[發(fā)明專利]一種基于MSER和SWT相結(jié)合的車輛車牌檢測識別方法

在審

• 申請?zhí)枺?/td>: 201710804096.0
• 申請日: 2017-09-08
• 公開（公告）號: CN107563380A
• 公開（公告）日: 2018-01-09
• 發(fā)明（設(shè)計）人: 王艷;謝廣蘇;崔西民;李宗學(xué);趙連磊
• 申請（專利權(quán)）人: 上海理工大學(xué)
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34
• 代理公司: 上海德昭知識產(chǎn)權(quán)代理有限公司31204
• 代理人: 郁旦蓉,劉國華

1.一種基于MSER和SWT相結(jié)合的車輛車牌檢測識別方法，用于對待檢測圖像中的車牌區(qū)域進(jìn)行檢測識別，其特征在于，包括：

步驟一，對所述待檢測圖像依次進(jìn)行預(yù)處理、最大穩(wěn)定極值區(qū)域MSER檢測分割處理和筆畫寬度變換SWT處理，得到車牌字符的候選區(qū)域后再根據(jù)車牌幾何特征完成車牌定位；

步驟二，對定位后的所述候選區(qū)域進(jìn)行分割校正處理和歸一化處理，將經(jīng)過上述處理后的所有車牌字符分別與模板中的字符進(jìn)行匹配，根據(jù)匹配的結(jié)果識別出所述車牌區(qū)域內(nèi)的所有的車牌字符所對應(yīng)的字符信息，

其中，所述車牌字符包括漢字字符和數(shù)字、字母字符，

所述模板包括漢字模板和數(shù)字、字母模板，

所述步驟二的識別過程是：

對于漢字字符，根據(jù)漢字字符與所述漢字模板中的漢字的匹配關(guān)系來進(jìn)行匹配對應(yīng)，

對于數(shù)字、字母字符，根據(jù)數(shù)字、字母字符與所述數(shù)字、字母模板中的數(shù)字、字母的匹配關(guān)系來進(jìn)行匹配對應(yīng)。

2.根據(jù)權(quán)利要求1所述的基于MSER和SWT相結(jié)合的車輛車牌檢測識別方法，其特征在于：

其中，所述步驟一包括以下子步驟：

步驟1.1，將所述待檢測圖像轉(zhuǎn)換為灰度圖像并進(jìn)行對比度增強(qiáng)操作，提取對比度增強(qiáng)操作后的所述灰度圖像中的MSER區(qū)域并進(jìn)行邊緣檢測膨脹后對所述MSER區(qū)域進(jìn)行分割，得到根據(jù)車牌字符特征篩選后的候選區(qū)域；

步驟1.2，在所述候選區(qū)域內(nèi)做基于一系列腐蝕操作的筆畫寬度變換SWT，并對得到的各個所述候選區(qū)域的筆畫寬度值進(jìn)行篩選；

步驟1.3，對經(jīng)過筆畫寬度過濾篩選得到的車牌字符的候選區(qū)域聚合，根據(jù)車牌幾何特征對聚合后的區(qū)域?qū)崿F(xiàn)車牌精定位。

3.根據(jù)權(quán)利要求2所述的基于MSER和SWT相結(jié)合的車輛車牌檢測識別方法，其特征在于：

其中，所述步驟1.1包括以下子步驟：

步驟1.1.1，對所述待檢測圖像灰度化之后，進(jìn)行非線性灰度變換，用于突出所述車牌區(qū)域得到對比度增強(qiáng)后的圖像；

步驟1.1.2，對對比度增強(qiáng)后的圖像進(jìn)行MSER區(qū)域提取；

步驟1.1.3，對對比度增強(qiáng)后的圖像進(jìn)行Canny邊緣檢測和膨脹操作后再與原MSER區(qū)域取交后分割原MSER區(qū)域；

步驟1.1.4，對步驟1.1.3所得到的分割后的MSER區(qū)域根據(jù)車牌字符特征對其基本統(tǒng)計特征進(jìn)行篩選，所述基本統(tǒng)計特征包括最小外接矩形寬高比、區(qū)域大小以及占空比。

4.根據(jù)權(quán)利要求3所述的基于MSER和SWT相結(jié)合的車輛車牌檢測識別方法，其特征在于：

其中，所述步驟1.2包括以下子步驟：

步驟1.2.1，對根據(jù)車牌字符特征篩選得到的候選區(qū)域內(nèi)做K次腐蝕操作，K是連通域被腐蝕為空集前的最后一次迭代步驟；

步驟1.2.2，計算所述候選區(qū)域內(nèi)的各個像素與步驟1.2.1腐蝕后剩余像素的歐式距離，并乘以2后賦值為其筆畫寬度值；

步驟1.2.3，對步驟1.2.2得到的各個所述候選區(qū)域的所述筆畫寬度值，根據(jù)車牌字符筆畫寬度特點對各連通域進(jìn)行篩選。