[發明專利]一種基于最大穩定極值區域的車牌檢測與識別的方法

有效

• 申請號: 201010191625.2
• 申請日: 2010-06-03
• 公開（公告）號: CN101859382A
• 公開（公告）日: 2010-10-13
• 發明（設計）人: 牛海軍;楊夙
• 申請（專利權）人: 復旦大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/36;G06T7/00
• 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

1.一種基于最大穩定極值區域的車牌檢測與識別的方法，其特征在于具體步驟為：

步驟1.把待檢測圖像轉換成灰度圖像提取仿射不變特征區域——最大穩定極值區域，得到候選車牌文字區域，這些區域包括大量非車牌文字區域；

步驟2.對于每個極值區域，找到它最左邊，最右邊，最上邊和最下邊的像素位置，即得到包含該極值區域的最小矩形框；

步驟3.對于該矩形框圍成的子圖像，進行按比例縮放圖像操作，得到大小為24×48像素的子圖像；

步驟4.設計一組Gabor濾波器用于提取該子圖像的紋理特征；

步驟5.利用事先訓練得到的分類器進行判別，該分類器的輸出結果為1或0，輸出1表示判斷為真，表明該極值區域為類似“文字”區域，反之是假，表明該極值區域為“非文字”區域；

步驟6.對于步驟5得到的所有類似“文字”區域，計算它們的重心坐標(x₀，y₀)，公式如下：

x0=1|R|Σ1≤i≤|R|xi]]>

y0=1|R|Σ1≤i≤|R|yi]]>

其中，R代表類似“文字”區域，|R|為由類似“文字”區域內所有像素組成的集合的勢，即該區域內像素點的個數，i表示該區域內第i個像素點，(x_i，y_i)為該區域內第i個像素點的坐標；區域重心是根據所有區域中的點計算而來的；

步驟7.按照區域重心的行號對這些類似“文字”區域進行排序；

步驟8.根據車牌字符具有近似相同的高度或寬度，并且其重心近似成一條直線等車牌本身固有的幾何特征和字符排列格式特征，對這些類似“文字”區域的空間位置關系進行分析，得到一個區域集合，該集合內包含的“文字”區域的個數最多，則認為該集合構成的子圖像是車牌；

步驟9.對于車牌子圖像內根據Adaboost算法判別為“文字”的區域，按照區域重心的列號進行排序；

步驟10.對于車牌子圖像內每個“文字”區域，按照步驟2的方法，得到包含該“文字”區域的最小矩形框圍成的子圖像；

步驟11.對該子圖像進行二值化處理，并進行按比例縮放圖像操作，得到大小為48×96像素的圖像；

步驟12.對該子圖像進行邊緣檢測，并提取一組邊緣輪廓點；

步驟13.對邊緣像素點進行精簡，方法為：檢查全部點對的距離，每次去除距離最小的點對中的一個點，直至剩下的點的數量達到要取樣的點的數量，規定該數量為100；

步驟14.對于步驟10得到的子圖像，定義為P，計算形狀上下文特征；形狀上下文的計算方法為：考慮形狀P的參考點p_i，對形成的以其為始點，以其余點為終點的矢量集合，構造這個集合的相應的形狀直方圖描述：即將整個集合視為一個空間，對空間按照角度和距離進行劃分，角度空間分為12份，距離按照log₂r劃分為5份，形成12×5的子空間，并對形成的各個子空間進行統計描述：

h_i(k)＝#{q≠p_i∶(q-p_i)∈bin(k)}

其中，#表示計數，bin表示劃分后的子空間，k∈{1，2，...，K}，K為劃分以后子空間的數目，得到點p_i的含有60個分量的形狀直方圖，稱為該點對應的形狀上下文；

步驟15.將該子圖像與模板庫中的每一個模板逐一比較，假設字符模板圖像為Q，字符Q的第q_j個點的形狀上下文為h_j(k)，計算P和Q之間的相似度，采用χ²分布距離來計算，得到匹配代價C(p_i，q_j)(p_i∈P，q_j∈Q)，

C(pi,qj)=12Σk=1K[hi(k)-hj(k)]2hi(k)+hj(k)]]>

從而得到匹配代價矩陣C：

C(p1,q1)C(p1,q2)...C(p1,qn)C(p2,q1)C(p2,q2)...C(p2,qn).........C(pm,q1)C(pm,q2)...C(pm,qn)]]>

m為P內點的個數，n為Q內點的個數；

步驟16.基于匹配代價矩陣C，進行點的匹配操作，P的點集：{p₁，p₂，…，p_m}和Q的點集：{q₁，q₂，…，q_n}，通過最小化如下匹配代價公式來獲得P和Q點集的一個對應關系π(i)：

H(π)=ΣiC(pi,qπ(i));]]>

步驟17.計算P和Q之間的形狀上下文距離；

步驟18.根據形狀上下文距離大小，從小到大排序，距離最小的模板為匹配的模板，輸出該模板作為識別結果。