本发明专利技术涉及一种基于复杂背景下的车牌自动定位和识别方法，采集的图像可以由交警或者管理人员应用数码相机在各种工作条件下随时拍摄汽车图片而并非固定在某个位置或者路口进行采集，针对这些随机情况实现车牌的自动定位和识别。该方法按以下步骤进行：采集车牌图像；对彩色图像进行转换；获取车牌图像边缘信息；获取候选车牌区域图像；精确定位出车牌字符区域；对字符进行单字符分割；最后，使用BP神经网络实现车牌字符的识别。本发明专利技术可有效的提取出复杂背景下的车牌图像，具有准确度高等优点。
【技术实现步骤摘要】
本专利技术涉及一种车牌的定位和识别方法，特别是涉及ー种基于复杂背景下的车牌自动定位和识别方法。
技术介绍
车牌自动识别系统(License Plate Recognition, LPR)是ITS实际应用中的重要组成部分，在交通控制和监视系统中占有重要的地位。LPR在现代社会生活中应用于很多方面，从最开始的停车场车辆管理、违章车辆查询、高速路收费系统、小区出入登记情况这些静态或低速车牌识别系统发展到交通岗车辆的违规行驶、高速路监测等运动中的牌照识别系统，这就使得LPR技术在保证牌照识别准确的同时要求系统兼具更好的实时性。车牌识别系统的关键技术包括车牌的定位、字符的分割和识别，各部分的算法已经很成熟，国外起步比较早，典型代表有R. Mullot等开发了集装箱识别系统，并成功使用·到LPR中，这种LPR技术主要是利用字符纹理对车牌进行定位与识别；EUnRyUng等利用图片颜色特征进行车牌的定位识别；D. ff. Tindail利用车牌反光的原理开发出ー种车牌识别系统，该系统可自动识别全部5种英国格式的车牌。国内典型代表有浙江大学的张引提出了彩色图像边缘检测算子Prewitt和彩色边缘检测与区域生成相结合的牌照定位算法；清华大学的陈寅鹏提出了一种综合多种特征的车牌定位算法和一个基于模板匹配的字符分割算法；天津大学的李刚等提出一种基于数学形态学的车牌定位的算法；四川大学的王娟等提出了基于改进的形态学二分法的车牌定位方法。正常情况即没有复杂背景的干扰下，车牌区域的纹理信息是比较清晰的，但是在复杂背景、光照变化这些不利因素影响下的车牌识别系统仍是难点，固定在某个位置或者路ロ获取汽车图像在环境、背景上都显得单一，而且违章的车辆往往会出现在没有摄像头的地方，这给交警和管理人员带来了麻烦，所以交警和管理人员可以利用数码相机采集图像，这种采集方式具有随机性，但是汽车图片的环境和背景就会比固定摄像采集要复杂的多，因此设计一套系统可以针对不同的复杂背景中的车牌进行定位、分割和识别具有非常大的实际意义。
技术实现思路
专利技术目的本专利技术涉及ー种基于复杂背景下的车牌自动定位和识别方法，其目的是设计出一种可以针对非固定摄像头即利用数码相机，在随走随拍的情况下不同的环境(包括睛天、阴天、黑天)、背景(广告牌、光照不均等)中的汽车图像进行车牌区域定位、字符分割和字符识别的方法。通过对图库进行实验验证算法的可行性，可以依据算法进行嵌入式系统的研究，最終实现对摄像头监测不到的违章车辆进行实时检测和记录，减轻了交警和管理人员的工作量。技术方案本专利技术是通过以下技术方案来实现的ー种基于复杂背景下的车牌自动定位和识别方法，其特征在干图像采集是由交警或者管理人员在各种工作条件下随时拍摄的汽车图片，而不是固定在某个位置或者路ロ的图像获取方式，这种采集方式具有随机性，针对这些复杂背景下采集的汽车图片进行车牌定位、字符分割和识别，该方法步骤如下(I)对车牌进行定位采集车牌图像，并将数码相机随机采集的车牌图像输入到计算机中，对车牌图像进行处理，包括汽车图像的倾斜校正、车体区域图像的灰度化、边缘检测、阈值分割、形态学运算，得到若干的连通区域，根据投影法搜索车牌区域，利用车牌宽高比、面积等牌照特有的性质对牌照区域进行修正，得到候选车牌区域图像，具体步骤如下I)由于采集到的图像可能出现偏转，需要对这部分的图像采用Radon变换对倾斜的车牌图像进行校正，先计算倾角，然后对倾斜图像利用坐标变换公式进行校正，如公式(I)和(2)所示；为了进行对牌照图像的旋转，首先选定旋转中心，以车牌照图像几何中心 位置作为旋转中心来进行旋转；将汽车的图像转化为ニ值图；取角度从O到179度，每次增加I度，对ニ值图像作Radon变换；在所有Re (f )结果中取最大值；找到与该最大值对应的角度Θ ;由于Θ与图像的倾斜方向垂直，取逆时针为正方向，得出图像的倾斜角度为Θ -90° ；i e(x ) = j /(X'cos沒-少'sin沒,X'sin沒+ 少'cosの办’(1)，I X = Xcos^ + Vsin^,1、彳，,(2)； I V = -X sin ^ + V cos 沒2)利用公式gray = O. 299R+0. 587G+0. 114B对车牌图像进行灰度计算；3)为找到车牌区域，首先要加强车牌区域的边缘梯度信息，利用改进累积绝对差分算法对车牌图像的灰度信息进行垂直边缘检测，对于点(i，j)对应的灰度值为f(i，j)，则该点相邻的上、中、下方向上像素点表示为(i，j_l)、(i，j)、(i，j+1)所对应的灰度值为f(i，j_l)、f(i，j)、f(i，j+1)，对应算法为公式(3)E(i,j) = I f (i, j+l)-f (i, j)-(f (i, j) (3)；-f (i，j-1) )-(f(i, j+1) -f (i，j-D )4)得到了灰度图像的垂直边缘点，再利用归ー化公式(4)，将边缘灰度信息归ー化E(i,j) = (255/(max(i, j)-min(i, j)) (4)*(E(i, j)_min(i, j)))式中，max(i, j)为E(i, j)中的最大灰度级，min(i, j)是最小灰度级；5)对归ー化后的边缘图像求出边缘像素密度作为初始阈值T公式(5)，然后利用公式(6)进行形态学闭运算，针对边缘图像数学形态学处理后的ニ值图像求阈值Average如公式(7),分割的阈值利用Average对初始阈值进行修正T-Average,由于大量实验表明车牌的边缘密度占整个图像的3%左右，因此利用公式(5) (7)循环判断T-Average的值，当T-Average = O. 03左右,循环停止,这样找到的阈值更具有通用性,可针对多种复杂情况的图片实现阈值分割；本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于复杂背景下的车牌自动定位和识别方法，其特征在于图像采集是由交警或者管理人员在随机的情况下拍摄的汽车图片，采集的方式不是固定在某个位置或者路口，而是随走随拍的方式，这种采集方式具有随机性，针对这些复杂背景下采集的汽车图片进行车牌定位、字符分割和识别，该方法步骤如下 (I)对车牌进行定位将数码相机随机采集的车牌图像输入到计算机中，对车牌图像进行处理，包括汽车图像的倾斜校正、车体区域图像的灰度化、边缘检测、阈值分割、形态学运算，得到若干的连通区域，根据投影法搜索车牌区域，得到候选车牌区域图像，具体步骤如下 1)由于采集到的图像可能出现偏转，需要对这部分的图像采用Radon变换对倾斜的车牌图像进行校正，先计算倾角，然后对倾斜图像利用坐标变换公式进行校正，如公式(I)和(2)所示；为了进行对牌照图像的旋转，首先选定旋转中心，以车牌照图像几何中心位置作为旋转中心来进行旋转；取角度从0到179度，每次增加I度，对汽车的二值图像作Radon变换；在所有Re (X')结果中取最大值；找到与该最大值对应的角度e ;由于e与图像的倾斜方向垂直，取逆时针为正方向，得出图像的倾斜角度为9-90° ； R0 (x ) = f f(x cos8- y sin ^,x sin^ + ^ cosd)dy(1)， J-CO I x = xcos^ + _ysin^(2) = _x sin 沒 + 少 cos 0 2)利用公式gray= 0. 299R+0. 587G+0. 114B对车牌图像进行灰度计算； 3)为找到车牌区域，首先要加强车牌区域的边缘梯度信息，利用改进累积绝对差分算法...
【专利技术属性】
技术研发人员：石佳，张志佳，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。