基于多幀圖片和自主學(xué)習(xí)的快速車牌識(shí)別方法
【專利摘要】本發(fā)明公開了一種基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其包括步驟：S1，監(jiān)測(cè)拍攝場(chǎng)景是否改變：如拍攝場(chǎng)景改變，則進(jìn)入步驟S2；如拍攝場(chǎng)景未改變，則進(jìn)入步驟S3；S2，自主學(xué)習(xí)多個(gè)車牌識(shí)別參數(shù)，并存儲(chǔ)車牌識(shí)別參數(shù)，進(jìn)入步驟S3；S3，根據(jù)車牌識(shí)別參數(shù)和拍攝場(chǎng)景采集的多幀圖像，快速識(shí)別車牌。本發(fā)明結(jié)合多幀識(shí)別和自主學(xué)習(xí)技術(shù)識(shí)別參數(shù)技術(shù)，自動(dòng)學(xué)習(xí)并存儲(chǔ)最佳的識(shí)別參數(shù)。將兩種方法綜合應(yīng)用，實(shí)現(xiàn)在提高識(shí)別率的同時(shí)減少識(shí)別時(shí)間，提高車牌識(shí)別效率。具有良好的經(jīng)濟(jì)和社會(huì)效益。本發(fā)明可廣泛應(yīng)用于各種車牌識(shí)別系統(tǒng)。
【專利說明】基于多幀圖片和自主學(xué)習(xí)的快速車牌識(shí)別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)字圖像分析領(lǐng)域，尤其涉及一種車牌識(shí)別方法。

【背景技術(shù)】
[0002]車牌識(shí)別技術(shù)(VehicleLicense Plate Recognit1n，VLPR)是計(jì)算機(jī)視頻圖像識(shí)別技術(shù)在車輛牌照識(shí)別中的一種應(yīng)用。車牌識(shí)別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車牌照從復(fù)雜背景中提取并識(shí)別出來，通過車牌提取、圖像預(yù)處理、特征提取、車牌字符識(shí)別等技術(shù)，識(shí)別車輛牌號(hào)，可以廣泛的用于智能交通、公安卡口、停車場(chǎng)、收費(fèi)站等一切需要記錄車牌信息的場(chǎng)所和系統(tǒng)中。
[0003]現(xiàn)有技術(shù)中，車牌識(shí)別存在以下兩大問題:
1、識(shí)別錯(cuò)誤率高。只抓拍和識(shí)別一張圖片，由于光線和抓拍角度的問題，一旦車牌中的某個(gè)字符沒有拍攝清楚，將導(dǎo)致整個(gè)車牌識(shí)別的結(jié)果錯(cuò)誤。
[0004]2、識(shí)別速度慢。在車牌識(shí)別算法中，通過復(fù)雜算法自動(dòng)計(jì)算出多個(gè)參數(shù)，再用于識(shí)別；下次識(shí)別時(shí)再重新計(jì)算多個(gè)參數(shù)。這種算法雖然能夠保證適應(yīng)不同場(chǎng)景的車牌識(shí)別但也導(dǎo)致識(shí)別時(shí)間過長(zhǎng)，算法應(yīng)用受到限制。
[0005]綜上所述，目前大多采用單張圖片進(jìn)行識(shí)別，為了保證識(shí)別率，識(shí)別算法需要考慮各種復(fù)雜情況，導(dǎo)致算法復(fù)雜，識(shí)別時(shí)間長(zhǎng)。并且由于單張圖片的局限性，有些車牌字符可能被遮擋或由于光線問題導(dǎo)致無法拍攝清楚，直接影響了車牌識(shí)別率的提升。


【發(fā)明內(nèi)容】

[0006]為了解決上述技術(shù)問題，本發(fā)明的目的是提供一種可提高車牌識(shí)別準(zhǔn)確度和識(shí)別速度的基于多幀圖片和自主學(xué)習(xí)的快速車牌識(shí)別方法。
[0007]本發(fā)明所采用的技術(shù)方案是:
一種基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其包括步驟:S1，監(jiān)測(cè)拍攝場(chǎng)景是否改變:如拍攝場(chǎng)景改變，則進(jìn)入步驟S2 ;如拍攝場(chǎng)景未改變，則進(jìn)入步驟S3 ;S2，自主學(xué)習(xí)多個(gè)車牌識(shí)別參數(shù)，并存儲(chǔ)車牌識(shí)別參數(shù)，進(jìn)入步驟S3 ;S3，根據(jù)車牌識(shí)別參數(shù)和拍攝場(chǎng)景采集的多幀圖像，快速識(shí)別車牌。
[0008]優(yōu)選的，步驟S2中所述的車牌識(shí)別參數(shù)包括車牌水平傾斜度和/或字符大小和/或字符長(zhǎng)寬比例和/或車牌寬度和/或參數(shù)可信度。
[0009]優(yōu)選的，所述步驟S2具體包括子步驟:S21，車牌定位，確定單張圖像中的車牌的位置，在車牌定位過程中學(xué)習(xí)和存儲(chǔ)參數(shù):車牌寬度；S22，車牌矯正，對(duì)單張車牌進(jìn)行水平矯正，在水平矯正過程中學(xué)習(xí)和存儲(chǔ)參數(shù):車牌水平傾斜度；S23，字符分割，對(duì)單張車牌中的字符進(jìn)行分割，在字符分割過程中學(xué)習(xí)和存儲(chǔ)參數(shù):字符大小和/或字符長(zhǎng)寬比例；S24，字符識(shí)別，將步驟S23分割得到的字符與預(yù)設(shè)的字符模板進(jìn)行比對(duì)，根據(jù)與字符模板的相似度確定字符識(shí)別結(jié)果的參數(shù)可信度；S25，根據(jù)參數(shù)可信度確定是否采用步驟S21至S23中的各個(gè)參數(shù)作為步驟S3中的車牌識(shí)別參數(shù)。
[0010]優(yōu)選的，所述步驟S21具體包括子步驟:S211，找出單張圖像中物體的邊緣；S212，利用圖像增強(qiáng)和數(shù)學(xué)形態(tài)學(xué)方法，將密集的邊緣點(diǎn)、線特征連接成區(qū)域特征，并對(duì)圖像進(jìn)行二值化處理；S213，通過對(duì)連通區(qū)域外形特征的分析，找出可能是車牌的區(qū)域，確定車牌的位置；S214，學(xué)習(xí)并存儲(chǔ)車牌寬度參數(shù)。
[0011]優(yōu)選的，所述步驟S22具體包括子步驟:S221，按照設(shè)定的步進(jìn)角度，旋轉(zhuǎn)車牌；S222，通過分析每個(gè)角度車牌水平投影的集中度，找到車牌的水平傾斜角度，確定車牌水平位置；S223，學(xué)習(xí)并存儲(chǔ)車牌水平傾斜度參數(shù)。
[0012]優(yōu)選的，所述步驟S23具體包括子步驟:S231，把車牌圖像進(jìn)行垂直方向的投影；S232，根據(jù)各個(gè)相對(duì)集中的投影峰值群進(jìn)行分割，得到車牌的字符；S233，學(xué)習(xí)并存儲(chǔ)字符大小和/或字符長(zhǎng)寬比例參數(shù)。
[0013]優(yōu)選的，所述的步驟S3具體包括子步驟:S31，車牌快速定位，利用車牌寬度參數(shù)排除干擾，快速確定圖像中的車牌的位置；S32，車牌快速矯正，利用車牌水平傾斜度參數(shù)對(duì)車牌進(jìn)行快速水平矯正；S33，字符快速分割，利用字符大小和/或字符長(zhǎng)寬比例參數(shù)對(duì)車牌中的字符進(jìn)行快速分割；S34，字符快速識(shí)別，將步驟S33完成分割的字符與字符模板比對(duì)進(jìn)行識(shí)別，并根據(jù)字符與字符模板的匹配程度確定該字符的字符可信度；S35，多幀圖像結(jié)果合成，對(duì)另一幀或多幀圖像重復(fù)執(zhí)行步驟S31至S34，將多幀圖像的識(shí)別結(jié)果進(jìn)行比對(duì)，并根據(jù)字符可信度確定車牌的各個(gè)字符，合成車牌識(shí)別結(jié)果。
[0014]優(yōu)選的，所述步驟S31具體還包括子步驟:S311，利用幀差法對(duì)兩幀圖像進(jìn)行分析，如果灰度差值小，則對(duì)任意一幀圖像全圖進(jìn)行車牌快速定位，如果灰度差值大，則獲取移動(dòng)區(qū)域，并對(duì)移動(dòng)區(qū)域中的車牌快速定位；S312，利用車牌寬度參數(shù)排除干擾，快速確定任意一幀圖像全圖或移動(dòng)區(qū)域中的車牌的位置。
[0015]本發(fā)明的有益效果是:
本發(fā)明結(jié)合多幀識(shí)別和自主學(xué)習(xí)技術(shù)識(shí)別參數(shù)技術(shù)，自動(dòng)學(xué)習(xí)并存儲(chǔ)最佳的識(shí)別參數(shù)。通過自主學(xué)習(xí)識(shí)別參數(shù)，可以利用這些參數(shù)進(jìn)行后繼的識(shí)別工作，可以大幅減少運(yùn)算時(shí)間；通過多幀識(shí)別，可提高識(shí)別率，提高算法的適應(yīng)性。將兩種方法綜合應(yīng)用，實(shí)現(xiàn)在提高識(shí)別率的同時(shí)減少識(shí)別時(shí)間，提高車牌識(shí)別效率。具有良好的經(jīng)濟(jì)和社會(huì)效益。
[0016]本發(fā)明可廣泛應(yīng)用于各種車牌識(shí)別系統(tǒng)。

【專利附圖】

【附圖說明】
[0017]下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步說明:
圖1是本發(fā)明一種實(shí)施例的方法流程圖；
圖2是本發(fā)明多幀圖像識(shí)別一種實(shí)施例的方法流程示意圖；
圖3是本發(fā)明車牌水平傾斜度說明示意圖；
圖4是攝像機(jī)與水平面夾角說明示意圖；
圖5是攝像機(jī)與垂直面夾角說明示意圖；
圖6 (a)至圖6 (d)是本發(fā)明步驟S21的車牌定位一種實(shí)施例示意圖；
圖7 (a)至圖7 (c)是本發(fā)明步驟S22的車牌矯正一種實(shí)施例示意圖；
圖8 (a)至圖8 (b)是本發(fā)明步驟S23的字符分割一種實(shí)施例示意圖；
圖9 (a)至圖9 (d)是本發(fā)明步驟S311的幀差法判讀移動(dòng)區(qū)域的示意圖； 圖10 (a)至圖10 (b)是本發(fā)明步驟S31的車牌快速定位的示意圖。

【具體實(shí)施方式】
[0018]需要說明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互組合。
[0019]如圖1所示，一種基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其包括步驟:S1，監(jiān)測(cè)拍攝場(chǎng)景是否改變:如拍攝場(chǎng)景改變，則進(jìn)入步驟S2 ;如拍攝場(chǎng)景未改變，則進(jìn)入步驟S3 ;S2，自主學(xué)習(xí)多個(gè)車牌識(shí)別參數(shù)，并存儲(chǔ)車牌識(shí)別參數(shù)，進(jìn)入步驟S3 ;S3，根據(jù)車牌識(shí)別參數(shù)和拍攝場(chǎng)景采集的多幀圖像，快速識(shí)別車牌。步驟S2中所述的車牌識(shí)別參數(shù)包括車牌水平傾斜度(如圖3所示)和/或字符大小和/或字符長(zhǎng)寬比例和/或車牌寬度和/或參數(shù)可信度。其中，由于車牌在圖像中不同位置時(shí)候大小不同(近大遠(yuǎn)小)，所以獲取車牌寬度參數(shù)有助于快速定位車牌的位置。
[0020]本方法主要分為兩個(gè)階段:一、識(shí)別參數(shù)自主學(xué)習(xí)階段；二、多幀圖像快速識(shí)別階段。
[0021]只有攝像機(jī)拍攝的場(chǎng)景改變時(shí)，才需要進(jìn)行參數(shù)的自主學(xué)習(xí)，學(xué)習(xí)完成后進(jìn)入快速車牌識(shí)別階段。
[0022]一、識(shí)別參數(shù)自主學(xué)習(xí)階段。
[0023]這個(gè)階段主要功能是進(jìn)行單張圖像的車牌識(shí)別，根據(jù)車牌識(shí)別結(jié)果的參數(shù)可信度，自動(dòng)獲取主要的識(shí)別參數(shù)。單張圖像車牌識(shí)別的流程依次為:車牌定位、車牌矯正、字符分割和字符識(shí)別。本實(shí)施例中，在車牌矯正過程中，學(xué)習(xí)記錄車牌水平傾斜度；在字符分割過程中，學(xué)習(xí)記錄字符大小以及字符長(zhǎng)寬比例；最后根據(jù)識(shí)別結(jié)果，學(xué)習(xí)記錄車牌在該區(qū)域時(shí)的車牌寬度。當(dāng)最終識(shí)別結(jié)果參數(shù)可信度很高時(shí)，說明記錄的參數(shù)有效，可采信作為最終步驟S3的車牌識(shí)別參數(shù)。也通過計(jì)算一組有效識(shí)別參數(shù)的平均值，獲取最終的車牌識(shí)別參數(shù)，并完成學(xué)習(xí)過程。車牌識(shí)別參數(shù)將用于后面的多幀圖像的識(shí)別方法中，能夠較少計(jì)算時(shí)間，提尚識(shí)別的準(zhǔn)確率。
[0024]所述步驟S2具體包括子步驟:S21，車牌定位，確定單張圖像中的車牌的位置，在車牌定位過程中學(xué)習(xí)和存儲(chǔ)參數(shù):車牌寬度；S22，車牌矯正，對(duì)單張車牌進(jìn)行水平矯正，在水平矯正過程中學(xué)習(xí)和存儲(chǔ)參數(shù):車牌水平傾斜度；S23，字符分割，對(duì)單張車牌中的字符進(jìn)行分割，在字符分割過程中學(xué)習(xí)和存儲(chǔ)參數(shù):字符大小和/或字符長(zhǎng)寬比例；S24，字符識(shí)另IJ，將步驟S23分割得到的字符與預(yù)設(shè)的字符模板進(jìn)行比對(duì)，根據(jù)與字符模板的相似度確定字符識(shí)別結(jié)果的參數(shù)可信度；S25，根據(jù)參數(shù)可信度確定是否采用步驟S21至S23中的各個(gè)參數(shù)作為步驟S3中的車牌識(shí)別參數(shù)。
[0025]本實(shí)施例中，字符識(shí)別采用模板匹配的方法，模板匹配是字符識(shí)別的最基本的方法之一，該方法是將要識(shí)別的字符與事先構(gòu)造好了的字符模板進(jìn)行比對(duì)，根據(jù)與模板的相似度大小來確定最終的識(shí)別結(jié)果。通過與模板的匹配，我們可以獲取字符與字符模板的匹配度，這個(gè)匹配度，從客觀上反應(yīng)了我們車牌識(shí)別結(jié)果的參數(shù)可信度。根據(jù)參數(shù)可信度確定是否采用步驟S21至S23中的各個(gè)參數(shù)作為步驟S3中的車牌識(shí)別參數(shù)。如不采用，則可對(duì)任意圖像重復(fù)執(zhí)彳丁步驟S21至S25。
[0026]優(yōu)選的，所述步驟S21具體包括子步驟:S211，找出單張圖像中物體的邊緣，邊緣信息效果如圖6 (a)所示；S212，利用圖像增強(qiáng)和數(shù)學(xué)形態(tài)學(xué)方法，圖像增強(qiáng)效果如圖6(b)所示，由于車牌字符字符排列的特征，所以字符的邊緣信息比較明顯且密集，因此可將密集的邊緣點(diǎn)、線特征連接成區(qū)域特征，并對(duì)圖像進(jìn)行二值化處理；并去除干擾，如圖6 (c)所示；S213，通過對(duì)連通區(qū)域外形特征的分析，找出可能是車牌的區(qū)域，確定車牌的位置，如圖6 (d)所示；S214，學(xué)習(xí)并存儲(chǔ)車牌寬度參數(shù)。
[0027]優(yōu)選的，所述步驟S22具體包括子步驟:S221，按照設(shè)定的步進(jìn)角度，旋轉(zhuǎn)車牌；S222，通過分析每個(gè)角度車牌水平投影的集中度，找到車牌的水平傾斜角度，確定車牌水平位置；S223，學(xué)習(xí)并存儲(chǔ)車牌水平傾斜度參數(shù)。
[0028]由于安裝或現(xiàn)場(chǎng)條件的限制，抓拍的車牌圖像不可避免的會(huì)出現(xiàn)傾斜或變形，為了更好的識(shí)別車牌號(hào)碼，必須進(jìn)行水平矯正。
[0029]本實(shí)施例中，利用車牌的水平投影，進(jìn)行矯正。按照一定步進(jìn)角度，旋轉(zhuǎn)車牌，通過分析車牌水平投影的集中度，最終找到車牌的水平傾斜角度。如圖7 (a)所示，在第一旋轉(zhuǎn)角度時(shí)候車牌的水平投影集中度不高；如圖7 (b)所示，在第二旋轉(zhuǎn)角度時(shí)候車牌的水平投影集中度較高；如圖7 (c)所示，在第三旋轉(zhuǎn)角度時(shí)候車牌的水平投影集中度不高。因此可認(rèn)為圖7 (b)中車牌處于水平位置。并根據(jù)旋轉(zhuǎn)的角度計(jì)算出車牌水平傾斜度。為了保證車牌識(shí)別的準(zhǔn)確性，需要對(duì)車牌圖像進(jìn)行多次旋轉(zhuǎn)，并計(jì)算投影，耗時(shí)較大。
[0030]我們知道攝像機(jī)固定后，拍攝的場(chǎng)景及圖像也就固定了，因此可以通過學(xué)習(xí)，使系統(tǒng)記錄車牌水平傾斜度，在做后面的車牌識(shí)別時(shí)，以記錄的車牌水平傾斜度作為先經(jīng)驗(yàn)，可減少車牌矯正的時(shí)間。
[0031]優(yōu)選的，所述步驟S23具體包括子步驟:S231，把車牌圖像進(jìn)行垂直方向的投影；S232，根據(jù)各個(gè)相對(duì)集中的投影峰值群進(jìn)行分割，得到車牌的字符；S233，學(xué)習(xí)并存儲(chǔ)字符大小和/或字符長(zhǎng)寬比例參數(shù)。
[0032]本實(shí)施例采用投影法進(jìn)行字符分割，其思想是根據(jù)車牌字符的特點(diǎn)，把車牌圖像進(jìn)行垂直方向的投影，如圖8 (a)所示，因字符區(qū)域黑色的像素點(diǎn)比較多且集中，且每個(gè)車牌字符之間有一定的空隙間隔隔開。這樣投影下來得到的投影圖應(yīng)該有七個(gè)相對(duì)集中的投影峰值群，只需要根據(jù)峰值群的特點(diǎn)進(jìn)行分割，就可得到車牌的字符，如圖8 (b)所示。
[0033]但是由于攝像機(jī)與水平面夾角(如圖4所示)及攝像機(jī)與垂直面夾角(如圖5所示)不同，會(huì)導(dǎo)致字符的長(zhǎng)寬比例，以及字符間的間距變形，因此在某些環(huán)境下，根據(jù)峰值群的特點(diǎn)進(jìn)行分割時(shí)，會(huì)出現(xiàn)錯(cuò)誤，為了減少錯(cuò)誤，一般會(huì)對(duì)分割后的字符進(jìn)行大量分析運(yùn)算，以便保證分割的正確性，費(fèi)時(shí)較大，因此在這個(gè)過程中，我們記錄字符寬度和長(zhǎng)寬比例參數(shù)，用于后面的車牌識(shí)別，可以提高識(shí)別速度。
[0034]二、多幀圖像快速識(shí)別階段。
[0035]完成參數(shù)自主學(xué)習(xí)后，進(jìn)入多幀圖像開始識(shí)別階段，具體流程如圖2所示。
[0036]優(yōu)選的，所述的步驟S3具體包括子步驟:
S31，車牌快速定位，利用車牌寬度參數(shù)排除干擾，快速確定圖像中的車牌的位置；
如圖10 (a)所示，與單張圖像車牌定位方法一致，找出可能的車牌區(qū)域。如圖10 (b)所示，利用車牌在圖像中不同區(qū)域的車牌寬度參數(shù)，可以進(jìn)一步的排除非車牌區(qū)域。如圖10(a)所示，如果車燈位置出現(xiàn)對(duì)車牌位置造成干擾，那么高度不會(huì)太大，根據(jù)這個(gè)參數(shù)可以排除車燈位置的干擾，如圖10 (b)所示。
[0037]S32，車牌快速矯正，利用車牌水平傾斜度參數(shù)對(duì)車牌進(jìn)行快速水平矯正；S33，字符快速分割，利用字符大小和/或字符長(zhǎng)寬比例參數(shù)對(duì)車牌中的字符進(jìn)行快速分割；S34，字符快速識(shí)別，將步驟S33完成分割的字符與字符模板比對(duì)進(jìn)行識(shí)別，并根據(jù)字符與字符模板的匹配程度確定該字符的字符可信度；
步驟S32的算法原理與單張圖像矯正原理相同，但是通過學(xué)習(xí)得到識(shí)別參數(shù)，可以減少車牌水平矯正的運(yùn)算次數(shù)，可以簡(jiǎn)化字符分割后的矯正算法，極大的提高算法運(yùn)算速度。
[0038]S35，多幀圖像結(jié)果合成，對(duì)另一幀或多幀圖像重復(fù)執(zhí)行步驟S31至S34，將多幀圖像的識(shí)別結(jié)果進(jìn)行比對(duì)，并根據(jù)字符可信度確定車牌的各個(gè)字符，合成車牌識(shí)別結(jié)果。
[0039]單張圖像的識(shí)別結(jié)果，由于光線和抓拍角度的問題，一旦車牌中的某個(gè)字符沒有拍攝清楚，將導(dǎo)致整個(gè)車牌識(shí)別的結(jié)果錯(cuò)誤。針對(duì)單張圖像識(shí)別的偶然性，本實(shí)施例提出多幀圖像識(shí)別方法，通過多個(gè)識(shí)別結(jié)果合成一個(gè)識(shí)別結(jié)果，可以減少出錯(cuò)的幾率，提高識(shí)別率。
[0040]以一個(gè)車牌有7個(gè)字符為例，識(shí)別結(jié)果合成算法的基本思路如下:首先以7個(gè)字符平均可信度最高的識(shí)別結(jié)果為第一車牌，分析其他識(shí)別結(jié)果，如果全部一致，那么輸出第一車牌；如果不一致，分析單個(gè)字符的可信度，用其他識(shí)別結(jié)果中，單字符可信度高的結(jié)果替換第一車牌中可信度低的字符，最終合作第二車牌，并輸出。
[0041]優(yōu)選的，所述步驟S31具體還包括子步驟:S311，利用幀差法對(duì)兩幀圖像進(jìn)行分析，如果灰度差值小，則對(duì)任意一幀圖像全圖進(jìn)行車牌快速定位，如果灰度差值大，則獲取移動(dòng)區(qū)域，并對(duì)移動(dòng)區(qū)域中的車牌快速定位；S312，利用車牌寬度參數(shù)排除干擾，快速確定任意一幀圖像全圖或移動(dòng)區(qū)域中的車牌的位置。
[0042]幀差法即幀間差分法。幀間差分法是基于運(yùn)動(dòng)圖像序列中，相鄰兩幀圖像(也可以是間隔多幀圖像的兩幀圖像)間具有強(qiáng)相關(guān)性而提出的檢測(cè)算法。該算法是將前后兩幀圖像對(duì)應(yīng)像素點(diǎn)的灰度值相減，如果灰度差值很小，可以認(rèn)為該區(qū)域無移動(dòng)物體；反之灰度差值很大，則認(rèn)為有移動(dòng)物體。
[0043]本方法利用基于邊緣信息圖像的幀差法，并結(jié)合學(xué)習(xí)的識(shí)別參數(shù)進(jìn)行快速車牌定位:圖9 (a)為第一幀圖像的邊緣信息，圖9 (b)為第二幀圖像的邊緣信息，圖9 (c)為第一幀圖像的邊緣信息減去第二幀圖像的邊緣信息的結(jié)果，圖9 (d)為第二幀圖像的邊緣信息減去第一幀圖像的邊緣信息的結(jié)果。通過圖9 (a)至圖9 (d)可以看出，原圖需要對(duì)整個(gè)圖像進(jìn)行分析，才能定位車牌，而通過幀差法，不但能夠去除背景干擾，還能找出車輛移動(dòng)區(qū)域，只需要對(duì)移動(dòng)區(qū)域進(jìn)行分析就能車牌定位，較少了分析區(qū)域，提高了定位的速度和準(zhǔn)確性。
[0044]如果無法獲取移動(dòng)區(qū)域(比如車輛靜止?fàn)顟B(tài))，那么就需要對(duì)整個(gè)圖像進(jìn)行分析。
[0045]本發(fā)明結(jié)合多幀識(shí)別和自主學(xué)習(xí)技術(shù)識(shí)別參數(shù)技術(shù)，自動(dòng)學(xué)習(xí)并存儲(chǔ)最佳的識(shí)別參數(shù)。通過自主學(xué)習(xí)識(shí)別參數(shù)，可以利用這些參數(shù)進(jìn)行后繼的識(shí)別工作，可以大幅減少運(yùn)算時(shí)間；通過多幀識(shí)別，可提高識(shí)別率，提高算法的適應(yīng)性。將兩種方法綜合應(yīng)用，實(shí)現(xiàn)在提高識(shí)別率的同時(shí)減少識(shí)別時(shí)間，提高車牌識(shí)別效率。具有良好的經(jīng)濟(jì)和社會(huì)效益。本發(fā)明可廣泛應(yīng)用于各種車牌識(shí)別系統(tǒng)。
[0046]以上是對(duì)本發(fā)明的較佳實(shí)施進(jìn)行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實(shí)施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可做作出種種的等同變形或替換，這些等同的變形或替換均包含在本申請(qǐng)權(quán)利要求所限定的范圍內(nèi)。
【權(quán)利要求】
1.一種基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，其包括步驟: SI，監(jiān)測(cè)拍攝場(chǎng)景是否改變:如拍攝場(chǎng)景改變，則進(jìn)入步驟S2 ;如拍攝場(chǎng)景未改變，則進(jìn)入步驟S3 ； S2，自主學(xué)習(xí)多個(gè)車牌識(shí)別參數(shù)，并存儲(chǔ)車牌識(shí)別參數(shù)，進(jìn)入步驟S3 ; S3，根據(jù)車牌識(shí)別參數(shù)和拍攝場(chǎng)景采集的多幀圖像，快速識(shí)別車牌。
2.根據(jù)權(quán)利要求1所述的基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，步驟S2中所述的車牌識(shí)別參數(shù)包括車牌水平傾斜度和/或字符大小和/或字符長(zhǎng)寬比例和/或車牌寬度和/或參數(shù)可信度。
3.根據(jù)權(quán)利要求2所述的基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，所述步驟S2具體包括子步驟: S21，車牌定位，確定單張圖像中的車牌的位置，在車牌定位過程中學(xué)習(xí)和存儲(chǔ)參數(shù):車牌寬度； S22，車牌矯正，對(duì)單張車牌進(jìn)行水平矯正，在水平矯正過程中學(xué)習(xí)和存儲(chǔ)參數(shù):車牌水平傾斜度； S23，字符分割，對(duì)單張車牌中的字符進(jìn)行分割，在字符分割過程中學(xué)習(xí)和存儲(chǔ)參數(shù):字符大小和/或字符長(zhǎng)寬比例； S24，字符識(shí)別，將步驟S23分割得到的字符與預(yù)設(shè)的字符模板進(jìn)行比對(duì)，根據(jù)與字符模板的相似度確定字符識(shí)別結(jié)果的參數(shù)可信度； S25，根據(jù)參數(shù)可信度確定是否采用步驟S21至S23中的各個(gè)參數(shù)作為步驟S3中的車牌識(shí)別參數(shù)。
4.根據(jù)權(quán)利要求3所述的基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，所述步驟S21具體包括子步驟: S211，找出單張圖像中物體的邊緣； S212，利用圖像增強(qiáng)和數(shù)學(xué)形態(tài)學(xué)方法，將密集的邊緣點(diǎn)、線特征連接成區(qū)域特征，并對(duì)圖像進(jìn)行二值化處理； S213，通過對(duì)連通區(qū)域外形特征的分析，找出可能是車牌的區(qū)域，確定車牌的位置； S214，學(xué)習(xí)并存儲(chǔ)車牌寬度參數(shù)。
5.根據(jù)權(quán)利要求3所述的基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，所述步驟S22具體包括子步驟: S221，按照設(shè)定的步進(jìn)角度，旋轉(zhuǎn)車牌； S222，通過分析每個(gè)角度車牌水平投影的集中度，找到車牌的水平傾斜角度，確定車牌水平位置； S223，學(xué)習(xí)并存儲(chǔ)車牌水平傾斜度參數(shù)。
6.根據(jù)權(quán)利要求3所述的基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，所述步驟S23具體包括子步驟: S231，把車牌圖像進(jìn)行垂直方向的投影； S232，根據(jù)各個(gè)相對(duì)集中的投影峰值群進(jìn)行分割，得到車牌的字符； S233，學(xué)習(xí)并存儲(chǔ)字符大小和/或字符長(zhǎng)寬比例參數(shù)。
7.根據(jù)權(quán)利要求2所述的基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，所述的步驟S3具體包括子步驟: S31，車牌快速定位，利用車牌寬度參數(shù)排除干擾，快速確定圖像中的車牌的位置； S32，車牌快速矯正，利用車牌水平傾斜度參數(shù)對(duì)車牌進(jìn)行快速水平矯正； S33，字符快速分割，利用字符大小和/或字符長(zhǎng)寬比例參數(shù)對(duì)車牌中的字符進(jìn)行快速分割； S34，字符快速識(shí)別，將步驟S33完成分割的字符與字符模板比對(duì)進(jìn)行識(shí)別，并根據(jù)字符與字符模板的匹配程度確定該字符的字符可信度； S35，多幀圖像結(jié)果合成，對(duì)另一幀或多幀圖像重復(fù)執(zhí)行步驟S31至S34，將多幀圖像的識(shí)別結(jié)果進(jìn)行比對(duì)，并根據(jù)字符可信度確定車牌的各個(gè)字符，合成車牌識(shí)別結(jié)果。
8.根據(jù)權(quán)利要求7所述的基于多幀圖像和自主學(xué)習(xí)的快速車牌識(shí)別方法，其特征在于，所述步驟S31具體還包括子步驟: S311，利用幀差法對(duì)兩幀圖像進(jìn)行分析，如果灰度差值小，則對(duì)任意一幀圖像全圖進(jìn)行車牌快速定位，如果灰度差值大，則獲取移動(dòng)區(qū)域，并對(duì)移動(dòng)區(qū)域中的車牌快速定位； S312，利用車牌寬度參數(shù)排除干擾，快速確定任意一幀圖像全圖或移動(dòng)區(qū)域中的車牌的位置。
【文檔編號(hào)】G06K9/62GK104484672SQ201410733964
【公開日】2015年4月1日 申請(qǐng)日期:2014年12月4日 優(yōu)先權(quán)日:2014年12月4日
【發(fā)明者】翁紅云, 張晨軍, 張向輝 申請(qǐng)人:深圳市平方科技股份有限公司