一種車牌檢測方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明實施例提供一種車牌檢測方法及系統(tǒng)，其中，檢測方法包括：獲取車牌圖像；對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測，得到車牌區(qū)域；確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色。
【專利說明】
一種車牌檢測方法及系統(tǒng)

【技術領域】
[0001]本發(fā)明涉及圖像處理領域，特別是涉及一種車牌檢測方法及系統(tǒng)。

【背景技術】
[0002]車牌是車輛的“身份證”號碼，通過車牌，可以檢測到車輛的許多重要信息，如車輛所屬的省、市、縣，及車輛的主人等，可以使人們更好地對交通系統(tǒng)進行管理。在現(xiàn)有的車輛識別技術中，車輛檢測是其中非常重要的一環(huán)節(jié)，若無法對車牌進行準確檢測，那么對車牌的識別更無從說起。
[0003]在現(xiàn)有的車牌識別技術中，常用的方法是把所有收集到得車牌圖像放入一起訓練，利用基于Haar特征(哈爾特征)的Adaboost算法(Adaptive Boosting,自適應推進算進，一種迭代算法)訓練得到一個車牌分類器，再利用這個車牌分類器對車牌進行檢測。例如:使用藍底、黑底、黃底和白底車牌的車牌圖片進行一起訓練，利用基于Haar特征的Adaboost算法訓練得到一個可以檢測到藍底、黑底、黃底和白底車牌的車牌分類器，對獲取的車牌圖像使用該車牌分類器進行檢測，可以檢測到車牌圖像中的藍底、黑底、黃底和白底的車牌。
[0004]發(fā)明人發(fā)現(xiàn):由于藍底和黑底車牌為白色字符，黃底和白底車牌為黑色字符，四種底色的車牌經(jīng)過灰度圖轉換后，藍底和黑底車牌分別轉換為灰底白字和黑底白字，黃底和白底車牌分別轉換為灰底黑字和白底黑字，由于每個Haar的特征模板都是由兩個或多個全等的矩形相鄰組合而成，特征模板內有白色和黑色兩種矩形，并將此模板定義為白色矩形像素和減去黑色矩形像素和，而藍底和黑底車牌所提取出來的特征與黃底和白底車牌所提取出來的特征是相反的，因此，訓練得到的車牌分類器可能會當被檢測的車牌圖像中擁有藍底、黑底、黃底或白底的車牌時仍無法檢測出與藍底、黑底、黃底或白底的車牌相對應的車牌區(qū)域，或當被檢測的車牌圖像中沒有藍底、黑底、黃底或白底的車牌時且檢測出本檢測的車牌圖像中擁有藍底、黑底、黃底或白底的車牌相對應的車牌區(qū)域，使得車牌識別設備的檢測性降低，誤檢率升高。


【發(fā)明內容】

[0005]有鑒于此，本發(fā)明實施例提供一種車牌檢測方法及系統(tǒng)，以解決現(xiàn)有技術中使用一個車牌分類器對不同字符顏色的車牌進行檢測而造成的誤檢率高的問題。
[0006]為實現(xiàn)上述目的，本發(fā)明實施例提供如下技術方案:
[0007]一種車牌檢測方法，包括:
[0008]獲取車牌圖像；
[0009]對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測，得到車牌區(qū)域；
[0010]確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色。
[0011]其中，所述對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測包括:
[0012]若當前幀車牌圖像的上一幀車牌圖像使用黑色字符車牌分類器進行檢測，則使用白色字符車牌分類器對所述當前幀車牌圖像進行檢測；
[0013]若當前幀車牌圖像的上一幀車牌圖像使用白色字符車牌分類器進行檢測，則使用黑色字符車牌分類器對所述當前幀車牌圖像進行檢測。
[0014]其中，所述白色字符車牌分類器的訓練步驟包括:
[0015]獲取白色字符車牌圖像，截取所述白色字符車牌圖像中包含車牌的部分作為第一正樣本，截取車牌圖像樣本中不包含車牌的部分作為第一負樣本；使用哈爾特征對所述第一正樣本和第一負樣本進行表征，形成第一哈爾特征向量；利用迭代算法對所述第一哈爾特征向量進行訓練，得到白色字符車牌分類器；
[0016]所述黑色字符車牌分類器的訓練步驟包括:
[0017]獲取黑色字符車牌圖像，截取所述黑色字符車牌圖像中包含車牌的部分作為第二正樣本，截取車牌圖像樣本中不包含車牌的部分作為第二負樣本；使用哈爾特征對所述第二正樣本和第二負樣本進行表征，形成第二哈爾特征向量；利用迭代算法對所述第二哈爾特征向量進行訓練，得到黑色字符車牌分類器。
[0018]其中，檢測車牌區(qū)域后還包括:
[0019]對使用白色字符車牌分類器檢測到的車牌區(qū)域使用第一類顏色對應的顏色分類器進行檢測，得到每個白色字符車牌分類器檢測到的車牌區(qū)域的具體顏色；對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測，得到不同類別的車牌區(qū)域；
[0020]對使用黑色字符車牌分類器檢測到的車牌區(qū)域使用第二類顏色對應的顏色分類器進行檢測，得到每個黑色字符車牌分類器檢測到的車牌區(qū)域的具體顏色；對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測，得到不同類別的車牌區(qū)域。
[0021]其中，對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測后還包括:
[0022]判斷所述該種顏色對應的車牌字符分類器是否檢測到該種顏色的車牌區(qū)域；
[0023]若未檢測到，則確認所述該種顏色車牌區(qū)域的顏色，判斷所述該種顏色車牌區(qū)域的顏色在所述不同顏色的車牌區(qū)域中是否存在預先設定的相似顏色；
[0024]若存在，則對所述該種顏色的車牌區(qū)域進行所述相似顏色對應的特殊字符分類器進行檢測。
[0025]其中，得到不同類別的車牌區(qū)域后還包括:
[0026]對特殊字符分類器檢測后的車牌區(qū)域進行定位，確定所述特殊字符分類器檢測后的車牌區(qū)域在所述車牌圖像中的位置；將所述位置與所述車牌區(qū)域的顏色與類別相關聯(lián)；顯示所述車牌圖像，在所顯示的車牌圖像中距所述位置預定距離的區(qū)域，標注所述車牌區(qū)域的顏色信息及類別信息。
[0027]其中，訓練所述顏色分類器的步驟為:
[0028]將白色字符車牌分類器檢測到的車牌區(qū)域和黑色字符車牌分類器檢測到的車牌區(qū)域使用支持向量機訓練，得到顏色分類器。
[0029]其中，訓練所述特殊字符分類器的具體步驟包括:
[0030]截取車牌圖像中包含特定的特殊字符的部分作為正樣本，截取車牌圖像樣本中不包含特定的特殊字符的部分作為負樣本；
[0031]使用哈爾特征對所述正樣本和負樣本進行表征，形成第三哈爾特征向量；
[0032]利用迭代算法對所述第三哈爾特征向量進行訓練，得到特殊字符分類器。
[0033]一種車牌檢測系統(tǒng)，包括獲取單元和檢測單元，其中，
[0034]所述獲取單元，用于獲取車牌圖像；
[0035]所述檢測單元，用于對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測，得到車牌區(qū)域；確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色。
[0036]其中，所述車牌檢測系統(tǒng)還包括:顏色分類單元和類別分類單元，其中，
[0037]所述顏色分類單元，用于對使用白色字符車牌分類器檢測到的車牌區(qū)域使用第一類顏色對應的顏色分類器進行檢測，得到不同顏色的車牌區(qū)域；對使用黑色字符車牌分類器檢測到的車牌區(qū)域使用第二類顏色對應的顏色分類器進行檢測，得到不同顏色的車牌區(qū)域；
[0038]所述類別分類單元，用于對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測，得到不同類別的車牌區(qū)域。
[0039]基于的上述技術方案，本發(fā)明實施例提供的車牌檢測方法，將車牌分為白色字符車牌和黑色字符車牌兩類，使用具有白色字符車牌的車牌圖像與具有黑色字符車牌的車牌圖像分別訓練出白色字符車牌分類器與黑色字符車牌分類器，由于車牌圖像中的白色字符車牌經(jīng)過灰度圖轉換后，均轉化為黑底白字車牌或是灰底白字車牌，所有的白色字符車牌所提取出的哈爾特征均是相同的，因此，白色字符車牌分類器對具有白色字符車牌的車牌圖像具有較高的檢測率與較低的誤檢率；由于車牌圖像中的黑色字符車牌經(jīng)過灰度圖轉換后，均轉化為白底黑字車牌或是灰底黑字車牌，所有的黑色字符車牌所提取出的哈爾特征均是相同的，因此，黑色字符分類器對具有黑色字符車牌的車牌圖像具有較高的檢測率與較低的誤檢率。對獲取到的車牌圖像進行檢測時，將白色字符車牌分類器與黑色字符車牌分類器隔幀交錯使用，既可實現(xiàn)現(xiàn)有技術中的既可檢測白色字符車牌又可檢測黑色字符車牌的功能，又可有效降低車牌分類器的誤檢率。

【專利附圖】

【附圖說明】
[0040]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述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)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。
[0041]圖1為本發(fā)明實施例提供的車牌檢測方法的流程圖；
[0042]圖2為本發(fā)明實施例提供的車牌檢測方法中檢測車牌區(qū)域的一種可選方法流程圖；
[0043]圖3為本發(fā)明實施例提供的車牌檢測方法中訓練白色字符車牌分類器的方法流程圖；
[0044]圖4為本發(fā)明實施例提供的車牌檢測方法中檢測民航車牌、使館車牌和普通藍底車牌的方法流程圖；
[0045]圖5為本發(fā)明實施例提供的車牌檢測方法中檢測軍用車牌、警車車牌和普通黃底車牌的方法流程圖；
[0046]圖6為本發(fā)明實施例提供的車牌檢測方法中相似顏色車牌判定的方法流程圖；
[0047]圖7為本發(fā)明實施例提供的車牌檢測方法中標注車牌區(qū)域的顏色及類別的方法流程圖；
[0048]圖8為本發(fā)明實施例提供的車牌檢測方法中訓練顏色分類器的方法流程圖；
[0049]圖9為本發(fā)明實施例提供的車牌檢測方法中訓練特殊字符分類器的方法流程圖；
[0050]圖10為本發(fā)明實施例提供的車牌檢測系統(tǒng)的系統(tǒng)框圖；
[0051]圖11為本發(fā)明實施例提供的車牌檢測系統(tǒng)的另一系統(tǒng)框圖。

【具體實施方式】
[0052]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0053]圖1為本發(fā)明實施例提供的車牌檢測方法的流程圖，該車牌檢測方法使用白色字符車牌分類器和黑色字符車牌分類器隔幀交替使用，來對獲取的車牌圖像進行檢測，以降低車牌識別設備對車牌檢測的誤檢率，參照圖1，該方法可以包括:
[0054]步驟SlOO:獲取車牌圖像；
[0055]可選的，獲取的車牌圖像可以是直接來自圖像采集設備采集而來的圖像。
[0056]可選的，所使用的圖像采集設備可以為攝像機。使用攝像機采集圖像時，攝像機應設置于較高于圖片采集區(qū)域的位置，使攝像機可以清楚、全面地看到經(jīng)過路面或出入口的車輛的車牌，而所述攝像機的可以為攝像頭可擺動的攝像機，使用攝像頭可擺動的攝像機，當攝像機因為外部原因而使機身發(fā)生偏移時，可以通過控制攝像機攝像頭的擺動來使攝像機可以重新捕獲清晰、完整的圖像。
[0057]可選的，獲取的車牌圖像可以是積分圖，獲取積分圖可以包括:
[0058]步驟A:將圖像采集設備采集的圖像或通過圖像采集設備采集后經(jīng)過了檢測選擇后的圖像換為灰度圖；
[0059]步驟B:對得到灰度圖進行全度積分，得到積分圖。
[0060]對于一幅灰度的圖像，積分圖像中的任意一點(X，y)的值是指從圖像的左上角到這個點的所構成的矩形區(qū)域內所有的點的灰度值之和。計算全圖的積分圖，使用積分圖可以加快分類器檢測的速度。為了避免一個方框的所有點的像素灰度值相加的重復計算，在算法中使用了積分圖，積分圖上的每個點(x，y)包含了從點(0，0)到點(x，y)的所有像素灰度值，如果用I(x，y)表示灰度圖，II(x,y)表示計算出來的積分圖,那么:
[0061]" (Λ ’ -V) = X^ v 5 ),，).Y<rsv
[0062]可選的，任意的一個矩形可以使用以下的方式計算積分圖:
[0063]如果矩形的左上角為(xlt，ylt)，右下角的坐標為(xA，yj，那么該矩形的積分圖可以用下式計算:
[0064]SUMd = 11 (xrb, yrb) -1 I (xlt, yrb) -1 I (xrb, ylt) +I I (xlt, ylt)
[0065]可選的，為了減少搜索量，可以在獲取灰度圖后將灰度圖的寬度和高度各減少一半之后，在對得到的寬度和高度各減少一半之后灰度圖進行積分，得到積分圖。
[0066]步驟SllO:對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測，得到車牌區(qū)域。確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色。
[0067]其中，白色字符車牌分類器，是指可以用其檢測出車牌圖像中具有白色字符車牌的分類器，其中需要指出的是，在本發(fā)明實施例中，白色字符車牌并不僅僅是指車牌的字符全為白色的車牌，只要是車牌的字符中具有白色的字符，那么便是本發(fā)明實施例中所指的白色字符車牌。如:小型民用車的車牌為七個白色字符，本發(fā)明實施例認為其為白色字符車牌；而大使館車牌，其為一個紅色的“使”字加上六個白色的字符，本發(fā)明實施例也認為其為白色字符車牌。
[0068]對擁有白色字符車牌的車牌圖像使用白色字符車牌分類器進行檢測，可以檢測出其中的具有白色字符車牌的車牌區(qū)域，在白色字符車牌分類器無誤檢的前提下，獲取的車牌圖像中具有多少個白色字符車牌，那么便可用白色字符車牌分類器檢測到多少個具有白色字符車牌的車牌區(qū)域，若對不具有白色字符車牌的車牌圖像使用白色字符車牌分類器進行檢測，則白色字符車牌分類器將無法檢測到車牌區(qū)域。
[0069]車牌圖像中的白色字符車牌經(jīng)過灰度圖轉換后，均轉化為黑底白字車牌或是灰底白字車牌，所有的白色字符車牌所提取出的哈爾特征均是相同的，而現(xiàn)有技術中培訓出的分類器中將白色字符車牌與黑色字符車牌一起訓練，而白色字符車牌與黑色字符車牌所提取出的特征是相反的，一起訓練增加了訓練的難度，而且訓練得到的分類器的特征比較多，多特征就意味這檢測速度慢。這使得通過使用擁有白色字符車牌的車牌圖像訓練出來的白色字符車牌分類器在檢測車牌圖像時，可以相比現(xiàn)有技術可以更準確地檢測出被檢測車牌圖像中的白色字符車牌區(qū)域，具有更低的誤檢率。
[0070]相應的，黑色字符車牌分類器，是指可以用其檢測出車牌圖像中具有黑色字符車牌的分類器，其中也需要指出的是，黑色字符車牌并不僅僅是指車牌的字符全為黑色的車牌，只要是車牌的字符中具有黑色的字符，那么便是本發(fā)明實施例中所指的黑色字符車牌。如:摩托車車牌，其為七個黑色的字符，本發(fā)明實施例認為其為黑色字符車牌；軍車車牌，其為前兩個紅色字符字加上五個黑色的字符，警車車牌，其為六個黑色字符加上最后一個紅色“警”字，本發(fā)明實施例也認為其均為黑色字符車牌。
[0071]對擁有黑色字符車牌的車牌圖像使用黑色字符車牌分類器進行檢測，可以檢測出其中的具有黑色字符車牌的車牌區(qū)域，在黑色字符車牌分類器無誤檢的前提下，獲取的車牌圖像中具有多少個黑色字符車牌，那么便可用黑色字符車牌分類器檢測到多少個具有黑色字符車牌的車牌區(qū)域，若對不具有黑色字符車牌的車牌圖像使用黑色字符車牌分類器進行檢測，則黑色字符車牌分類器將無法檢測到車牌區(qū)域。
[0072]車牌圖像中的黑色字符車牌經(jīng)過灰度圖轉換后，均轉化為白底黑字車牌或是灰底黑字車牌，所有的黑色字符車牌所提取出的哈爾特征均是相同的，而現(xiàn)有技術中培訓出的分類器中將白色字符車牌與黑色字符車牌一起訓練，而白色字符車牌與黑色字符車牌所提取出的特征是相反的，一起訓練增加了訓練的難度，而且訓練得到的分類器的特征比較多，多特征就意味這檢測速度慢。這使得通過使用擁有黑色字符車牌的車牌圖像訓練出來的黑色字符車牌分類器在檢測車牌圖像時，可以相比現(xiàn)有技術可以更準確地檢測出被檢測車牌圖像中的黑色字符車牌區(qū)域，具有更低的誤檢率。
[0073]可選的，可以將視頻保持以20-25幀每秒不影響客戶體驗的速度連續(xù)播放，由于硬件設備處理能力等原因，將車牌識別抽取其中的部分幀，對這些幀間隔使用白色字符車牌分類器和黑色字符車牌分類器進行檢測。例如，抽取圖像采集設備采集的奇數(shù)幀，再對這些幀間隔使用白色字符車牌分類器和黑色字符車牌分類器進行檢測，即對圖片采集設備中采集到的第一幀車牌圖像使用白色字符車牌分類器，對圖片采集設備中采集到的第三幀車牌圖像使用黑色字符車牌分類器，對圖片采集設備中采集到的第五幀車牌圖像使用白色字符車牌分類器，以此類推，而所有偶數(shù)幀則全不處理。在卡口場景，所有車牌均是一車一卡，車輛從出現(xiàn)到消失會持續(xù)十秒以上，因此我們有足夠的時間進行檢測，不需要考慮漏檢的問題。
[0074]在無誤檢的前提下，當獲取的車牌圖像中只有白色字符車牌時，使用白色字符車牌分類器可以檢測到獲取的車牌圖像中具有白色字符車牌的車牌區(qū)域；當獲取的車牌圖像中只有黑色字符車牌時，使用黑色字符車牌分類器可以檢測到獲取的車牌圖像中具有白色字符車牌的車牌區(qū)域；當獲取的車牌圖像中既有白色字符車牌又有黑色字符車牌時，可以在某一幀中通過白色字符車牌分類器檢測到獲取的車牌圖像中具有白色字符車牌的車牌區(qū)域，在該幀的下一幀通過黑色字符車牌分類器檢測到獲取的車牌圖像中具有黑色字符車牌的車牌區(qū)域。
[0075]確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色。其中，所述的第一類顏色，可以是綠色、藍色或黑色，比如民航的車牌為綠底白字，小型名用汽車的車牌為藍底白底，大使館車牌為黑底六個白色字符加上一個紅色的“使”字。所述的第二類顏色，可以是白色或黃色，比如:軍用車牌為白底五個黑色字符加上兩個紅色字符，警車車牌為白底六個黑色字符加上一個紅色的“警”字。所有可檢測的第一類顏色加上所述可檢測的第二類顏色相加，便得到了現(xiàn)有技術中的車牌分類器所有可檢測的顏色。
[0076]可選的，本發(fā)明實施例提供的車牌識別方法中獲取車牌圖像的方法，可以是對車牌圖像逐幀地獲取，先獲取當前幀的車牌圖像，對當前幀的車牌圖像進行后續(xù)的步驟處理后再去獲取下一幀的車牌圖像。比如，先獲取當前幀的車牌圖像，對獲取的當前幀車牌圖像使用白色字符車牌分類器進行檢測，在白色字符車牌分類器檢測完后，再獲取下一幀車牌圖像，然后對該下一幀車牌圖像使用黑色字符車牌進行檢測。
[0077]可選的，可以在對當前幀使用白色字符車牌分類器或黑色字符車牌分類器之前，先對當前幀車牌圖像的上一幀車牌圖像使用的字符車牌分類器的種類判斷，判斷上一幀車牌圖像是使用白色字符車牌分類器還是黑色字符車牌分類器進行車牌檢測，若上一幀車牌圖像使用黑色字符車牌分類器進行檢測，則對當前幀車牌圖像使用白色字符車牌分類器對所述當前幀車牌圖像進行檢測；若上一幀車牌圖像使用白色字符車牌分類器進行檢測，則對當前幀車牌圖像使用黑色字符車牌分類器對所述當前幀車牌圖像進行檢測。
[0078]可選的，當在可以確定車牌識別設備的監(jiān)控畫面中只會存在一個車牌時，如停車場的出入口的車牌均為逐輛通行，在一個監(jiān)控畫面中不會出現(xiàn)兩輛汽車的車牌。若上一幀車牌圖像為使用白色字符車牌分類器進行檢測，可以在上一幀車牌圖像使用白色字符車牌分類器進行檢測后判斷白色字符車牌分類器是否在上一幀車牌圖像中檢測到車牌區(qū)域，若使用白色字符車牌分類器檢測到車牌區(qū)域，并且車牌是有效的，這里的有效是指車牌區(qū)域經(jīng)過分割識別后能達到標準，例如車牌字符識別使用支持向量機識別，識別后字符有置信度，如果置信度達標就說明車牌是有效的，則說明車牌檢測成功，此次的車牌檢測結束，無需再對此車使用黑色字符車牌分類器進行檢測，可以在下一輛車接入監(jiān)控畫面后再使用黑色字符車牌分類器對其進行檢測，可選的，對有效車牌區(qū)域可以執(zhí)行跟蹤來代替檢測以節(jié)省資源，下一輛新車進入可以有一些新車判斷條件，或者通過粗檢檢測到疑似車牌區(qū)域等，這些不在本專利討論范疇；若使用白色字符車牌分類器未檢測到車牌區(qū)域，或者檢測到的車牌區(qū)域經(jīng)過分割和識別后不能達標，則再在當前幀車牌圖像使用黑色字符車牌分類器進行檢測。由于在可以確定車牌識別設備的監(jiān)控畫面中只會存在一個車牌，因此，在某一幀使用白色字符車牌分類器或黑色字符車牌分類器中的一個進行檢測而檢測到車牌區(qū)域后，將無需再在下一幀對其使用白色字符車牌分類器或黑色字符車牌分類器中的另一個進行檢測，如此，既不會漏檢車牌，也可提高車牌檢測的效率。
[0079]可選的，當在可以確定車牌識別設備的監(jiān)控畫面中只會存在一個車牌時，若使用白色字符車牌分類器檢測到車牌區(qū)域，并且車牌是有效的，仍然對下一幀車牌圖像使用黑色字符車牌分類器進行檢測，若黑色字符車牌分類器也檢測到車牌，并且車牌是有效的，則說明上述對上一幀車牌圖像使用白色字符車牌分類器進行檢測，或對當前幀車牌圖像使用黑色字符車牌分類器檢測的檢測結果之一有誤，可以對比前后兩個車牌的特征，判斷哪個更可靠，例如對比前后兩個車牌的所有的字符的置信度之和，高的更可靠；也可在對當前幀車牌圖像使用黑色字符車牌分類器進行檢測后再對下一幀車牌圖像使用白色字符車牌分類器進行檢測，之后再判斷此次的白色字符車牌分類器是否檢測到車牌圖像，以此類推，直到檢測到車牌圖像為止。如此，可進一步降低車牌檢測的誤檢率。
[0080]本發(fā)明實施例提供的車牌檢測方法，將車牌分為白色字符車牌和黑色字符車牌兩類，使用具有白色字符車牌的車牌圖像與具有黑色字符車牌的車牌圖像分別訓練得到白色字符車牌分類器與黑色字符車牌分類器，由于車牌圖像中的白色字符車牌經(jīng)過灰度圖轉換后，均轉化為黑底白字車牌或是灰底白字車牌，所有的白色字符車牌所提取出的哈爾特征均是相同的，因此，白色字符車牌分類器對具有白色字符車牌的車牌圖像具有較高的檢測率與較低的誤檢率；由于車牌圖像中的黑色字符車牌經(jīng)過灰度圖轉換后，均轉化為白底黑字車牌或是灰底黑字車牌，所有的黑色字符車牌所提取出的哈爾特征均是相同的，因此，黑色字符分類器對具有黑色字符車牌的車牌圖像具有較高的檢測率與較低的誤檢率。對獲取到的車牌圖像進行檢測時，將白色字符車牌分類器與黑色字符車牌分類器隔幀交錯使用，既可實現(xiàn)現(xiàn)有技術中的既可檢測白色字符車牌又可檢測黑色字符車牌的功能，又可有效提高了車牌分類器的檢測率與降低車牌分類器的誤檢率。確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色
[0081]同時，將車牌分為白色字符車牌和黑色字符車牌，使訓練分類器時需要使用更少的Haar特征數(shù)量變少，加快了分類器訓練的速度，在實際使用的時候，由于Haar特征數(shù)字的減少，也會加快檢測的速度。
[0082]可選的，圖2示出了本發(fā)明實施例提供的車牌檢測方法中檢測車牌區(qū)域的一種可選方法流程圖，參照圖2，檢測車牌區(qū)域的一種可選方法可以包括:
[0083]步驟S200:判斷上一幀車牌圖像是否使用白色字符車牌分類器進行檢測；
[0084]步驟S210:若是，判斷白色字符車牌分類器是否成功檢測到車牌區(qū)域，若沒有成功，進入步驟S220 ；
[0085]步驟S220:使用黑色字符車牌分類器對當前幀車牌圖像進行檢測；
[0086]步驟S230:若否，判斷黑色字符車牌分類器是否成功檢測到車牌區(qū)域，若沒有成功，進入步驟S240 ；
[0087]步驟S240:使用白色字符車牌分類器對當前幀車牌圖形進行檢測。
[0088]若當前幀為第一幀，即在當前幀車牌圖像之前沒有上一幀車牌圖像，則無需判斷上一幀車牌圖像是否使用白色字符車牌分類器進行檢測，直接對當前程車牌圖像使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測。
[0089]當在可以確定車牌識別設備的監(jiān)控畫面中只會存在一個車牌時，使用圖2示出檢測車牌區(qū)域的一種可選方法來檢測車牌區(qū)域，在某一幀使用白色字符車牌分類器或黑色字符車牌分類器中的一個進行檢測而檢測到車牌區(qū)域后，并且車牌為有效車牌，不再對下一幀車牌圖像使用白色字符車牌分類器或黑色字符車牌分類器中的另一個進行檢測，只在某一幀使用白色字符車牌分類器或黑色字符車牌分類器中的一個進行檢測未檢測到車牌區(qū)域，或者檢測出來的車牌區(qū)域無效后再對下一幀車牌圖像使用白色字符車牌分類器或黑色字符車牌分類器中的另一個進行檢測，如此，既不會漏檢車牌，也可提高車牌檢測的效率。
[0090]可選的，圖3示出了本發(fā)明實施例提供的車牌檢測方法中訓練白色字符車牌分類器的方法流程圖，參照圖3，訓練白色字符車牌分類器的方法可以包括:
[0091]步驟S300:獲取白色字符車牌圖像，截取所述白色字符車牌圖像中包含車牌的部分作為第一正樣本，截取車牌圖像樣本中不包含車牌的部分作為第一負樣本；
[0092]其中，白色字符車牌圖像是指，具有白色字符車牌的車牌圖像，獲取白色字符車牌圖像的具體方法與前文所描述的獲取車牌圖像的方法相同。
[0093]可選的，可以使用人工識別手動截取的方式來截取第一正樣本和第二正樣本，也可以使用機器自動識別機器自動截取的方式來截取第一正樣本和第二正樣本。
[0094]步驟S310:使用哈爾特征對所述第一正樣本和第一負樣本進行表征，形成第一哈爾特征向量；
[0095]哈爾特征(Haar特征,Haar-1 ike features)是一種用于物體識別的圖像特征,使用檢測窗口中指定位置的相鄰矩形，計算每一個矩形的像素和并取其差值，然后用這些差值來對圖像的子區(qū)域進行分類。例如，當前有一個人臉圖像集合，通過觀察可以發(fā)現(xiàn)，人的眼睛的顏色要比兩頰的深，因此，用于人臉檢測的哈爾特征是分別放置在眼睛和臉頰的兩個相鄰矩形。這些矩形的位置則通過類似于人臉圖像的外接矩形的檢測窗口進行定義。在檢測階段，一個與目標物體同樣尺寸的檢測窗口將在輸入圖像上滑動，在圖像的每一個子區(qū)域都計算出一個哈爾特征向量，然后這個差值會與一個預先計算好的閾值進行比較，將目標和非目標區(qū)分開來，單個哈爾特征向量可以視為一個弱分類器，而多個哈爾特征向量的組合可以形成一個級聯(lián)分類器，最終形成一個強分類器。哈爾特征的計算非?？焖?，使用一個稱為積分圖的結構，任意尺寸的哈爾特征可以在常數(shù)時間內進行計算。
[0096]步驟S320:利用迭代算法對所述第一哈爾特征向量進行訓練，得到白色字符車牌分類器。
[0097]可選的,可以使用Adaboost (Adaptive Boosting,自適應推進)算法來對哈爾特征向量進行訓練，從而得到互補車牌分類器。Adaboost算法的核心思想是針對同一個訓練集訓練不同的弱分類器，然后把這些弱分類器集合起來，構成一個強分類器。其算法本身是通過改變數(shù)據(jù)分布來實現(xiàn)的，根據(jù)每次訓練集之中每個樣本的分類是否正確，以及上次的總體分類的準確率，來確定每個樣本的權值，將修改過權值的新數(shù)據(jù)集送給下層分類器進行訓練，最后將每次訓練得到的分類器最后融合起來，作為最后的決策分類器。
[0098]相應的，訓練黑色字符車牌分類器的方法與訓練白色字符車牌分類器的方法相同。先獲取黑色字符車牌圖像，截取所述黑色字符車牌圖像中包含車牌的部分作為第二正樣本，截取車牌圖像樣本中不包含車牌的部分作為第二負樣本；然后，使用哈爾特征對所述第二正樣本和第二負樣本進行表征，形成第二哈爾特征向量；最后，利用迭代算法對所述第二哈爾特征向量進行訓練，得到黑色字符車牌分類器。
[0099]可選的，可以在本發(fā)明實施例提供的車牌檢測方法中的檢測車牌區(qū)域后對檢測到的車牌區(qū)域使用對應的顏色分類器進行檢測，得到每個白色字符車牌分類器檢測到的車牌區(qū)域的具體顏色，同時，在知道其具體顏色的車牌區(qū)域使用對應的特殊字符分類器進行類別分類。如，在本發(fā)明實施例提供的車牌檢測方法后檢測得到對應車牌底色為第一類顏色的車牌區(qū)域，如綠色、藍色和黑色的車牌區(qū)域，之后，對得到的綠色、藍色和黑色的車牌區(qū)域使用由綠色、藍色和黑色的車牌區(qū)域訓練得到的顏色分類器進行檢測，得到每個車牌區(qū)域的具體顏色，然后對綠色的車牌區(qū)域使用其對應的特殊字符分類器，如民航車牌分類器，判斷該綠色的車牌區(qū)域對應的車牌是普通綠色車牌還是民航車牌；對黑色的車牌區(qū)域使用其對應的特殊字符分類器，如使館車牌分類器，判斷黑色的車牌區(qū)域是普通黑色車牌還是使館車牌。
[0100]可選的，可以由本發(fā)明實施例的方法對民航車牌、使館車牌和普通藍底車牌進行檢測，以確定其具體的車牌種類。其中，民航車牌的車牌特征綠底白字，并以“民航”兩字開頭；使館車牌的車牌特征是黑底白一個紅色的“使”字加上六個白色的字符；普通藍底車牌的車牌特征是藍底白字。
[0101]可選的，圖4示出了本發(fā)明實施例提供的車牌檢測方法中檢測民航車牌、使館車牌和普通藍底車牌的方法流程圖，參照圖4，檢測民航車牌、使館車牌和普通藍底白字車牌的方法可以包括:
[0102]步驟S400:獲取白色字符車牌分類器檢測到的車牌區(qū)域；
[0103]通過白色字符車牌分類器檢測到的車牌區(qū)域可以確定其為綠底車牌對應的綠色車牌區(qū)域、黑底車牌對應的黑色車牌區(qū)域或藍底車牌對應的藍色車牌區(qū)域中的任一種，但無法確定其具體為綠色車牌區(qū)域、黑色車牌區(qū)域或藍色車牌區(qū)域中的哪一種車牌區(qū)域。也有可能存在誤檢，把黑色字符車牌區(qū)域或者背景誤檢為白色字符區(qū)域，但是這些區(qū)域會在后續(xù)處理中去除。
[0104]此時，確定的白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色的第一類顏色，包括綠色、黑色和藍色。
[0105]步驟S410:對白色字符車牌分類器檢測到的車牌區(qū)域使用可區(qū)分綠色、藍色和黑色的顏色分類器進行檢測，得到綠色車牌區(qū)域、藍色車牌區(qū)域和黑色車牌區(qū)域；
[0106]其中，可區(qū)分綠色、黑色和藍色的顏色分類器是通過綠底車牌、黑底車牌和藍底車牌對應的車牌區(qū)域訓練得到的顏色分類器，通過該可區(qū)分綠色、黑色和藍色的顏色分類器，可以將通過白色字符車牌分類器檢測到的綠底車牌對應的車牌區(qū)域、黑底車牌對應的車牌區(qū)域和藍底車牌對應的車牌區(qū)域一個個地確定其具體地顏色。
[0107]步驟S420:獲取綠色的車牌區(qū)域，對其使用民航車牌分類器進行檢測；若檢測到該車牌區(qū)域，則可確定該綠色的車牌區(qū)域為民航車牌；
[0108]步驟S430:獲取黑色的車牌區(qū)域，對其使用使館車牌分類器進行檢測，若檢測到該車牌區(qū)域，則可確定該黑色的車牌區(qū)域為使館車牌；
[0109]步驟S440:獲取藍色的車牌區(qū)域，確定該藍色的車牌區(qū)域為普通藍底車牌。
[0110]其中，民航車牌分類器和使館車牌分類器分別是由民航車牌和使館車牌訓練得到的特殊字符分類器，通過民航車牌分類器可以將所有具有以“民航”兩字開頭的車牌區(qū)域檢測出來，通過使館車牌分類器可以將所有具有“使”字的車牌區(qū)域檢測出來。普通藍底車牌沒有特殊的字符，其無對應的特殊字符車牌分類，所有不需要使用特殊字符分類器對其進行檢測。
[0111]另外，需要說明的是，步驟S420、步驟S430和步驟S440的先后順序是可以隨意變換的，步驟S420、步驟S430和步驟S440的先后順序對車牌的檢測結果沒有影響，并且，可以同時進行步驟S420、步驟S430和步驟S440，且同時進行步驟S420、步驟S430和步驟S440時可以減少完成車牌的顏色和類別檢測所需的時間。
[0112]可選的，可以由本發(fā)明實施例的方法對軍用車牌、警車車牌和普通黃底車牌進行檢測，以確定其具體的車牌種類。其中，軍用車牌的車牌特征是白底兩個左側紅色的英文字符加上五個黑色的字符，警車車牌的車牌特征白底，六個黑色字符加上一個紅色“警”字，普通黃底車牌的車牌特征是黃底黑字。
[0113]可選的，圖5示出了本發(fā)明實施例提供的車牌檢測方法中檢測軍用車牌、警車車牌和普通黃底車牌的方法流程圖，參照圖5，檢測軍用車牌、警車車牌和普通黃底車牌的方法包括:
[0114]步驟S500:獲取黑色字符車牌分類器檢測到的車牌區(qū)域；
[0115]黑色字符車牌分類器檢測到的車牌區(qū)域可以確定其為白底車牌對應的白色車牌區(qū)域或黃底車牌對應的黃色車牌區(qū)域。也有可能存在誤檢，把白色字符車牌區(qū)域或者背景誤檢為黑色字符區(qū)域，但是這些區(qū)域會在后續(xù)處理中去除。
[0116]此時，確定的黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色的第二類顏色，包括白色和黃色。
[0117]步驟S510:對黑色字符車牌分類器檢測到的車牌區(qū)域使用可區(qū)分白色和黃色的顏色分類器進行檢測，得到每個黑色字符車牌分類器檢測到的車牌區(qū)域的具體顏色；
[0118]其中，可區(qū)分白色和黃色的顏色分類器是通過白底和黃底車牌對應的車牌區(qū)域訓練得到的顏色分類器，通過該可區(qū)分白色和黃色的顏色分類器，可以將通過黑色字符車牌分類器檢測到的白底車牌對應的車牌區(qū)域、和黃底車牌對應的車牌區(qū)域逐個地確定其具體地顏色，即確定每一個由黑色字符車牌分類器檢測到車牌區(qū)域的具體顏色。
[0119]步驟S520:獲取白色的車牌區(qū)域，對其使用軍用車牌分類器進行檢測，若檢測到該車牌區(qū)域，則可確定該白色的車牌區(qū)域為軍用車牌；
[0120]步驟S530:獲取白色的車牌區(qū)域，對其使用警車車牌分類器進行檢測，若檢測到該車牌區(qū)域，則可確定該白色的車牌區(qū)域為警車車牌；
[0121]步驟S540:獲取黃色的車牌區(qū)域，確定該黃色的車牌區(qū)域為普通黃底車牌。
[0122]其中，軍用車牌分類器和警車車牌分類器分別是由軍用車牌和警車車牌訓練得到的特殊字符分類器，通過軍用車牌分類器可以將所有左側具有兩個紅色的英文字符車牌區(qū)域檢測出來，通過警車車牌分類器可以將所有具有“警”字的車牌區(qū)域檢測出來。普通黃底車牌沒有特殊的字符，其無對應的特殊字符車牌分類，所有不需要使用特殊字符分類器對其進行檢測。
[0123]另外，需要說明的是，步驟S520、步驟S530和步驟S540的先后順序也是可以隨意變換的，步驟S520、步驟S530和步驟S540的先后順序對車牌的檢測結果沒有影響，并且，也可以同時進行步驟S520、步驟S530和步驟S540，且同時進行步驟S520、步驟S530和步驟S540時可以減少完成車牌的顏色和類別檢測所需的時間。
[0124]可選的，在對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測后還可以再進行相似顏色的車牌的判定，顧名思義，相似顏色車牌是指兩個或是多個車牌底色顏色相似的車牌，某兩個或是多個車牌是否屬于相似車牌是由最開始預先便設定好的，比如，可以在對車牌進行檢測前便預先設定綠底車牌與藍底車牌為相似顏色車牌。當對某個使用顏色分類器分類為綠色的車牌區(qū)域使用民航車牌分類器進行檢測時，若沒有檢測到“民航” 二字，則說明之前的顏色分類器的檢測有誤，判斷最開始的白色字符車牌分類器檢測到的車牌區(qū)域中是否存在藍色的車牌區(qū)域被誤識別成綠色，若存在，則判定該被檢測為綠色的車牌區(qū)域為藍色的車牌區(qū)域。
[0125]可選的，圖6示出了本發(fā)明實施例提供的車牌檢測方法中相似顏色車牌判定的方法流程圖，以被誤判定為綠色的車牌區(qū)域為例，其中，藍色車牌與綠色車牌為預訂的相似顏色車牌，參照圖6，相似顏色車牌判定的方法可以包括:
[0126]步驟S600:判斷被檢測為綠色的車牌區(qū)域是否檢測到“民航”二字；
[0127]步驟S610:若未檢測到，判斷白色字符車牌分類器檢測到的車牌區(qū)域中是否存在藍色的車牌區(qū)域被誤識別成綠色；
[0128]步驟S620:若存在，判定該車牌區(qū)域為藍色的車牌區(qū)域。
[0129]當某個被判定為某種顏色的車牌區(qū)域在使用該種顏色對應的特殊字符分類器進行檢測而未檢測到該被判定為該種的車牌區(qū)域后，若無相似顏色車牌的判定過程，我們將得知該被判定為該種顏色的車牌區(qū)域被誤檢了，而無法再得知該被誤檢的車牌區(qū)域的正確顏色及類別，即無法將誤檢的車牌糾正過來使其變?yōu)檎_檢測，若對該誤檢的車牌區(qū)域使用相似顏色車牌判定，則可以很好得將該誤檢糾正過來，進一步降低車牌檢測的誤檢率。
[0130]可選的，在得到不同類別的車牌區(qū)域后還可以對每個車牌區(qū)域進行定位，并在每個車牌區(qū)域的特定位置標注該車牌區(qū)域的顏色及類別。
[0131]對其他被判定錯誤顏色的車牌區(qū)域為也可以使用上述的相似顏色車牌判定的方法，只需要上述實施例中的綠色改為相應的顏色即可。
[0132]可選的，圖7示出了本發(fā)明實施例提供的車牌檢測方法中標注車牌區(qū)域的顏色及類別的方法流程圖，以綠底民航車牌為例，參照圖7，標注車牌區(qū)域的顏色及類別的方法可以包括:
[0133]步驟S700:獲取綠底民航車牌區(qū)域；
[0134]其中，綠底民航車牌區(qū)域即為具有綠底民航車牌的車牌圖像中被檢測出的具有綠底民航車車牌的車牌區(qū)域；
[0135]步驟S710:對獲取的綠底民航車牌區(qū)域進行定位，確定該綠底民航車牌區(qū)域在該綠底民航車牌對應的車牌圖像中的位置；
[0136]對車牌區(qū)域進行定位后，可以獲得該車牌區(qū)域的坐標信息，由此坐標信息來確定該車牌區(qū)域在車牌圖像中的位置。
[0137]步驟S720:將確定的位置與該綠底民航車牌區(qū)域的顏色與類別相關聯(lián)；
[0138]由于是綠底民航車牌區(qū)域，因此，此處的顏色與類別分別是指綠色和民航車牌。
[0139]步驟S730:顯示該綠底民航車牌區(qū)域對應的車牌圖像，在顯示的車牌圖像中距綠底民航車牌區(qū)域預定距離的區(qū)域，標注“綠色，民航車牌”。
[0140]可選的，可以在顯示器上顯示該綠底民航車牌區(qū)域對應的車牌圖像，及需要顯示的標注。
[0141]可選的，車牌識別設備可以通過無線網(wǎng)絡或數(shù)據(jù)線將信息傳遞給顯示器，然后顯示器顯示該綠底民航車牌區(qū)域對應的車牌圖像，及需要顯示的標注。
[0142]對其他需要標準車牌區(qū)域的顏色及類別車牌，上述實施例所述的方法也同樣適用，只需要將上述【具體實施方式】中的顏色及類別改為所需要標注的車牌區(qū)域的顏色及類別的顏色即可。
[0143]可選的，圖8示出了本發(fā)明實施例提供的車牌檢測方法中訓練顏色分類器的方法流程圖，以訓練可區(qū)別出綠色和黑色車牌區(qū)域的顏色分類器為例，參照圖8，訓練顏色分類器的方法可以包括:
[0144]步驟S800:獲取綠色車牌區(qū)域和黑色車牌區(qū)域；
[0145]步驟S810:對綠色車牌區(qū)域和黑色車牌區(qū)域使用支持向量機訓練，得顏色分類器。
[0146]可選的，可以在對綠色車牌區(qū)域和黑色車牌區(qū)域使用支持向量機訓練之前，對所獲取的綠色車牌區(qū)域和黑色車牌區(qū)域轉換為HSV (H色度，S亮度，V飽和度)顏色模型，并從HSV顏色模型中提取每一塊車牌區(qū)域的顏色特征，然后將這些顏色特征進行分類，再將這些分類后的顏色特征送入支持向量機進行訓練。
[0147]具體的，將RGB (R紅，G綠，B藍)顏色空間轉換為HSV顏色空間的過程為:
[0148]Imax = max (R, G, B)；
[0149]Imin = min(R, G, B)；
[0150]若Ifflax = R,則 H = (G-B)/(Imax-1min)；
[0151 ]若 Ifflax = G,則 H = 2+ (B-R) / (Imax-1min)；
[0152]若Ifflax = B,則 H = 4+ (R-G) / (Imax-1min)；
[0153]H = HX60°，若 H<0。，H = H+360。；
[0154]V = max (R, G, B)；
[0155]S= (max-min)/max。
[0156]可選的，可以將我們將真彩色空間均勻壓縮到16色索引色空間，降低計算復雜度。第一類從349°到11°，第二類從12°到34°，以此類推。由于黑色和白色的H分量都為0，通過H分量無法判斷出黑色和白色。但是可以通過結合S分量的辦法來區(qū)分。黑色的H分量和S分量均為0，白色的H分量為0，但是S分量為I。我們把H分量的第一類去掉，分為2類。即把H分量為第一類，S分量為O分成一類。把S分量為I分成另一類。再加上原來色彩中的15類，一共分成17種顏色分類。
[0157]相對于幾何特征而言，彩色直方圖是一種概率統(tǒng)計的方法，具有旋轉不變性和縮放不變性等特點。我們對上述的17種分類進行統(tǒng)計，根據(jù)HSV顏色空間H分量中對應顏色在輸入圖像中出現(xiàn)的頻率，得到了圖像的彩色直方圖。例如藍牌是藍底白字，藍牌樣本得到的彩色直方圖會在藍色分量和白色分量上比較多。黃牌是黃底黑字，黃牌樣本到的彩色直方圖會在黃色分量和黑色分量上比較多。
[0158]可選的，將上述的17種顏色作為一個17維特征，進行支持向量機(SVM)訓練。
[0159]SVM訓練的樣本集可以表示為:
[0160](X11Y1), (x2, y2),…，(xn，yn)。
[0161]其中，XiG Rd, Rd 是訓練樣本集，Ji E {-1, 1} , Yi = I 表不 Xi E ω 1； Yi = -1 表不Xi e ω2，(^和ω2是兩種不同的分類。
[0162]對于線性分類，決策函數(shù)為
[0163]g(x) = ω Tx+b,
[0164]其中，ω是分類面的梯度，而b是偏置，
[0165]coTx+b = I 和 coTx+b = -1 的分類間隔為

【權利要求】
1.一種車牌檢測方法，其特征在于，包括: 獲取車牌圖像； 對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測，得到車牌區(qū)域； 確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色。
2.根據(jù)權利要求1所述的車牌檢測方法，其特征在于，所述對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測包括: 若當前幀車牌圖像的上一幀車牌圖像使用黑色字符車牌分類器進行檢測，則使用白色字符車牌分類器對所述當前幀車牌圖像進行檢測； 若當前幀車牌圖像的上一幀車牌圖像使用白色字符車牌分類器進行檢測，則使用黑色字符車牌分類器對所述當前幀車牌圖像進行檢測。
3.根據(jù)權利要求1所述的車牌檢測方法，其特征在于，所述白色字符車牌分類器的訓練步驟包括: 獲取白色字符車牌圖像，截取所述白色字符車牌圖像中包含車牌的部分作為第一正樣本，截取車牌圖像樣本中不包含車牌的部分作為第一負樣本；使用哈爾特征對所述第一正樣本和第一負樣本進行表征，形成第一哈爾特征向量；利用迭代算法對所述第一哈爾特征向量進行訓練，得到白色字符車牌分類器； 所述黑色字符車牌分類器的訓練步驟包括: 獲取黑色字符車牌圖像，截取所述黑色字符車牌圖像中包含車牌的部分作為第二正樣本，截取車牌圖像樣本中不包含車牌的部分作為第二負樣本；使用哈爾特征對所述第二正樣本和第二負樣本進行表征，形成第二哈爾特征向量；利用迭代算法對所述第二哈爾特征向量進行訓練，得到黑色字符車牌分類器。
4.根據(jù)權利要求1所述的車牌檢測方法，其特征在于，檢測車牌區(qū)域后還包括: 對使用白色字符車牌分類器檢測到的車牌區(qū)域使用第一類顏色對應的顏色分類器進行檢測，得到每個白色字符車牌分類器檢測到的車牌區(qū)域的具體顏色；對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測，得到不同類別的車牌區(qū)域； 對使用黑色字符車牌分類器檢測到的車牌區(qū)域使用第二類顏色對應的顏色分類器進行檢測，得到每個黑色字符車牌分類器檢測到的車牌區(qū)域的具體顏色；對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測，得到不同類別的車牌區(qū)域。
5.根據(jù)權利要求4所述的車牌檢測方法，其特征在于，對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測后還包括: 判斷所述該種顏色對應的車牌字符分類器是否檢測到該種顏色的車牌區(qū)域； 若未檢測到，則確認所述該種顏色車牌區(qū)域的顏色，判斷所述該種顏色車牌區(qū)域的顏色在所述不同顏色的車牌區(qū)域中是否存在預先設定的相似顏色； 若存在，則對所述該種顏色的車牌區(qū)域進行所述相似顏色對應的特殊字符分類器進行檢測。
6.根據(jù)權利要求4所述的車牌檢測方法，其特征在于，得到不同類別的車牌區(qū)域后還包括: 對特殊字符分類器檢測后的車牌區(qū)域進行定位，確定所述特殊字符分類器檢測后的車牌區(qū)域在所述車牌圖像中的位置；將所述位置與所述車牌區(qū)域的顏色與類別相關聯(lián)；顯示所述車牌圖像，在所顯示的車牌圖像中距所述位置預定距離的區(qū)域，標注所述車牌區(qū)域的顏色信息及類別信息。
7.根據(jù)權利要求4所述的車牌檢測方法，其特征在于，訓練所述顏色分類器的步驟為: 將白色字符車牌分類器檢測到的車牌區(qū)域和黑色字符車牌分類器檢測到的車牌區(qū)域使用支持向量機訓練，得到顏色分類器。
8.根據(jù)權利要求4所述的車牌檢測方法，其特征在于，訓練所述特殊字符分類器的具體步驟包括: 截取車牌圖像中包含特定的特殊字符的部分作為正樣本，截取車牌圖像樣本中不包含特定的特殊字符的部分作為負樣本； 使用哈爾特征對所述正樣本和負樣本進行表征，形成第三哈爾特征向量； 利用迭代算法對所述第三哈爾特征向量進行訓練，得到特殊字符分類器。
9.一種車牌檢測系統(tǒng)，其特征在于，包括獲取單元和檢測單元，其中， 所述獲取單元，用于獲取車牌圖像； 所述檢測單元，用于對獲取到的車牌圖像隔幀交替使用白色字符車牌分類器和黑色字符車牌分類器中的任一個進行檢測，得到車牌區(qū)域；確定白色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于第一類顏色，及黑色字符車牌分類器檢測到的車牌區(qū)域對應的車牌的底色屬于為第二類顏色。
10.根據(jù)權利要求9所述的車牌檢測系統(tǒng)，其特征在于，還包括:顏色分類單元和類別分類單元，其中， 所述顏色分類單元，用于對使用白色字符車牌分類器檢測到的車牌區(qū)域使用第一類顏色對應的顏色分類器進行檢測，得到不同顏色的車牌區(qū)域；對使用黑色字符車牌分類器檢測到的車牌區(qū)域使用第二類顏色對應的顏色分類器進行檢測，得到不同顏色的車牌區(qū)域； 所述類別分類單元，用于對一種顏色的車牌區(qū)域使用該種顏色對應的特殊字符分類器進行檢測，得到不同類別的車牌區(qū)域。
【文檔編號】G06K9/62GK104182769SQ201410476339
【公開日】2014年12月3日 申請日期:2014年9月17日 優(yōu)先權日:2014年9月17日
【發(fā)明者】唐健, 李昕, 李銳, 鄒振宇 申請人:深圳市捷順科技實業(yè)股份有限公司