【技术实现步骤摘要】
一种非正常车牌的识别方法和系统
本专利技术涉及车牌识别
，具体涉及一种非正常车牌的识别方法和系统。
技术介绍
随着信息时代的快速发展，结合信息技术、数据通信传输技术、电子自动控制技 术、传感器感应触发技术以及计算机数据处理技术的新型交通道路控制信息一智能交通 系统（Intelligent Transportation System,简称ITS)开始被原来越多的国家认可和采 用，其对加强公路和道路管理、提高运输效率、减少交通事故、侦查违法违规行为、保障社会 稳定等方面都产生了深远的影响。 车牌识别（License Plate Recognition,简称LPR)系统是ITS的重要组成部分， 其主要包括车辆图像获取、车牌定位、车牌字符分割和车牌字符识别等四个步骤，其处理流 程图如图1所示。目前的LPR系统的基本工作原理是：在公路上安装摄像头，并在摄像头之 前的路段铺设地面感应线圈，车辆经过触发感应线圈，启动摄像头拍照；将拍摄的车辆图像 传至计算机，通过计算机程序对车牌进行定位和字符分割，最后将分割后的单个字符送入 字符识别系统进行识别并输出识别结果。 虽然目前的LPR系统对于正常状态下的车牌识别具有较高的识别精确度，但是对 于非正常状态下的车牌识别，例如在恶劣的天气或不良的光线条件下拍摄的模糊图像，或 者车牌本身有划痕、污损、断裂等情形而导致车牌字迹模糊、相邻字符粘连、车牌信息部分 丢失等，或者拍摄的图像中不止出现一辆车的情形，目前的LPR系统的效果并不十分理想。 本专利技术针对目前的LPR系统对于非正常状态下...
【技术保护点】
一种非正常车牌的识别方法，其特征在于该方法包括如下步骤：步骤10，捕获非正常车牌的图像；步骤20，预处理所述非正常车牌的图像得到滤波图像，具体包括：步骤201，将捕获的彩色图像转变为灰度图像，步骤202，对灰度图像进行灰度拉伸得到灰度拉伸图像，步骤203，对灰度拉伸图像进行中值滤波得到滤波图像，步骤30，在滤波图像中检测车体图像，具体包括：步骤301，利用公式Dk(x,y)＝|fk(x,y)‑fk‑1(x,y)|2计算差分后的图像Dk(x,y)，其中fk(x,y)为第K帧滤波图像中的点(x,y)所在的差分区域的灰度均值，所述差分区域为以该点(x,y)为中心的n×n的区域，k为大于等于2的整数，n为大于等于3的整数，步骤302，对差分后的图像Dk(x,y)二值化后得到二值图像Rk(x,y)，对二值图像Rk(x,y)进行膨胀获得多个连通域，步骤303，当某一个连通域的面积大于给定的阈值T，则判断该连通域为车体图像，否则，判断该连通域为背景图像；步骤40，在车体图像中定位非正常车牌，具体包括：步骤401，对车体图像进行边缘检测得到边缘图像，步骤402，利用数学形态学对二值化图像进行先腐蚀后膨...
【技术特征摘要】
1. 一种非正常车牌的识别方法，其特征在于该方法包括如下步骤： 步骤10,捕获非正常车牌的图像； 步骤20,预处理所述非正常车牌的图像得到滤波图像，具体包括： 步骤201，将捕获的彩色图像转变为灰度图像， 步骤202,对灰度图像进行灰度拉伸得到灰度拉伸图像， 步骤203,对灰度拉伸图像进行中值滤波得到滤波图像， 步骤30,在滤波图像中检测车体图像，具体包括： 步骤301，利用公式Dk(x, y) = I fk(x, (X，y) I2计算差分后的图像Dk(x, y)，其中 fk(x，y)为第K帧滤波图像中的点（x，y)所在的差分区域的灰度均值，所述差分区域为以该 点（X，y)为中心的nXn的区域，k为大于等于2的整数，η为大于等于3的整数， 步骤302,对差分后的图像Dk(x，y)二值化后得到二值图像Rk(x，y)，对二值图像 Rk(x，y)进行膨胀获得多个连通域， 步骤303,当某一个连通域的面积大于给定的阈值T，则判断该连通域为车体图像，否 贝1J，判断该连通域为背景图像； 步骤40,在车体图像中定位非正常车牌，具体包括： 步骤401，对车体图像进行边缘检测得到边缘图像， 步骤402,利用数学形态学对二值化图像进行先腐蚀后膨胀运算，利用连通域分析法在 整个图像中搜索白点区的外接矩形，再根据车牌的几何特征精确定位出一个或多个车牌区 域； 步骤50,在车牌区域中分割所述非正常车牌的字符，具体包括： 步骤501，初始化， 步骤502,确定连通域的起始点， 步骤503,确定同一连通域的像素集合， 步骤504,确定连通域的终止点， 步骤505,分割各个连通域，形成待识别的非正常车牌的字符； 步骤60,分别设置汉字分类器、字母分类器和数字字母混合分类器，对所述非正常车牌 的字符进行识别，对于每一个分类器，分别执行以下操作： 步骤601，确定训练数据， 步骤602,选择核函数，其中，核函数为，xc是核函数中心， σ是核函数的宽度范围， 步骤603,确定惩罚因子C和核函数的宽度范围〇， 步骤604,利用训练数据对支持向量机进行训练， 步骤605,利用所述支持向量机对待识别的非正常车牌的字符进行识别。2. 根据权利要求1所述的非正常车牌的识别方法，其特征在于：在步骤202中利用下 述公式计算灰度拉伸图像的灰度，Q(i) = I. 7XP(i)-85,其中Q(i)为灰度拉伸图像的第i 个像素的灰度值，P(i)为灰度图像的第i个像素的灰度值，i为灰度图像中像素点的个数。3. 根据权利要求1所述的非正常车牌的识别方法，其特征在于：步骤401，对车体图像 进行边缘检测得到边缘图像具体包括： 步骤4011，利用Canny边缘检测器对滤波图像进行第一次边缘提取， 步骤4012,对滤波图像进行顶帽变换后，用Canny边缘检测器进行第二次边缘提取， 步骤4013,对顶帽变换后的图像进行对数变换后，用Canny边缘检测器进行第三次边 缘提取， 步骤4014,将三次边缘提取的结果图像叠加， 步骤4015,对叠加后的图像进行骨架化处理，得到边缘图像。4. 根据权利要求1所述的非正常车牌的识别方法，其特征在于： 步骤501具体包括为每一个车牌区域设置一个与所述车牌区域的像素点一一对应的 标记值数组，并将该标记值数组初始化为0,在扫描过程中，标记值为0,表示该像素点未被 扫描，标记值为N，表示该像素点已被扫描，并且表示该点在第N个连通域，其中N为大于等 于1的整数， 步骤502具体包括顺序扫描所述一个或多个车牌区域，如果该像素点的灰度值为0,则 扫描下一个像素点，如果该像素点的值为1并且未被标记，则依次扫描相邻像素的标记值， 如果相邻像素的标记值全部为〇,则确定当前像素点是新连通域的起始点，其标记值为前一 个标记值加1， 步骤503具体包括从起始点开始顺序扫描，当目标像素标记值为N时扫描相邻像素， 如果相邻像素中有m个像素点的灰度值为1且未被标记,则这m个像素与当前像素属于同 一连通域，标记值都赋为N，而当目标像素标记值不为N时，停止扫描，转到步骤402,其中1 < m ^ 8, 步骤504具体包括从标记值数组的左上角开始，从左到右，从上到下逐行扫描所述标 记值数组的标记值，当找到第一个像素点的标记值为N时，记录该像素点的横坐标为方框 左上顶点的横坐标Xl ;从上到下，从左到右扫描，当找到第一个像素点的标记值为N时，记 录该像素点的纵坐标为方框左上顶点的纵坐标Yl ;同理，逆向扫描，找出方框的右下顶点 的横坐标X2和纵坐标Y2,利用点（X1，Y1)和（X2，Y2)确定出属于同一连通域的矩形区域； 依次类推，确定出每一个车牌区域中的各个属于同一连通域的矩形区域， 步骤505具体包括将各个属于同一连通域的矩形区域的左顶点的横坐标值降序排列， 从右向左取出6个矩形区域，剩余的矩形区域则为车牌中的汉字字符。5. 根据权利要求1所述的非正常车牌的识别方法，其特征在于：在步骤505之后步骤 60之前，还包括步骤506,将所述待识别的非正常车牌的字符归一化为统一大小。6. 根据权利要求1-5中任一项所述的非正常车牌的识别方法，其特征在于：所述C的 大小为238，σ 2的大小为1044。7. -种非正常车牌的识别系统，其特征在于...
【专利技术属性】
技术研发人员：陈海江，蓝天翔，詹常青，王鲁光，
申请(专利权)人：浙江力石科技股份有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。