《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(
