[發(fā)明專利]一種基于最大穩(wěn)定極值區(qū)域的車牌檢測與識(shí)別的方法

有效

• 申請?zhí)枺?/td>: 201010191625.2
• 申請日: 2010-06-03
• 公開（公告）號(hào): CN101859382A
• 公開（公告）日: 2010-10-13
• 發(fā)明（設(shè)計(jì)）人: 牛海軍;楊夙
• 申請（專利權(quán)）人: 復(fù)旦大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): 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

技術(shù)領(lǐng)域

本發(fā)明屬于模式識(shí)別與圖像處理技術(shù)領(lǐng)域，具體涉及一種基于最大穩(wěn)定極值區(qū)域的車牌檢測與識(shí)別的方法。

背景技術(shù)

伴隨著世界各國汽車數(shù)量的增加，城市交通狀況日益受到人們的重視。如何有效地進(jìn)行交通管理，越來越成為各國政府的相關(guān)部門所關(guān)注的焦點(diǎn)。在這種情況下，車輛的自動(dòng)檢測作為信息的來源，越來越受到人們的重視。車牌自動(dòng)識(shí)別技術(shù)作為車輛檢測系統(tǒng)的一個(gè)重要環(huán)節(jié)，在交通監(jiān)視和控制中占有很重要的地位，可應(yīng)用于道路交通流監(jiān)控、交通事故現(xiàn)場勘測、交通違章自動(dòng)記錄、高速公路自動(dòng)收費(fèi)系統(tǒng)、停車場自動(dòng)安全管理、智能園區(qū)管理等領(lǐng)域。同時(shí)，車牌識(shí)別的方法還可應(yīng)用到其它識(shí)別領(lǐng)域，因此車牌識(shí)別問題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問題之一。

車牌識(shí)別技術(shù)的關(guān)鍵在于三部分：車牌檢測、車牌字符分割和車牌字符識(shí)別。

車牌檢測是車牌識(shí)別技術(shù)中最關(guān)鍵的一步，車牌檢測就是從包含整個(gè)車輛的圖像中找到車牌區(qū)域的位置。參考文獻(xiàn)[1]F.Martin提出了基于形態(tài)學(xué)算子“top-hat”的檢測方法，能夠找到圖像中有著顯著不同亮度的較小目標(biāo)。該算法檢測率達(dá)80％。可是，由于形態(tài)學(xué)操作與二值圖像中物體的大小有關(guān)，該算法高度依賴于攝像機(jī)與車牌圖像之間的距離。參考文獻(xiàn)[2]B.Hongliang和L.Changping提出一種基于邊緣點(diǎn)統(tǒng)計(jì)和數(shù)學(xué)形態(tài)學(xué)的混合車牌檢測算法，用于高速公路收費(fèi)管理系統(tǒng)。該方法分為四個(gè)部分：垂直邊緣檢測，邊緣統(tǒng)計(jì)分析，分級(jí)車牌檢測和基于形態(tài)學(xué)的車牌檢測。平均準(zhǔn)確率高達(dá)99.6％(9825個(gè)圖片中精確檢測的有9786)。該方法采用的實(shí)驗(yàn)數(shù)據(jù)均為從固定距離和角度采集的圖像，因此給予特檢測置的候選區(qū)域以優(yōu)先權(quán)。該先驗(yàn)知識(shí)毫無疑問會(huì)增加檢測結(jié)果的精確度。參考文獻(xiàn)[3]介紹的車牌檢測方法是水平掃描圖像，尋找重復(fù)對比度變化達(dá)15個(gè)像素或更多的區(qū)域。Draghici假設(shè)車牌的文字和背景之間的對比度足夠大，車牌區(qū)域至少有3到4個(gè)文字，文字最小垂直高度大約為15個(gè)像素。應(yīng)當(dāng)指出15這個(gè)特殊值是由使用的攝像機(jī)或圖像采集卡的分辨率、車輛與攝像機(jī)的平均距離和文字的實(shí)際大小決定的。參考文獻(xiàn)[4]R?Zunino和S?Rovetta提出了一種基于矢量量化的牌照檢測方法。然而向量四元樹(VQ)的方法需架構(gòu)龐大的四元樹。T.D.Duan(見參考文獻(xiàn)[5])等人使用了Hough變換，由于Hough變換需要大量的計(jì)算量，T.D.Duan等采用了Hough變換和輪廓算法相結(jié)合的方法，使檢測精確率和運(yùn)行時(shí)間都有了很大提高。C.-T.Hsieh(見參考文獻(xiàn)[6])中使用了小波變換的方法檢測車牌區(qū)域。檢測精確率大約是92％，但是這種方法在攝像頭和車輛之間的距離太遠(yuǎn)或者太近，甚至是拍攝角度太寬的情況下都是不太穩(wěn)定的。隨著彩色圖像處理技術(shù)的發(fā)展，彩色圖像在車牌檢測研究中的作用也越來越重要，多種基于顏色特征的車牌檢測方法被提出。參考文獻(xiàn)[7]提出的基于圖像顏色的車牌檢測方法的基本思想是車牌的背景顏色和字符顏色很大可能只在車牌所在區(qū)域才發(fā)生關(guān)聯(lián)，而后使用HLS色彩模型對顏色進(jìn)行區(qū)分，區(qū)分之后使用車牌特征(長寬比)等幾何特征進(jìn)行檢測。但是這些基于顏色的方法都有很強(qiáng)的當(dāng)?shù)靥厣Ａ硗猓捎谠趹敉獾墓庹諚l件發(fā)生改變的時(shí)候，所拍攝的車牌顏色很可能是不穩(wěn)定的，所以至今還沒有一種方法可以在自然條件下達(dá)到很高的檢測精確率。

雖然現(xiàn)階段存在很多種基于各種方法的車牌檢測方法，但是由于車牌檢測本身受客觀條件(天氣、環(huán)境、拍攝條件、各國特點(diǎn)等等)和車牌本身?xiàng)l件(破損、污漬)的影響，使每種算法都存在一定的缺點(diǎn)。