《车牌算法V2.6.3摘要》由会员分享,可在线阅读,更多相关《车牌算法V2.6.3摘要(9页珍藏版)》请在金锄头文库上搜索。
1、第 1 页 共 9 页1车牌先验知识 _22算法的实现框架 _23 算法术语定义 _34. 车牌定位 _74.1 原理 _74.2 车牌模板训练 _74.3 类字符区域分析-第一次预处理 _84.4 候选车牌检测 _85 车身颜色识别 _86 车牌图片倾斜矫正 _86.1 第二次预处理 _86.2 倾斜矫正 _87 字符分割 _87.1 原理 _88 字符识别 _98.1 原理 _98.3 字符识别 _9 =第 2 页 共 9 页车牌自动识别系统实现算法1车牌先验知识国内车牌具有严格的行业规范,车牌算法的实现依据国家最新颁布标准中华人民共和国机动车号牌 GA 36-2007 ,包括车牌的尺寸比
2、例,车牌颜色,文字类型和结构,字符串的字体和比例,都有比较明显的特点。本算法实现不包括大车后挂双排字符车牌,摩托车,农用三轮车,拖拉机及临时用车牌等特殊车牌。以下主要特征指标描述适用大车前号牌,小车,港澳出入境车牌,领馆汽车,教练车,警车,军车。这些车牌统称标准车牌。1) 车牌外轮廓尺寸:440X140 (mm ) ;2) 字符排列:单排 7-9 个字符; 7 位车牌第一个汉字,其余 6 位由大写英文字母(A-Z),数字(0-9), 和汉字(如最后一位警 )组成;武警车牌 9 位 WJ01-12345。3) 字符尺寸:() ,字符间距:12mm, 上下边间距 25mm,该空隙通常覆盖螺钉固定点
3、。 车牌 7 个字符通常分隔 2 段,圆点间隔宽度 34mm。车牌矩形对角线垂直角度 18 度。4) 车牌颜色:黄底黑字,蓝底白字,黑底白字,白底黑字。5) 车牌自动识别系统的输入来自图像采集设备获取的车身正面图片。6) 实时在线识别,系统整体识别时间小于 1 秒,否则会漏检下一辆车。7) 全天候工作。2算法的实现框架车牌识别系统包括以下几个子系统组成。 车身颜色识别与其它子系统并行处理;其余部分皆顺序执行。第四次预处理(非线性归一化) 字符识别(多尺度方向特征)识别结果4.6C字符灰度图片原始图-mage(RGB)第一次预处理(类字符区域识别)车牌粗定位(候选车牌检测)A 车牌颜色45车身颜
4、色1. 车身颜色识别子系统(HSI 直方图模型)2. (A字符分割BBC4.5第三次预处理(清除残余背景干扰) 分割位置二值车牌第二次预处理(高通滤波和二值化)彩色车牌4.4倾斜校正(水平和垂直)二值车牌BA =第 3 页 共 9 页3 算法术语定义在识别系统中使用了多种数学变换和算子,应用的公式和名称皆来自行业专业定义,详细原理证明可查询有关文献。颜色模型:从图像采集卡设备获取的车辆图片是一种 RGB 图像,RGB 三个分量有相关性,且容易受到光照的影响,为了便于后续的识别处理,需要将原始图片颜色空间变换到其他更加有效的颜色空间。车牌识别系统使用两种色度空间:HSI 和 YUV。YUV 是电
5、视系统使用的颜色空间模型,灰度图象即是 Y 分量;HSI 也是一种视觉颜色空间,比 RGB 具有更好的识别精度。变换关系如下:RGB 到 YUV 的转换公式:f: RGB-YUV : Y = 0.299R + 0.587G + 0.114BU = -0.147R - 0.289G + 0.436BV = 0.615R - 0.515G - 0.100Bf: RGB-HSI原图为,通道颜色级别,则 RGB 直方图 Bin 数量达到 256x256x256,对于只有四种颜色的车牌表示显然不合适。下面定义 HSI 颜色空间模型及离散化表示,将 RGB 图像转换到 HSI 彩色图像。1 RGB 归一化
6、RGB 规划化,可以消除光照变化的影响,提高颜色识别的稳定性和准确性。如下:4.1BGRbgBGRr ,2 RGB 到 HSI4.2gbifhbgrrACOShgrsbrsii .,),)()(*. ,)(.(,),min*( / 2502 01310252123 HSI 颜色级别离散化If R=G=B 时,1) 黑色:i0.8,则为白色,令 h=315,s=2,i=13) 银灰色:0.5T 时,该点判断为边缘点;T 是一个预定的阀值,根据图像的实际尺寸和质量估计一个常数。统计直方图:图像某个统计量 f(X),遍历分布区域中每个点,对于 u=f(X)的每一个测量值,累计重复出现的次数。例如颜色
7、直方图,灰度直方图,能量分布直方图 etc,用于分析统计量的取值分布。例如灰度直方图定义:P(I )=灰度级 I 的像素数 /区域总的像素数。 数学形式:p(u)=(xi-u),xiX, X 是图像的样本点集合, 是 delta 函数。连通体轮廓提取:二值图像处理中,常需要提取一个闭合曲线或区域的轮廓坐标集合 4.7=x(m),y(m);m=0,1,2N-1,其中 x(N)=x(0),y(N)=y(0);类似一个串联的二维链码表。操作步骤如下:1) 轮廓提取就是掏空内部点。如果 C 内部一点为 0,且他的 8 个相邻点也是 0,则将该点删除。2) 通过顺序找出边缘点跟踪出边界。顺序如下:首先从
8、上到下,从左到右,找到第一个值为 1 的点,是左上方的边界点,记 A。它的右,右下,下,左下四个邻点至少有一个边界点,记 B,从 B 找起,按右,右上,上,左上,左,左下,下,右下顺序找到相邻点种的边界点C,如果 C 就是 A,则转了一圈,跟踪结束。否则继续,直到找到 A。3) 判断 C 点是否边界点: 如果它的上下左右四个邻点都是 0 则不是边界点,否则 C 是边界点。水平:-1-2-1H 0 001 21Gx=(z7+2z8+z9)-(z1+2z2+z3)垂直:-1 0 V -2 0 2-0 1Gy=(z3+2z6+z9)-(z1+2z4+z7)45 度: 21 0R 10-10 -1 -
9、2145 度: 0-1-2S 10-12 -1 0 =第 6 页 共 9 页几何不变矩:对任何二维图像函数,可以定义各种高阶矩,反映图像的平面分布特征。并且这些矩具有旋转,平移不变的特性。 f(x,y) 的p+q 阶矩定义如下:M pq=x pyqf(x,y) f(x,y) 的p+q 阶中心矩定义如下u pq=(x-x) p(y-y)qf(x,y), x=M10/M00, y=M01/M00归一化中心矩: pq = upq/u00 ,=1+(p+q)/2二阶不变矩: 1= 20+ 02 4.8二维Radon变换:假设在平面上定义的二元函数f(x,y )是充分光滑、可积的,并且在充分大的区域之外
10、为零值,设L是平面上任意直线,沿整条L 的线积分,称之为二维Radon正变换,简称Radon变换。算法中常用到Radon变换的方式:中心投影,垂直投影,水平投影。Radon变换的物理意义是将二维图像函数f(x,y)的降维到广义时间序列 F().通过研究新序列F()的特征,获取原图像的关键特征。中心投影:以图像旋转中心为圆点,图像各像素距离圆点最大距离M为积分上限,对该图像做等角度的径向线积分。中心投影变换具有旋转不变性。对于离散二维图像,旋转中心坐标就是图像的不变矩定义的(x,y )。圆点角度公式0是图像主轴的角度,计算公式如下:F(k)= f(x +rcosk,y +rsink), 其中k
11、(0, 0+2 ), k=0,1.N-1. ,等角度径向几分,k-k-1=k+1-k,求和区间:r0,M。M是图像内部距离旋转中心的最大距离。x=M10/M00, y=M01/M00 0=|1/2 arctan (21,1/(2,0-0,2)|, 11, 20,02垂直投影和水平投影,是最简单的形式,常用于检测矩形区域纵向和横向纹理的特征,例如检测车牌矩形边框位置或字符排列间隙的分布。KL变换 (分析法):是一个建立个输入样本集合建立特征向量空间的变换过程,经过变换,可以获得一个维的正交子空间(),该子空间的本征向量对应维空间的最大个特征值,则在子空间的投影是的极小逼近,该投影是子空间的向量。
12、变换主要用样本值构造协方差矩阵,令 ,是待求的正交矩阵;是样本输入向量,则协方差矩阵 ,求 的特征值和特征向量,即可获得正交矩阵。二值图像坐标转换的灰度重建:二值图像的坐标单位是整数量的离散值,当原图像经过坐标转换后,如 Radon 变换,正交子空间的投影,新的坐标值可能不是整数,对应灰度也需要重建,本文采用双曲线插值法。计算方法如下:像素 p 的 4 个近邻像素 a,b,c,d,坐标分别为:(x0,y0) ,(x0+1,y0),(x0,y0+1),(x0+1,y0+1),对应灰度分别: g(a),g(b),g(c),g(d)。计算如下:g(e)=ae*g(b)-g(a)+g(a), g(f)=cf*g(d)-g(c)+g(