一種車牌定位方法及裝置制造方法
【專利摘要】本發(fā)明適用于圖像處理領(lǐng)域，提供了一種車牌定位方法及裝置，所述方法包括下述步驟：對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域；在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。本發(fā)明在識(shí)別出精確的車牌區(qū)域以后，通過車牌跟蹤的方式再次得到精確的車牌區(qū)域，通過跟蹤的方式替代重新進(jìn)行車牌檢測的過程，實(shí)現(xiàn)更快的再次檢測識(shí)別到精確的車牌區(qū)域。
【專利說明】一種車牌定位方法及裝置【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及一種車牌定位方法及裝置。
【背景技術(shù)】
[0002]車牌識(shí)別已經(jīng)被廣泛使用在停車場出入口，商廈出入口等地方。車牌識(shí)別一般分為車牌檢測，字符分割與識(shí)別以及車牌投票這三步。車牌檢測，即從視頻中檢測到車牌，而車票檢測又是車牌識(shí)別中非常重要的一步，也是最耗時(shí)的一步。車牌檢測就是在車輛圖像中檢測車牌的位置。由于車牌識(shí)別設(shè)備一般都是在室外使用，車牌和背景的成像條件是不可控制的，光照，復(fù)雜背景，攝像機(jī)的安裝角度和距離等給車牌檢測帶來了困難。車牌區(qū)域在整幅圖像中所占的比例較小，要從整幅圖像中檢測出車牌區(qū)域必然要在大量的背景信息中進(jìn)行搜索?，F(xiàn)實(shí)生活中對車牌的識(shí)別應(yīng)用場景都有對時(shí)間的限制，因此更加需要快速檢測到車牌?；谝曨l的車牌檢測方法有很多，包括基于線模板的二值化圖像中的角檢測算法，利用遺傳算法檢測車牌，還有基于Haar特征的Adaboost檢測等。其中基于Haar特征的Adaboost訓(xùn)練模型進(jìn)行全圖搜索。該方法檢測率高，但速度慢，全圖進(jìn)行Haar檢測能準(zhǔn)確檢測到車牌，但是運(yùn)算量大，如果應(yīng)用在嵌入式設(shè)備中，嵌入式設(shè)備的運(yùn)算速度難以達(dá)到要求。另外Haar檢測對角度要求高，如果車牌角度超過了 30度就會(huì)出現(xiàn)一定的漏檢。由于車輛在卡口是一輛跟一輛，并且一車一卡，因此在檢測出車輛的車牌區(qū)域以后還需要關(guān)注當(dāng)前車輛的情況，直至能夠識(shí)別出車牌信息為止。而在繼續(xù)關(guān)注的過程中還需對車輛車牌進(jìn)行檢測，也就是還需要在圖像中檢測車牌區(qū)域，而常用的方法為重新進(jìn)行計(jì)算和檢測，而重新進(jìn)行計(jì)算檢測的計(jì)算量相對就比較大。

【發(fā)明內(nèi)容】

[0003]本發(fā)明實(shí)施例的目的在于提供一種車牌定位方法及裝置，旨在提供一種車牌定位方法，當(dāng)識(shí)別出精確的車牌區(qū)域以后，通過車牌跟蹤的方式再次得到精確的車牌區(qū)域，通過跟蹤的方式替代重新進(jìn)行車牌檢`測的過程，實(shí)現(xiàn)更快的再次檢測識(shí)別到精確的車牌區(qū)域。
[0004]本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種車牌定位方法，所述方法包括下述步驟:
[0005]對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域；在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
[0006]進(jìn)一步的，所述對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域的具體步驟包括:
[0007]使用HOG模型對圖像進(jìn)行多尺度檢測，并提取通過HOG模型檢測的方框區(qū)域；
[0008]對圖像進(jìn)行邊緣計(jì)算，并計(jì)算經(jīng)過邊緣計(jì)算后的圖像的積分圖，獲取得到圖像的邊緣積分圖；
[0009]在所述邊緣積分圖上獲取通過HOG模型檢測的方框區(qū)域，計(jì)算通過HOG模型檢測的方框區(qū)域的邊緣密度，提取邊緣密度大于等于閾值的方框；
[0010]通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
[0011]進(jìn)一步的，所述方法在通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測步驟前還包括:
[0012]對邊緣密度大于等于閾值的方框進(jìn)行平分，并計(jì)算平分后各方框的平均邊緣密度，根據(jù)平均邊緣密度得到平均邊緣密度偏差，標(biāo)定偏差在閾值范圍內(nèi)的方框?yàn)轭愃栖嚺品娇颉?br> [0013]進(jìn)一步的，所述通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域的步驟包括:
[0014]通過級(jí)聯(lián)的Adaboost算法對Haar特征進(jìn)行訓(xùn)練得到Haar模型；
[0015]通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
[0016]進(jìn)一步的，所述在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤的步驟前包括:
[0017]在車牌標(biāo)定位中通過標(biāo)定信號(hào)標(biāo)定已檢測到精確的車牌區(qū)域，并在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤；
[0018]當(dāng)根據(jù)跟蹤獲取得到車牌區(qū)域時(shí)，對跟蹤到的車牌區(qū)域進(jìn)行車牌識(shí)別，當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別出的結(jié)果不能滿足識(shí)別要求時(shí)，清除在車牌標(biāo)定位中的標(biāo)定信號(hào)；
[0019]當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別結(jié)果滿足識(shí)別要求時(shí)，更改車牌標(biāo)定位中的標(biāo)定信號(hào)，并根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
[0020]本發(fā)明實(shí)施例的另一目的在于提供一種車牌定位裝置，所述裝置包括:
[0021]車牌檢測單元，用于對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域；
[0022]車牌跟蹤單元，用于在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
[0023]進(jìn)一步的,所述車牌檢測單元包括:
[0024]方框區(qū)域提取單元，用于使用HOG模型對圖像進(jìn)行多尺度檢測，并提取通過HOG模型檢測的方框區(qū)域；
[0025]積分圖計(jì)算單元，用于對圖像進(jìn)行邊緣計(jì)算，并計(jì)算經(jīng)過邊緣計(jì)算后的圖像的積分圖，獲取得到圖像的邊緣積分圖；
[0026]方框提取單元，用于在所述邊緣積分圖上獲取通過HOG模型檢測的方框區(qū)域，計(jì)算通過HOG模型檢測的方框區(qū)域的邊緣密度，提取邊緣密度大于等于閾值的方框；
[0027]車牌區(qū)域檢測單元，用于通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
[0028]進(jìn)一步的，所述裝置還包括:
[0029]標(biāo)定單元，用于對邊緣密度大于等于閾值的方框進(jìn)行平分，并計(jì)算平分后各方框的平均邊緣密度，根據(jù)平均邊緣密度得到平均邊緣密度偏差，標(biāo)定偏差在閾值范圍內(nèi)的方框?yàn)轭愃栖嚺品娇颉?br> [0030]進(jìn)一步的，所述車牌區(qū)域檢測單元還包括:
[0031 ] 模型訓(xùn)練單元,用于通過級(jí)聯(lián)的Adaboost算法對Haar特征進(jìn)行訓(xùn)練得到Haar模型；
[0032]精確檢測單元，用于通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
[0033]進(jìn)一步的，所述車牌跟蹤單元包括:
[0034]標(biāo)定單元，用于在車牌標(biāo)定位中通過標(biāo)定信號(hào)標(biāo)定已檢測到精確的車牌區(qū)域，并在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤；
[0035]標(biāo)定清除單元，用于當(dāng)根據(jù)跟蹤獲取得到車牌區(qū)域時(shí)，對跟蹤到的車牌區(qū)域進(jìn)行車牌識(shí)別，當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別出的結(jié)果不能滿足識(shí)別要求時(shí)，清除在車牌標(biāo)定位中的標(biāo)定信號(hào)；
[0036]標(biāo)定更改單元，用于當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別結(jié)果滿足識(shí)別要求時(shí)，更改車牌標(biāo)定位中的標(biāo)定信號(hào)，并根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
[0037]本發(fā)明實(shí)施例通過一種車牌定位方法及裝置，首先通過HOG特征獲取得到一些方框區(qū)域，同時(shí)對圖像進(jìn)行邊緣計(jì)算計(jì)算得到圖像的邊緣積分圖，通過得到的方框區(qū)域與邊緣積分圖再精確提取出符合預(yù)設(shè)條件的方框，最后通過Haar模型檢測出車牌區(qū)域，由于首先采用了 HOG特征進(jìn)行檢測可以實(shí)現(xiàn)大角度檢測，同時(shí)HOG特征的模型對光線魯棒，使得最后通過Haar模型檢測到車牌的概率更高，在檢測出車牌以后繼續(xù)對車牌進(jìn)行定位跟蹤，通過跟蹤的方式再次得到精確的車牌區(qū)域，當(dāng)出現(xiàn)已經(jīng)檢測的到的車牌區(qū)域無法識(shí)別出車牌時(shí)，通過定位跟蹤到的車牌區(qū)域來識(shí)別車牌，由于跟蹤的方式比重新檢測車牌速度更快，可以減少再次檢測出車牌區(qū)域的運(yùn)算量，加快識(shí)別車牌的速度。
【專利附圖】

【附圖說明】
[0038]圖1是本發(fā)明第一實(shí)施例提供的一種車牌定位方法的實(shí)現(xiàn)流程圖；
[0039]圖2是本發(fā)明第二實(shí)施例提供的一種車牌定位方法的實(shí)現(xiàn)流程圖；
[0040]圖3是本發(fā)明第二實(shí)施例提供的一種車牌定位裝置的結(jié)構(gòu)圖；以及
[0041]圖4是本發(fā)明第二實(shí)施例提供的一種車牌定位裝置的結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0042]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0043]以下結(jié)合具體實(shí)施例對本發(fā)明的具體實(shí)現(xiàn)進(jìn)行詳細(xì)描述:
[0044]實(shí)施例一:
[0045]圖1示出了本發(fā)明第一實(shí)施例提供的一種車牌定位方法的實(shí)現(xiàn)流程，詳述如下:
[0046]S101，對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域。
[0047]首先對車牌進(jìn)行檢測，通過對獲取到的車牌的圖像的處理，檢測得出一個(gè)精確的車牌區(qū)域，其中對車牌的檢測具體可以通過HOG (Histogram of oriented gradients)梯度方向直方圖特征對圖像進(jìn)行多尺度檢測，并提取通過HOG模型檢測的方框區(qū)域；之后對圖像進(jìn)行邊緣計(jì)算，并計(jì)算經(jīng)過邊緣計(jì)算后的圖像的積分圖，獲取得到圖像的邊緣積分圖；在邊緣積分圖上獲取通過HOG模型檢測的方框區(qū)域，計(jì)算通過HOG模型檢測的方框區(qū)域的邊緣密度，提取邊緣密度大于等于閾值的方框；最后通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
[0048]S102，在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
[0049]由于在卡口車輛是一輛跟一輛，并且一車一卡，因此只需要關(guān)注當(dāng)前車輛的情況。當(dāng)視頻中出現(xiàn)超過一個(gè)車牌，默認(rèn)跟蹤最靠近攝像機(jī)的那個(gè)車牌。如果沒有正在跟蹤的車牌，就檢測車牌。如果能正常檢測到車牌，就對字符進(jìn)行分割和識(shí)別，如果字符識(shí)別的置信度滿足要求，就把車牌進(jìn)行跟蹤，否則繼續(xù)在下一幀檢測車牌。如果有車牌在被跟蹤，系統(tǒng)不進(jìn)行檢測操作，通過對車牌跟蹤找到車牌在當(dāng)前幀的位置，然后對字符進(jìn)行分割和識(shí)別，如果字符識(shí)別的置信度滿足要求，就對車牌進(jìn)行跟蹤，否則刪除車牌，在下一幀重新檢測車牌。當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
[0050]本發(fā)明實(shí)施例通過上述方式，一種車牌定位方法，首先對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域，車牌檢測可以通過HOG特征獲取得到一些方框區(qū)域，同時(shí)對圖像進(jìn)行邊緣計(jì)算計(jì)算得到圖像的邊緣積分圖，通過得到的方框區(qū)域與邊緣積分圖再精確提取出符合預(yù)設(shè)條件的方框，最后通過Haar模型檢測出車牌區(qū)域，由于首先采用了 HOG特征進(jìn)行檢測可以實(shí)現(xiàn)大角度檢測，同時(shí)HOG特征的模型對光線魯棒，使得最后通過Haar模型檢測到車牌的概率更高，在車牌區(qū)域檢測出的條件下通過跟蹤繼續(xù)對車牌進(jìn)行檢測，由于車牌跟蹤的速度比檢測要快，以跟蹤的方式再次檢測出車牌區(qū)域可以減少通過常規(guī)檢測方式的系統(tǒng)運(yùn)算量，減小系統(tǒng)負(fù)荷，更快的檢測到一個(gè)新的精確的車牌區(qū)域，以便在出現(xiàn)已經(jīng)檢測的到的車牌區(qū)域無法識(shí)別出車牌時(shí)，通過定位跟蹤到的車牌區(qū)域來更快地識(shí)別出車牌。
[0051]實(shí)施例二:
[0052]圖2示出了本發(fā)明第二實(shí)施例提供的一種車牌定位方法的實(shí)現(xiàn)流程，詳述如下:
[0053]S201，對圖像進(jìn)行轉(zhuǎn)換，將圖像轉(zhuǎn)換為灰度圖；對圖像進(jìn)行縮放。首先將攝像頭在捕捉到的圖像進(jìn)行圖像轉(zhuǎn)換處理，將圖像轉(zhuǎn)換為灰度圖像，通過將圖像轉(zhuǎn)換為灰度圖像，可以減少對圖像處理的計(jì)算量，將轉(zhuǎn)換后的圖像進(jìn)行縮放，具體的實(shí)施過程中可以把圖片的寬度和高度各減少一半。將圖像進(jìn)行縮放后可以進(jìn)一步減少對圖像的計(jì)算量，提高檢測出車牌區(qū)域的速度。
[0054]S202，使用HOG模型對圖像進(jìn)行多尺度檢測，并提取通過HOG模型檢測的方框區(qū)域。
[0055]使用HOG模型對圖像進(jìn)行多尺度檢測，其中HOG模型的獲取可以通過攝像頭在各個(gè)時(shí)段和天氣條件下拍攝并儲(chǔ)存大量停車場出入口的視頻。在這些視頻中，人工截取出每輛車的車牌圖像，車牌圖像作為正樣本，人工截取出其中不是車牌的部分，截取出的非車牌圖片作為負(fù)樣本。使用HOG特征對每一幅正、負(fù)樣本進(jìn)行表征，形成HOG特征向量。HOG刻畫圖像的局部梯度幅值和方向特征，基于梯度特征對塊的特征向量進(jìn)行歸一化處理。HOG允許塊之間相互重疊，因此對光照變化和小量的偏移并不敏感，能有效地刻畫出邊緣特征。對于角度大的車牌檢測效果好。HOG特征是灰度圖的梯度統(tǒng)計(jì)信息，而梯度主要存在于邊緣的地方。計(jì)算圖像的一階梯度，梯度大小:
【權(quán)利要求】
1.一種車牌定位方法，其特征在于，所述方法包括下述步驟: 對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域； 在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
2.如權(quán)利要求1所述的方法，其特征在于，所述對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域的具體步驟包括: 使用HOG模型對圖像進(jìn)行多尺度檢測，并提取通過HOG模型檢測的方框區(qū)域； 對圖像進(jìn)行邊緣計(jì)算，并計(jì)算經(jīng)過邊緣計(jì)算后的圖像的積分圖，獲取得到圖像的邊緣積分圖； 在所述邊緣積分圖上獲取通過HOG模型檢測的方框區(qū)域，計(jì)算通過HOG模型檢測的方框區(qū)域的邊緣密度，提取邊緣密度大于等于閾值的方框； 通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
3.如權(quán)利要求2所述的方法，其特征在于，所述方法在通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測步驟前還包括: 對邊緣密度大于等于閾值的方框進(jìn)行平分，并計(jì)算平分后各方框的平均邊緣密度，根據(jù)平均邊緣密度得到平均邊緣密度偏差，標(biāo)定偏差在閾值范圍內(nèi)的方框?yàn)轭愃栖嚺品娇颉?br> 4.如權(quán)利要求2所述的方法，其特征在于，所述通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域的步驟包括: 通過級(jí)聯(lián)的Adaboost算法對Haar特征進(jìn)行訓(xùn)練得到Haar模型； 通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
5.如權(quán)利要求1所述的方法，其特征在于，所述在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤的步驟前包括: 在車牌標(biāo)定位中通過標(biāo)定信號(hào)標(biāo)定已檢測到精確的車牌區(qū)域，并在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤； 當(dāng)根據(jù)跟蹤獲取得到車牌區(qū)域時(shí)，對跟蹤到的車牌區(qū)域進(jìn)行車牌識(shí)別，當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別出的結(jié)果不能滿足識(shí)別要求時(shí)，清除在車牌標(biāo)定位中的標(biāo)定信號(hào); 當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別結(jié)果滿足識(shí)別要求時(shí)，更改車牌標(biāo)定位中的標(biāo)定信號(hào)，并根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
6.一種車牌定位裝置，其特征在于，所述裝置包括: 車牌檢測單元，用于對車牌進(jìn)行檢測，檢測得出精確的車牌區(qū)域； 車牌跟蹤單元，用于在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤，當(dāng)根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
7.如權(quán)利要求6所述的裝置，其特征在于，所述車牌檢測單元包括: 方框區(qū)域提取單元，用于使用HOG模型對圖像進(jìn)行多尺度檢測，并提取通過HOG模型檢測的方框區(qū)域； 積分圖計(jì)算單元，用于對圖像進(jìn)行邊緣計(jì)算，并計(jì)算經(jīng)過邊緣計(jì)算后的圖像的積分圖，獲取得到圖像的邊緣積分圖； 方框提取單元，用于在所述邊緣積分圖上獲取通過HOG模型檢測的方框區(qū)域，計(jì)算通過HOG模型檢測的方框區(qū)域的邊緣密度，提取邊緣密度大于等于閾值的方框； 車牌區(qū)域檢測單元，用于通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌 區(qū)域。
8.如權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括: 標(biāo)定單元，用于對邊緣密度大于等于閾值的方框進(jìn)行平分，并計(jì)算平分后各方框的平均邊緣密度，根據(jù)平均邊緣密度得到平均邊緣密度偏差，標(biāo)定偏差在閾值范圍內(nèi)的方框?yàn)轭愃栖嚺品娇颉?br> 9.如權(quán)利要求7所述的裝置，其特征在于，所述車牌區(qū)域檢測單元還包括: 模型訓(xùn)練單元，用于通過級(jí)聯(lián)的Adaboost算法對Haar特征進(jìn)行訓(xùn)練得到Haar模型； 精確檢測單元，用于通過Haar模型對邊緣密度大于等于閾值的方框進(jìn)行檢測，檢測得到精確的車牌區(qū)域。
10.如權(quán)利要求6所述的裝置，其特征在于，所述車牌跟蹤單元包括: 標(biāo)定單元，用于在車牌標(biāo)定位中通過標(biāo)定信號(hào)標(biāo)定已檢測到精確的車牌區(qū)域，并在下一幀圖像中對檢測到的精確車牌區(qū)域進(jìn)行跟蹤； 標(biāo)定清除單元，用于當(dāng)根據(jù)跟蹤獲取得到車牌區(qū)域時(shí)，對跟蹤到的車牌區(qū)域進(jìn)行車牌識(shí)別，當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別出的結(jié)果不能滿足識(shí)別要求時(shí)，清除在車牌標(biāo)定位中的標(biāo)定信號(hào)； 標(biāo)定更改單元，用于當(dāng)在預(yù)設(shè)次數(shù)內(nèi)通過跟蹤并進(jìn)行識(shí)別且識(shí)別結(jié)果滿足識(shí)別要求時(shí)，更改車牌標(biāo)定位中的標(biāo)定信號(hào)，并根據(jù)檢測到的精確車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌或根據(jù)跟蹤的車牌區(qū)域識(shí)別出符合預(yù)設(shè)條件的車牌時(shí)，結(jié)束對車牌的定位跟蹤。
【文檔編號(hào)】G06K9/62GK103699905SQ201310740496
【公開日】2014年4月2日 申請日期:2013年12月27日 優(yōu)先權(quán)日:2013年12月27日
【發(fā)明者】唐健, 李昕, 李銳 申請人:深圳市捷順科技實(shí)業(yè)股份有限公司