一种基于支持向量机的号码牌识别方法技术

一种基于支持向量机的号码牌识别方法，包括如下步骤：1)获取号码牌图像I1；2)对图像进行颜色预处理，得到灰度图像I4；3)对图像I4进行Canny算子边缘检测，得到边缘图像I5；4)对边缘图像I5进行数字区域矩形框定，得到包含数字的轮廓集合5)对各个包含数字的轮廓集合结合原始图像I1，利用训练好的数字分类器进行识别，获得具体数字。本发明专利技术能够替代传统的人工分类，提升对马拉松照片的分类速度，同时对号码牌的柔性材质有较强适应性，能保持较高识别率。

【技术实现步骤摘要】

本专利技术涉及神经网络、计算机视觉、图像处理、模式识别等
，尤其是一种针对拍摄的图片，实现图片中号码牌的识别方法，该方法可用于各类赛事，如马拉松、运动会等。
技术介绍
随着中国人民体质健康问题的不断加剧，全民健身再度成为热点议题。城市马拉松的蓬勃发展，使全民健身模式逐渐取代原有的室内健身或不健身模式。近年来中国马拉松赛事呈现指数级的增长，同时也带动了与之相关的运动装备、旅游行业甚至于马拉松照片销售的发展。在这样的大背景下，市场对马拉松服务平台产生了迫切的需求，尤其是对马拉松纪念照的需求。马拉松赛事举办方普遍没有较好的技术背景，对纪念照的筛选还停留在传统的人工分类水平，效率较低。号码牌不同于车牌等刚性的物体，容易产生较大的形变、遮挡及干扰(如手部、装饰物)等情况，传统的车牌识别技术对号码牌的识别准确率不高，缺乏实用价值。针对号码牌与遮挡情况开发的算法，除了对柔性物体有较高的识别能力外，也对刚性物体有很强的识别能力。这样的算法能被推广到车牌识别、门牌识别，甚至是娱乐游戏(如扑克牌、麻将、象棋等)的识别等领域，大幅度提高人工识别分类的效率。
技术实现思路
为了克服已有号码牌识别方式的人工分类、分类速度慢、识别率较低的不足，本专利技术提供一种能够替代传统的人工分类，提升对马拉松照片的分类速度，同时对号码牌的柔性材质有较强适应性，能保持较高识别率的基于支持向量机的号码牌识别方法。本专利技术解决其技术问题所采用的技术方案是：一种基于支持向量机的号码牌识别方法，所述号码牌识别方法包括如下步骤：1)获取号码牌图像I1；2)对图像进行颜色预处理，具体步骤如下：2.1)将图像I1进行色彩空间转换，得到HSV颜色空间的图像I2；2.2)将图像I2进行直方图均衡化，得到图像I3；2.3)将图像I3根据明度阈值进行处理，得到灰度图像I4；3)对图像I4进行Canny算子边缘检测，得到边缘图像I5；4)对边缘图像I5进行数字区域矩形框定，具体步骤如下：4.1)通过对边缘图像I5进行轮廓提取，得到轮廓信息Ki；4.2)对获取的轮廓信息Ki进行矩形规格化，剔除不符合规范的矩形后得到轮廓信息4.3)对各个符合规范的轮廓结合原始图像I1，利用训练好的数字判别器进行检测，判断内容是否为数字；若不属于数字，则剔除这个轮廓；最终得到包含数字的轮廓集合5)对各个包含数字的轮廓集合结合原始图像I1，利用训练好的数字分类器进行识别，获得具体数字。进一步，所述号码牌识别方法还包括如下步骤：6)将步骤5)中得到的数字进行漏检测与定位，剔除误判数字，并将遗漏的数字矩形重复进行步骤5)；7)归纳得到的数字，最终拼凑出号码牌序号并输出。再进一步，所述步骤3)中，Canny算子边缘检测中，利用高斯滤波器平滑图像，高斯滤波器中用到的卷积滤波方程为： G ( x , y , σ ) = e - x 2 + y 2 2 σ 2 2 πσ 2 ]]>其中，σ为高斯分布参数，x,y为图像中某一像素距离中心的距离；平滑后的图像通过Sobel算子获得单位像素点的梯度幅值与梯度方向，其中二范数由横纵模板的无穷大范数代替；其中，横纵梯度模板的近似值与梯度方向公式如下所示： G = G x 2 + G y 2 2 , θ = tan - 1 G y G x ]]>其中，G为梯度度量值，θ为梯度方向，Gx为检测水平边沿的横向模板，Gy为检测垂直边沿的纵向模板；相邻像素间的梯度幅值通过插值得到，并通过与高低阈值比较，得到细化为1像素宽度的图像边缘。更进一步，所述步骤4.3)中，所述数字判别器使用HOG特征提取，并对提取出的特征利用SVM支持向量机进行判别，其中，每个待判断的图片区块都被缩放归一到90×45的大小，HOG描述子采样同等的窗口大小，以45×15作为块大小，并以15×5作为胞元大小，经过HOG处理后的特征数据作为一维向量输入SVM，SVM采用C_SVC模型以及线性核函数。所述步骤5)中，所述数字分类器器使用HOG特征提取，并对提取出的特征利用SVM支持向量机进行判别，其中，每个待判断的图片区块都被缩放归一到90×45的大小，HOG描述子采样同等的窗口大小，以45×15作为块大小，并以15×5作为胞元大小，经过HOG处理后的特征数据作为一维向量输入SVM，SVM采用C_SVC模型以及线性核函数。所述步骤6)，漏检测与定位过程如下：根据每个数字的位置关系，将距离小于设定阈值的数字归为一组，判断组内数字个数，若小于两个则视为误判，将其剔除；对于其余的数字组，通过最小二乘法将各数字坐标拟合，得到号码牌数字所在直线，并根据现有数字坐标计算得到预测的遗漏数字矩形区域，重新进行检测。本专利技术的技术构思为：相较传统的数字识别算法，该方法采用了Canny算子进行边缘检测，能较好地应对号码牌的柔性材质。同时，该方法采用的漏检测与重定位策略增强了对遮挡物的鲁棒性，提高了识别准确率。本专利技术的有益效果主要表现在：对号码牌柔性材质、遮挡物鲁棒性强，识别准确度较高。附图说明图1是的基于支持向量机的号码牌识别方法的流程图。具体实施方式下面结合附图对本专利技术作进一步描述。参照图1，一种基于支持向量机的号码牌识别方法，所述识别方法包括如下步骤：1)获取号码牌图像I1；2)对图像进行颜色预处理，具体步骤如下：2.1)将图像I1进行色彩空间转换，得到HSV颜色空间的图像I2；2.2)将图像I2进行直方图均衡化，得到图像I3；2.3)将图像I3根据明度阈值进行处理，得到灰度图像I4；3)对图像I4进行Canny算子边缘检测，得到边缘图像I5；4)对边缘图像I5进行数字区域矩本文档来自技高网...

【技术保护点】
一种基于支持向量机的号码牌识别方法，其特征在于：所述号码牌识别方法包括如下步骤：1)获取号码牌图像I1；2)对图像进行颜色预处理，具体步骤如下：2.1)将图像I1进行色彩空间转换，得到HSV颜色空间的图像I2；2.2)将图像I2进行直方图均衡化，得到图像I3；2.3)将图像I3根据明度阈值进行处理，得到灰度图像I4；3)对图像I4进行Canny算子边缘检测，得到边缘图像I5；4)对边缘图像I5进行数字区域矩形框定，具体步骤如下：4.1)通过对边缘图像I5进行轮廓提取，得到轮廓信息Ki；4.2)对获取的轮廓信息Ki进行矩形规格化，剔除不符合规范的矩形后得到轮廓信息4.3)对各个符合规范的轮廓结合原始图像I1，利用训练好的数字判别器进行检测，判断内容是否为数字；若不属于数字，则剔除这个轮廓；最终得到包含数字的轮廓集合5)对各个包含数字的轮廓集合结合原始图像I1，利用训练好的数字分类器进行识别，获得具体数字。

【技术特征摘要】
1.一种基于支持向量机的号码牌识别方法，其特征在于：所述号码牌识别方法包括如下步骤：1)获取号码牌图像I1；2)对图像进行颜色预处理，具体步骤如下：2.1)将图像I1进行色彩空间转换，得到HSV颜色空间的图像I2；2.2)将图像I2进行直方图均衡化，得到图像I3；2.3)将图像I3根据明度阈值进行处理，得到灰度图像I4；3)对图像I4进行Canny算子边缘检测，得到边缘图像I5；4)对边缘图像I5进行数字区域矩形框定，具体步骤如下：4.1)通过对边缘图像I5进行轮廓提取，得到轮廓信息Ki；4.2)对获取的轮廓信息Ki进行矩形规格化，剔除不符合规范的矩形后得到轮廓信息4.3)对各个符合规范的轮廓结合原始图像I1，利用训练好的数字判别器进行检测，判断内容是否为数字；若不属于数字，则剔除这个轮廓；最终得到包含数字的轮廓集合5)对各个包含数字的轮廓集合结合原始图像I1，利用训练好的数字分类器进行识别，获得具体数字。2.如权利要求1所述的一种基于支持向量机的号码牌识别方法，其特征在于：所述号码牌识别方法还包括如下步骤：6)将步骤5)中得到的数字进行漏检测与定位，剔除误判数字，并将遗漏的数字矩形重复进行步骤5)；7)归纳得到的数字，最终拼凑出号码牌序号并输出。3.如权利要求1或2所述的一种基于支持向量机的号码牌识别方法，其特征在于：所述步骤3)中，Canny算子边缘检测中，利用高斯滤波器平滑图像，高斯滤波器中用到的卷积滤波方程为： G ( x , y , σ ) = e - x 2 + y 2 2 σ 2 2 πσ ...

【专利技术属性】
技术研发人员：张永良，陈泽坤，温从林，陆洋，周冰，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33