[發明專利]一種基于多尺度筆畫模型的車牌識別方法與系統

有效

• 申請號: 201410205321.5
• 申請日: 2014-05-15
• 公開（公告）號: CN103971097A
• 公開（公告）日: 2014-08-06
• 發明（設計）人: 陳瑞軍;白翔;姚聰;肖可偉;張新浩
• 申請（專利權）人: 武漢睿智視訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 武漢東喻專利代理事務所(普通合伙) 42224
• 代理人: 李佑宏;李歡

技術領域

本發明屬于計算機視覺技術領域，更具體地，涉及一種基于多尺度筆畫模型的車牌識別方法與系統。

背景技術

隨著全球經濟化形勢的不斷發展，人們的生活水平日益提高，私人擁有機動車輛的數量呈幾何增長態勢，汽車的普及成為了目前的必然趨勢。在這種情況下，各種交通問題的出現越來越頻繁。因此，大力發展智能交通系統，才能真正解決日益嚴重的交通問題。智能交通系統是一個基于現代電子信息技術、面向交通運輸的服務系統，以信息的收集、處理、發布、交換、分析、應用為主線，為交通管理者和參與者提供多樣性的服務。車牌識別技術是智能交通系統的一個重要組成部分，該技術的研究始于20世紀70年代，經過近四十年的發展，該技術已日趨成熟，并開始在交通、公安、路政、安防等許多領域得到了廣泛的應用。車牌識別技術以數字圖像處理、模式識別、計算機視覺等技術為基礎，要求能夠將運動中汽車的牌照從復雜的背景中提取并識別出來，通過車牌檢測、圖像預處理、特征提取、車牌字符識別等技術識別車輛牌號。

車牌識別技術與其他車輛身份識別方式相比具有很大的優勢。首先是其唯一性：任何兩輛車使用的合法車牌必然是不同的，雖然在國外存在兩輛車使用相同的車牌號碼的情況，但車牌顏色各異。然后是車牌信息制定的規范性：作為車輛識別標識，車牌有著十分規范的編碼方式，給識別提供了便利的條件。對每一類型的車牌，其車牌格式類型都是唯一的，同時，不同類的車輛使用何種顏色的車牌也有著嚴格的規定。最后是車牌圖像采集的便利性：車牌的安裝位置相對固定，均安裝在車輛的最前端和最后端的固定位置，十分顯眼，方便拍照采集。

發明內容

本發明的目的在于提供一種基于多尺度筆畫模型的車牌識別方法，該方法字符表示過程簡單易行，并且識別準確率高。

為實現上述目的，按照本發明的一個方面，提供了一種基于多尺度筆畫模型的車牌識別方法，包括下述步驟：

(1)獲取車牌圖像中字符的多尺度筆畫模型：

(1.1)對訓練圖像集中的車牌圖像，根據字符在車牌圖像中的位置和大小信息，獲取圖像的字符區域和背景區域；

具體地，可以對給定的訓練圖像集，用人工標注的方法將訓練圖像集中車牌圖像上的字符區域用矩形框標記出來，獲取車牌的字符區域，車牌圖像的其他區域為背景區域；

(1.2)在字符區域和背景區域分別隨機取多種尺度的圖像塊；

具體地，對獲取的字符區域和背景區域，分別隨機取不同尺度的圖像塊。對同一個尺度的圖像塊，字符區域取出的圖像塊構成字符集D，背景區域取出的圖像塊構成背景集N，然后將字符集和背景集均分為兩個不重疊的部分，即為D＝{D₁,D₂}；N＝{N₁,N₂}；多個不同尺度的圖像塊即可得到多個字符集和背景集；

(1.3)對每種尺度的圖像塊，采用聚類的方法獲取字符的筆畫模型，得到用以描述字符的多尺度筆畫模型：

(1.3.1)對一種尺度的圖像塊，將字符子集D₁中的所有圖像塊進行聚類，聚類結果記作K，其中CNum為聚類中心個數；

(1.3.2)對聚類所得的所有簇，統計簇中圖像塊的數量，取圖像塊數量不小于NL的所有簇，NL為聚類后有效簇選取的圖像塊數量閾值；

(1.3.3)對所得的每一個簇，以簇中圖像塊為正樣本，以N₁中所有圖像塊為負樣本，訓練線性支持向量機分類器；

(1.3.4)用訓練好的線性支持向量機分類器對D₂中的所有圖像塊進行檢測，對每個分類器都取出分類得分大于-1且數目不多于NM的圖像塊作為訓練該分類器的正樣本的新元素，NM為選擇分類器正樣本新元素的數量閾值；

(1.3.5)交換D₁和D₂、N₁和N₂中的所有圖像塊；

(1.3.6)重復進行(1.3.3)-(1.3.5)步驟，循環NN次，NN為預設的循環次數，例如取值為5；

(1.3.7)計算每個簇的得分，取出得分最高的M個簇以及與之對應的分類器，即為字符在該尺度下的筆畫模型，其中M為經驗值，筆畫模型中的每一組簇和分類器都稱為筆畫模型的一個類；