基于视频的车牌识别方法技术

本发明专利技术提供一种基于视频的车牌识别方法，包括步骤：1）设置检测区域及虚拟触发线；2）触发线触发时，先对相应区域进行粗定位，然后基于方向梯度直方图HOG特征和SVM分类器进行车牌鉴定；3）取连续多帧的车牌图片利用投影法进行字符分割，每个字符归一化后提取HOG特征，获取不同车牌图片对应字符特征间的L1‑BRD距离；4）算出每个字符的权重，得出多帧加权的特征，将此作为字符识别的特征；5）结合多分类的SVM分类器对车牌字符进行识别。本发明专利技术将基于多帧加权的直方图特征和多分类SVM分类器进行结合后对车牌字符进行识别，可以有效消除单帧车牌字符在分割或噪声造成的影响，提高车牌字符识别的准确率。

License plate recognition method based on video

The invention provides a method comprising the steps of license plate recognition method based on Video: 1) setting the detection area and virtual trigger line; 2) trigger line trigger, the first rough positioning of the corresponding region, then the direction of the gradient histogram HOG feature and SVM classifier based on license plate identification; 3) license plate picture taking consecutive frames of character segmentation based on projection method, each character normalized HOG feature extraction to obtain different license plate images corresponds to the character between the features of L1 BRD distance; 4) to calculate the weight of each character, the characteristics of multi frame weighting, the character recognition feature; 5) SVM multi classification classifier based on the license plate recognition character. The invention will be based on histogram weighted multi frame and multi SVM classifier combination for the license plate character recognition, can effectively eliminate the influence caused by single frame license plate character segmentation or noise, improve the accuracy of license plate character recognition.

【技术实现步骤摘要】
基于视频的车牌识别方法
本专利技术涉及智能交通领域，具体涉及一种基于视频的车牌识别方法。
技术介绍
智能交通得到越来越广泛的应用，已经成为交通管理系统不可缺少的一部分，它是通过视频监控系统得到的道路监控视频利用计算机视觉技术对道路状况进行自动分析。车牌识别技术是智能交通里非常重要的一部分，应用于交通管理系统、车辆出入管理系统等领域。目前车牌识别的算法有很多，大致可以分为基于模板匹配、神经网络和支持向量机(SVM)三类方法：基于模板匹配的方法计算速度快，但是对低分辨率图像以及倾斜的车牌识别率较低；基于神经网络的方法在样本量不充足的条件下容易造成局部假饱和的情况，字符识别率很难达到很高的程度；SVM基于统计学习，在有限样本的情况下，训练得到最小的误差，在高维空间建立一个最优分类超平面，使正负样本的特征向量与超平面的距离最大化，SVM在小样本的限制下具有很好的适应性，在处理高维模式识别时也具有很大的优势。然而，目前并没有基于视频的适合处理多帧联合图像的车牌识别方法，限制了车牌识别的发展。基于以上所述，提供一种能够结合多帧联合的直方图特征和SVM分类器的车牌识别方法实属必要。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于视频的车牌识别方法，以实现一种能够结合多帧联合的直方图特征和SVM分类器的车牌识别方法。为实现上述目的及其他相关目的，本专利技术提供一种基于视频的车牌识别方法，包括步骤：1)在道路上设定一个检测区域，在检测区域中设置一道虚拟触发线；2)当虚拟触发线触发时，先对相应区域进行粗定位，然后基于方向梯度直方图HOG特征和SVM分类器进行车牌鉴定真伪；3)取连续多帧的车牌图片利用投影法进行字符分割，每个字符归一化后提取HOG特征，获取不同车牌图片对应字符特征间的L1-BRD距离；4)算出每个字符的权重，得出多帧加权的特征，将此作为字符识别的特征；5)结合多分类的SVM分类器对车牌字符进行识别。作为本专利技术的基于视频的车牌识别方法的一种优选方案，步骤2)中，判断触发线触发包括步骤：于检测区域前上方安装摄像头采集视频，对每帧图像进行灰度化处理，取触发线上相邻两帧图像的灰度值，做差求绝对值的和，若大于预设阈值，则判定有物体经过检测区域。作为本专利技术的基于视频的车牌识别方法的一种优选方案，步骤2)对车牌区域进行粗定位包括步骤：第一步，在检测区域内提取出候选车牌区域，对图像进行高斯滤波，降低噪声影响，然后进行灰度化得到灰度图像；第二步，对得到的灰度图像进行二值化得到二值图像；第三步，对二值图像进行形态学的闭操作；第四步，对二值图像进行连通域标记；第五步，对标记的每个连通域取最小外接矩形，计算出矩形偏转角度，并筛选出角度偏转在预设角度内的矩形区域；第六步，计算第五步所筛选出的矩形区域的宽高比，并筛选出高宽比在预设范围内的矩形区域；第七步，通过旋转将第六步筛选出的矩形区域调整为水平，该矩形区域对应原图像即为车牌区域。作为本专利技术的基于视频的车牌识别方法的一种优选方案，步骤2)中，基于HOG特征和SVM分类器对粗定位的车牌进行鉴定真伪，包括步骤：第一步，对车牌区域进行尺寸归一化处理；第二步，基于机器自学习的方法训练SVM分类器，使其能基于车牌区域的HOG特征识别车牌的真伪；第三步，基于训练好的SVM分类器得对车牌鉴定鉴定真伪。作为本专利技术的基于视频的车牌识别方法的一种优选方案，步骤3)对定位到的车牌利用投影法进行字符分割，包括步骤：第一步，对车牌区域进行灰度化，获得灰度图像；第二步，对灰度图像进行二值化，获得二值图像；第三步，统计所述二值图像中白像素点数Num1及黑像素点数Num2，若Num1>Num2，对二值图像取反色；第四步，在垂直方向上向下投影，统计每列的白色像素点的数目，得到灰度统计直方图，然后从左向右扫描，记录白色像素点数大于阈值的横坐标值，得到m个连续的线段，然后对图像进行切割得到m个含有字符的图像块；第五步，对每一个字符的图像块，在水平方向进行投影，统计每行的白色像素点数，得到每一行的灰度统计直方图，从上至下扫描，记录像素点数大于阈值的行，将小于阈值的行切割掉，得到分割好的m个字符，其中，m为自然数，且m＝3～10。进一步地，步骤3)中获取不同车牌图片对应字符特征间的L1-BRD距离包括：记录两帧得到车牌的中心坐标，若距离在一定阈值内，则记录为统一车牌bin-to-bin距离描述两个直方图相应的bin之间的距离，设表示目前统计到的直方图，共n个bin，hi表示第i个bin的值，取得k帧车牌后，字符分割后，分别得到k组字符集合，每组含有m个字符，算出k组字符两两之间的L1-BRD距离di,j,i,j∈[1,k]；取可得到距离矩阵D，计算L1-BRD如式(1)：进一步地，步骤4)包括：计算距离矩阵D如式(2)：将每组对应字符的特征与所有字符特征间距离的平方和与所有距离的平方和的比值作为该字符的权值，对应位置的k个字符特征hi,i∈[1,k]，可以得到k帧加权直方图特征h，如式(3)、(4)、(5)：作为本专利技术的基于视频的车牌识别方法的一种优选方案，步骤5)中，多分类的SVM分类器采用SVM分类器对第N类和其它N-1类样本构建超平面，通过一对一的方法来确定所有样本的正负。如上所述，本专利技术的基于视频的车牌识别方法，具有以下有益效果：本专利技术将基于多帧加权的直方图特征和多分类SVM分类器进行结合后对车牌字符进行识别，本专利技术的方法可以有效消除单帧车牌字符在分割或噪声造成的影响，提高车牌字符识别的准确率。本专利技术步骤简单，效果显著，在智能交通领域具有广泛的应用前景。附图说明图1显示为本专利技术的基于视频的车牌识别方法步骤1)所呈现的结构示意图。图2显示为本专利技术的基于视频的车牌识别方法的步骤流程示意图。元件标号说明S11～S15步骤1)～步骤5)具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。请参阅图1～图2。需要说明的是，本实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图示中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图1～图2所示，本实施例提供一种基于视频的车牌识别方法，包括步骤：如图1～图2所示，首先进行步骤1)S11，在道路上设定一个检测区域A，在检测区域中设置一道虚拟触发线L。如图1所示，然后进行步骤2)S12，当虚拟触发线触发时，先对相应区域进行粗定位，然后基于方向梯度直方图HOG特征和SVM分类器进行车牌鉴定真伪。作为示例，判断触发线触发包括步骤：于检测区域前上方安装摄像头采集视频，对每帧图像进行灰度化处理，取触发线上相邻两帧图像的灰度值，做差求绝对值的和，若大于预设阈值，则判定有物体经过检测区域，即虚拟触发线触发。作为示例，对车牌区域进行粗定位包括步骤：第一步，在检测区域内提取出候选车牌区域，对图像进行高斯滤波，降低噪声影响，然后进行灰度化得本文档来自技高网...

【技术保护点】
一种基于视频的车牌识别方法，其特征在于，包括步骤：1)在道路上设定一个检测区域，在检测区域中设置一道虚拟触发线；2)当虚拟触发线触发时，先对相应区域进行粗定位，然后基于方向梯度直方图HOG特征和SVM分类器进行车牌鉴定真伪；3)取连续多帧的车牌图片利用投影法进行字符分割，每个字符归一化后提取HOG特征，获取不同车牌图片对应字符特征间的L1‑BRD距离；4)算出每个字符的权重，得出多帧加权的特征，将此作为字符识别的特征；5)结合多分类的SVM分类器对车牌字符进行识别。

【技术特征摘要】
1.一种基于视频的车牌识别方法，其特征在于，包括步骤：1)在道路上设定一个检测区域，在检测区域中设置一道虚拟触发线；2)当虚拟触发线触发时，先对相应区域进行粗定位，然后基于方向梯度直方图HOG特征和SVM分类器进行车牌鉴定真伪；3)取连续多帧的车牌图片利用投影法进行字符分割，每个字符归一化后提取HOG特征，获取不同车牌图片对应字符特征间的L1-BRD距离；4)算出每个字符的权重，得出多帧加权的特征，将此作为字符识别的特征；5)结合多分类的SVM分类器对车牌字符进行识别。2.根据权利要求1所述的基于视频的车牌识别方法，其特征在于：步骤2)中，判断触发线触发包括步骤：于检测区域前上方安装摄像头采集视频，对每帧图像进行灰度化处理，取触发线上相邻两帧图像的灰度值，做差求绝对值的和，若大于预设阈值，则判定有物体经过检测区域。3.根据权利要求1所述的基于视频的车牌识别方法，其特征在于：步骤2)对车牌区域进行粗定位包括步骤：第一步，在检测区域内提取出候选车牌区域，对图像进行高斯滤波，降低噪声影响，然后进行灰度化得到灰度图像；第二步，对得到的灰度图像进行二值化得到二值图像；第三步，对二值图像进行形态学的闭操作；第四步，对二值图像进行连通域标记；第五步，对标记的每个连通域取最小外接矩形，计算出矩形偏转角度，并筛选出角度偏转在预设角度内的矩形区域；第六步，计算第五步所筛选出的矩形区域的宽高比，并筛选出高宽比在预设范围内的矩形区域；第七步，通过旋转将第六步筛选出的矩形区域调整为水平，该矩形区域对应原图像即为车牌区域。4.根据权利要求1所述的基于视频的车牌识别方法，其特征在于：步骤2)中，基于HOG特征和SVM分类器对粗定位的车牌进行鉴定真伪，包括步骤：第一步，对车牌区域进行尺寸归一化处理；第二步，基于机器自学习的方法训练SVM分类器，使其能基于车牌区域的HOG特征识别车牌的真伪；第三步，基于训练好的SVM分类器得对车牌鉴定鉴定真伪。5.根据权利要求1所述的基于视频的车...

【专利技术属性】
技术研发人员：刘立庄，赵丹，薛云松，
申请(专利权)人：中国科学院上海高等研究院，
类型：发明
国别省市：上海,31