一種車牌檢測(cè)方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明實(shí)施例提供一種車牌檢測(cè)方法和系統(tǒng)，其中，方法包括：獲取車牌圖像，并對(duì)所述車牌圖像進(jìn)行灰度化處理，得到灰度圖；對(duì)所述灰度圖依次進(jìn)行離散余弦變換、sign轉(zhuǎn)換、平方運(yùn)算、反離散余弦變換和二值化處理，得到邊緣顯著特征圖；搜索所述邊緣顯著特征圖中邊緣密度大于預(yù)定閾值的區(qū)域，得到疑似車牌區(qū)域；對(duì)所述疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，得到車牌區(qū)域。更適用于硬件實(shí)現(xiàn)，算法更加容易移植到嵌入式系統(tǒng)中。
【專利說明】一種車牌檢測(cè)方法和系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別是涉及一種車牌檢測(cè)方法和系統(tǒng)。

【背景技術(shù)】
[0002] 目前，車牌識(shí)別設(shè)備已經(jīng)被廣泛應(yīng)用于停車場(chǎng)、城市道路、高速公路等區(qū)域進(jìn)行車 輛號(hào)牌的自動(dòng)抓拍和識(shí)別，車牌識(shí)別技術(shù)可以分為車牌檢測(cè)、車牌檢測(cè)、車牌分割與識(shí)別和 車牌投票三個(gè)步驟，其中，車牌檢測(cè)，是指在包含車牌區(qū)域的車牌圖像中檢測(cè)到其中車牌區(qū) 域，因?yàn)?，車牌圖像中的車牌區(qū)域往往只為車牌圖像中的一小部分，因此，車牌檢測(cè)往往是 車牌識(shí)別技術(shù)中最為耗時(shí)的一步。隨著高清攝像機(jī)的普及，車牌識(shí)別設(shè)備使用高清攝像 機(jī)成為趨勢(shì)，如何能在高分辨率圖像中快速搜索全圖并找到車牌區(qū)域成為了一個(gè)新的挑 戰(zhàn)。現(xiàn)有技術(shù)中，在獲取車牌圖像后，通常直接采用車牌分類器，如基于哈爾Haar特征的 AdaBoost車牌分類器，對(duì)獲的車牌圖像進(jìn)行檢測(cè)，即對(duì)獲取的車牌圖像全圖進(jìn)行Haar檢 測(cè)，使用車牌分類器能夠精確地檢測(cè)到獲取的車牌圖像中的車牌區(qū)域，但是，由于獲取的車 牌圖像面積大，像素點(diǎn)多，為了在獲取的車牌圖像中檢測(cè)得到所需的車牌區(qū)域，需要經(jīng)過繁 雜的計(jì)算，運(yùn)算量龐大，如果應(yīng)用在嵌入式設(shè)備中，其速度將無法滿足要求，不適用于硬件 設(shè)備實(shí)現(xiàn)。


【發(fā)明內(nèi)容】

[0003] 有鑒于此，本發(fā)明實(shí)施例提供一種車牌檢測(cè)方法和系統(tǒng)，以解決現(xiàn)有技術(shù)中對(duì)獲 取的車牌圖像直接使用車牌分類器來檢測(cè)車牌區(qū)域，在得到車牌區(qū)域的過程中，運(yùn)算量龐 大，如果應(yīng)用在嵌入式設(shè)備中，其速度將無法滿足要求，不適用于硬件設(shè)備實(shí)現(xiàn)的問題。
[0004] 為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供如下技術(shù)方案：
[0005] 一種車牌檢測(cè)方法,包括：
[0006] 獲取車牌圖像，并對(duì)所述車牌圖像進(jìn)行灰度化處理，得到灰度圖；
[0007] 對(duì)所述灰度圖依次進(jìn)行離散余弦變換、sign轉(zhuǎn)換、平方運(yùn)算、反離散余弦變換和二 值化處理，得到邊緣顯著特征圖；
[0008] 搜索所述邊緣顯著特征圖中邊緣密度大于預(yù)定閾值的區(qū)域，得到疑似車牌區(qū)域；
[0009] 對(duì)所述疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，得到車牌區(qū)域。
[0010] 其中，所述得到邊緣顯著特征圖后還包括：
[0011] 生成所述邊緣顯著特征圖的積分圖，搜索所述積分圖中邊緣密度大于預(yù)定閾值的 區(qū)域，得到疑似車牌區(qū)域。
[0012] 其中，所述搜索所述邊緣顯著特征圖中邊緣密度大于預(yù)定閾值的區(qū)域包括：
[0013] 取預(yù)定數(shù)目預(yù)定尺寸矩形掃描框?qū)λ鲞吘夛@著特征圖進(jìn)行隔行掃描；
[0014] 每個(gè)矩形掃描框每移動(dòng)一個(gè)像素，計(jì)算其內(nèi)所有像素點(diǎn)的灰度值；
[0015] 保留平均邊緣灰度值大于預(yù)定閾值的矩形掃描框。
[0016] 其中，所述保留平均邊緣灰度值大于預(yù)定閾值的矩形掃描框后還包括：利用所有 保留的矩形掃描框的面積重合度進(jìn)行聚類操作；
[0017] 所述利用所有保留的矩形掃描框的面積重合度進(jìn)行聚類操作包括：
[0018] 計(jì)算所有保留的矩形掃描框中兩兩間的面積重合度；
[0019] 若兩個(gè)矩形掃描框間的面積重合度大于預(yù)定閾值，則認(rèn)為該兩個(gè)矩形掃描框?yàn)橥?一類，根據(jù)所述兩兩間的面積重合度對(duì)所有保留的矩形掃描框矩形進(jìn)行分類，保留每類矩 形掃描框中平均邊緣灰度值最大的矩形掃描框。
[0020] 其中，所述得到疑似車牌區(qū)域后還包括：
[0021] 對(duì)所述疑似車牌區(qū)域進(jìn)行水平投影和垂直投影，得到投影后疑似車牌區(qū)域，對(duì)所 述投影后疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，得到車牌區(qū)域。
[0022] 其中，所述車牌分類器包括：
[0023] 獲取車牌訓(xùn)練樣本；
[0024] 取所述車牌訓(xùn)練樣本中包含車牌的部分為正樣本，取所述車牌圖像樣本中的不包 含車牌的部分為負(fù)樣本；
[0025] 使用哈爾Haar特征對(duì)所述正樣本和負(fù)樣本進(jìn)行表征，形成Haar特征向量；
[0026] 利用迭代算法對(duì)所述Haar特征向量進(jìn)行訓(xùn)練，得到車牌分類器。
[0027] 其中，所述得到車牌區(qū)域后還包括：
[0028] 對(duì)所述車牌區(qū)域進(jìn)行字符分割與識(shí)別，得到所述車牌區(qū)域的置信度；
[0029] 若所述置信度大于預(yù)定閾值，則說明沒有誤檢。
[0030] 一種車牌檢測(cè)系統(tǒng)，包括：獲取模塊、計(jì)算模塊、搜索模塊和檢測(cè)模塊；其中，
[0031] 所述獲取模塊，用于獲取車牌圖像，并對(duì)所述車牌圖像進(jìn)行灰度化處理，得到灰度 圖；
[0032] 所述計(jì)算模塊，用于對(duì)所述灰度圖依次進(jìn)行離散余弦變換、sign轉(zhuǎn)換、平方運(yùn)算、 反離散余弦變換和二值化處理，得到邊緣顯著特征圖；
[0033] 所述搜索模塊，用于搜索所述邊緣顯著特征圖中邊緣密度大于預(yù)定閾值的區(qū)域， 得到疑似車牌區(qū)域；
[0034] 所述檢測(cè)模塊，用于對(duì)所述疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，得到車牌區(qū) 域。
[0035] 其中，所述搜索模塊包括：掃描單元、第一計(jì)算單元和第一保留單元；其中，
[0036] 所述掃描單元，用于取預(yù)定數(shù)目預(yù)定尺寸矩形掃描框?qū)λ鲞吘夛@著特征圖進(jìn)行 隔行掃描；
[0037] 所述計(jì)算單元，用于每個(gè)矩形掃描框每移動(dòng)一個(gè)像素，計(jì)算其內(nèi)所有像素點(diǎn)的灰 度值；
[0038] 所述保留單元，用于保留平均邊緣灰度值大于預(yù)定閾值的矩形掃描框。
[0039] 其中，所述搜索模塊還包括：第二計(jì)算單元和第二保留單元；其中，
[0040] 所述第二計(jì)算單元，用于計(jì)算所有保留的矩形掃描框中兩兩間的面積重合度；
[0041] 所述第二保留單元，用于若兩個(gè)矩形掃描框間的面積重合度大于預(yù)定閾值，則認(rèn) 為該兩個(gè)矩形掃描框?yàn)橥活悾鶕?jù)所述兩兩間的面積重合度對(duì)所有保留的矩形掃描框矩 形進(jìn)行分類，保留每類矩形掃描框中平均邊緣灰度值最大的矩形掃描框。
[0042] 基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的車牌檢測(cè)方法和系統(tǒng)，在獲取車牌圖像 后，通過對(duì)獲取的車牌圖像進(jìn)行灰度化處理，得到灰度圖，然后對(duì)得到的灰度圖依次進(jìn)行離 散余弦變換、sign轉(zhuǎn)換、平方運(yùn)算、反離散余弦變換和二值化處理，得到邊緣顯著特征圖，再 搜索該邊緣顯著特征圖中邊緣密度大于預(yù)定閾值的區(qū)域，得到疑似車牌區(qū)域，最后只需要 通過對(duì)得到的疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，便可得到所需的車牌區(qū)域。在獲取 車牌圖像后，通過利用車牌圖像中車牌區(qū)域的邊緣密度較大的顯著特征，得到疑似車牌區(qū) 域后只對(duì)得到的疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，便可得到準(zhǔn)確的車牌區(qū)域，不再 使用車牌分類器對(duì)獲取的車牌圖像進(jìn)行全圖檢測(cè)，減少了檢測(cè)得到車牌圖像中車牌區(qū)域的 計(jì)算量，且，通過離散余弦變換的方法來得到邊緣顯著特征圖，算法更加容易移植到嵌入式 系統(tǒng)中，更適用于硬件實(shí)現(xiàn)。

【專利附圖】

【附圖說明】
[0043] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0044] 圖1為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法的流程圖；
[0045] 圖2為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法的另一流程圖；
[0046] 圖3為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法中搜索邊緣顯著特征圖中邊緣密度大 于預(yù)定閾值的區(qū)域的方法流程圖；
[0047] 圖4為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法中利用所有保留的矩形掃描框的面積 重合度進(jìn)行聚類操作的方法流程圖；
[0048] 圖5為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法的再一方法流程圖；
[0049] 圖6為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法中訓(xùn)練車牌分類器的方法流程圖；
[0050] 圖7為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法中判斷是否誤檢的方法流程圖；
[0051] 圖8為本發(fā)明實(shí)施例提供的車牌檢測(cè)系統(tǒng)的系統(tǒng)框圖；
[0052] 圖9為本發(fā)明實(shí)施例提供的車牌檢測(cè)系統(tǒng)的系統(tǒng)框圖中搜索模塊的結(jié)構(gòu)框圖；
[0053] 圖10為本發(fā)明實(shí)施例提供的車牌檢測(cè)系統(tǒng)的系統(tǒng)框圖中搜索模塊的另一結(jié)構(gòu)框 圖。

【具體實(shí)施方式】
[0054] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)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(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0055] 圖1為本發(fā)明實(shí)施例提供的車牌檢測(cè)方法的流程圖，該車牌檢測(cè)方法只需要對(duì)得 到的疑似車牌區(qū)域進(jìn)行使用基于哈爾Haar特征訓(xùn)練的車牌分類器進(jìn)行檢測(cè)，便可得到準(zhǔn) 確的車牌區(qū)域，減少了檢測(cè)得到車牌圖像中車牌區(qū)域的計(jì)算量，且通過離散余弦變換的方 法來得到邊緣顯著特征圖，更適用于硬件實(shí)現(xiàn)，算法更加容易移植到嵌入式系統(tǒng)中；參照?qǐng)D 1，該車牌檢測(cè)方法可以包括：
[0056] 步驟SlOO :獲取車牌圖像，并對(duì)所述車牌圖像進(jìn)行灰度化處理，得到灰度圖；
[0057] 車牌圖像是指在停車場(chǎng)出入口等處通過攝像機(jī)等圖像采集設(shè)備采集到的包含汽 車車牌的圖像。
[0058] 可選的，獲取車牌圖像的圖像采集設(shè)備可以為攝像機(jī)。
[0059] 步驟SllO :對(duì)所述灰度圖依次進(jìn)行離散余弦變換、sign轉(zhuǎn)換、平方運(yùn)算、反離散余 弦變換和二值化處理，得到邊緣顯著特征圖；
[0060] 可選的，如果設(shè)輸入的二維車牌圖像的寬為M，高為N，那么，車牌圖像上的任意一 點(diǎn)可以表示為：f(x, y)，其中，X = 〇, 1，2,...，M-1，y = 0, 1，2,...，N-1，如果用 F(u, V)表 示二維車牌圖像的余弦變換系數(shù)，那么有u = 0, l，2，...，M-l，v = 0, 1，2，...，N-1，二維車 牌圖像的離散余弦變換可以表示為： " 〇

【權(quán)利要求】
1. 一種車牌檢測(cè)方法，其特征在于，包括： 獲取車牌圖像，并對(duì)所述車牌圖像進(jìn)行灰度化處理，得到灰度圖； 對(duì)所述灰度圖依次進(jìn)行離散余弦變換、sign轉(zhuǎn)換、平方運(yùn)算、反離散余弦變換和二值化 處理，得到邊緣顯著特征圖； 搜索所述邊緣顯著特征圖中邊緣密度大于預(yù)定闊值的區(qū)域，得到疑似車牌區(qū)域； 對(duì)所述疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，得到車牌區(qū)域。
2. 根據(jù)權(quán)利要求1所述的車牌檢測(cè)方法，其特征在于，所述得到邊緣顯著特征圖后還 包括： 生成所述邊緣顯著特征圖的積分圖，搜索所述積分圖中邊緣密度大于預(yù)定闊值的區(qū) 域，得到疑似車牌區(qū)域。
3. 根據(jù)權(quán)利要求1所述的車牌檢測(cè)方法，其特征在于，所述搜索所述邊緣顯著特征圖 中邊緣密度大于預(yù)定闊值的區(qū)域包括： 取預(yù)定數(shù)目預(yù)定尺寸矩形掃描框?qū)λ鲞吘夛@著特征圖進(jìn)行隔行掃描； 每個(gè)矩形掃描框每移動(dòng)一個(gè)像素，計(jì)算其內(nèi)所有像素點(diǎn)的灰度值； 保留平均邊緣灰度值大于預(yù)定闊值的矩形掃描框。
4. 根據(jù)權(quán)利要求3所述的車牌檢測(cè)方法，其特征在于，所述保留平均邊緣灰度值大于 預(yù)定闊值的矩形掃描框后還包括；利用所有保留的矩形掃描框的面積重合度進(jìn)行聚類操 作； 所述利用所有保留的矩形掃描框的面積重合度進(jìn)行聚類操作包括： 計(jì)算所有保留的矩形掃描框中兩兩間的面積重合度； 若兩個(gè)矩形掃描框間的面積重合度大于預(yù)定闊值，則認(rèn)為該兩個(gè)矩形掃描框?yàn)橥?類，根據(jù)所述兩兩間的面積重合度對(duì)所有保留的矩形掃描框矩形進(jìn)行分類，保留每類矩形 掃描框中平均邊緣灰度值最大的矩形掃描框。
5. 根據(jù)權(quán)利要求1所述的車牌檢測(cè)方法，其特征在于，所述得到疑似車牌區(qū)域后還包 括： 對(duì)所述疑似車牌區(qū)域進(jìn)行水平投影和垂直投影，得到投影后疑似車牌區(qū)域，對(duì)所述投 影后疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，得到車牌區(qū)域。
6. 根據(jù)權(quán)利要求1所述的車牌檢測(cè)方法，其特征在于，所述車牌分類器包括： 獲取車牌訓(xùn)練樣本； 取所述車牌訓(xùn)練樣本中包含車牌的部分為正樣本，取所述車牌圖像樣本中的不包含車 牌的部分為負(fù)樣本； 使用哈爾化ar特征對(duì)所述正樣本和負(fù)樣本進(jìn)行表征，形成化ar特征向量； 利用迭代算法對(duì)所述化ar特征向量進(jìn)行訓(xùn)練，得到車牌分類器。
7. 根據(jù)權(quán)利要求1所述的車牌檢測(cè)方法，其特征在于，所述得到車牌區(qū)域后還包括： 對(duì)所述車牌區(qū)域進(jìn)行字符分割與識(shí)別，得到所述車牌區(qū)域的置信度； 若所述置信度大于預(yù)定闊值，則說明沒有誤檢。
8. -種車牌檢測(cè)系統(tǒng)，其特征在于，包括：獲取模塊、計(jì)算模塊、搜索模塊和檢測(cè)模塊； 其中， 所述獲取模塊，用于獲取車牌圖像，并對(duì)所述車牌圖像進(jìn)行灰度化處理，得到灰度圖； 所述計(jì)算模塊，用于對(duì)所述灰度圖依次進(jìn)行離散余弦變換、sign轉(zhuǎn)換、平方運(yùn)算、反離 散余弦變換和二值化處理，得到邊緣顯著特征圖； 所述搜索模塊，用于搜索所述邊緣顯著特征圖中邊緣密度大于預(yù)定闊值的區(qū)域，得到 疑似車牌區(qū)域； 所述檢測(cè)模塊，用于對(duì)所述疑似車牌區(qū)域使用車牌分類器進(jìn)行檢測(cè)，得到車牌區(qū)域。
9. 根據(jù)權(quán)利要求8所述的車牌檢測(cè)系統(tǒng)，其特征在于，所述搜索模塊包括：掃描單元、 第一計(jì)算單元和第一保留單元；其中， 所述掃描單元，用于取預(yù)定數(shù)目預(yù)定尺寸矩形掃描框?qū)λ鲞吘夛@著特征圖進(jìn)行隔行 掃描； 所述第一計(jì)算單元，用于每個(gè)矩形掃描框每移動(dòng)一個(gè)像素，計(jì)算其內(nèi)所有像素點(diǎn)的灰 度值； 所述第一保留單元，用于保留平均邊緣灰度值大于預(yù)定闊值的矩形掃描框。
10. 根據(jù)權(quán)利要求9所述的車牌檢測(cè)系統(tǒng)，其特征在于，所述搜索模塊還包括；第二計(jì) 算單元和第二保留單元；其中， 所述第二計(jì)算單元，用于計(jì)算所有保留的矩形掃描框中兩兩間的面積重合度； 所述第二保留單元，用于若兩個(gè)矩形掃描框間的面積重合度大于預(yù)定闊值，則認(rèn)為該 兩個(gè)矩形掃描框?yàn)橥活?，根?jù)所述兩兩間的面積重合度對(duì)所有保留的矩形掃描框矩形進(jìn) 行分類，保留每類矩形掃描框中平均邊緣灰度值最大的矩形掃描框。
【文檔編號(hào)】G06K9/46GK104463220SQ201410800033
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月19日 優(yōu)先權(quán)日:2014年12月19日
【發(fā)明者】唐健, 關(guān)國(guó)雄, 李銳 申請(qǐng)人:深圳市捷順科技實(shí)業(yè)股份有限公司