[發明專利]一種基于交通監控視頻的車牌定位方法

在審

• 申請號: 201710243966.1
• 申請日: 2017-04-14
• 公開（公告）號: CN107085707A
• 公開（公告）日: 2017-08-22
• 發明（設計）人: 黃倩;王一鳴;葉楓;徐淑芳
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46;G06K9/62;G06T7/13
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 梁耀文

技術領域

本發明屬于視頻處理領域，特別涉及一種基于交通監控視頻的車牌定位方法。

背景技術

隨著經濟的發展和人們生活水平的提高，汽車保有量也迅猛增長，給城市交通帶來了諸多挑戰，因此基于智能圖像處理理論的車牌自動識別與分析技術獲得了越來越多的關注。車牌定位作為車牌識別至關重要的一個環節，其準確率和召回率直接關系到后續環節的工作乃至整個系統的性能。

常見的車牌定位方法有基于圖像紋理特征的方法、基于變換的方法、基于人工神經網絡的方法、基于數學形態學的方法等。基于圖像紋理特征的方法通常需要先選擇合適的邊緣檢測算子，并輔以圖像預處理才能取得較好的結果；基于變換的方法往往難以應對車牌邊框模糊或變形的情況，也難以消除噪聲的影響；基于人工神經網絡的方法具有較好的容錯性和學習能力，但訓練需要的時間往往較長，收斂性和收斂速度都得不到保證；基于數學形態學的方法難以處理字符相連接、字符本身不連通等問題。

發明內容

發明目的：針對現有技術中存在的問題，本發明提供一種能夠克服現有技術存在的背景噪聲和背景相似圖案干擾、車牌字符不連續等問題的基于交通監控視頻的車牌定位方法。

技術方案：為解決上述技術問題，本發明提供一種基于交通監控視頻的車牌定位方法，具體步驟如下：

第一步：對交通監控視頻中的原始圖像進行轉換，原始圖像轉換為灰度圖像，原始色彩空間轉換為HSV空間；

第二步：對轉換后的圖像進行預處理，

第三步：對預處理后的圖像進行邊緣檢測，

第四步：在邊緣檢測的基礎上，綜合運用局部閾值法、全局閾值法和動態閾值法，根據像素值與閾值的關系把圖像分為黑、白兩色區域實現圖像二值化；

第五步：圖像二值化后，采用數學形態學中的膨脹、區域填充和腐蝕操作操作，實現區域合并和噪聲進一步剔除；

第六步：對檢測好的邊緣圖像依次進行水平投影和垂直投影，確定車牌的上下左右邊界；

第七步：投影確認后通過支持向量機進行車牌定位。

進一步的，所述第二步中對轉換后的圖像進行預處理的步驟如下：利用交通監控視頻的特性消除攝像頭背景，對所得視頻圖像應用預濾波技術進一步消除噪聲點。

進一步的，所述第三步中所述邊緣檢測具體通過梯度算子、Roberts算子、Sobel算子、Prewitt算子或Canny算子來抑制背景低頻特征來實現。

進一步的，所述第一步中將原始圖像轉換為灰度圖像過程中需要對生成的灰度圖像進行灰度拉伸處理。

進一步的，所述第二步中在利用交通監控視頻的特性消除攝像頭背景的具體步驟如下：取前面若干幀圖像進行一次性的確定；計算得到每幅圖像與背景圖像的差值后，再進行高斯預濾波操作。

進一步的，所述第七步中通過支持向量機進行車牌定位的步驟如下：規范正例樣本和反例樣本的尺寸，利用支持向量機進行離線訓練，訓練完畢后應用于待處理視頻，實現車牌定位。

與現有技術相比，本發明的優點在于：

本發明第一，融合了基于圖像紋理特征的方法、基于人工神經網絡的方法、基于數學形態學的方法這三類方法的優點，能夠更快速、更可靠地獲得車牌定位結果；第二，利用交通監控視頻的固有特點消除背景，進一步提升了系統的速度和魯棒性。

附圖說明

圖1為本發明的總體流程圖。

具體實施方式

下面對照附圖，結合具體實施方式對本發明作進一步詳細說明。應該強調的是，下述說明僅僅是示例性的，而不是為了限制本發明的范圍及其應用。

本發明提出的基于交通監控視頻的車牌定位方法包括以下步驟：

(1)圖像轉換：將交通監控視頻中的原始圖像轉換為灰度圖像，將原始色彩空間轉換為HSV空間。其中，在原始圖像到灰度圖像的轉換中，為了避免因曝光不正確而導致的灰度級集中問題，可能還需要對生成的灰度圖像進行灰度拉伸處理。

以常見的YUV視頻格式為例，這里Y為亮度分量(代表圖像的輪廓)，U和V為色度分量(代表圖像的顏色)。根據已有的RGB空間，可以按如下公式計算出Y的值：

Y＝0.299*R+0.587*G+0.114*B

式中的權值來源于人眼的視覺模型，人眼較敏感的綠色分量G權值較大，而人眼較不敏感的藍色B則權值較小。

具體實施時，為了避免因曝光不正確而導致灰度級集中，可采用如下步驟對生成的灰度圖像進行灰度拉伸處理：