[發(fā)明專利]一種基于極值區(qū)域和極限學(xué)習(xí)機的車牌識別方法

有效

• 申請?zhí)枺?/td>: 201410374155.1
• 申請日: 2014-07-31
• 公開（公告）號: CN104134079A
• 公開（公告）日: 2014-11-05
• 發(fā)明（設(shè)計）人: 王坤峰;茍超;王飛躍
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 宋焰琴

技術(shù)領(lǐng)域

本發(fā)明涉及智能視頻監(jiān)控和智能交通技術(shù)領(lǐng)域，尤其是一種基于極值區(qū)域和極限學(xué)習(xí)機的車牌識別方法，可應(yīng)用于復(fù)雜交通環(huán)境中的車牌識別。

背景技術(shù)

隨著視頻監(jiān)控技術(shù)的發(fā)展，交通場景的智能監(jiān)控已經(jīng)成為實現(xiàn)交通智能化的重要組成部分。目前，在對交通場景的智能監(jiān)控方面，車牌號碼作為機動車輛特有的身份表征，是一種極其重要的交通信息，車牌自動識別是智能交通系統(tǒng)中不可缺少的一項功能。車牌自動識別具有對車輛監(jiān)視、記錄、驗證和報警的功能，可以應(yīng)用于停車場收費、小區(qū)車輛管理、治安卡口、交通違章管理等領(lǐng)域。

目前的車牌識別方法主要包括三個步驟，即車牌定位、字符分割和字符識別。對于車牌定位，主要是利用車牌的顏色、紋理、邊緣信息來提取車牌區(qū)域。例如，C.N.E.Anagnostopoulos等人于2006年在IEEE?Transactions?on?Intelligent?Transportation?Systems上發(fā)表的論文“A?license?plate?recognition?algorithm?for?intelligent?transportation?system?applications”，使用滑動窗口計算局部圖像紋理中的突變區(qū)域來定位車牌，但這種方法應(yīng)用在天氣多變、背景復(fù)雜的交通場景下，會大量誤檢車牌；Runmin?Wang等人于2014年在Optik-International?Journal?for?Light?and?Electron?Optics上發(fā)表的論文“License?plate?detection?using?gradient?information?and?cascade?detectors”，將圖像進(jìn)行多尺度分解，提取梯度信息，利用多個級聯(lián)分類器來完成車牌區(qū)域提取，這種方法準(zhǔn)確率高，但是計算復(fù)雜并且耗時。

對于字符分割和字符識別，是指從提取的車牌區(qū)域中準(zhǔn)確地分割字符區(qū)域，然后利用模式識別方法來識別每個字符，從而實現(xiàn)車牌自動識別。例如，李泊等人于2013年在IEEE?Transactions?on?Intelligent?Transportation?Systems上發(fā)表的論文“Component-based?license?plate?detection?using?conditional?random?field?model”，在灰度域提取合適的最大穩(wěn)定極值區(qū)域，利用條件隨機場方法來建模分割提取字符區(qū)域，這種方法只在灰度域進(jìn)行處理，對交通場景中的光照變化敏感，容易誤檢或漏檢車牌字符；Ying?Wen等人于2011年在IEEE?Transactions?on?Intelligent?Transportation?Systems上發(fā)表的論文“An?algorithm?for?license?plate?recognition?applied?to?intelligent?transportation?system”，計算局部區(qū)域水平、垂直方向的投影來分割字符，然后利用支持向量機來識別字符，這種方法容易受陰影的影響，魯棒性差，另外訓(xùn)練支持向量機非常耗時。

從現(xiàn)有技術(shù)的發(fā)展現(xiàn)狀可知，復(fù)雜交通場景中的車牌自動識別仍然是一個尚未有效解決的問題，導(dǎo)致這種局面的原因是實際交通場景中背景復(fù)雜、天氣和光照條件多種多樣等因素。面向?qū)嶋H應(yīng)用，本發(fā)明提出一種基于極值區(qū)域和極限學(xué)習(xí)機的車牌識別方法，該方法實時魯棒，能夠?qū)崿F(xiàn)復(fù)雜交通環(huán)境中的車牌自動識別。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，利用圖像處理和模式識別理論，提供一種基于極值區(qū)域和極限學(xué)習(xí)機的車牌識別方法。本發(fā)明首先對監(jiān)控視頻圖像進(jìn)行一系列預(yù)處理，利用車牌紋理信息，完成車牌粗定位；然后分別提取各個顏色通道的極值區(qū)域，利用訓(xùn)練好的分類器選擇合適的極值區(qū)域作為車牌字符候選區(qū)域，并利用車牌字符的幾何屬性和組合特征，完成車牌的準(zhǔn)確定位和字符分割；最后利用基于極限學(xué)習(xí)機的神經(jīng)網(wǎng)絡(luò)模型來識別各個車牌字符。

本發(fā)明提出的一種基于極值區(qū)域和極限學(xué)習(xí)機的車牌識別方法包括以下步驟：

步驟S1，對彩色待處理圖像進(jìn)行預(yù)處理，并對預(yù)處理后得到的圖像中的車牌區(qū)域進(jìn)行粗定位，得到一系列車牌候選區(qū)域；

步驟S2，基于所述車牌候選區(qū)域，在所述彩色待處理圖像中提取得到RGB三個顏色通道的極值區(qū)域，并通過分類器從中選擇符合車牌字符區(qū)域幾何屬性的極值區(qū)域，完成車牌字符分割并實現(xiàn)車牌區(qū)域的準(zhǔn)確定位；