[發明專利]對道路圖像進行車牌識別的方法和系統

有效

• 申請號: 201010166981.9
• 申請日: 2010-05-06
• 公開（公告）號: CN101872416A
• 公開（公告）日: 2010-10-27
• 發明（設計）人: 金城;王琰濱;馮瑞;薛向陽
• 申請（專利權）人: 復旦大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/64;G08G1/017
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

技術領域

本發明屬于數字圖像處理及模式識別技術領域，具體涉及一種對道路圖像進行車牌識別的方法和系統。

背景技術

近年來，隨著計算機及互聯網技術的飛速發展，各種機動車數量的迅猛增長，各類信息包括與交通相關的信息呈現爆炸式增長的態勢，為了能夠更加安全、高效的管理這些信息，智能交通系統(Intelligence?Transportation?System)應運而生。智能交通系統可以在收費卡口，停車場，刑事追蹤等方面展現出強大的作用，而對車牌的檢測和識別是其最為核心的組成部分。

目前，雖然現在已經有了很多相對成熟的車牌識別產品，但是更高的準確率，更少的耗時，依然吸引著人們去不斷進行研究。實際上，隨著相關領域的新發展，例如新的底層特征的發明，更好的分類算法的提出等，都為車牌識別算法的改進提供了新的機會。另外，現在商用的車牌識別系統大多只對特定的條件下有比較好的效果，例如特定的光照，距離，角度，車牌制式(包括顏色、格式、文字)，而在變化了的環境下系統的準確率可能會大大降低甚至失效，還沒有哪個系統可以在各種不同的條件下做到健壯穩定(與人識別車牌的能力還有很大差距)。在本文的第三部分會對關于這方面的一篇文章進行專門討論。再有，對于自然條件拍攝的圖片和視頻，例如手持或車載攝像機拍攝下來的，進行車牌檢測與識別也是一個值得研究的方向。

目前存在的一些車牌識別技術中，大都將整個識別分為三個過程，如圖1所示，為b車牌定位，c車牌字符分割，d車牌字符識別。

其中對于b，使用的技術種類繁多，雖然可以分成幾類，但類之間的界限并不是很明顯。大致有如下一些方法：A邊緣檢測后二值化，這個是使用的最多的一種方法，它在與數學形態學方法結合后，就已經能夠得到比較好的就結果了。很常用的一個邊緣檢測算子是縱向sobel算子。它的計算式為而縱向邊緣檢測相較于橫向，它的優勢，而縱向邊緣檢測相較于橫向，它的優勢在于一個含有車牌的圖像中車的橫向邊緣較多，而車牌上字符的縱向邊緣較多。這種方法計算快速，效果較好，但是一個很大的缺點就是難以處理復雜的圖像，如何有效地去除不相關的邊緣信息，(例如車輛進氣口，燈光區域，周圍樹木，粗糙的地面等)，是一個非常關鍵的問題.B數學形態學操作，主要是腐蝕、膨脹，開閉運算等。C連通區域分析(CCA)，最典型的是四連通和八連通方法以及各種聚類方法，與連通區域目的相同，分出一些候選區域。D分塊分析。將圖像分為若干塊，分別計算其均值、方差、邊緣信息等特征。滑動窗口。與分塊思想類似，但是是逐點計算特征的。E彩色圖像處理，依據RGB顏色信息。F各種分類器，包括Ada-Boost，SVM，ANN，GP，GA等。

對于c，現在的技術分為如下幾類。A二值圖像處理投影方法。是當前各種文獻中使用最多的一種技術，通常的做法是先進行橫向投影，剪切掉上下區域；然后進行縱向投影，切分出每一個字符。B局部自適應二值化。在很多文章中局部自適應二值化或者類似的方法，它通過分塊、逐點或者分字符來計算某一區域內的均值，對比度等特征，然后分別進行二值化。出C傾斜校正方法。種類比較多，有利用HT定位車牌框的，也有使用顏色信息的，還有直方圖分析的。D層次分割與合并、分裂方法。E數學形態學，腐蝕、膨脹運算。車牌字符分割這一步其實難度是比較大的，因為如果分割失誤或者二值效果不好，后面的字符識別很有可能就會失效。而不同的光照條件，車牌周圍的近似顏色或形狀，不同的車牌制式，都會制約著車牌字符分割的方法，使得目前難以產生極其健壯的分割技術。多數方法都還只是在特定情況下表現出良好的性能。

對于d，OCR(光學字符識別)是模式識別領域的一個重要分支，它的目標是將圖像形式的各種文字識別為文本形式下的。車牌字符識別便是OCR的一種特殊形式，車牌字符識別的過程可以簡化為特征提取與特征匹配。針對字符圖像的特征提取的方法多種多樣，有逐像素特征提取法、骨架特征提取法、垂直方向數據統計特征提取法、基于網格的特征提取法、弧度梯度特征提取法等很多。另外不進行特征提取，或者說將字符圖像的黑白值直接作為特征，依靠分類器的強大分類能力進行識別，也是一種可以采用的方式。而特征匹配的方法，主要分為以下三種A.基于統計/混合/分層次的分類器B.ANN.C.模板匹配法.其中ANN是最為常見的且性能較優的。

發明內容

本發明的目的在于提供一種對靜態圖像進行車牌識別的方法和系統，旨在解決智能交通系統(ATI)中的核心問題，獲取監控圖像中的車牌號碼，為后面更深層次的應用做準備。