一种车牌定位方法技术

本发明专利技术公开了一种车牌定位方法，属于图像处理技术领域。本发明专利技术包括：预处理待定位的车牌图像，得到多个候选矩形坐标，基于当前候选矩形坐标初始化滑动窗口H，并初始化H的边框颜色为区域内的分布最多的颜色，通过能量最小化原理使H不断的缩小，并同时对矩形区域内的图像进行角度变化，直到达到能量最小的矩形。本发明专利技术得到的车牌边界区域非常靠近首尾字符，从而有效降低了在对车牌的字符进行分割的处理复杂度，有效提升车牌识别效率和鲁棒性；同时，对一些特殊的车牌有更优的定位和矫正效果，包括双行车牌，武警车牌等等。

【技术实现步骤摘要】

本专利技术属于图像处理
，尤其涉及图像中车牌的定位。
技术介绍
近几年随着国内经济的不断增长，全国机动车的增长速度一直保持在15%以上，这就加大了与车辆相关的各个行业对车辆管理的难度，使其必须加大人力的投入以及处理好效率等方面问题。与此同时，计算机视觉技术在图像处理领域的应用，使得车辆管理从人工方式逐渐的转变成智能全自动方式，能够有效的解决现状问题。车牌识别技术(对车牌图像的字符识别)在公共安全领域，交通管理方面，加油站以及停车场等方面有着非常巨大的应用价值。而车牌定位、矫正又是字符识别前最重要的环节。 就目前来看，车牌定位的算法分为三类: (I)基于边缘检测方法，在这三类算法中边缘检测算法最为基础，也最为有效，如果对于简单的场景，比如收费站等，可以做到较高的检测率，但对于场景复杂的区域，比如街道等，误检率会比较高，使其不能精确定位车牌位置，而且由于场景的复杂度比较高，场景中颜色跳变的边缘比较多，这使得在车牌定位过程当中要做很多的无用功，降低了对CPU的利用率，必然导致并不理想的实时性体验。 (2)基于颜色的车牌定位方法，本质上来讲，也是基于边缘算法的一种，它是利用彩色图像的边缘和内部颜色信息一起来定位的，因此对于图片的分辨率要求比较高，如果图片比较模糊，或是遇到夜晚，雨天等等，车牌的定位成功率就会大大降低，不具有好的鲁棒性。 (3)基于机器学习的定位方法，首先是要有足够多的训练样本，以及找到良好的特征和训练方法，不少人基于haar变换和adaboost,利用特征进行车牌定位,这样能够达到比较高的检测率，但是检测范围较大，误检率比较高。这个领域还不是一个非常成熟的领域，需要和其他的方法进行结合才能达到比较完美的效果。
技术实现思路
本专利技术的专利技术目的在于，提供一种能够适应比较复杂环境下的车牌定位方法。 本专利技术的车牌定位方法，包括下列步骤: 步骤1:输入当前采集图像并进行灰度化处理后，进行背景建模，确定背图像的背景区域和前景区域； 步骤2:对当前图像的前景区域进行边缘检测处理后，基于图像的闭操作输出初始矩形坐标； 步骤3:基于当前采集图像，检测各初始矩形坐标内是否存在车牌颜色，若是，则定义当前初始矩形坐标为候选矩形坐标； 步骤4:基于当前各候选矩形坐标，在当前采集图像内确定车牌边框坐标: 步骤401:查找当前候选矩形坐标内包含像素点最多的像素值P ;基于当前候选矩形坐标初始化滑动窗口 H，设定所述初始化滑动窗口 H的边框的各像素点的像素值为P ； 步骤402:确定车牌的上边缘坐标: 步骤402-1:基于当前候选矩形区域的中心点，在预设的角度范围内，基于预设步长对当前候选矩形坐标内的采集图像进行仿射变换； 每次仿射变换后,基于公式E = / Ω1 / 0K(x-y) 11 (y)_f (X) |2dydx计算当前角度下，所述候选矩形坐标内的能量E，其中，I(y)表示在滑动窗口 H内采集图像的像素点y的像素值；f(x)表示滑动窗口 H的上边框像素点X的像素值；符号Ω I表示滑动窗口 H的上边框，符号O表示滑动窗口 H内采集图像的所有像素点； 查找能量最小项所对应的角度α，定义当前能量为Emin ； 步骤402-2:更新滑动窗口 H执行步骤402-1，输出对应的角度α和能量Emin ;其中，将当前滑动窗口 H的上边框的纵坐标减I作为更新后的滑动窗口 H ； 步骤402-3:重复步骤402-2，直到当前的Emin大于上一次所输出的Emin，并基于上一次Emin所对应的角度α对当前候选矩形坐标内的采集图像进行仿射变换，取上一次Emin所对应的滑动窗口 H的上边框纵坐标为车牌的上边缘坐标； 步骤403:确定车牌的下边缘坐标: 步骤403-1:基于公式E = / Ω2 / 0K(x-y) 11 (y)_f (X) |2dydx计算当前候选矩形坐标内的能量E，其中，符号Ω 2表示滑动窗口 H的下边框； 步骤403-2:更新滑动窗口 H执行步骤403-1，输出对应能量E，其中，将当前滑动窗口 H的下边框的纵坐标加I作为更新后的滑动窗口 H ； 步骤403-3:重复步骤403-2，直到当前的能量E大于上一次所输出的能量E，取上一次能量E所对应的滑动窗口 H的下边框纵坐标为车牌的下边缘坐标； 步骤404:确定车牌的左边缘坐标: 步骤404-1:基于公式E = / Ω3 / 0Κ (χ-y) 11 (y)-f (x) 12dydx计算当前候选矩形坐标内的能量E,其中，符号Ω 3表不滑动窗口 H的左边框； 步骤404-2:更新滑动窗口 H执行步骤404-1，输出对应能量E，其中，将当前滑动窗口 H的左边框的横坐标加I作为更新后的滑动窗口 H ； 步骤404-3:重复步骤404-2，直到当前的能量E大于上一次所输出的能量E，取上一次能量E所对应的滑动窗口 H的左边框横坐标为车牌的左边缘坐标； 步骤405:确定车牌的右边缘坐标: 步骤405-1:基于公式E = / Ω4 / 0Κ (χ-y) 11 (y)-f (x) 12dydx计算当前候选矩形坐标内的能量E，其中，符号Ω 4表示滑动窗口 H的右边框； 步骤405-2:更新滑动窗口 H执行步骤405-1，输出对应能量E，其中，将当前滑动窗口 H的下边框的横坐标减I作为更新后的滑动窗口 H ； 步骤405-3:重复步骤405-2，直到当前的能量E大于上一次所输出的能量E，取上一次能量E所对应的滑动窗口 H的右边框横坐标为车牌的右边缘坐标。 本专利技术的有益效果是:相比现有技术而言，本专利技术得到的车牌边界区域非常靠近首尾字符，从而有效降低了在对车牌的字符进行分割的处理复杂度，有效提升车牌识别效率和鲁棒性；同时，对一些特殊的车牌有更优的定位和矫正效果，包括双行车牌，武警车牌坐坐寸寸ο 【具体实施方式】 为使本专利技术的目的、技术方案和优点更加清楚，下面结合实施方式，对本专利技术作进一步地详细描述。 首先，基于所采集的图像确定车牌可能存在的候选矩形坐标: (I)将当前采集的彩色图像灰度化处理:彩色图像是三通道图像，在很多计算中没有必要对彩色图像进行处理，同样的灰度图像可以得到同样的效果，所以为了提高效率，此处先将彩色图像灰度化。 (2)背景建模:对于一个特定场景的图像中，必然有一些区域不会出现车辆，比如一些建筑、绿化带等，这些区域称之为背景。除去背景区域，也就是可能出现车辆的区域称之为前景。这些背景区域在车牌检测系统中是不需要进行检测的区域。，基于所采集的图像确定图像的前景区域和背景区域(该处理为现有技术，此处不再详述)，在后续的处理时只处理前景区域，而不处理背景区域，以提高处理时速率。 (3)边缘检测:因为车牌与车身之间有比较明显的突变，所以通过边缘检测(例如Soble算子)可以粗略的定位大概车牌的位置。 (4)闭操作:因为通过边缘检测所获得的边缘是间断的、不连续的，为了实现车牌定位，基于图像的闭操作将间断的边缘点连接到一起，得到闭曲线，然后选取包含所得到的闭曲线最小矩形作为初始矩形坐标。 (5)筛选候选矩形坐标:在当前真实图像(当前采集的待处理图像)上，检测各初始矩形坐标内是本文档来自技高网...

【技术保护点】
一种车牌定位方法，其特征在于，包括下列步骤：步骤1：输入当前采集图像并进行灰度化处理后，进行背景建模，确定当前采集图像的背景区域和前景区域；步骤2：对当前图像的前景区域进行边缘检测处理后，基于图像的闭操作输出初始矩形坐标；步骤3：基于当前采集图像，检测各初始矩形坐标内是否存在车牌颜色，若是，则定义当前初始矩形坐标为候选矩形坐标；步骤4：基于当前各候选矩形坐标，在当前采集图像内确定车牌边框坐标：步骤401：查找当前候选矩形坐标内包含像素点最多的像素值P；基于当前候选矩形坐标初始化滑动窗口H，设定所述初始化滑动窗口H的边框的各像素点的像素值为P；步骤402：确定车牌的上边缘坐标：步骤402‑1：基于当前候选矩形区域的中心点，在预设的角度范围内，基于预设步长对当前候选矩形坐标内的采集图像进行仿射变换；每次仿射变换后，基于公式E＝∫Ω1∫ΟK(x‑y)|I(y)‑f(x)|2dydx计算当前角度下，所述候选矩形坐标内的能量E，其中，I(y)表示在滑动窗口H内采集图像的像素点y的像素值；f(x)表示滑动窗口H的上边框像素点x的像素值；符号Ω1表示滑动窗口H的上边框，符号Ο表示滑动窗口H内采集图像的所有像素点；查找能量最小项所对应的角度α，定义当前能量为Emin；步骤402‑2：更新滑动窗口H执行步骤402‑1，输出对应的角度α和能量Emin；其中，将当前滑动窗口H的上边框的纵坐标减1作为更新后的滑动窗口H；步骤402‑3：重复步骤402‑2，直到当前的Emin大于上一次所输出的Emin，并基于上一次Emin所对应的角度α对当前候选矩形坐标内的采集图像进行仿射变换，取上一次Emin所对应的滑动窗口H的上边框纵坐标为车牌的上边缘坐标；步骤403：确定车牌的下边缘坐标：步骤403‑1：基于公式E＝∫Ω2∫ΟK(x‑y)|I(y)‑f(x)|2dydx计算当前候选矩形坐标内的能量E，其中，符号Ω2表示滑动窗口H的下边框；步骤403‑2：更新滑动窗口H执行步骤403‑1，输出对应能量E，其中，将当前滑动窗口H的下边框的纵坐标加1作为更新后的滑动窗口H；步骤403‑3：重复步骤403‑2，直到当前的能量E大于上一次所输出的能量E，取上一次能量E所对应的滑动窗口H的下边框纵坐标为车牌的下边缘坐标；步骤404：确定车牌的左边缘坐标：步骤404‑1：基于公式E＝∫Ω3∫ΟK(x‑y)|I(y)‑f(x)|2dydx计算当前候选矩形坐标内的能量E，其中，符号Ω3表示滑动窗口H的左边框；步骤404‑2：更新滑动窗口H执行步骤404‑1，输出对应能量E，其中，将当前滑动窗口H的左边框的横坐标加1作为更新后的滑动窗口H；步骤404‑3：重复步骤404‑2，直到当前的能量E大于上一次所输出的能量E，取上一次能量E所对应的滑动窗口H的左边框横坐标为车牌的左边缘坐标；步骤405：确定车牌的右边缘坐标：步骤405‑1：基于公式E＝∫Ω4∫ΟK(x‑y)|I(y)‑f(x)|2dydx计算当前候选矩形坐标内的能量E，其中，符号Ω4表示滑动窗口H的右边框；步骤405‑2：更新滑动窗口H执行步骤405‑1，输出对应能量E，其中，将当前滑动窗口H的下边框的横坐标减1作为更新后的滑动窗口H；步骤405‑3：重复步骤405‑2，直到当前的能量E大于上一次所输出的能量E，取上一次能量E所对应的滑动窗口H的右边框为车牌的右边缘坐标。...

【技术特征摘要】
1.一种车牌定位方法，其特征在于，包括下列步骤: 步骤1:输入当前采集图像并进行灰度化处理后，进行背景建模，确定当前采集图像的背景区域和前景区域； 步骤2:对当前图像的前景区域进行边缘检测处理后，基于图像的闭操作输出初始矩形坐标； 步骤3:基于当前采集图像，检测各初始矩形坐标内是否存在车牌颜色，若是，则定义当前初始矩形坐标为候选矩形坐标； 步骤4:基于当前各候选矩形坐标，在当前采集图像内确定车牌边框坐标: 步骤401:查找当前候选矩形坐标内包含像素点最多的像素值P ;基于当前候选矩形坐标初始化滑动窗口 H，设定所述初始化滑动窗口 H的边框的各像素点的像素值为P ； 步骤402:确定车牌的上边缘坐标: 步骤402-1:基于当前候选矩形区域的中心点，在预设的角度范围内，基于预设步长对当前候选矩形坐标内的采集图像进行仿射变换； 每次仿射变换后，基于公式E = / Ω1 / QK(x_y) 11 (y)_f (X) |2dydx计算当前角度下，所述候选矩形坐标内的能量E，其中，I (y)表示在滑动窗口 H内采集图像的像素点I的像素值；f(x)表示滑动窗口 H的上边框像素点X的像素值；符号Ω I表示滑动窗口 H的上边框，符号O表示滑动窗口 H内采集图像的所有像素点； 查找能量最小项所对应的角度α，定义当前能量为Emin ； 步骤402-2:更新滑动窗口 H执行步骤402-1，输出对应的角度α和能量Emin;其中，将当前滑动窗口 H的上边框的纵坐标减I作为更新后的滑动窗口 H ； 步骤402-3:重复步骤402-2，直到当前的Emin大于上一次所输出的Emin,并基于上一次Emin所对应的角度α对当前候选矩形坐标内的采集图像进行仿射变换，取上一次Emin所对应的滑动窗口 H的上边框纵坐标为车牌的上边缘坐标； 步骤403:确定车牌的下边缘坐标: 步骤403-1:基于公式E = / ...

【专利技术属性】
技术研发人员：解梅，许茂鹏，张碧武，卜英家，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51