(duì)象，因此通過(guò)模擬人眼的顯著性視覺(jué)，不僅可以突出車牌區(qū)域抑制背景區(qū)域，而且對(duì)于車牌的形狀畸變、色彩褪變和噪聲干擾都有很強(qiáng)的魯棒性。與傳統(tǒng)車牌定位方法相比，具有更好的通用性，而且分割結(jié)果更符合人眼觀測(cè)的結(jié)果，適合于復(fù)雜背景條件下的多車牌定位。此外，與基于小波變換的方法、基于遺傳算法的方法以及基于數(shù)學(xué)形態(tài)學(xué)的方法相比，本發(fā)明直觀，簡(jiǎn)單，速度快，具有更好的實(shí)時(shí)性。


圖I是本發(fā)明基于視覺(jué)顯著性的車牌定位方法的流程示意圖。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。參見(jiàn)圖1，給出一種基于視覺(jué)顯著性的車牌定位方法的流程示意圖，具體的包括步驟一、生成車輛圖像的顯著圖設(shè)置視覺(jué)顯著性算法GBVS (Graph-based visual saliency)的參數(shù)C (顏色)、Cff (顏色權(quán)重)、1 (亮度)、IW (亮度權(quán)重)、R (對(duì)比)、RW (對(duì)比權(quán)重)、0 (方向)、0W (方向權(quán)重XLevels (高斯金字塔塔層)。本實(shí)施例中，C、I、R、0分別取為1、0、1、0，表示顯著圖僅包含顏色分量和對(duì)比度分量；CW、IW、RW、0W分別取為2、0、1、0，表示顯著圖中顏色分量占顯著度的三分之二，而對(duì)比度分量則占顯著度的三分之一 levels取{2，3，4}，表示取高斯金字塔的第2、3、4層。然后，通過(guò)視覺(jué)顯著性算法GBVS對(duì)原始車輛圖像f (x, y)進(jìn)行處理，得到原始車輛圖像的顯著圖s (x，y)，該顯著圖反映了原始車輛圖像中每個(gè)像素點(diǎn)的視覺(jué)顯著程度。步驟二、提取候選車牌區(qū)域首先，通過(guò)設(shè)置閾值thbs對(duì)車輛圖像的顯著圖進(jìn)行二值化
其中bs(x，y)是顯著圖s (x, y)的二值圖；本實(shí)施例中，thbs取為顯著圖中最大灰度值的0. 6。二值圖中的白點(diǎn)表示顯著點(diǎn)，黑點(diǎn)表示背景點(diǎn)。其次，對(duì)二值圖進(jìn)行水平投影，統(tǒng)計(jì)二值圖中每一行白點(diǎn)的個(gè)數(shù)，將個(gè)數(shù)大于閾值門限thh的行記錄下來(lái)，若滿足閾值條件的連續(xù)行的個(gè)數(shù)大于th 則將其合并成行候選區(qū)域Ac[i] (i = I, 2，…k。)。其中，Ac[i] (i = I, 2，…k。)記錄了 k。個(gè)行候選區(qū)域的起始行和結(jié)束行的位置信息。實(shí)施例中thh優(yōu)選取70，t&優(yōu)先取30 (該門限閾值的值不限定在此，本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際需要進(jìn)行具體設(shè)定)。然后，對(duì)行候選區(qū)域進(jìn)行垂直投影，統(tǒng)計(jì)二值圖中每列白點(diǎn)的個(gè)數(shù)，將個(gè)數(shù)大于閾值門限thv的列記錄下來(lái)，若滿足閾值條件的連續(xù)列的個(gè)數(shù)大于th。，則將其合并成行候選區(qū)域A[i](i = l，2^"k)。其中，A[i](i = l，2^"k)記錄了 k個(gè)候選區(qū)域的位置信息。實(shí)施例中thv優(yōu)選取20，th。優(yōu)先取50 (該門限閾值的值不限定在此，本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際需要進(jìn)行具體設(shè)定)。
步驟三、篩選車牌候選區(qū)域通過(guò)候選區(qū)域的幾何特征和紋理特征去除不滿足車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域，依次按照下面的步驟進(jìn)行I.通過(guò)幾何特征篩選車牌候選區(qū)域，具體步驟如下計(jì)算候選車牌區(qū)域A[i] (i = I, 2，... k)的寬高比ratiok ratio k =^-(w>h)(2)
h其中，w為候選車牌區(qū)域的寬度，h為候選車牌區(qū)域的高度。若候選車牌區(qū)域的ratio,取值范圍為[2，4]，則保留此候選車牌區(qū)域，否則從八[1](1 = 1，2，…k)中刪除此區(qū)域。遍歷整個(gè)A[i] (i = I, 2，…k),并將候選車牌區(qū)域更新為A[i] (i = I, 2，…n。)。2.通過(guò)紋理特征再次篩選車牌候選區(qū)域，具體步驟如下(I)對(duì)候選車牌區(qū)域A[i]對(duì)應(yīng)的原始車輛圖像區(qū)域進(jìn)行灰度化處理。在我國(guó)，藍(lán)底白字的車牌、黃底黑字的車牌最為常見(jiàn)，且在綠色分量上的反差值最大。因此，為了減少不必要的彩色-灰度轉(zhuǎn)化的運(yùn)算，只通過(guò)候選車牌區(qū)域提取綠色分量得到選車牌區(qū)域A[i]對(duì)應(yīng)的灰度圖gai(x, y),轉(zhuǎn)化關(guān)系為gai (x, y) = faig(x, y) (3)其中(x，y)代表圖像中像素點(diǎn)的位置，faig(x，y)代表候選車牌區(qū)域A[i]中(x，y)處的綠色分量。(2)對(duì)候選車牌區(qū)域A[i]對(duì)應(yīng)的灰度圖通過(guò)OTSU算法進(jìn)行二值化處理，得到候選車牌區(qū)域A[i]對(duì)應(yīng)的二值圖側(cè)二⑷其中thai是根據(jù)OTSU算法得出的二值化閾值。(3)對(duì)于候選車牌區(qū)域A[i]對(duì)應(yīng)的二值圖，并按列進(jìn)行垂直投影統(tǒng)計(jì)每一列標(biāo)志符為I的像素點(diǎn)個(gè)數(shù)nunij(j = 0, I,…m-1),并將其記入一維數(shù)組bjp] :13山_]=11111]1」。(4)合并一維數(shù)組bjp]中相等的相鄰元素，直到bjp]中兩相鄰元素互不相等，并將一維數(shù)組更新為bjq]，其中q為新的一維數(shù)組元素的個(gè)數(shù)。(5)用大小為r，參數(shù)為O的模板對(duì)一維數(shù)組匕[q]進(jìn)行高斯濾波，以消除干擾的波峰波谷，并更新一維數(shù)組bjq]。本實(shí)施例中，高斯濾波模板大小r取5，參數(shù)o取0.05。(6)分別統(tǒng)計(jì)一維數(shù)組IDi [q]中的波峰數(shù)目nump和波谷數(shù)目numb,并通過(guò)如下方式對(duì)車牌候選區(qū)域A [i]進(jìn)行篩選如果nump > 6且numb ^ 5,則A[i]為車牌候選區(qū)域；
否則，則A[i]為非車牌候選區(qū)域。(7)遍歷A[i] (i = 1,2,…n。)中的每個(gè)候選車牌區(qū)域，將步驟(6)中的非車牌候選區(qū)域從A[i](i = l,2,-nc)中刪除，保留車牌候選區(qū)域，得到最后的車牌區(qū)域集合A[i](i = I, 2，...n)。本發(fā)明平均車牌定位準(zhǔn)確率為97. 3%，平均車牌定位時(shí)間為486ms。具體如下表給出的本發(fā)明與當(dāng)前四種車牌定位方法的實(shí)驗(yàn)結(jié)果對(duì)比表。

權(quán)利要求
1.一種基于視覺(jué)顯著性的車牌定位方法，其特征在于，包括。
提取車輛圖像的顯著圖； 提取候選車牌區(qū)域； 通過(guò)候選車牌區(qū)域的幾何特征、紋理特征去除不符合車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域，完成車牌的定位。
2.根據(jù)權(quán)利要求I所述的基于視覺(jué)顯著性的車牌定位方法，其特征在于，所述第提取車輛圖像的顯著圖具體包括 設(shè)置視覺(jué)顯著性算法的參數(shù)，包括顏色、顏色權(quán)重、亮度、亮度權(quán)重、對(duì)比、對(duì)比權(quán)重、方向、方向權(quán)重和高斯金字塔塔層； 通過(guò)視覺(jué)顯著性算法對(duì)原始車輛圖像進(jìn)行處理，獲取原始車輛圖像的顯著圖。
3.根據(jù)權(quán)利要求I所述的基于視覺(jué)顯著性的車牌定位方法，其特征在于，所述提取候選車牌區(qū)域具體包括 通過(guò)設(shè)置閾值thbs對(duì)車輛圖像的顯著圖進(jìn)行二值化，在二值圖中的白點(diǎn)表示顯著點(diǎn)，黑點(diǎn)表示背景點(diǎn)； 對(duì)二值圖進(jìn)行水平投影，統(tǒng)計(jì)二值圖中每一行白點(diǎn)的個(gè)數(shù)，將個(gè)數(shù)大于閾值門限thh的行記錄下來(lái)，并將滿足閾值條件的連續(xù)行合并成行候選區(qū)域； 對(duì)行候選區(qū)域進(jìn)行垂直投影，統(tǒng)計(jì)二值圖中每一列白點(diǎn)的個(gè)數(shù)，將個(gè)數(shù)大于閾值門限thv的列記錄下來(lái)，并將滿足閾值條件的連續(xù)列合并成候選區(qū)域。
4.根據(jù)權(quán)利要求I所述的基于視覺(jué)顯著性的車牌定位方法，其特征在于，通過(guò)候選車牌區(qū)域的幾何特征去除不符合車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域具體包括以下步驟 計(jì)算候選車牌區(qū)域的寬高比ratiOk 若候選車牌區(qū)域的ratio,取值范圍為[2，4]，則保留此候選車牌區(qū)域； 否則從候選車牌區(qū)域中刪除此區(qū)域； 按照計(jì)算結(jié)果更新候選車牌區(qū)域。
5.根據(jù)權(quán)利要求I所述的基于視覺(jué)顯著性的車牌定位方法，其特征在于，通過(guò)候選車牌區(qū)域的紋理特征去除不符合車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域具體包括以下步驟 對(duì)候選車牌區(qū)域?qū)?yīng)的原始車輛圖像區(qū)域進(jìn)行灰度化處理； 對(duì)候選車牌區(qū)域?qū)?yīng)的灰度圖進(jìn)行二值化處理，得到候選車牌區(qū)域?qū)?yīng)的二值圖對(duì)于候選車牌區(qū)域?qū)?yīng)的二值圖，按列進(jìn)行垂直投影統(tǒng)計(jì)每一列標(biāo)志符為I的像素點(diǎn)個(gè)數(shù)，并將其記入一維數(shù)組； 合并一維數(shù)組中相等的相鄰元素，直到中兩相鄰元素互不相等，并將一維數(shù)組更新； 對(duì)更新后的一維數(shù)組進(jìn)行高斯濾波，以消除干擾的波峰波谷，并再次更新一維數(shù)組；統(tǒng)計(jì)一維數(shù)組中的波峰數(shù)目和波谷數(shù)目，并對(duì)車牌候選區(qū)域進(jìn)行篩選，從而獲取最后的車牌區(qū)域集合。
6.根據(jù)權(quán)利要求5所述的基于視覺(jué)顯著性的車牌定位方法，其特征在于，所述高斯濾波的模板大小r取5，參數(shù)σ取O. 05。
7.根據(jù)權(quán)利要求5所述的基于視覺(jué)顯著性的車牌定位方法，其特征在于，所述并對(duì)車牌候選區(qū)域進(jìn)行篩選具體為· 如果波峰數(shù)目不小于6，且波谷數(shù)目不小于5，則確定為車牌候選區(qū)域； 否則，則確定為非車牌候選區(qū)域。
全文摘要
本發(fā)明提供了基于視覺(jué)顯著性的車牌定位方法，涉及智能交通技術(shù)領(lǐng)域，具體包括提取車輛圖像的顯著圖；提取候選車牌區(qū)域；通過(guò)候選車牌區(qū)域的幾何特征、紋理特征去除不符合車牌區(qū)域條件的候選區(qū)域，得到車牌區(qū)域，完成車牌的定位。本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于視覺(jué)顯著性的車牌定位方法，有效克服傳統(tǒng)車牌定位方法對(duì)于車牌尺寸、光照、背景等因素的依賴，魯棒性好，識(shí)別準(zhǔn)確率高，并且能夠直觀，簡(jiǎn)單，因此能夠滿足車牌定位系統(tǒng)實(shí)時(shí)性的要求。
文檔編號(hào)G06K9/32GK102799882SQ20121023464
公開(kāi)日2012年11月28日 申請(qǐng)日期2012年7月9日 優(yōu)先權(quán)日2012年7月9日
發(fā)明者汪國(guó)有, 王然, 田江敏, 龔新高 申請(qǐng)人:武漢市科迅智能交通設(shè)備有限公司, 華中科技大學(xué)