机动车车牌自动识别方法及其实现装置制造方法及图纸

本发明专利技术公开了一种基于复杂背景下实时摄像视频的机动车车牌自动识别方法及其实现装置。其中识别步骤包括：（１）定位运动多目标车体区域；（２）获取候选车牌区域图像；（３）获取真实的车牌边缘点；（４）获取最小车牌区域；（５）分割字符，去除非字符图像；（６）将字符图像归一化，提取字符图像的原始粗网格特征；（７）使用经过训练的ＢＰ神经网络实现车牌字符的准确识别。实现机动车车牌自动识别方法的装置包括摄像装置及计算机，摄像装置通过ＩＥＥＥ１３９４电缆与计算机相连。本发明专利技术适用于复杂背景、分割和识别不受所拍摄的交通视频图像质量干扰、对汉字的识别效果好的机动车车牌自动识别方法及其实现装置。

【技术实现步骤摘要】

本专利技术涉及一种机动车车牌自动识别技术，具体是涉及一种基于复杂背 景下实时摄像视频的机动车车牌自动识别方法及其实现装置。技术背景随着社会、经济的快速发展，车辆的数量也急剧增加，由此产生了严重 的交通问题，已经成为世界各国所面临的一大难题。另一方面，网络通信技 术、计算机技术、数据库等先进技术手段的迅猛发展，又为建立高效的智能交通管理系统(Intelligent Transportation Systems, ITS)提供了技术基础。车 辆牌照识别(License Plate Recognition, LPR)技术作为交通管理自动化的重 要手段，广泛应用于道路收费管理系统、交通监控、停车场管理、车牌验证、 车流统计等场合，因此对车牌识别技术的研究和相关应用系统的开发具有重 要的现实意义，也具有广阔的市场和巨大的商业应用前景。机动车车牌自动识别技术的主要任务是采集、分析、处理汽车监控视频 图像，自动捕获定位和识别汽车牌号，并进行相关智能化数据管理。通常一 个完整的机动车车牌自动识别系统硬件上主要由摄像头、视频采集接口、计 算机和辅助照明装置组成。计算机通过视频采集接口捕获摄像头摄入的视频 图像，并按照顺序进行处理，包括视频中的运动多目标车体定位、车牌定位、 车牌字符分割及车牌字符识别等关键步骤，最终识别出机动车车牌。目前的复杂背景下的运动多目标车体检测大多是基于视频的，通过摄像 设备取得交通场景的序列图像，根据一定的算法和规则分析出其中包含车体 的部分，主要有帧差法、背景差法和非监督视频分割法。车牌定位是整个车牌识别技术中的关键和基础部分，车牌定位准确与否 直接影响到后续的识别。车牌定位的研究国外起步较早，较好的牌照定位方法主要有J.Barroso等提出的基于水平线搜寻的定位方法；R.Parisi等提出的基 于DFT变换的频域分析方法；Charl Coetzee提出的基于Niblack 二值化算法 及自适应边界搜索算法的定位方法；J.Bulas-Cruz等人提出的基于扫描行的车 牌提取方法。国内比较好的定位算法有基于车牌文字变化特征的自动扫描识 别算法；基于特征的车辆牌照定位算法；基于变换函数提取车牌的算法以及 同济大学的廖金周、宣国荣提出的基于字符串的车辆牌照分割方法等。车牌字符分割就是将车牌分割成单个的字符，以利于进一步识别。由于 车牌有一定的规则性，竖直方向上的投影往往在字符间或字符内的间隙处取 得局部最小值，故多采用垂直投影法进行分割。国外如Yuntao等对车牌识别 系统中二值化过程中引入马尔科夫场的某些特性进行研究，然后利用投影进 行切分；韩国的EimRyimgLee等利用号牌颜色进行定位和切分；OhyaJ.等先 对灰度图像局部二值化，通过对相邻区域的灰度梯度的判断实现字符分割。 国内如中国科技大学的陈锻生等提出的利用快速连通区域形状分析的方法来 实现车牌字符切分；云南昆明理工大学潘小露等提出了一种利用投影的车牌 定位切分方法；复旦大学卢达等人提出了一种基于骨架法形态分析的粘连字 符图像切分方法，对车牌图像中有粘连问题图像将会十分有效。车牌字符识别技术是一门综合技术。我国的车牌中不仅有英文字母和阿 拉伯数字，还包含笔划繁杂的汉字，其识别难度较国外车牌更大。目前最常 用的车牌字符识别方法有基于模板匹配的识别方法，基于神经网络的识别方 法，基于结构特征的识别方法和基于模糊规则的识别方法等等。总的来说， 传统的基于模板匹配的识别方法和基于结构特征的识别方法无法自动适应模 糊、变形、噪声等干扰较大的情况，而基于神经网络的识别技术则由于具有 较强的自适应能力而越来越受到重视，如T.W.Tindall等通过多层神经网络对输入字符图像样本进行训练，产生分类器模型用于字符识别等。总体来说，机动车车牌自动识别系统的各个关键步骤积累了相当多的理 论成果上，目前国内外已经投入应用的车牌识别系统有英国IPI公司的便携式ANPR识别系统；新加坡Optasia公司的VLPRS系统；以色列Hi-Tech公 司的See/Car system;我国香港地区的亚洲视觉科技有限公司(ASIA Vision Technology LTD.)也在进行这方面技术的研究。目前已有的机动车车牌字符 自动识别方法主要存在以下问题(1)、现有的车牌定位方法在实际场景中的 复杂背景下效果较差；(2)、在字符分割阶段，实际应用中釆集的车牌图像受 各种因素影响使得质量较低，传统的车牌分割技术无法适用；(3)、由于汉字 的特殊性和复杂性，传统的识别方法对汉字的识别效率及正确率均较低；(4)、 传统的字符识别算法对字符图像质量较敏感，鲁棒性不高，实际应用中字符 识别效果不理想。
技术实现思路
为了克服已有的机动车车牌自动识别方法中存在的复杂背景下车牌定位 效果差、字符分割算法受车牌图像质量影响较大、识别算法对低质量字符图 像及汉字识别效果不佳等不足，本专利技术提供了一种适用于复杂背景、分割和 识别不受所拍摄的交通视频图像质量干扰、对汉字的识别效果好的机动车车 牌自动识别方法及其实现装置。本专利技术的上述技术问题主要是通过下述技术方案得以解决的 一种机动 车车牌自动识别方法，该方法包括以下步骤-(1) 对采集的车辆交通视频进行处理，截取视频中相邻的两帧，采用改 进的瞬时差分法，设计以点为中心、固定大小的范围作为差分区域，取该区 域的灰度均值进行差分计算，对差分图像进行滤波及膨胀操作，根据连通域 外接矩形的面积进行过滤，进行多目标的车体区域定位；(2) 对车体区域图像进行处理，包括车体区域图像的灰度化、二值化、数学形态学运算，得到若干个连通区域，利用车牌宽高范围、宽高比率以及 连通域的填充度等特征进行过滤，剔除不符合条件的连通域，得到候选车牌 区域；(3) 将候选车牌区域图像由RGB颜色空间转换到HSV颜色空间，并进 行基于区域色彩距离的彩色边缘检测，利用BP神经网络对候选车牌图像进行 颜色识别，计算任一像素点两个相邻区域的平均色彩距离，若大于阈值"则 认为该像素是一个边缘点；对边缘像素点进行筛选，判断各边缘点的边缘颜 色对是否符合我国标准车牌的颜色搭配，取得真实的车牌边缘点；(4) 结合车牌的纹理特征进行车牌的最终定位，通过判断水平线与彩色 图像边缘的交点个数，得到真实的车牌区域，并对获取的车牌图像进行处理: 包括对灰度化与二值化、倾斜校正、背景色统一、噪声干扰消除等，最终取 得最小车牌区域；(5) 对经过处理的车牌图像结合竖直投影和滴水算法进行字符分割，在 车牌字符间隙区域可取得白色像素投影的局部最小值作为粗分割的依据，若 粗分割得到的字符块宽度超过宽度阈值，则运用滴水算法进行二次精确分割， 寻找字符的闭合边缘轮廓，沿着缝隙进行裁剪，以最左上角和最右下角的边 缘点为基准进行分割及矩形化拓展，并对分割出来的目标字符图像进行筛选， 去除垂直边框、铆钉、分隔符等非字符图像；(6) 根据水平和垂直两个方向字符像素的分布将字符图像归一化为 32xl6像素大小，字符区域背景为黑色，字符前景为白色，将归一化后的字符 点阵的每个像素点作为一个网格，提取字符图像的原始粗网格特征；(7) 使用经过训练的BP神经网络实现车牌字符的准确识别，根据我国 车牌的实际特点，设计本文档来自技高网...

【技术保护点】
一种机动车车牌自动识别方法，其特征是在所述方法包括以下步骤：　（１）处理采集的车辆交通视频，进行运动多目标车体区域定位；　（２）处理车体区域图像，获取候选车牌区域图像；　（３）将候选车牌区域图像由ＲＧＢ颜色空间转换到ＨＳＶ颜色空间，并进行彩色边缘检测和颜色识别，以获取真实的车牌边缘点；　（４）结合车牌的纹理特征进行车牌的最终定位，最终获取最小车牌区域；　（５）结合竖直投影和滴水算法对经过处理的车牌图像进行字符分割，去除非字符图像；　（６）将字符图像归一化，提取字符图像的原始粗网格特征；　（７）使用经过训练的ＢＰ神经网络实现车牌字符的准确识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：朱信忠，赵建民，徐慧英，胡承懿，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：33[中国|浙江]