对道路图像进行车牌识别的方法和系统技术方案

描述了一种进行车牌识别的方法和系统，该方法可以为智能交通系统提供支持，并能广泛应用在停车场，收费卡口，刑事缉拿等方面。方法主要包括定位、字符分割、字符识别三个阶段。有较高的识别率，能够应对较复杂的环境并能达到实时处理的要求。系统封装了上述方法，并提供了不同的参数，可灵活使用。便于分布，批量处理数据。

【技术实现步骤摘要】

本专利技术属于数字图像处理及模式识别
，具体涉及一种对道路图像进行车 牌识别的方法和系统。
技术介绍
近年来，随着计算机及互联网技术的飞速发展，各种机动车数量的迅猛增长，各类 信息包括与交通相关的信息呈现爆炸式增长的态势，为了能够更加安全、高效的管理这些 信息，智能交通系统(Intelligence Transportation System)应运而生。智能交通系统可 以在收费卡口，停车场，刑事追踪等方面展现出强大的作用，而对车牌的检测和识别是其最 为核心的组成部分。目前，虽然现在已经有了很多相对成熟的车牌识别产品，但是更高的准确率，更少 的耗时，依然吸引着人们去不断进行研究。实际上，随着相关领域的新发展，例如新的底层 特征的专利技术，更好的分类算法的提出等，都为车牌识别算法的改进提供了新的机会。另外， 现在商用的车牌识别系统大多只对特定的条件下有比较好的效果，例如特定的光照，距离， 角度，车牌制式(包括颜色、格式、文字)，而在变化了的环境下系统的准确率可能会大大降 低甚至失效，还没有哪个系统可以在各种不同的条件下做到健壮稳定(与人识别车牌的能 力还有很大差距)。在本文的第三部分会对关于这方面的一篇文章进行专门讨论。再有，对 于自然条件拍摄的图片和视频，例如手持或车载摄像机拍摄下来的，进行车牌检测与识别 也是一个值得研究的方向。目前存在的一些车牌识别技术中，大都将整个识别分为三个过程，如图1所示，为 b车牌定位，c车牌字符分割，d车牌字符识别。其中对于b，使用的技术种类繁多，虽然可以分成几类，但类之间的界限并不是很 明显。大致有如下一些方法:A边缘检测后二值化，这个是使用的最多的一种方法，它在与 数学形态学方法结合后，就已经能够得到比较好的就结果了。很常用的一个边缘检测算子"-ι ο Γ是纵向sobel算子。它的计算式为-2 0 2，而纵向边缘检测相较于横向，它的优势，而纵-1 0 1_向边缘检测相较于横向，它的优势在于一个含有车牌的图像中车的横向边缘较多，而车牌 上字符的纵向边缘较多。这种方法计算快速，效果较好，但是一个很大的缺点就是难以处理 复杂的图像，如何有效地去除不相关的边缘信息，(例如车辆进气口，灯光区域，周围树木， 粗糙的地面等)，是一个非常关键的问题.B数学形态学操作，主要是腐蚀、膨胀，开闭运算 等。C连通区域分析(CCA)，最典型的是四连通和八连通方法以及各种聚类方法，与连通区 域目的相同，分出一些候选区域。D分块分析。将图像分为若干块，分别计算其均值、方差、 边缘信息等特征。滑动窗口。与分块思想类似，但是是逐点计算特征的。E彩色图像处理， 依据RGB颜色信息。F各种分类器，包括Ada-Boost，SVM, ANN, GP, GA等。对于c，现在的技术分为如下几类。A 二值图像处理投影方法。是当前各种文献中使用最多的一种技术，通常的做法是先进行横向投影，剪切掉上下区域；然后进行纵向投 影，切分出每一个字符。B局部自适应二值化。在很多文章中局部自适应二值化或者类似的 方法，它通过分块、逐点或者分字符来计算某一区域内的均值，对比度等特征，然后分别进 行二值化。出C倾斜校正方法。种类比较多，有利用HT定位车牌框的，也有使用颜色信息 的，还有直方图分析的。D层次分割与合并、分裂方法。E数学形态学，腐蚀、膨胀运算。车 牌字符分割这一步其实难度是比较大的，因为如果分割失误或者二值效果不好，后面的字 符识别很有可能就会失效。而不同的光照条件，车牌周围的近似颜色或形状，不同的车牌制 式，都会制约着车牌字符分割的方法，使得目前难以产生极其健壮的分割技术。多数方法都 还只是在特定情况下表现出良好的性能。对于d，0CR(光学字符识别)是模式识别领域的一个重要分支，它的目标是将图像 形式的各种文字识别为文本形式下的。车牌字符识别便是OCR的一种特殊形式，车牌字符 识别的过程可以简化为特征提取与特征匹配。针对字符图像的特征提取的方法多种多样， 有逐像素特征提取法、骨架特征提取法、垂直方向数据统计特征提取法、基于网格的特征提 取法、弧度梯度特征提取法等很多。另外不进行特征提取，或者说将字符图像的黑白值直接 作为特征，依靠分类器的强大分类能力进行识别，也是一种可以采用的方式。而特征匹配的 方法，主要分为以下三种A.基于统计/混合/分层次的分类器B.ANN. C.模板匹配法.其 中ANN是最为常见的且性能较优的。
技术实现思路
本专利技术的目的在于提供一种对静态图像进行车牌识别的方法和系统，旨在解决智 能交通系统(ATI)中的核心问题，获取监控图像中的车牌号码，为后面更深层次的应用做 准备。本专利技术提供的所述车牌识别的方法，包括车牌定位，车牌字符分割和车牌字符识 别三个步骤；所述车牌定位，是对输入的图像进行分割，得到一组车牌候选区。它的输入为一张 图片，大小任意，然后进行预处理，基于DBSCAN的聚类两个步骤，输出一组车牌候选区；所述预处理过程的任务是对原始彩色图像进行处理，生成一张包含边缘信息的二 值图像。它包括图像灰度化，sobel纵向边缘检测+车牌颜色增强，图像二值化三个步骤。所述的sobel纵向边缘检测+车牌颜色增强，是对全图进行sobel纵向检测，在检 测过程中，对于边缘信息p (x，y)，若> K，对其周围x*x邻域进行扫描，对其中每一行，如有 车牌颜色出现，则增强P(x，y)10% ；实施例中K = 30，x = 7 ；这里的车牌颜色只各种车牌 中可能出现的颜色集合。所述基于DBSCAN的聚类是使用DBSCAN密度聚类方法对二值图片进行聚类，将所 有的点划分为几个高密度区，超过一定阈值T的区域称为候选区，阈值T根据实际的场景 大小通过调试而确定。这里将临界半径分为RH和RW，表示长宽方向上的半径，一般RW = 3*RH ；实施例中取RH = 10，RW = 30，T = 300 ；然后计算各个区域的属性，包括长、宽，长宽 比等，删除区域两侧过少的点。最后对候选区的属性进行判断，排除不合形状的区域，输出 可能的候选区。所述的车牌字符分割，是对车牌候选区分别进行字符的分割，删除错误候选区，对每个其他候选得到一组字符块。它包含二次预处理和基于投影的分割两个步骤；所述二次预处理过程，是先对区域图片进行灰度化，然后利用均值阈值将其二值 化，最后通过水平投影，寻找投影图中上下低谷区域，认为其为无用区域，删除之。得到二值 车牌局部图像。所述基于投影的分割，它的输入为二值车牌局部图像，输出是一组图像字符块，通 常为7个(车牌上的字符数)。首先进行垂直投影，认为波谷区为无用区，其它为字符区，以 此划分出若干区域。然后对于区域进行分析判断，以排除非车牌区域。最后再对每一字符 图像切除上下空白。生成一组字符区域。所述车牌字符识别，是对每组字符块进行识别，排除错误候选区，生成识别出的车 牌号码，车牌颜色以及车牌区域坐标。它的输入为单个二值区域，输入是识别出来的字符， 包括汉字、数字和字母。首先如果区域的宽高比> 4，其区域内点密度大于某一阈值，则直 接识别该字符为1。然后将整个二值图像序列作为特征，带入各自分类器进行分类，输出结 果。如果识别的字符不为7个，则认为其为非车牌区域。最终生成识别出的车牌号码，车牌本文档来自技高网...

【技术保护点】
一种对道路图像进行车牌识别的方法，其特征在于，包括车牌定位，车牌字符分割和车牌字符识别三个步骤；所述车牌定位，是对输入的图像进行分割，得到一组车牌候选区；所述车牌字符分割，是对车牌候选区分别进行字符的分割，删除错误候选区，对每个其他候选得到一组字符块；所述车牌字符识别，是对每组字符块进行识别，排除错误候选区，生成识别出的车牌号码，车牌颜色以及车牌区域坐标。

【技术特征摘要】

【专利技术属性】
技术研发人员：金城，王琰滨，冯瑞，薛向阳，
申请(专利权)人：复旦大学，
类型：发明
国别省市：31[中国|上海]