[發明專利]一種高分辨率圖像序列中多車牌檢測的方法無效

申請號：	201310168357.6	申請日：	2013-05-06
公開（公告）號：	CN103235940A	公開（公告）日：	2013-08-07
發明（設計）人：	丁天;甘智峰;邵文簡;賴頁	申請（專利權）人：	南京新奕天智能視頻技術有限公司
主分類號：	G06K9/00	分類號：	G06K9/00
代理公司：	南京知識律師事務所 32207	代理人：	汪旭東
地址：	210009 江蘇省南京市***	國省代碼：	江蘇;32
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種高分辨率圖像序列車牌檢測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種高分辨率圖像序列中多車牌檢測的方法，其特征在于，包括以下步驟：

1）獲取當前幀圖像并轉換為灰度圖像

將獲取的彩色場景圖像轉換為灰度圖像；轉換公式為：

Gray＝0.299R+0.587G+0.114B???（1）

其中，R、G、B為一個像素的紅色，綠色，藍色三個顏色通道的值，Gray為像素對應的灰度值；

2）背景圖像的初始化

在系統啟動時，系統默認為被監控的道路場景中沒有出現車輛；采用多幀平均法來初始化背景圖像；將最初n幀(n=100～200)的灰度圖像的平均值作為初始的背景圖像；

3）采用背景差分法提取前景運動區域

用M(i,j,k)來表示第k幀圖像中前景運動區域二值圖像(i,j)處的值，則M(i,j,k)的計算公式為：

其中F(i,j,k)為當前輸入的第k幀圖像在(i,j)處的像素灰度值，B(i,j,k)為當前第k幀對應的背景圖像在(i,j)處的像素灰度值，T為給定閾值；

4）背景圖像的更新

背景圖像更新采用的更新策略為選擇性更新，即只更新背景區域，前景運動區域不進行更新；更新策略的表達式為：

其中：α∈(0,1)稱為學習因子，它體現了背景圖像隨著場景的變化進行更新的快慢程度；

5）形態學濾波

對背景差分法檢測的前景運動區域，先進行一次開運算，然后進行一次閉運算，以去除前景運動區域中的噪點和空洞；

6）運動區域的垂直小波分解

對經過形態學運算后的前景運動區域進行垂直小波分解；本發明采用二維離散小波變換對相應區域的進行分解；原始圖像每經過一次二維離散小波變換，圖像都被分解為四個四分之一大小的圖像，四個圖像中的每一個均是由原圖像與一個小波基圖像的內積后再經過x和y方向均進行兩倍的間隔抽樣生成的；經過一次二維離散小波變換后，圖像被分解為一幅低分辨率圖像和三幅高頻分量子圖像分別包含水平方向(HL)、垂直方向(LH)和對角方向(HH)的紋理信息；在此，僅對垂直方向的小波分量(LH)進行分析，以提取車牌的候選區域；

7）提取候選車牌區域

對上一步驟中計算得到的垂直小波分量子圖(LH)用給定大小的區域P進行掃描，區域P的面積應略大于實際車牌的面積；當有區域滿足下面3條規則時，則認為該區域為車牌候選區域；判定規則如下：

規則1、計算區域P的垂直小波分量均值公式為：

MP‾=1nΣ(x,y)∈P|LH(x,y)|---(4)]]>

其中n為區域P內的總像素數；由于車牌上字符的垂直紋理突出，故要求區域P的垂直小波分量均值滿足T₁為給定閾值；

規則2、計算區域P的垂直小波分量方差V_P，公式為：

VP=1nΣ(x,y)∈P|LH(x,y)-MP‾|2---(5)]]>

由于車牌上字符的分布是均勻的，故要求區域P的垂直小波分量方差滿足V_P＜T₂，T₂為給定閾值；

規則3、在以區域P為中心的一個較大區域W中，區域P的均值應該為最大值，區域W的面積一般取區域P的9倍；

8）車牌候選區域顏色判別

顏色是判別車牌的重要信息之一，故最后采用顏色信息對獲取的候選車牌區域進行確認；本發明中采用K均值聚類算法對車牌候選區域進行顏色聚類，以獲取該區域的顏色特征；K均值聚類算法原理為：接受輸入量K，然后將n個數據對象劃分為K個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小；聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”來進行計算的；K均值聚類算法的工作過程說明如下：首先選擇K個初始聚類中心；而對于被聚類的數據對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止；一般都采用均方差作為標準測度函數.K個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開；

目前常見的車牌顏色主要是藍牌（藍底白字）和黃牌（黃底黑字），故聚類數目K選擇為4，初始聚類中心選擇為藍色(0,0,255)、白色(255,255,255)、黃色(255,255,0)、黑色(0,0,0)；待K均值聚類算法收斂后，統計4類顏色的像素數：藍色N_blue，白色N_white，黃色N_yellow和黑色N_black；對于候選區域總像素數N_P，若滿足N_blue＞0.3N_P且N_white＞0.3N_P，則認為候選區域為藍色車牌候選區域；若滿足N_yellow＞0.3N_P且N_black＞0.3N_P，則認為候選區域為黃色車牌候選區域；若上述兩條都不滿足，則認為候選區域不是真實的車牌；