專利名稱：一種白色車牌類型的識別方法及裝置的制作方法
技術領域：
本發(fā)明涉及計算機圖像處理技術領域，尤其涉及ー種白色車牌類型的識別方法及裝置。
背景技術：
隨著社會經濟的發(fā)展，車輛的 數量不斷増加，因此通過計算機信息化、智能化的方案管理車輛成為必然?，F有技術中車牌識別在智能交通領域扮演者重要的角色，其在交通流量監(jiān)測、高速公路卡ロ收費、闖紅燈違章車輛監(jiān)控及社區(qū)自動收費系統(tǒng)中具有廣泛的應用。但現有常用的車輛牌照類型比較多，從底色上分為藍底白字車牌，黃底黑字車牌、黑底白字車牌和白底黑字車牌；從類型上又可以分為普通藍牌、普通單層黃牌、雙層黃牌、教練用牌、臨時掛牌、黒色牌照、白色警牌、白色軍牌和白色武警車牌等。即對白底黒字的車牌有白色警牌、白色軍牌和白色武警車牌?，F有技術中白底黒字的車牌在進行識別時，一般采用的方法包括利用車牌的顏色定位出白色車牌，之后根據白底黑字車牌對應的三種車牌類型，對定位出的白色車牌進行字符分割，最后通過識別，選擇置信度最大的作為最后的識別結果。在上述車牌類型的識別過程中，只根據置信度確定車牌類型，判斷的標準較単一，不能有效的對車牌類型進行區(qū)分，因此現有技術中的白色車牌類型的識別方法精度低，準確性差。

發(fā)明內容
有鑒于此，本發(fā)明實施例提供ー種白色車牌類型的識別方法及裝置，用以解決現有技術在對白色車牌的類型進行識別時精度低，準確性差的問題。本發(fā)明提供ー種白色車牌類型的識別方法，所述方法包括在輸入的圖像中進行車牌區(qū)域定位，在定位的車牌區(qū)域中識別出白色車牌區(qū)域；對識別出的白色車牌區(qū)域進行預處理，并對預處理后的白色車牌區(qū)域進行字符分割;根據字符分割后每兩個字符之間的距離，識別出該白色車牌中滿足每種白色車牌類型的字符序列；將每個字符序列，與該字符序列對應車牌類型的模板進行匹配，根據平均匹配距離確定每個白色車牌的類型。本發(fā)明提供ー種白色車牌類型的識別裝置，所述裝置包括識別模塊，用于在輸入的圖像中進行車牌區(qū)域定位，在定位的車牌區(qū)域中識別出白色車牌區(qū)域；預處理分割模塊，用于對識別出的白色車牌區(qū)域進行預處理，并對預處理后的白色車牌區(qū)域進行字符分割；字符序列選擇模塊，用于根據字符分割后每兩個字符之間的距離，識別出該白色車牌中滿足每種白色車牌類型的字符序列；匹配模塊，用于將每個字符序列，與該字符序列對應車牌類型的模板進行匹配，根據平均匹配距離確定每個白色車牌的類型。本發(fā)明提供了ー種白色車牌類型的識別方法及裝置，該方法在進行白色車牌類型識別時，對預處理后的白色車牌區(qū)域進行了字符分割，根據分割后每兩個字符之間的距離，識別出該白色車牌中滿足每種白色車牌類型的字符序列，根據與每種白色車牌類型對應的模板與該字符序列的匹配距離，確定該白色車牌的車牌類型。由于在本發(fā)明中根據字符序列之間的距離，確定滿足每種類型的車牌序列，之后又根據該類型車牌對應的模板與該字符序列的距離最終確定該車牌的類型，因此在兩次識別的情況下，可以保證識別結果的準確性及精確度。


此處所說明的附圖用來提供對本發(fā)明的進ー步理解，構成本發(fā)明的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。在附圖中圖I為本發(fā)明提供的該白色車牌類型的識別過程示意圖；圖2為本發(fā)明提供的對該白色車牌區(qū)域進行水平矯正的過程示意圖；圖3為本發(fā)明提供的對該白色車牌區(qū)域進行去除上下邊界處理的過程示意圖；圖4為本發(fā)明提供的通過距離識別白色車牌類型的過程示意圖；圖5為本發(fā)明提供的該白色車牌類型的詳細識別過程示意圖；圖6為本發(fā)明提供的該白色車牌類型識別裝置的結構示意圖。
具體實施例方式本發(fā)明實施例為了提高對白色車牌的類型的識別精度及準確性，提供了ー種白色車牌類型的識別方法及裝置。下面結合說明書附圖，對本發(fā)明進行詳細說明。圖I為本發(fā)明提供的該白色車牌類型的識別過程示意圖，該識別過程包括以下步驟SlOl :在輸入的圖像中進行車牌區(qū)域定位，在定位的車牌區(qū)域中識別出白色車牌區(qū)域。由于該白色車牌類型的識別方法，可以應用在交通流量監(jiān)測、高速公路卡ロ收費、闖紅燈違章車輛監(jiān)控及社區(qū)自動收費等多個系統(tǒng)中，具體的在本發(fā)明中通過白色車牌類型識別裝置對白色車牌類型進行識別。當將包含車牌信息的車輛的圖像輸入到該裝置中后，該裝置在輸入的圖像中進行車牌區(qū)域定位，具體的在進行車牌區(qū)域定位時可以采用現有技術中的多種方法，例如可以采用邊緣檢測方法或者機器學習等算法在輸入的圖像中進行車牌定位，具體的例如可以進行sobel邊緣檢測，根據檢測的結果，將邊緣密度比較大的區(qū)域作為車牌所在區(qū)域。由于在輸入的圖像中進行車牌區(qū)域定位、識別白色車牌區(qū)域，為本領域的常用方法，在本發(fā)明中就不對該內容進行贅述。S102:對識別出的白色車牌區(qū)域進行預處理，并對預處理后的白色車牌區(qū)域進行字符分割。具體的在對識別出的白色車牌區(qū)域進行預處理時，可以采用多種預處理方法，例如可以直接對車牌區(qū)域進行ニ值化處理。為了進一步提高白色車牌類型識別的準確性，在本發(fā)明中對識別出的白色車牌區(qū)域進行預處理包括采用以下至少ー種預處理方法對識別出的白色車牌區(qū)域進行預處理，水平矯正預處理方法和去除上下邊界預處理方法。水平矯正預處理方法和去除上下邊界預處理方法應組合使用，并且先進行水平傾斜校正，然后再進行去除邊界 處理。由于預處理的過程對白色車牌區(qū)域進行了水平矯正，并且去除了對車牌類型識別中的上下邊界的干擾，因此可以在該預處理后的車牌白色區(qū)域中進行字符分割了。具體的在進行字符分割時，即在白色車牌所在的區(qū)域中，確定每個字符的邊界，從而確定每個字符的位置。S103:根據字符分割后每兩個字符之間的距離，識別出滿足每種白色車牌類型的字符序列。對白色車牌區(qū)域進行字符分割后，可以確定每個字符所在的位置，根據每個字符所在的位置，可以確定任意兩個相鄰字符之間的距離。在本發(fā)明中由于任意兩個字符之間的距離可以確定，而每種類型的白色車牌，其一定數目的字符序列之間的距離存在一定的關系，例如對于白色警牌，在其7個字符序列之間，前兩個字符之間的距離大于其他任意兩個字符之間的距離，而對于白色軍牌，其7個字符序列之間，第二個字符和第三個字符之間的距離大于其他任意兩個字符之間的距離，而對于白色武警牌，其5個字符序列中，任意兩個字符之間的距離基本相同。因此根據上述每種類型的白色車牌的字符之間的距離特征，可以針對每個白色車牌區(qū)域，識別出滿足每種白色車牌類型的字符序列。S104:將每個字符序列，與該字符序列對應車牌類型的模板進行匹配，根據平均匹配距離確定每個白色車牌的類型。由于在本發(fā)明中是從白色車牌區(qū)域包含的每個字符中，選擇滿足每種白色車牌類型的字符序列，而針對同一白色車牌區(qū)域中包含的字符，其不同的字符序列可能滿足不同的白色車牌類型。因此在進行后續(xù)識別時，針對同一白色車牌區(qū)域中包含的字符，其不同的字符序列滿足的白色車牌類型，選擇與該類型對應的模板，對該模板與該字符序列進行匹配，根據匹配距離確定每個白色車牌的類型。例如，對于某一白色車牌區(qū)域包含的字符，其3個字符序列分別為第一字符序列、第二字符序列和第三字符序列，其中第一字符序列為滿足白色軍牌的字符序列，第二字符序列為滿足白色警牌的字符序列，第三字符序列為滿足白色武警牌的字符序列，則采用白色軍牌對應的第一模板與第一字符序列所在的區(qū)域進行匹配，采用白色警牌對應的第二模板與第二字符序列所在的區(qū)域進行匹配，采用白色武警牌對應的第三模板與第三字符序列所在的區(qū)域進行匹配，當第二模板與第二字符序列所在的區(qū)域匹配距離最短吋，確定該白色車牌為白色警牌。本發(fā)明在進行白色車牌類型識別時，對預處理后的白色車牌區(qū)域進行了字符分害わ根據分割后每兩個字符之間的距離，識別出該白色車牌中滿足每種白色車牌類型的字符序列，根據與每種白色車牌類型對應的模板與該字符序列的匹配距離，確定該白色車牌的車牌類型。由于在本發(fā)明中根據字符序列之間的距離，確定滿足每種類型的車牌序列，之后又根據該類型車牌對應的模板與該字符序列的距離最終確定該車牌的類型，因此在兩次識別的情況下，可以保證識別結果的準確性及精確度。下面通過具體的實施例，對本發(fā)明的車牌類型識別過程進行詳細說明。在本發(fā)明中當在輸入的圖像中，一般為灰度圖像，進行車牌區(qū)域定位后，可以確定該圖像中車牌所在的區(qū)域，并通過相應的方法，將這些車牌中的白色車牌識別處理。針對識別出的每個白色車牌所在的區(qū)域，對該區(qū)域進行預處理，具體的預處理過程包括水平矯正和/或去除上下邊界。當 該預處理過程包括水平矯正和去除上下邊界吋，識別的效果更好。圖2為本發(fā)明提供的對該白色車牌區(qū)域進行水平矯正的過程示意圖，該過程包括以下步驟S201 :對識別出的所述白色車牌區(qū)域采用相應的方法進行ニ值化處理。S202:根據識別出的ニ值化處理后的白色車牌區(qū)域中像素值的跳變，在水平邊緣信息圖中與該跳變時白色像素點對應的像素點的位置賦值為1，其他像素點的位置賦值為O0S203 :以設定的步長旋轉水平邊緣信息圖，針對旋轉后的每個角度，在設定的角度范圍內確定姆行在水平方向上包含白色像素點的數目。S204:針對旋轉后的每個角度，選擇白色像素點的數目較多的設定行數，統(tǒng)計該設定行數的白色像素點的數目和。S205:根據白色像素點的數目和的最大值對應的旋轉角度，確定該白色車牌區(qū)域的矯正角度，對該白色車牌區(qū)域進行水平矯正。具體的在對該白色車牌區(qū)域進行水平矯正時，針對該白色車牌區(qū)域進行相應的ニ值化處理，例如可以采用Otsu ニ值化算法。ニ值化處理后，字符為黑色，背景為白色。為了識別出該ニ值化處理后該白色車牌區(qū)域中每個像素點的狀態(tài)，在本發(fā)明中采用了水平邊緣信息圖。按照一定的順序，捜索該ニ值化處理后的白色車牌區(qū)域中的每個像素點，當該像素點與捜索到的與其相鄰的下一個像素點的像素值相同時，在該水平邊緣信息圖中與該像素點的對應的像素點的位置賦值為O ;當該像素點與捜索到的與其相鄰的下一個像素點的像素值不同時，即像素點的像素值出現跳變時，即像素點的像素值由O跳變?yōu)镮,或者由I跳變?yōu)镺時,在該水平邊緣信息圖中，與該白色像素點位置對應的像素點位置賦值為1，將與黒色像素點位置對應的像素點的位置賦值為O。通過上述對ニ值化的白色車牌區(qū)域中每個像素點的捜索，最終確定水平邊緣信息圖中每個像素點的賦值。針對最終確定的水平邊緣信息圖，以該水平邊緣信息圖的左上角的像素點為圓心，并確定水平軸，在本發(fā)明中設定的步長可以為I度，即以I度為步長旋轉該水平邊緣信息圖，旋轉后在水平軸正負20度的范圍內，確定水平邊緣信息圖中每行在水平方向的投影值，即確定該水平邊緣信息圖中姆行像素值為I的像素點，在該水平軸的正負20度的范圍內的數目。根據旋轉每個度數后，水平邊緣信息圖中每行在水平方向的投影值，即確定水平邊緣信息圖中姆行在該角度范圍內包含的白色像素點的數目，選擇白色像素點數目較多的η行，較佳地，在本發(fā)明中該η值為4，即在旋轉該度數后，選擇投影值最大的4行。針對該角度，統(tǒng)計該4行在水平方向的投影值的和，即選擇該4行在該角度范圍內包含的白色像素點的數目和。根據旋轉的每個角度，投影值較大的4行，在該角度范圍內包含的白色像素點的數目和，確定該數目和的最大值。當確定了該數目和的最大值后，該最大值對應的角度也可以確定，根據該角度即可對該白色車牌區(qū)域進行水平矯正。具體的在對該白色車牌區(qū)域進行水平矯正吋，當該角度為A時，利用雙線性插值進行水平傾斜矯正。在本發(fā)明中為了提高白 色車牌類型識別的準確性，在對定位后得到的白色車牌區(qū)域進行水平矯正后，可以再對該水平矯正后的白色車牌區(qū)域進行去除上下邊界的處理。圖3為本發(fā)明提供的對該白色車牌區(qū)域進行去除上下邊界處理的過程示意圖，該過程包括以下步驟S301 :對所述水平矯正后的白色車牌區(qū)域進行ニ值化處理。S302:在ニ值化處理后的白色車牌區(qū)域中，識別每行像素值的跳變次數，并確定每行包含的最長白線長度和最長黑線長度。S303:根據所述跳變次數、最長白線長度和最長黑線長度中的至少ー個，與設定的對應距離閾值，確定該白色車牌區(qū)域的上、下邊界。具體的在對該白色車牌區(qū)域進行去除上下邊界處理時，首先在進行了水平矯正的白色車牌區(qū)域，采用Otsu ニ值化算法，對該白色車牌區(qū)域進行ニ值化處理。對該白色車牌區(qū)域進行ニ值化處理后，從該白色車牌區(qū)域的中間行位置開始，分別向上、下搜索每一行。每搜索到一行，對該行進行下述處理步驟識別該行的跳變值，即該行中兩個相鄰的像素點的像素值由I變?yōu)?，及由O變?yōu)镮的次數，將該次數作為該行的跳變值SumLineJump。另外，在對該行進行搜索時，還要識別出該行中包含的每條黑線和白線的長度，即識別出每條黑線和白線包含的像素點的個數，并從中確定出該行包含的最長白線的長度LineWhiteLength，和最長黑線的長度LmeBlackLength0由于在車牌類型的識別過程中，可能會出現字符粘連的情況，此時在進行白線長度的判讀時就會出現誤差，在本發(fā)明中為了進一步的提高白色車牌類型識別的準確性，在識別白色車牌區(qū)域中的白線時，首先需要判斷該白線是否為真正的白線，因為可能是兩個字符之間粘連形成的白線，而不是真正的字符代表的白線，當判斷為真正的白線時，將該白線加入到最長白線長度的選擇集合中。具體的在判斷是否為真正的白線時，首先確定該行中構成該白線的范圍，即該行中起始像素點到終止像素點的范圍。在該行構成該白線的范圍內，從該白線的起始點對應的像素點開始，判斷與該像素點相鄰的，位于同一列的上下兩行中的像素點中是否存在黑色像素點，當存在一個黑色像素點時，將初始化為O的識別參數iSumBlack加I,當檢測到另ー個像素點也為黑色像素點時，將該識別參數再加I ;之后，針對該白線中的第二個像素點，判斷與該像素點相鄰的，位于同一列的上下兩行中的像素點中是否存在黒色像素點，將該識別參數再加1，循環(huán)進行上述過程，直到對該白線中的每個像素點都進行了上述判斷。根據判斷完成后該識別參數的數值，該白線的長度iWhiteLineLen，以及設置的第一比例閾值α，確定該白線是否為真正的白線，具體在進行判斷時，判斷該參數是否大于該第一比例閾值α與該白線長度的積，即判斷是否iSumBlack〉α X iWhiteLineLen,當該識別參數大于第一比例閾值ct與該白線長度iWhiteLineLen的積時,確定該白線為真正的白線，將該白線加入到最長白線長度的選擇集合中，否則，確定為干擾，不作為白線處理，其中第一比例閾值α —般在O. 5到O. 8的范圍內取值。或者，在判斷識別出的每條白線是否為真正的白線時，也可以根據該白線的長度iWhiteLineLen、設置的第二比例閾值β及車牌的寬度W來確定，具體的為判斷該白線的長度是否大于第二比例閾值β與該車 牌寬度W的積，即判斷是否iWhiteLineLen〉β XW，當白線的長度iWhiteLineLen大于第二比例閾值β與該車牌寬度W的積時，確定該白線為真正的白線，將該白線加入到最長白線長度的選擇集合中，否則，確定為干擾，不作為白線處理，其中第二比例閾值β —般在O. 3到O. 5的范圍內取值。當確定了姆行的跳變值SumLineJump,以及姆行的最長黑線長度LineBlackLength和最長白線長度LineWhiteLength后，即可判斷該行是否為邊界，具體在進行判斷吋可以判斷該行的跳變值SumLineJump是否小于設定的跳變閾值Thr I，即判斷是否SumLineJump<ThrI,當該行的跳變值SumLineJump小于設置的跳變閾值Thrl時,認為該行為上邊界或下邊界；或者，也可以判斷該行的最長黑線長度LineBlackLength是否大于設置的黑線長度閾值Thr2,即判斷是否LineBlackLength>Thr2,當該行的最長黑線長度LineBlackLength大于設置的黑線長度閾值Thr2時，認為該行為上邊界或下邊界；或者，也可以判斷該行的最長白線長度LineWhiteLength是否大于設置的白線長度閾值Thr3，其中Thrl、Thr2和Thr3的取值一般取車牌寬度的四分之一。即判斷是否LineffhiteLength>Thr3,當該行的最長白線長度LineWhiteLength大于設置的白線長度閾值Thr3時,認為該行為上邊界或下邊界。確定了白色車牌區(qū)域的上邊界和下邊界后，即可將超過上、下邊界的區(qū)域去除，從而減少在后續(xù)白色車牌類型識別時，邊界區(qū)域對識別過程的干擾。對白色車牌區(qū)域進行預處理后，在該白色車牌區(qū)域中即包括字符區(qū)域和背景區(qū)域，即可在該白色車牌區(qū)域中進行字符的分割了。具體的在該白色車牌區(qū)域中進行字符分割時，將該預處理后的白色車牌區(qū)域進行ニ值化處理后，再進行反色吹，使該白色車牌區(qū)域中字符部分為白色，背景部分為黑色。在該ニ值化并反色處理后的白色車牌區(qū)域中，進行垂直方向的投影計算，即計算每列白色像素點的數目之和，具體的在進行計算時，可以依據下式
iHeightSumi =〉WhiiePia(c(j, )
產I其中，Sumi為ニ值化并反色處理后的白色車牌區(qū)域中第i列的白色像素點的數目之和，WhitePlate (j, i)白色像素點數組,代表第j行第i列的白色像素點，，iHeight為該白色車牌區(qū)域的寬度，即包含的行數，在進行反色處理后，該白色車牌區(qū)域中每個白色像素點的像素值為1，黑色像素點的像素值為O。根據確定的每列在垂直方向的投影，確定字符區(qū)域。確定在確定字符所在區(qū)域時，依照設定的順序，一般為從左到右的順序，查找每列在垂直方向的投影值，當第i列在垂直方向的投影值Sumi大于了零時，則確定該第i列為字符的左邊界，之后繼續(xù)查找下一列，當第m列的投影值Summ等于O吋，則確定該第m列為字符的右邊界，則左邊界和右邊界之間的區(qū)域即為字符所在區(qū)域。依據上述方法，按照一定的順序，可以在白色車牌區(qū)域中確定每個字符所在的位置，從而實現字符的分割。由于在白色車牌區(qū)域中對字符進行了分割，確定了每個字符所在的位置，因此每兩個字符之間的距離即可確定，在本發(fā)明中每個字符所在的區(qū)域為矩形區(qū)域，通過矩形的中心即可確定字符之間的距離。白色車牌的三種不同類型的牌照其結構式不同的，因此可以根據每種車牌類型的結構，識別車牌類型。例如對于警牌，7個連續(xù)的字符序列中，第一個個和第二字符之間的距離大于其余任何兩個相鄰字符之間的距離 ，即d12^rnax (d23> d34, d45, d56, d67)其中d12，d23，d34，d45，d56，d67，分別為該7個連續(xù)的字符序列中，任意兩個相鄰字符之間的距離。對于軍牌，7個連續(xù)的字符序列中，第二個和第三個字符之間的距離大于其余任何兩個相鄰字符之間的距離，即 d23^rnax (d12, d34, d45, d56, d67)而對于武警車牌，5個連續(xù)的字符序列中，每兩個字符之間的距離相等，在本發(fā)明中當每個相鄰字符的間距小于3個像素值時，可以認為兩個字符之間的距離相等。根據上述每種車牌類型對應的字符序列的距離特征，在本發(fā)明中當對每個白色為車牌區(qū)域的字符進行分割后，識別相應的字符序列，判斷每個字符序列是否滿足相應的距離條件。圖4為本發(fā)明提供的通過距離識別白色車牌類型的過程示意圖，該過程包括以下步驟S401 :根據字符分割后每兩個字符之間的距離，判斷設定數量的相鄰字符序列之間的距離，是否滿足設定的第一距離條件、第二距離條件或第三距離條件。S402 :根據該字符序列滿足的距離條件，確定該字符序列歸屬的車牌類型。S403 :采用該車牌類型對應的模板，確定該模板與該字符序列之間的距離，選擇與模板距離最小的序列作為車牌，該模板對應的類型為該車牌類型。具體的在根據白色車牌中的字符之間的距離，確定車牌類型時，針對每個車牌，取出該車牌中任意7個連續(xù)的字符序列和5個連續(xù)的字符序列，可能在每個白色車牌區(qū)域中有多個滿足上述條件的字符序列，針對取出的每個字符序列，根據該字符序列的長度，選擇相應的距離條件，判斷該字符序列是否滿足該相應的距離條件，即例如該字符序列為5字符的字符序列吋，則其具距離條件為每兩個的相鄰的字符之間的距離是否相等，當該字符序列為7字符的字符序列吋，則判斷該7字符的字符序列中前兩個字符之間的距離是否大于其余任何兩個相鄰字符之間的距離，或者判斷第二個和第三個字符之間的距離是否大于其余任何兩個相鄰字符之間的距離。將滿足上述距離條件的字符序列取出，并記錄每個字符序列對應的距離條件。根據選擇出的每個滿足上述距離條件的字符序列，采用該距離條件對應的模板，與該字符序列進行匹配，確定該字符序列與該模板的距離。根據從該白色車牌序列中取出的每個字符序列與其模板之間的平均匹配距離，選擇平均距離最小值的模板對應的車牌類型為該白色車牌的類型。即采用下述公式
權利要求
1.ー種白色車牌類型的識別方法，其特征在于，所述方法包括 在輸入的圖像中進行車牌區(qū)域定位，在定位的車牌區(qū)域中識別出白色車牌區(qū)域；對識別出的白色車牌區(qū)域進行預處理，并對預處理后的白色車牌區(qū)域進行字符分割；根據字符分割后每兩個字符之間的距離，識別出該白色車牌中滿足每種白色車牌類型的字符序列； 將每個字符序列，與該字符序列對應車牌類型的模板進行匹配，根據平均匹配距離確定每個白色車牌的類型。
2.如權利要求I所述的識別方法，其特征在于，所述以下至少ー種預處理方法對對識別出的白色車牌區(qū)域進行預處理 水平矯正和去除上下邊界； 采用所述水平矯正預處理方法，對識別出的白色車牌區(qū)域進行預處理包括 對識別出的所述白色車牌區(qū)域采用相應的方法進行ニ值化處理； 根據識別出的ニ值化處理后的白色車牌區(qū)域中像素值的跳變，在水平邊緣信息圖中與該跳變時白色像素點對應的像素點的位置賦值為1，其他像素點的位置賦值為O ; 以設定的步長旋轉水平邊緣信息圖，針對旋轉后的每個角度，在設定的角度范圍內確定姆行在水平方向上包含白色像素點的數目； 針對旋轉后的每個角度，選擇白色像素點的數目較多的設定行數，統(tǒng)計該設定行數的白色像素點的數目和； 根據白色像素點的數目和的最大值對應的旋轉角度，確定該白色車牌區(qū)域的矯正角度，對該白色車牌區(qū)域進行水平矯正； 采用所述取出邊界預處理方法，對識別出的白色車牌區(qū)域進行預處理包括 對所述白色車牌區(qū)域進行ニ值化處理； 在ニ值化處理后的白色車牌區(qū)域中，識別每行像素值的跳變次數，并確定每行包含的最長白線長度和最長黑線長度； 根據所述跳變次數、最長白線長度和最長黑線長度中的至少ー個，與設定的對應距離閾值，確定該白色車牌區(qū)域的上、下邊界。
3.如權利要求2所述的方法，其特征在于，所述在確定每行包含的最長白線長度之前，所述方法還包括 將該白線包含的像素點的數目作為該白線的長度，根據該白線的長度是否大于設定的第二比例閾值與設置的車牌寬度的積，判斷該白線是否為真正的白線；或 針對每行的白線，根據該白線包含的像素點的數目，以及該白線中像素點同列的相鄰像素點是否為黒色像素點，確定識別參數的取值； 根據識別參數的取值是否大于第一比例閾值與白線的長度的積，判斷該白線是否為真正的白線； 當確定該白線為真正的白線時，將該白線加入到最長白線長度的選擇集合中。
4.如權利要求I或2所述的識別方法，其特征在于，所述對預處理后的白色車牌區(qū)域進行字符分割包括 對所述預處理后的白色車牌區(qū)域進行ニ值化處理，并進行反色處理； 統(tǒng)計每列白色像素點的數目和；根據每列白色像素點的數目和，判斷每列是否為字符的左、右邊界。
5.如權利要求I所述的識別方法，其特征在于，所述識別出滿足每種白色車牌類型的字符序列包括 根據字符分割后每兩個字符之間的距離，判斷設定數量的相鄰字符序列之間的距離，是否滿足設定的第一距離條件、第二距離條件或第三距離條件； 根據該字符序列滿足的距離條件，確定該字符序列歸屬的車牌類型； 采用該車牌類型對應的模板，確定該模板與該字符序列之間的匹配距離，選擇平均匹配距離最小的序列作為車牌，該模板對應的類型為該車牌類型。
6.ー種白色車牌類型的識別裝置，其特征在于，所述裝置包括 識別模塊，用于在輸入的圖像中進行車牌區(qū)域定位，在定位的車牌區(qū)域中識別出白色車牌區(qū)域； 預處理分割模塊，用于對識別出的白色車牌區(qū)域進行預處理，并對預處理后的白色車牌區(qū)域進行字符分割； 字符序列選擇模塊，用于根據字符分割后每兩個字符之間的距離，識別出該白色車牌中滿足每種白色車牌類型的字符序列； 匹配模塊，用于將每個字符序列，與該字符序列對應車牌類型的模板進行匹配，根據平均匹配距離確定每個白色車牌的類型。
7.如權利要求6所述的裝置，其特征在于，所述預處理分割模塊，具體用于對識別出的所述白色車牌區(qū)域采用相應的方法進行ニ值化處理；根據識別出的ニ值化處理后的白色車牌區(qū)域中像素值的跳變，在水平邊緣信息圖中與該跳變時白色像素點對應的像素點的位置賦值為1，其他像素點的位置賦值為O ;以設定的步長旋轉水平邊緣信息圖，針對旋轉后的每個角度，在設定的角度范圍內確定每行在水平方向上包含白色像素點的數目；針對旋轉后的每個角度，選擇白色像素點的數目較多的設定行數，統(tǒng)計該設定行數的白色像素點的數目和；根據白色像素點的數目和的最大值對應的旋轉角度，確定該白色車牌區(qū)域的矯正角度，對該白色車牌區(qū)域進行水平矯正；對所述白色車牌區(qū)域進行ニ值化處理；在ニ值化處理后的白色車牌區(qū)域中，識別每行像素值的跳變次數，并確定每行包含的最長白線長度和最長黑線長度；根據所述跳變次數、最長白線長度和最長黑線長度中的至少ー個，與設定的對應距離閾值，確定該白色車牌區(qū)域的上、下邊界。
8.如權利要求6或7所述的裝置，其特征在于，所述預處理分割模塊，具體用于將該白線包含的像素點的數目作為該白線的長度，根據該白線的長度是否大于設定的第二比例閾值與設置的車牌寬度的積，判斷該白線是否為真正的白線；或 針對每行的白線，根據該白線包含的像素點的數目，以及該白線中像素點同列的相鄰像素點是否為黒色像素點，確定識別參數的取值；根據識別參數的取值是否大于第一比例閾值與白線的長度的積，判斷該白線是否為真正的白線； 當確定該白線為真正的白線時，將該白線加入到最長白線長度的選擇集合中。
9.如權利要求6所述的裝置，其特征在于，所述預處理分割模塊，對所述預處理后的白色車牌區(qū)域進行ニ值化處理，并進行反色處理；統(tǒng)計每列白色像素點的數目和；根據每列白色像素點的數目和，判斷每列是否為字符的左、右邊界。
10.如權利要求6所述的裝置，其特征在干，所述匹配模塊，具體用于根據字符分割后每兩個字符之間的距離，判斷設定數量的相鄰字符序列之間的距離，是否滿足設定的第一距離條件、第二距離條件或第三距離條件；根據該字符序列滿足的距離條件，確定該字符序列歸屬的車牌類型；采用該車牌類型對應的模板，確定該模板與該字符序列之間的匹配距離，選擇平均匹配距離 最小的序列作為車牌，該模板對應的類型為該車牌類型。
全文摘要
本發(fā)明公開了一種白色車牌類型的識別方法及裝置，解決現有技術在對白色車牌的類型進行識別時精度低，準確性差的問題，該方法在進行白色車牌類型識別時，對預處理后的白色車牌區(qū)域進行了字符分割，根據分割后每兩個字符之間的距離，識別出該白色車牌中滿足每種白色車牌類型的字符序列，根據與每種白色車牌類型對應的模板與該字符序列的匹配距離，確定該白色車牌的車牌類型。由于在本發(fā)明中根據字符序列之間的距離，確定滿足每種類型的車牌序列，之后又根據該類型車牌對應的模板與該字符序列的距離最終確定該車牌的類型，因此在兩次識別的情況下，可以保證識別結果的準確性及精確度。
文檔編號G06K9/64GK102693431SQ201210177788
公開日2012年9月26日 申請日期2012年5月31日 優(yōu)先權日2012年5月31日
發(fā)明者王海峰 申請人:信幀電子技術(北京)有限公司