车辆牌照字符和颜色联合识别方法技术

本发明专利技术公开了车辆牌照字符和颜色联合识别方法，包括以下步骤：1）在图像中定位车牌区域；2）将车牌区域划分为字符区域和背景区域；3）对背景区域进行颜色识别，对字符区域进行字符识别。与现有技术相比，本发明专利技术的有益效果是，快速地实现了字符的识别与颜色的联合识别，识别准确性比其它方法有所提高，且两种识别结果都实现了。其总体的字符识别率已达国际领先水平，达到98%，车牌颜色识别非常准确。

【技术实现步骤摘要】

本专利技术属于“计算机视觉”与“模式识别”领域，尤指一种车辆牌照的识别方法。
技术介绍
随着经济的发展，汽车越来越多，汽车的普及已成为必然的趋势。交通管理的自动化、智能交通系统是21世纪世界道路交通的发展趋势。公路交通基础建设的不断发展和车辆管理体制的不断完善，为以视觉监控为基础的智能交通系统的实际应用打下了良好的基础。在智能交通系统中，车牌自动识别系统是一个非常重要的发展方向。随着车辆全自动监控系统的需求量增加，市场迫切需要性能更好的能提供全面信息的车牌识别系统，需要能同时识别字符与颜色。然而，目前还未见有能同时识别字符与颜色的车辆牌照识别方法。
技术实现思路
针对现有技术存在的问题，本专利技术的目在于提供一种能准确识别车牌上的字符，同时也能识别车牌的颜色的车辆牌照识别方法。为实现上述目的，本专利技术的，包括以下步骤:I)在图像中定位车牌区域；2)将车牌区域划分为字符区域和背景区域；3)对背景区域进行颜色识别，对字符区域进行字符识别。进一步，步骤I)具体包括:车牌区域预定位和车牌区域最终定位。进一步，所述车牌区域预定位具体包括:根据频谱在图像中搜索矩形区域，根据该矩形区域的尺寸特征判断该矩形区域是否为车牌区域。进一步，在经过尺寸特征判断的矩形区域中提取字符形状特征、字符排列线性度特征、字符笔画宽度一致的特征，并进一步判断该矩形区域是否为车牌区域。进一步，所述车牌区域最终定位具体包括:对经过车牌区域预定位得到的车牌区域进行灰度化、去边框、去镏钉；然后，采用一种垂直投影、连通区域、位置模板相结合的方法，把字符分割出来，根据分割出的字符个数进一步判断是否为车牌区域。进一步，步骤2)具体包括:在定位车牌区域中，找到字符定义为字符区域，对非字符笔画的车牌区域定义为背景区域。进一步，步骤3)中背景区域的颜色识别方法具体为:统计车牌背景区域内每个像素点，然后统计车牌背景区域内每个像素点的颜色，根据车牌背景区域内不同颜色像素点数目的比较结果判断车牌颜色。进一步，统计车牌背景区域内每个像素点的颜色方法为:把每个像素点的RGB值转为HSV颜色值，并用分类器进行分类，然后统计各种颜色分别有多少个像素点。进一步，步骤3)中字符区域的字符识别方法具体为:将车牌区域中每个字符提取出来，对字符尺寸进行归一化，并提取字符的Gabor统计特征，之后用SVM或多层神经网络进行分类。与现有技术相比，本专利技术的有益效果是，快速地实现了字符的识别与颜色的联合识别，识别准确性比其它方法有所提高，且两种识别结果都实现了。其总体的字符识别率已达国际领先水平，达到98%，车牌颜色识别非常准确。附图说明图1为本专利技术的的流程图。具体实施例方式以下结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不限制本专利技术的保护范围。本专利技术提供了一种，它能准确识别车牌上的字符，同时也能识别车牌的颜色。如图1所示，本专利技术所采用的技术方案是:先进行车牌预定位，然后进行字符分割判断车牌区域，再识别车牌颜色与车牌字符，最后输出识别结果。首先进行车牌预定位，在图像中搜索频谱比较高的矩形区域，判断这个区域的尺寸特征，只有满足宽是高的2倍以上的才能作为车牌。在这个区域中，提取字符形状特征、字符排列线性度特征、字符笔画宽度一致的特征等信息，进一步判断这个区域是否是车牌。经过车牌预定位后，由于车牌上喷涂有广告等信息，最终判断得出的车牌区域可能有多个，这就需要进行字符分割进一步判断究竟哪一个才是真正的车牌区域。然后进行字符分割，对预定位的车牌区域中，对车牌进行灰度化、去边框、去镏钉等操作。然后，采用一种垂直投影、连通区域、位置模板相结合的方法，把字符分割出来。字符分割用了先验知识，因为车牌的字符大小与间距都是固定的。如果能准确分割找到7个左右的字符，就把这个区域当作车牌，否则就认为它不是车牌。从而在候选车牌区域列表中找到真正的车牌区域。对于车牌颜色的识别，在定位后的车牌区域中，找到字符，对非字符笔画的车牌区域，统计其每个像素点，把每个像素点的RGB值转为HSV颜色值，并用分类器进行分类，然后统计各种颜色分别有多少个像素点，最后像素点颜色最多的，就是车牌颜色。车牌颜色一般有4种，蓝色、黄色、白色、黑色，分类时就4选I判断它属于哪一种颜色即可。对于字符的识别，把每个字符提取出来，对字符尺寸进行归一化，并提取字符的Gabor统计特征，之后用SVM或多层神经网络进行分类。Gabor特征与SVM或神经网络相结合的方法大大提高了识别率，特别是对汉字的识别率。因为Gabor特征具有平移不变性，能体现汉字的特征细节。权利要求1.，其特征在于，包括以下步骤:1)在图像中定位车牌区域；2)将车牌区域划分为字符区域和背景区域；3)对背景区域进行颜色识别，对字符区域进行字符识别。2.根据权利要求1所述的，其特征在于，步骤I)具体包括:车牌区域预定位和车牌区域最终定位。3.根据权利要求2所述的，其特征在于，所述车牌区域预定位具体包括:根据频谱在图像中搜索矩形区域，根据该矩形区域的尺寸特征判断该矩形区域是否为车牌区域。4.根据权利要求3所述的，其特征在于，在经过尺寸特征判断的矩形区域中提取字符形状特征、字符排列线性度特征、字符笔画宽度一致的特征，并进一步判断该矩形区域是否为车牌区域。5.根据权利要求3或4所述的，其特征在于，所述车牌区域最终定位具体包括:对经过车牌区域预定位得到的车牌区域进行灰度化、去边框、去镏钉；然后，采用一种垂直投影、连通区域、位置模板相结合的方法，把字符分割出来，根据分割出的字符个数进一步判断是否为车牌区域。6.根据权利要求1所述的，其特征在于，步骤2)具体包括:在定位车牌区域中，找到字符定义为字符区域，对非字符笔画的车牌区域定义为背景区域。7.根据权利要求1所述的，其特征在于，步骤3)中背景区域的颜色识别方法具体为:统计车牌背景区域内每个像素点，然后统计车牌背景区域内每个像素点的颜色，根据车牌背景区域内不同颜色像素点数目的比较结果判断车牌颜色。8.根据权利要求7所述的，其特征在于，统计车牌背景区域内每个像素点的颜色方法为:把每个像素点的RGB值转为HSV颜色值，并用分类器进行分类，然后统计各种颜色分别有多少个像素点。9.根据权利要求1所述的，其特征在于，步骤3)中字符区域的字符识别方法具体为:将车牌区域中每个字符提取出来，对字符尺寸进行归一化，并提取字符的Gabor统计特征，之后用SVM或多层神经网络进行分类。全文摘要本专利技术公开了，包括以下步骤1)在图像中定位车牌区域；2)将车牌区域划分为字符区域和背景区域；3)对背景区域进行颜色识别，对字符区域进行字符识别。与现有技术相比，本专利技术的有益效果是，快速地实现了字符的识别与颜色的联合识别，识别准确性比其它方法有所提高，且两种识别结果都实现了。其总体的字符识别率已达国际领先水平，达到98%，车牌颜色识别非常准确。文档编号G06K9/34GK103207992SQ201310117698公开日2013年7月17日 申请日期2013年4月7日 优先权日2013年4月7日专利技术者程洪, 庄浩洋, 杨路 申请人:布法罗机器人科技(苏州)有限公司, 电子科技大学本文档来自技高网...

【技术保护点】
车辆牌照字符和颜色联合识别方法，其特征在于，包括以下步骤：1）在图像中定位车牌区域；2）将车牌区域划分为字符区域和背景区域；3）对背景区域进行颜色识别，对字符区域进行字符识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：程洪，庄浩洋，杨路，
申请(专利权)人：布法罗机器人科技苏州有限公司，电子科技大学，
类型：发明
国别省市：