《一种基于特征的车牌定位算法.doc》由会员分享，可在线阅读，更多相关《一种基于特征的车牌定位算法.doc（6页珍藏版）》请在金锄头文库上搜索。
1、一种基于特征的车牌定位算法收稿日期:1999-11-12基于特征的车辆牌照定位算法牛 欣 沈兰荪(北京工业大学 北京100022)摘 要 车辆牌照定位是车辆牌照识别中的重要步骤,文章针对车辆图象的复杂背景及非均匀的光照条件,提出了一种基于特征的车牌实时定位算法。实验结果表明,该算法定位准确率较高,鲁棒性较好。关键词 图象预处理 车牌搜索 车牌定位 车牌特征Abstract:The location of the vehicle license plate is one of the important stepsof the recognition of the vehicle license
2、 plate.In regard to the complex backgroundsof the vehicle images and the varied illumination conditions,a real-time license platelocation algorithm is proposed based on the characteristics of the vehicle licenseplates.The experimental results show that this algorithm is excellent in the accura-cy an
3、d the robustness.Keywords: image preprocessing; vehicle license plate search; vehicle licenseplate location;vehicle license plate characteristics0 引 言现代交通的发展迫切要求实现交通管理的自动化。车辆牌照识别系统作为车辆自动识别的一种重要形式,可用于电子收费、出入控制、车流监控等众多场合,从而提高交通管理自动化的程度,他的相关研究正逐渐受到人们的重视。在车辆牌照识别系统中,牌照区域定位是影响系统性能的重要因素之一,牌照定位准确与否将直接影响字符识别
4、的准确率。以往的牌照定位方法主要包括:J.Barroso等提出的基于水平线搜寻的定位方法1;R.Parisi等提出的基于DFT变换的频域分析方法2;Charl Coetzee等提出的基于Niblack二值化算法及自适应边界搜索算法的定位方法3;这些方法或者对复杂背景及光照条件比较敏感,或者定位速度较慢。为了克服这些缺陷,本文提出了一种基于特征的车辆牌照实时定位算法。实验结果表明,在复杂背景及非均匀光照条件下,该方法能够准确实时地定位车牌。1 车辆牌照定位算法本算法分为图象预处理、车牌搜索和车牌定位三部分。图象预处理就是要获得有用的图象边缘并将其二值化;车牌搜索则是搜索整幅图象以得到有可能包含车
5、牌的若干感兴趣区域;车牌定位则在感兴趣区域中剔除假车牌,提取到真正的车牌。整个算法的流程为如图1所示:输入图象图象预处理车牌搜索车牌定位输出车牌图1 车辆牌照定位算法框图1.1 图象预处理由于车辆图象一般在室外拍摄,其背景往往很复杂,可能包括自然场景中的人、其他车辆、树木、建筑物等,拍摄图象时的光照条件也因拍摄时间、地点、天气等条件的不同而不同。然而车辆牌照却具有不因外部条件变化而变化的特征,即在车牌内有多个(一般情况下为7个)基本成水平排列的字符,字符和牌照底在灰度值上存在跳变,因而在车牌这个矩形区域内有丰富的边缘存在。为此,先对车辆图象进行边缘检测,传统的边缘检测算子如Prewitt算子、
6、而Laplacian算子能够检测出图象的边缘,但是对噪声很敏感,而且计算量较31 基于特征的车辆牌照定位算法牛 欣 沈兰荪大,因此不适用于非均匀光照条件下拍摄的具有复杂背景的车辆图象。为了减少噪声的影响,选用如下一阶微分运算检测原始灰度图象的水平、竖直边缘。fhedge(x,y)= f(x-1,y)-2*f(x,y)+f(x+1,y) (1)fvedge(x,y)= f(x,y-1)-2*f(x,y)+f(x+1,y) (2)式(1)、(2)中f(x,y),fhedge(x,y),fvedge(x,y)分别为原始灰度图象及其水平、竖直边缘图象。比较图象中每点水平、竖直边缘的灰度值,取两者中的最
7、大值作为象素点(x,y)的边缘值,即可得到边缘图象fedge(x,y):fedge(x,y)=max(fhedge(x,y),fvedge(x,y)(3)利用边缘图象的灰度均值和方差,以贝叶斯最小错误准则作为收敛条件得到分割图象的阈值4,将图象二值化,结果图象中白点为目标,黑点为背景。实验结果表明,这种基于一维边缘检测的二值化方法计算量小、计算速度快。图2 图象预处理 在图2中,(a)为原始车辆图象,(b)(c)分别是利用Prewitt算子、Laplacian算子进行边缘检测并二值化的结果,(d)为使用本文方法二值化结果。可以看出,该方法能够有效的保留车牌区域的边缘,并减少噪声点所造成的伪边缘
8、。1.2 车牌搜索虽然车牌区域含有丰富的边缘,但其边缘并不一定连续,不利于跟踪,因此首先对获得的二值化图象(图2(d)作数学形态学闭运算,使车牌成为连通区域,进而将车牌作为一个整体而非几个字符来分析。闭运算结果如图3(a)所示。然后对图象中的连通区域进行标定,记录每个连通区域的最左、最右、最上、最下位置象素点的坐标,分别记为Left、Right、Top、Bottom。利用上述坐标计算所标定区域的宽度、高度以及宽高比例,分别记为xWidth,yHeight和Ration,计算式为:xWidth=Right-Left; (4)yHeight=Bottom-Top; (5)Ration=xWidth
9、/yHeight; (6)对训练图象的统计表明,车牌的宽度和高度值在一定的范围内变化。在实物中,某一类车牌的宽高比是固定的,但经过数学形态学闭运算之后车牌宽高比不可能完全等同于实物车牌的宽高比,而且由于不同类的车牌具有不同的宽高比,因此,车辆图象中的车牌宽高比例也是在一定的范围内变化。根据车牌上述特点对所标定区域的三种参数进行判定,若它们均在某一特定的阈值范围内,则该区域为侯选车牌,否则,该区域不是侯选车牌。实验中选取的最大、最小高度分别为76、20个象素点,最大、最小宽度分别为155、30个象素点,最大、最小宽高比为4、1.65。图3(b)为车牌搜索所得到的两个侯选区域,图中将其原始灰度图象
10、分别显示于两个矩形框内,图象其它部分置黑。图3 车牌搜索与定位1.3 车牌定位经过车牌搜索之后,一般会得到多个侯选车牌,其中可能包括车牌、车身其它部位及某些背景等。图3(b)中所示侯选车牌为车牌及车牌上方某32交通与计算机 2000年第1期 第18卷(总第90期) 一区域。在车牌定位过程中采用投影法可剔除假车牌,定位真车牌。对侯选车牌按行(列)计算每点灰度值的总和,即得到该行(列)的灰度投影值。把侯选车牌区域的每行(列)的灰度投影值都统计出来,即可得到侯选车牌整个区域的水平(垂直)投影。在牌照定位过程中,首先对侯选车牌做垂直投影,图3(d)、3(f)分别为图3(c)、3(e)在垂直方向上的投影
11、。根据车牌其垂直投影在字符所在处呈现“峰”这一特点,对侯选车牌的垂直投影图进行分析,首先对临近峰进行合并、过窄峰进行删除,然后统计投影图中峰的个数来判断侯选车牌是否为真。分别对投影图图3(c)、3(e)进行投影分析,即定位出真正的车牌为图3(c)。2 实验结果实验所用车辆图象为在自然场景中拍摄的320*240像素256级的灰度图象,其中牌照包括普通牌照(底色为蓝、黑、黄),军用牌照(底色为白),武警牌照(底色为白)。图象中牌照大小不一,背景包括人、其它车辆、树木、建筑物等。训练集中包含50幅图象,其中漏检2幅,误检1幅,正确检出47幅;测试集包含160幅图象,其中漏检8幅,图4 部分实验结果误
12、检5幅,正确检出147幅。定位时间为平均860ms/幅。图4为部分实验结果,其中图4(a)、图4(b)、图4(c)、图4(d)分别为轿车、警车、公共汽车、面包车的牌照定位结果,图4(e)、图4(f)、图4(g)、图4(h)分别为光线较暗、较亮、车牌倾斜、车牌尺寸较大时的定位结果。3 结 论本文所提出的车辆牌照定位算法对边缘图象进行数学形态学闭运算,然后从侯选车牌中定位出真正车牌,算法复杂度低,能够满足实时定位的要求;而且该算法对复杂的背景以及非均匀的光照条件并不敏感,具有较好的鲁棒性。参考文献1 J.Barroso,A.Rafael,et al.Number plate reading us-
13、ing computer vision.In Proc.IEEE International Sym-posium on Industrial Electronics.Portugal.19972 R.Parisi,et al.Car Plate Recognition by Neural Net-works and Image Processing.In Proc.IEEE ISCAS.USA,19983 Charl Coetzee,et al.PC Based Number Plate Recogni-tion Systems.In Proc.IEEE International Symposiumon Industrial Electronics.19984 J.Kittler,et al.Minimum Error Thresholding.PatternRecognition.1986,19(1)33 基于特征的车辆牌照定位算法牛 欣 沈兰荪
