專利名稱：車牌定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，具體涉及ー種車牌定位方法。
背景技術(shù)：
隨著高速公路、城市道路和現(xiàn)代化小區(qū)的不斷增多，對車輛進(jìn)行智能化和自動(dòng)化管理的要求也越來越高，其中車牌的自動(dòng)識別是其中ー項(xiàng)重要的基本功能。現(xiàn)有技術(shù)中采用的ー種車牌自動(dòng)識別技術(shù)是對拍攝到的視頻流圖像運(yùn)用車牌檢測、定位技術(shù)，判斷其中是否存在車牌，在檢測、定位到車牌之后再識別所定位的車牌，在其中車牌的檢測、定位的效果是整個(gè)車牌識別技術(shù)的關(guān)鍵。
現(xiàn)有技術(shù)中的車牌定位技術(shù)主要有兩類邊緣統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法。其中邊緣統(tǒng)計(jì)方法是先假設(shè)圖像中存在車牌，通過統(tǒng)計(jì)邊緣找出車牌所在區(qū)域，從而定位車牌，該方法的優(yōu)點(diǎn)在于定位速度較快，但易受背景環(huán)境的影響，誤檢率較高，且給出的車牌區(qū)域不夠精確，只是ー個(gè)大概的區(qū)域；機(jī)器學(xué)習(xí)方法是首先用車牌樣本訓(xùn)練車牌分類器，然后用車牌分類器對視頻流圖像進(jìn)行全圖像、多尺度的捜索來定位車牌，該方法的優(yōu)點(diǎn)在于定位較為準(zhǔn)確、誤檢率低，但其定位速度較慢，實(shí)時(shí)性較低，且易出現(xiàn)漏檢現(xiàn)象。綜上所述，現(xiàn)有技術(shù)中的車牌定位技術(shù)不能同時(shí)解決定位精確度低、定位速度慢、漏檢率高及誤檢率高等問題。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例所要解決的技術(shù)問題是提供一種車牌定位方法，用于在不降低車牌定位精確度的情況下，提高定位速度，降低漏檢率和誤檢率。本發(fā)明實(shí)施例提供一種車牌方法，包括SI、對所拍攝的視頻流的第二幀圖像進(jìn)行檢測，生成檢測到的車牌區(qū)域列表；所述第二幀圖像為所述視頻流中的任意一幀圖像；S2、驗(yàn)證所述車牌區(qū)域列表中的各個(gè)車牌區(qū)域是否滿足車牌特征，在所述車牌區(qū)域列表中刪除不滿足車牌特征的車牌區(qū)域以得到已驗(yàn)證車牌區(qū)域列表；S3、跟蹤第一幀圖像的跟蹤列表中的車牌區(qū)域，在所述第一幀圖像的跟蹤列表中刪除不能跟蹤到的車牌區(qū)域以得到第二跟蹤列表；所述第一幀圖像為所述第二幀圖像的前一中貞圖像；S4、將所述第二跟蹤列表與所述已驗(yàn)證車牌區(qū)域列表進(jìn)行融合，以得到所述第二幀圖像的跟蹤列表；S5、將所述第二幀圖像的跟蹤列表作為定位結(jié)果輸出。本發(fā)明實(shí)施例中提供的車牌定位方法，首先對視頻流的ー幀圖像進(jìn)行快速檢測，給出初步的車牌區(qū)域列表，然后對車牌區(qū)域列表中的車牌區(qū)域進(jìn)行驗(yàn)證，可提高車牌定位速度和降低誤檢率，接下來對前ー幀圖像的跟蹤列表進(jìn)行跟蹤，可降低車牌定位的漏檢率，最后將跟蹤列表和已驗(yàn)證車牌區(qū)域列表進(jìn)行融合，可提高車牌定位的精確度。


為 了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I是本發(fā)明實(shí)施例中車牌定位方法的流程圖；圖2是本發(fā)明實(shí)施例中車牌定位方法中步驟SI的流程圖；圖3是本發(fā)明實(shí)施例中車牌定位方法中步驟SI的詳細(xì)流程圖；圖4是本發(fā)明實(shí)施例中車牌定位方法中步驟S2的流程圖；圖5是本發(fā)明實(shí)施例中車牌定位方法中步驟S21的流程圖；圖6是本發(fā)明實(shí)施例中車牌定位方法中步驟S4的流程圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明實(shí)施例中提供了一種車牌定位方法，包括車牌檢測、車牌驗(yàn)證、車牌跟蹤等步驟，其中通過車牌檢測可快速準(zhǔn)確的定位車牌，通過車牌驗(yàn)證對檢測到的車牌進(jìn)行車驗(yàn)證，可減少誤檢，通過跟蹤車牌達(dá)到在視頻流中連續(xù)定位車牌的目的，從而提供快速、穩(wěn)定的定位結(jié)果。以下進(jìn)行詳細(xì)說明。如圖I所示，本發(fā)明提供一種車牌定位方法，可包括下列步驟SI、對所拍攝的視頻流的第二幀圖像進(jìn)行檢測，生成檢測到的車牌區(qū)域列表；上述第二幀圖像為上述視頻流中的任意一幀圖像；S2、驗(yàn)證上述車牌區(qū)域列表中的各個(gè)車牌區(qū)域是否滿足車牌特征，在上述車牌區(qū)域列表中刪除不滿足車牌特征的車牌區(qū)域以得到已驗(yàn)證車牌區(qū)域列表；S3、跟蹤第一幀圖像的跟蹤列表中的車牌區(qū)域，在上述第一幀圖像的跟蹤列表中刪除不能跟蹤到的車牌區(qū)域以得到第二跟蹤列表；上述第一幀圖像為上述第二幀圖像的前一中貞圖像；需要說明的是，當(dāng)?shù)谝粠瑘D像的跟蹤列表為空時(shí)，則無需進(jìn)行對車牌區(qū)域的跟蹤，此種情況下，第二跟蹤列表與第一幀圖像的跟蹤列表相同；需要說明的是，當(dāng)上述第二幀圖像為視頻流的首幀圖像時(shí)(前面不存在其它幀的圖像)，則不存在上述第一幀圖像，第一幀圖像的跟蹤列表也視為空；S4、將上述第二跟蹤列表與上述已驗(yàn)證車牌區(qū)域列表進(jìn)行融合，以得到上述第二幀圖像的跟蹤列表；S5、將上述第二幀圖像的跟蹤列表作為定位結(jié)果輸出。具體地,如圖2所示,上述步驟SI可具體包括下列步驟S11、根據(jù)預(yù)設(shè)定的搜索尺度遍歷搜索上述視頻流的第二幀圖像；
S12、根據(jù)步驟Sll的捜索結(jié)果生成車牌區(qū)域列表；進(jìn)ー步地，上述步驟Sll可具體包括下列步驟SI 11、預(yù)設(shè)定M種不同的捜索尺度，并按照預(yù)定的順序?qū)ι鲜鯩種搜索尺度進(jìn)行排序，且M大于或等于2 ;由于實(shí)際應(yīng)用中，車牌的大小是在ー個(gè)范圍之內(nèi)的，因此可以設(shè)定ー個(gè)車牌區(qū)域的最大尺度和最小尺度,分別作為最大搜索尺度和最小搜索尺度，再在最大搜索尺度和最小捜索尺度之間設(shè)置一些合適的捜索尺度；如本實(shí)施例中可將最小捜索尺度設(shè)定為70*30(長70像素，寬30像素)，將最小捜索尺度設(shè)為第I種(M=I)捜索尺度，第2種搜索尺度為第I種搜索尺度的I. 2倍(84*36)，第3種搜索尺度為第2種搜索尺度的I. 2倍，依次類推，直至最大捜索尺度；當(dāng)然以上只是本實(shí)施例中的選擇，在實(shí)際應(yīng)用中，本領(lǐng)域普通技術(shù)人員還 可根據(jù)實(shí)際情況選擇其它合適的捜索尺度和排序方式，在此不做具體的限制；S112、設(shè)定 N=I;即初始從第I種搜索尺度開始；S113、從預(yù)設(shè)定的初始位置按第N種搜索尺度以4為步長開始搜索上述第二幀圖像；需要說明的是，以4為步長指的是每次搜索間隔四個(gè)像素點(diǎn)；本實(shí)施例中，預(yù)設(shè)定的初始位置可以選擇圖像的原點(diǎn)位置(0，O)，當(dāng)然也可以選擇其它合適的初始位置；S114、利用第一判斷方法判斷捜索到的ー個(gè)區(qū)域是否是車牌區(qū)域，如果是，則執(zhí)行步驟SI 15，否則執(zhí)行步驟SI 18 ；具體地，上述的第一判斷方法可為第一歩計(jì)算該區(qū)域的灰度方差值，判斷該區(qū)域的灰度方差值是否大于預(yù)定的閾值，如果小于則該區(qū)域不是車牌區(qū)域，如果大于則進(jìn)入第二步；第二步利用預(yù)先訓(xùn)練得到的所述第一車牌分類器來判斷該區(qū)域是否是車牌區(qū)域；需要說明的是，對于ー個(gè)區(qū)域，只有其灰度方差值大于預(yù)定的閾值且被第一車牌分類器判斷為車牌區(qū)域才被判斷為車牌區(qū)域，否則不是車牌區(qū)域；本實(shí)施例中，可米用基于MB_LBP (Multi-Block Local-Binary-Patterns)特征的Adboost方法，預(yù)先利用車牌樣本、通過Adboost方法挑選最優(yōu)的MB_LBP特征構(gòu)建級聯(lián)分類器(第一車牌分類器)，MB_LBP特征的優(yōu)點(diǎn)一方面在于MB_LBP的塊狀特征和車牌的灰度分布規(guī)律較為相似，構(gòu)建的級聯(lián)分類器特征數(shù)量比較少、分類能力強(qiáng)；另一方面MB_LBP特征計(jì)算復(fù)雜度也比較低；級聯(lián)分類器的優(yōu)點(diǎn)在于它的排除法，在圖像中占絕大部分的非車牌區(qū)域經(jīng)過部分層分類器后就被排除掉了，總體上縮短了定位的時(shí)間；本實(shí)施例中，如果某一區(qū)域的灰度方差不大于預(yù)定的閾值，則該區(qū)域被判斷為不是車牌區(qū)域，就無需進(jìn)入第二步，因此采用灰度方差值進(jìn)行預(yù)判斷的方法可以減少第一車牌分類器的分類頻率，提高檢測速度；一般的，為了方便辨認(rèn)，車牌背景的顔色和字符的顏色正好是反色，而且所占的比例相當(dāng)，因此車牌區(qū)域的灰度方差比較大，用計(jì)算灰度方差的方式對搜索到的區(qū)域進(jìn)行區(qū)分可排除掉大量的平坦區(qū)域，如地面、車身等；
具體地，灰度方差計(jì)算的方法可以為
權(quán)利要求
1.一種車牌定位方法，其特征在于，包括s1、對所拍攝的視頻流的第二幀圖像進(jìn)行檢測，生成檢測到的車牌區(qū)域列表；所述第二幀圖像為所述視頻流中的任意一幀圖像；s2、驗(yàn)證所述車牌區(qū)域列表中的各個(gè)車牌區(qū)域是否滿足車牌特征，在所述車牌區(qū)域列表中刪除不滿足車牌特征的車牌區(qū)域以得到已驗(yàn)證車牌區(qū)域列表；s3、跟蹤第一幀圖像的跟蹤列表中的車牌區(qū)域，在所述第一幀圖像的跟蹤列表中刪除不能跟蹤到的車牌區(qū)域以得到第二跟蹤列表；所述第一幀圖像為所述第二幀圖像的前ー幀圖像；s4、將所述第二跟蹤列表與所述已驗(yàn)證車牌區(qū)域列表進(jìn)行融合，以得到所述第二幀圖像的跟蹤列表；s5、將所述第二幀圖像的跟蹤列表作為定位結(jié)果輸出。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟SI包括s11、按照預(yù)設(shè)定的捜索尺度遍歷搜索所述第二幀圖像；s12、根據(jù)所述步驟Sll的捜索結(jié)果生成車牌區(qū)域列表。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟Sll包括s11、預(yù)設(shè)定M種不同的捜索尺度，并按照預(yù)定的順序?qū)λ鯩種搜索尺度進(jìn)行排序，且M大于或等于2;s12、設(shè)定N=I ；s13、從預(yù)設(shè)定的初始位置按第N種搜索尺度以4為步長開始搜索所述第二幀圖像；s14、利用第一判斷方法判斷捜索的區(qū)域是否是車牌區(qū)域，如果是，則執(zhí)行步驟S115，否則執(zhí)行步驟SI 18;5115、以2為步長捜索所述區(qū)域的8個(gè)第二近鄰區(qū)域，利用所述第一判斷方法判斷所述8個(gè)第二近鄰區(qū)域是否存在車牌區(qū)域，如果是，執(zhí)行步驟S116，否則執(zhí)行步驟S118 ；s16、以I為步長捜索所述區(qū)域的8個(gè)第一近鄰區(qū)域，利用所述第一判斷方法判斷所述.8個(gè)第一近鄰區(qū)域是否存在車牌區(qū)域，如果是，執(zhí)行步驟S117，否則執(zhí)行步驟S118 ；s17、將所述區(qū)域添加進(jìn)車牌區(qū)域列表；s18、判斷是否搜索完所述第二幀圖像，如果是，執(zhí)行步驟S1110，否則執(zhí)行步驟S119；s19、以4為步長沿預(yù)定的方向捜索所述第二幀圖像的下ー個(gè)區(qū)域；執(zhí)行步驟S114； s10、判斷N是否大于或等于M，如果否，執(zhí)行步驟S1111，如果是，執(zhí)行步驟S12 ；sll N=N+1 ;執(zhí)行步驟 SI 13。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第一判斷方法包括計(jì)算所述區(qū)域的灰度方差值，判斷所述區(qū)域的灰度方差值是否大于預(yù)定的閾值，如果否，則所述區(qū)域不是車牌區(qū)域；利用預(yù)先訓(xùn)練得到的第一車牌分類器判斷灰度方差值大于預(yù)定的閾值的區(qū)域是否是車牌區(qū)域。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟S2包括s21、提取所述車牌區(qū)域列表中的各車牌區(qū)域的特征向量；s22、利用預(yù)先訓(xùn)練得到的第二車牌分類器對所述述各車牌區(qū)域的特征向量進(jìn)行驗(yàn)證，以判斷所述各車牌區(qū)域是否滿足車牌特征，在所述車牌區(qū)域列表中刪除不滿足車牌特征的車牌區(qū)域以得到已驗(yàn)證車牌區(qū)域列表。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟S21包括5211、將所述車牌區(qū)域列表中的各車牌區(qū)域均縮放到預(yù)設(shè)定的尺寸；5212、檢測所述各車牌區(qū)域的顔色，判斷是否需要進(jìn)行反色，對需要反色的所述車牌區(qū)域進(jìn)行反色；5213、計(jì)算出所述各車牌區(qū)域的筆畫ニ值圖；5214、對所述各車牌區(qū)域的筆畫ニ值圖進(jìn)行修復(fù)、去偽筆畫處理；5215、將步驟S214處理后的各車牌區(qū)域的筆畫ニ值圖投影到水平方向，并進(jìn)行歸ー化處理。
7.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟S3包括在所述已驗(yàn)證車牌列表中跟蹤所述第一幀圖像的跟蹤列表中包含的各個(gè)車牌區(qū)域，刪除其中的與所述已驗(yàn)證車牌列表中的任何一個(gè)車牌區(qū)域均不存在重疊的車牌區(qū)域，以得到所述第二跟蹤列表。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述步驟S4包括541、將所述已驗(yàn)證車牌區(qū)域列表中與所述第二跟蹤列表中不重疊的車牌區(qū)域加入所述第二跟蹤列表以得到所述第三跟蹤列表；542、將所述已驗(yàn)證車牌區(qū)域列表中與所述第三跟蹤列表中重疊的車牌區(qū)域進(jìn)行加權(quán)疊加，以得到所述第二幀圖像的跟蹤列表。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述步驟S42包括根據(jù)預(yù)設(shè)定的加權(quán)系數(shù)μ進(jìn)行加權(quán)疊加TO. X= μ *Τ1. X+ (I- μ ) * (kl*Cl. x+k2*C2. x+......+kn*Cn. x) / (kl+k2......+kn);TO. y= μ *T1. y+ (I- μ ) * (kl*Cl. y+k2*C2. y+......+kn*Cn. y) / (kl+k2......+kn);TO.width= μ *T1. width+ (I-μ )* (kl*Cl. width+k2*C2. width+......+kn*Cn. width)/(kl+k2......+kn)；TO.height=μ *Τ1· height+ (I-μ ) * (kl*Cl. height+k2*C2. height+......+kn*Cn.height) / (kl+k2......+kn)；其中Tl為所述第三跟蹤列表中的一個(gè)車牌區(qū)域，Tl. X為Tl起始點(diǎn)的X坐標(biāo)值，Tl. y為Tl起始點(diǎn)的y坐標(biāo)值，Tl. width為Tl的寬度值，Tl. height為Tl的高度值；C1，C2……Cn為所述已驗(yàn)證車牌區(qū)域列表中的與Tl相重疊的η個(gè)車牌區(qū)域，K1，K2……Kn為所述η個(gè)車牌區(qū)域與Tl相應(yīng)的重疊率，Cn. X為Cn的起始點(diǎn)的χ坐標(biāo)值，Cn. y為Cn的起始點(diǎn)的y坐標(biāo)值，Cn. width為Cn的寬度值，Cn. height為Cn的高度值。
全文摘要
本發(fā)明實(shí)施例涉及圖像識別技術(shù)領(lǐng)域，公開了一種車牌定位方法。其中，該方法包括S1、對所拍攝的視頻流的第二幀圖像進(jìn)行檢測，生成檢測到的車牌區(qū)域列表；S2、驗(yàn)證所述車牌區(qū)域列表中的各個(gè)車牌區(qū)域，在所述車牌區(qū)域列表中刪除不滿足車牌特征的車牌區(qū)域以得到已驗(yàn)證車牌區(qū)域列表；S3、在所述第一幀圖像的跟蹤列表中刪除不能跟蹤到的車牌區(qū)域以得到第二跟蹤列表；S4、將所述第二跟蹤列表與所述已驗(yàn)證車牌區(qū)域列表進(jìn)行融合，以得到所述第二幀圖像的跟蹤列表；S5、將所述第二幀圖像的跟蹤列表作為定位結(jié)果輸出。實(shí)施本發(fā)明實(shí)施例，可以在不降低車牌定位精確度的情況下，提高定位速度，降低漏檢率和誤檢率。
文檔編號G06K9/54GK102831429SQ201210286440
公開日2012年12月19日 申請日期2012年8月13日 優(yōu)先權(quán)日2012年8月13日
發(fā)明者唐健, 吳偉華, 陶昆, 廖振生 申請人:深圳市捷順科技實(shí)業(yè)股份有限公司