[發(fā)明專(zhuān)利]一種車(chē)牌定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611213190.0
• 申請(qǐng)日: 2016-12-23
• 公開(kāi)（公告）號(hào): CN106815580A
• 公開(kāi)（公告）日: 2017-06-09
• 發(fā)明（設(shè)計(jì)）人: 白麗莎;王勇;葉紅波;張悅強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海集成電路研發(fā)中心有限公司;成都微光集電科技有限公司
• 主分類(lèi)號(hào): G06K9/20
• 分類(lèi)號(hào): G06K9/20;G06K9/32;G06K9/46
• 代理公司: 上海天辰知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)31275
• 代理人: 吳世華,陳慧弘

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)，特別涉及一種車(chē)牌定位方法。

背景技術(shù)

隨著經(jīng)濟(jì)蓬勃發(fā)展，推動(dòng)了交通運(yùn)輸業(yè)的大發(fā)展，導(dǎo)致機(jī)動(dòng)車(chē)輛大幅增加。然而，對(duì)機(jī)動(dòng)車(chē)輛的智能監(jiān)管是目前面臨的問(wèn)題之一。機(jī)動(dòng)車(chē)輛牌照自動(dòng)定位技術(shù)則是智能交通監(jiān)管系統(tǒng)的核心問(wèn)題。該技術(shù)在解決交通系統(tǒng)的諸多問(wèn)題，如車(chē)輛收費(fèi)和管理、車(chē)流量檢測(cè)、違章車(chē)輛監(jiān)控、停車(chē)場(chǎng)收費(fèi)管理以及套牌、假牌車(chē)輛辨識(shí)等具體問(wèn)題中存在著廣泛的應(yīng)用，具有巨大的經(jīng)濟(jì)價(jià)值。隨著計(jì)算機(jī)性能的提高和圖像處理技術(shù)的發(fā)展，車(chē)牌定位識(shí)別系統(tǒng)已日趨成熟。

目前主流的車(chē)牌定位方法主要分為：基于形態(tài)學(xué)的車(chē)牌定位算法與基于機(jī)器學(xué)習(xí)的車(chē)牌定位算法。基于形態(tài)學(xué)的車(chē)牌定位算法是根據(jù)數(shù)字字母的形狀來(lái)確定車(chē)牌位置，雖然具有簡(jiǎn)單，計(jì)算時(shí)間短的優(yōu)點(diǎn)，但其缺點(diǎn)是需要針對(duì)不同的場(chǎng)景調(diào)整闕值，適應(yīng)能力和準(zhǔn)確率較低；而基于機(jī)器學(xué)習(xí)的車(chē)牌定位雖然準(zhǔn)確率高，但其需要對(duì)大量的樣本進(jìn)行特征分析、計(jì)算時(shí)間較長(zhǎng)并不符合目前實(shí)時(shí)識(shí)別車(chē)牌的要求。

因此，需要提供一種能夠快速準(zhǔn)確識(shí)別車(chē)牌位置的方法，從而節(jié)省計(jì)算時(shí)間，提高適應(yīng)能力和準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺陷，提供一種快速準(zhǔn)確的車(chē)牌定位方法。

為達(dá)成上述目的，本發(fā)明提供了一種車(chē)牌定位方法，該方法包括以下步驟：

S10：擷取含有車(chē)牌的圖像；

S20：通過(guò)分別提取該圖像中符合車(chē)牌顏色的指定顏色特征、水平邊緣特征和豎直邊緣特征以得到一張包含車(chē)牌候選區(qū)域的二值圖；

S30：對(duì)所述車(chē)牌候選區(qū)域進(jìn)行膨脹，并通過(guò)計(jì)算所述車(chē)牌候選區(qū)域中各連通域的面積，確定面積最大的連通域?yàn)檐?chē)牌區(qū)域，所述連通域?yàn)橛啥鄠€(gè)連續(xù)且像素值為1的像素組成的區(qū)域。

優(yōu)選地，步驟S20包括：

S21：提取該圖像中符合車(chē)牌顏色的指定顏色特征以得到一張包含指定顏色特征區(qū)域的二值圖像；

S22：提取該圖像中水平邊緣特征和豎直邊緣特征以得到一張包含邊緣特征區(qū)域的二值圖像；

S23：將上述包含指定顏色特征區(qū)域的二值圖像和包含邊緣特征區(qū)域的二值圖像進(jìn)行邏輯與運(yùn)算，以得到所述包含車(chē)牌候選區(qū)域的二值圖。

優(yōu)選地，步驟S21包括：將所述含有車(chē)牌的圖像由RGB格式圖像轉(zhuǎn)換到HSV格式圖像，提取該圖像中符合車(chē)牌顏色的指定顏色特征；步驟S22包括：將所述包含車(chē)牌的圖像轉(zhuǎn)換為灰度圖像，利用Sobel算子提取所述水平邊緣特征和豎直邊緣特征。

優(yōu)選地，步驟S22還包括對(duì)所述邊緣特征區(qū)域進(jìn)行膨脹的步驟。

優(yōu)選地，對(duì)所述邊緣特征區(qū)域進(jìn)行膨脹的步驟包括：設(shè)定長(zhǎng)度為P個(gè)像素、寬度為Q個(gè)像素的矩形，P和Q均為大于等于3的正整數(shù)；對(duì)所述包含邊緣特征區(qū)域的二值圖像中每一個(gè)像素值為1的像素，將以其為中心的該矩形范圍內(nèi)的所有像素的像素值替換為1。

優(yōu)選地，步驟S30中對(duì)所述車(chē)牌候選區(qū)域進(jìn)行膨脹包括矩形像素組膨脹和/或形態(tài)學(xué)膨脹，其中所述矩形像素組膨脹包括：設(shè)定長(zhǎng)度為M個(gè)像素、寬度為N個(gè)像素的矩形，M和N均為大于等于3的正整數(shù)；對(duì)所述包含車(chē)牌候選區(qū)域的二值圖中每一個(gè)像素值為1的像素，將以其為中心的該矩形范圍內(nèi)的所有像素的像素值替換為1。

優(yōu)選地，步驟S30中計(jì)算所述車(chē)牌候選區(qū)域中各連通域的面積的步驟包括：

S31：沿水平方向逐行掃描所述車(chē)牌候選區(qū)域；

S32：為每一行中像素值為1的像素及其相鄰像素值為1的像素標(biāo)記連通域編號(hào)；

S33：計(jì)算各所述連通域中像素值為1的像素的個(gè)數(shù)以得到各所述連通域的面積。

優(yōu)選地，步驟S32包括：

S321：對(duì)于像素值為1的當(dāng)前像素判斷其是否已被標(biāo)記為屬于第1個(gè)-第i個(gè)中任一個(gè)連通域，若是則進(jìn)行步驟S323，若否則將其標(biāo)記為屬于第i+1個(gè)連通域并使得第i+1個(gè)連通域中像素值為1的像素個(gè)數(shù)加1；對(duì)于像素值為0的當(dāng)前像素進(jìn)行步驟S323；其中i為已標(biāo)記的連通域的編號(hào)最大值；

S322：掃描該當(dāng)前像素的8個(gè)相鄰像素，若有K個(gè)相鄰像素的像素值為1且沒(méi)有被標(biāo)記為屬于第1個(gè)-第i+1個(gè)中任一個(gè)連通域，將該K個(gè)相鄰像素標(biāo)記為屬于第i+1個(gè)連通域并使得第i+1個(gè)連通域中像素值為1的像素個(gè)數(shù)遞增K，其中K為小于等于8的正整數(shù)；

S323：選取當(dāng)前行的下一個(gè)像素作為當(dāng)前像素；

重復(fù)上述步驟S321-S323直至該行所有像素掃描完畢。