本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種紅外補(bǔ)光條件下的車牌識別方法及裝置。

背景技術(shù)：

在交通管理中，通過抓拍車輛的視頻圖像，識別出車牌，已經(jīng)成為目前最為常用的一種交通管理手段。然而隨著城市現(xiàn)代化的推進(jìn)，城市對于光污染現(xiàn)象控制的愈來愈嚴(yán)格，在智能交通的方案應(yīng)用中，高亮度的頻閃燈，爆閃燈已在城市中心路段被逐漸限制使用。而球型紅外卡口相機(jī)可將光污染降低到最大限度，人眼對紅外光的刺激感幾乎為零，同時球型相機(jī)的結(jié)構(gòu)相比于槍型相機(jī)在工程安裝、治安監(jiān)控方面優(yōu)勢更明顯，如減少了大量外接設(shè)備，靈活改變監(jiān)控視角等。因此智能交通管理中，越來越多地開始采用球型紅外卡口相機(jī)。

目前的球型紅外卡口相機(jī)，擁有抓拍過車、識別車牌號碼等功能，它集成彩色一體化相機(jī)、云臺、解碼器、防護(hù)罩等多功能與一體，安裝方便、使用簡單但功能強(qiáng)大，廣泛應(yīng)用于開闊區(qū)域的監(jiān)控，不同的場合都可以使用。球型紅外卡口相機(jī)是一種集成度相當(dāng)高的產(chǎn)品，集成了云臺系統(tǒng)、通訊系統(tǒng)、和相機(jī)系統(tǒng)，云臺系統(tǒng)是指電機(jī)帶動的旋轉(zhuǎn)部分，通訊系統(tǒng)是指對電機(jī)的控制以及對圖像和信號的處理部分，相機(jī)系統(tǒng)是指采用的一體機(jī)機(jī)芯。

但球型紅外卡口相機(jī)同時也存在圖像處理上的問題，對于正常智能交通的工程應(yīng)用方案，桿高六米，水平抓拍位置二十米左右。這導(dǎo)致常亮紅外補(bǔ)光燈對于車牌的補(bǔ)光效果欠佳，存在對比度嚴(yán)重不足的問題。而目前的車牌識別方法，包括車牌圖像定位、字符分割、以及字符識別，由于對比度嚴(yán)重不足，車牌中字體不能被準(zhǔn)確提取，導(dǎo)致過車數(shù)據(jù)車牌識別率偏低的現(xiàn)象。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出了一種紅外補(bǔ)光條件下的車牌識別方法及裝置，用于解決現(xiàn)有技術(shù)在紅外補(bǔ)光燈對于車牌的補(bǔ)光效果欠佳，對比度嚴(yán)重不足而導(dǎo)致的過車數(shù)據(jù)車牌識別率偏低的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案如下：

一種紅外補(bǔ)光條件下的車牌識別方法，所述車牌識別方法包括：

從待處理過車圖像中獲取車牌圖像，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域；

調(diào)整車牌背景區(qū)域圖像的顏色至預(yù)設(shè)的顏色；

對調(diào)整顏色后的車牌圖像進(jìn)行字符識別，輸出識別車牌。

進(jìn)一步地，所述在從待處理過車圖像中獲取車牌圖像后，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域之前，所述方法還包括：

計(jì)算所述車牌圖像的對比度；

當(dāng)所述對比度低于設(shè)定的閾值時，執(zhí)行通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域。

進(jìn)一步地，所述計(jì)算所述車牌圖像的對比度，包括：

對車牌圖像的長寬均按設(shè)定比例縮小，獲取車牌圖像的中心區(qū)域，計(jì)算該中心區(qū)域的對比度，以所述中心區(qū)域的對比度作為所述車牌圖像的對比度。

本發(fā)明所提出的方法，還包括：

當(dāng)所述對比度不低于設(shè)定的閾值時，直接執(zhí)行對所述車牌圖像進(jìn)行字符識別，輸出識別車牌。

進(jìn)一步地，在本發(fā)明的方法中，所述車牌圖像的寬度像素點(diǎn)數(shù)量大于設(shè)定的寬度閾值。

本發(fā)明還提出了一種紅外補(bǔ)光條件下的車牌識別裝置，所述車牌識別裝置包括：

背景分割模塊，用于從待處理過車圖像中獲取車牌圖像，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域；

顏色調(diào)整模塊，用于調(diào)整車牌背景區(qū)域圖像的顏色至預(yù)設(shè)的顏色；

字符識別模塊，用于對調(diào)整顏色后的車牌圖像進(jìn)行字符識別，輸出識別車牌。

進(jìn)一步地，所述背景分割模塊在從待處理過車圖像中獲取車牌圖像后，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域之前，還執(zhí)行如下操作：

計(jì)算所述車牌圖像的對比度；

當(dāng)所述對比度低于設(shè)定的閾值時，執(zhí)行通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域。

進(jìn)一步地，所述背景分割模塊計(jì)算所述車牌圖像的對比度，執(zhí)行如下操作：

對車牌圖像的長寬均按設(shè)定比例縮小，獲取車牌圖像的中心區(qū)域，計(jì)算該中心區(qū)域的對比度，以所述中心區(qū)域的對比度作為所述車牌圖像的對比度。

本發(fā)明所述背景分割模塊在所述對比度不低于設(shè)定的閾值時，直接將所述車牌圖像發(fā)送至所述字符識別模塊進(jìn)行字符識別，輸出識別車牌。

本發(fā)明提出的一種紅外補(bǔ)光條件下的車牌識別方法及裝置，通過對車牌圖像中車牌背景區(qū)域的顏色調(diào)整，在車牌位置重新得到一張對比度較高的滿足字符識別要求的車牌圖像，提高了車牌識別率。

附圖說明

圖1為本發(fā)明紅外補(bǔ)光條件下的車牌識別方法流程圖；

圖2為本發(fā)明實(shí)施例車牌背景顏色調(diào)整示意圖；

圖3為本發(fā)明紅外補(bǔ)光條件下的車牌識別裝置結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對本發(fā)明技術(shù)方案做進(jìn)一步詳細(xì)說明，以下實(shí)施例不構(gòu)成對本發(fā)明的限定。

現(xiàn)有技術(shù)下部分紅外卡口相機(jī)(如使用微光常亮補(bǔ)光的球型卡口相機(jī)或其他紅外補(bǔ)光的卡口相機(jī))采集的夜間圖片時，往往存在車牌對比度過低而導(dǎo)致的車牌號字符無法提取識別的情況，不能滿足正常使用。

球型紅外卡口相機(jī)使用一體化微光常亮補(bǔ)光，車輛到達(dá)預(yù)定位置后，球型相機(jī)會立即采集過車圖片，首選通過紋理、顏色、長寬比等對車牌進(jìn)行定位，然后將定位的車牌進(jìn)行字符提取，最后對提取出來的字符進(jìn)行識別。對于同樣款型設(shè)備在白光補(bǔ)光與紅外補(bǔ)光下的視頻圖像，兩種補(bǔ)光方式所呈現(xiàn)的車牌效果差異極大，在紅外補(bǔ)光的情況下對比度較低，而白光補(bǔ)光的情況下對比度較高。

由于夜間環(huán)境光的急劇下降，依靠紅外微光常亮補(bǔ)光的卡口相機(jī)所采集的圖片中車牌字符與車牌底色對比度差值不明顯，無法做到正常的字符分隔與識別。但是雖然紅外補(bǔ)光下得到的視頻圖像中車牌與字符對比度極低，但在字符與車牌背景中間仍然有明顯的因?yàn)榘纪苟构饩€折射產(chǎn)生的輪廓存在，本實(shí)施例根據(jù)輪廓分割視頻圖像，對車牌底色進(jìn)行處理后，再進(jìn)行車牌識別，以達(dá)到提高車牌識別率的效果。

如圖1所示，一種紅外補(bǔ)光條件下的車牌識別方法，包括：

步驟S1、從待處理過車圖像中獲取車牌圖像，計(jì)算車牌圖像的對比度。

卡口相機(jī)在有車輛經(jīng)過時，會根據(jù)觸發(fā)條件拍攝過車的視頻圖像，在本實(shí)施例中稱為過車圖像。對于過車圖像，進(jìn)一步進(jìn)行車牌識別，輸出車輛的車牌號碼，用于智能交通管理。

車牌識別的過程，首先要對車牌進(jìn)行定位，識別出車牌位置對應(yīng)的車牌圖像，以便于后續(xù)進(jìn)行圖像處理，識別出其中的字符。關(guān)于車牌定位，目前的方法包括基于邊緣的車牌定位、基于顏色的車牌定位、基于機(jī)器學(xué)習(xí)的車牌定位等，這里不再贅述。

本步驟是對通過車牌定位獲取的車牌圖像進(jìn)行處理，計(jì)算出車牌圖像的對比度。對比度指的是對一幅圖像中明暗區(qū)域最亮的白和最暗的黑之間不同亮度層級的測量，本實(shí)施例中對比度是就整個車牌圖像而言，例如一個車牌在全白屏狀態(tài)時候亮度為500cd/m2，全黑屏狀態(tài)亮度為0.5cd/m2，這樣車牌的對比度就是1000:1。

對比度對視覺效果的影響非常關(guān)鍵，一般來說對比度越大，圖像越清晰醒目，色彩也越鮮明艷麗；而對比度小，則會讓整個畫面都灰蒙蒙的。通過計(jì)算出的車牌圖像的對比度，可以判斷過車圖像是否是夜間拍攝，對于對比度的具體計(jì)算公式，這里不再贅述。

值得注意的是，通常根據(jù)經(jīng)驗(yàn)值，可以設(shè)定一個閾值，當(dāng)對比度不低于該閾值時，認(rèn)為車牌圖像比較容易進(jìn)行字符識別，而對于對比度低于該閾值時，認(rèn)為車牌圖像是在夜間拍攝，不容易進(jìn)行字符識別，需要通過本實(shí)施例的方法后續(xù)步驟進(jìn)行處理后識別。

步驟S2、對于對比度低于設(shè)定的閾值的車牌圖像，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域。

通過前面步驟對比度的計(jì)算，通過簡單的閾值判斷，就可以判斷車牌圖像是否為夜間圖像，即對于對比度低于設(shè)定的閾值的車牌圖像，認(rèn)為是夜間圖像，需要進(jìn)行處理，否則認(rèn)為車牌圖像滿足正確進(jìn)行字符識別的對比度，直接進(jìn)行字符識別即可。即對于對比度不低于設(shè)定的閾值的車牌圖像，不需要經(jīng)過步驟S2和步驟S3的處理，直接執(zhí)行對車牌圖像進(jìn)行字符識別，輸出識別車牌。

雖然紅外補(bǔ)光下得到的視頻圖像中車牌與字符對比度極低，但在字符與車牌背景中間仍然有明顯的因?yàn)榘纪苟构饩€折射產(chǎn)生的輪廓存在。而對于輪廓的識別，可以通過二值化圖像中像素的灰度變化來進(jìn)行識別，也可以通過其他常用方法來進(jìn)行識別。

例如通過字符與車牌底色的凹凸線因折射產(chǎn)生的輪廓進(jìn)行套索算法的分割，分割過程采用廣泛使用的Live Wire算法，該算法是一種交互式邊緣提取和圖像分割方法，其工作機(jī)理為利用動態(tài)規(guī)劃方案產(chǎn)生圖像中給定兩點(diǎn)間的最優(yōu)路徑，合理地構(gòu)造代價(jià)函數(shù)和選擇起始點(diǎn)和目標(biāo)點(diǎn)，用以提取物體的邊緣。通過使用Live Wire算法對獲取的車牌進(jìn)行分割，獲取車牌背景部分的圖像。

本實(shí)施例還可以采用OpenCV方法來進(jìn)行圖像輪廓識別，這里不再進(jìn)行贅述。

在識別出字符與車牌背景中間的輪廓之后，就可以通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域，即將字符與車牌背景區(qū)域分割開來，以便后續(xù)對車牌背景區(qū)域進(jìn)行顏色填充。

步驟S3、調(diào)整車牌背景區(qū)域圖像的顏色至預(yù)設(shè)的顏色。

車牌背景顏色包括藍(lán)色、黃色和黑色，以藍(lán)色居多，本實(shí)施例以藍(lán)色為例，預(yù)設(shè)填充車牌背景區(qū)域的顏色為藍(lán)色。

從而在獲取車牌背景區(qū)域之后，對車牌背景區(qū)域的圖像的顏色進(jìn)行調(diào)整，即對該區(qū)域填充藍(lán)色。

假設(shè)所需的車牌背景底色A代表具體參數(shù)色調(diào)a，飽和度b，亮度c，紅色x，綠色y，藍(lán)色z，那么最終將底色A疊加到字符輪廓以外的車牌背景部分。在車牌位置重新得到一張對比度較高的滿足字符識別要求的車牌圖像。

如圖2所示，左邊為對比度低于設(shè)定閾值的車牌圖像，右邊為通過車牌背景顏色調(diào)整后的車牌圖像，可見通過將車牌背景區(qū)域圖像的顏色調(diào)整至預(yù)設(shè)的顏色，可以使得車牌圖像的變得更加容易識別。

步驟S4、對調(diào)整顏色后的車牌圖像進(jìn)行字符識別，輸出識別車牌。

對于車牌背景區(qū)域填充了顏色的車牌圖像，提高了車牌圖像的對比度，已經(jīng)接近于白天或白光補(bǔ)光條件下的車牌圖像，從而按照正常的字符識別方法即可正確識別出車牌圖像中的字符，大大提高了車牌識別的準(zhǔn)確率。

容易理解的是，紅外補(bǔ)光通常在環(huán)境亮度小于一定的值時會打開，因此本實(shí)施例也可省略對比度計(jì)算與判斷的步驟，直接處理紅外補(bǔ)光打開后過車圖像，即默認(rèn)打開紅外補(bǔ)光后的過車圖像才是待處理圖像，需要通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域，來進(jìn)行顏色調(diào)整。因此對于本實(shí)施例的步驟S1和步驟S2，也可以簡化為直接從待處理過車圖像中獲取車牌圖像，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域，相當(dāng)于默認(rèn)處理的是打開紅外補(bǔ)光后的過車圖像，即夜間的過車圖像。但是優(yōu)選地，本實(shí)施例執(zhí)行步驟S1和步驟S2，通過對比度進(jìn)行判斷后，剔除掉對比度滿足字符識別要求的車牌圖像，能夠適應(yīng)任何場合，減少要進(jìn)行后續(xù)處理的過車圖像。

本實(shí)施例步驟S1以整個車牌圖像來計(jì)算對比度，下面增加一種優(yōu)選的方案：

為了排除車牌框和防盜螺絲對對比度判斷產(chǎn)生影響，本實(shí)施例在識別出車牌位置對應(yīng)的車牌圖像后，還以定位到的車牌位置為準(zhǔn)，對車牌圖像的長寬均按設(shè)定比例縮小50％獲取車牌圖像的中心區(qū)域，計(jì)算中心區(qū)域的對比度，以該中心區(qū)域的對比度作為車牌圖像的對比度，與預(yù)設(shè)的對比度閾值進(jìn)行比較。容易理解的是，具體縮小的比例可以調(diào)整，調(diào)整范圍相對于車牌的原始大小的40％～70％，能夠得到比較好的效果。還可以根據(jù)經(jīng)驗(yàn)，以車牌圖像的中心點(diǎn)為中心，取設(shè)定范圍的長方形或正方形區(qū)域來計(jì)算對比度，作為車牌圖像的對比度，這里不再贅述。如果車牌圖像的對比度大于設(shè)定的閾值，則直接進(jìn)行字符提取與識別，因?yàn)榧词乖诩t外補(bǔ)光下，黃牌車與白牌車的因其黑色字體，對比度仍然滿足識別，不需要進(jìn)行車牌背景的顏色調(diào)整。如果車牌圖像對比度小于設(shè)定的閾值，則需要對車牌進(jìn)行后處理，通過字符與車牌背景的凹凸現(xiàn)象產(chǎn)生的輪廓，分割車牌，將字體外圍的車牌背景重新設(shè)置顏色。

需要說明的是，為了保證到的過車圖像滿足后續(xù)處理?xiàng)l件，在曝光量參數(shù)一定的情況下，必須保證車牌寬度像素達(dá)到一定要求，例如大于設(shè)定的寬度閾值。本發(fā)明實(shí)施例是以車牌寬度像素點(diǎn)120的樣本進(jìn)行計(jì)算的，因此需要在實(shí)際應(yīng)用中注意抓拍位置，抓拍位置車道寬度應(yīng)與畫面寬度吻合一致，從而獲取合適的車牌寬度像素點(diǎn)數(shù)量，如像素點(diǎn)不滿足容易導(dǎo)致車牌字體輪廓不夠清晰，影響下一步處理。

與上述方法對應(yīng)地，如圖3所示，本實(shí)施例一種紅外補(bǔ)光條件下的車牌識別裝置，包括：

背景分割模塊，用于從待處理過車圖像中獲取車牌圖像，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域；

顏色調(diào)整模塊，用于調(diào)整車牌背景區(qū)域圖像的顏色至預(yù)設(shè)的顏色；

字符識別模塊，用于對調(diào)整顏色后的車牌圖像進(jìn)行字符識別，輸出識別車牌。

本實(shí)施例背景分割模塊在從待處理過車圖像中獲取車牌圖像后，通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域之前，還執(zhí)行如下操作：

計(jì)算所述車牌圖像的對比度；

當(dāng)所述對比度低于設(shè)定的閾值時，執(zhí)行通過字符凹凸線分割車牌圖像，獲取其中的車牌背景區(qū)域。

容易理解的是，如果默認(rèn)打開紅外補(bǔ)光后的過車圖像才是待處理圖像，統(tǒng)一都需要進(jìn)行顏色調(diào)整，則不需要來計(jì)算對比度，即默認(rèn)對比度都低于設(shè)定的閾值。

本實(shí)施例背景分割模塊計(jì)算所述車牌圖像的對比度，執(zhí)行如下操作：

對車牌圖像的長寬均按設(shè)定比例縮小，獲取車牌圖像的中心區(qū)域，計(jì)算該中心區(qū)域的對比度，以該中心區(qū)域的對比度作為所述車牌圖像的對比度。

容易理解的是，也可以以整幅車牌圖像來計(jì)算對比度，縮小計(jì)算區(qū)域，有利于降低計(jì)算量。

與上述方法對應(yīng)地，背景分割模塊在所述對比度不低于設(shè)定的閾值時，直接將所述車牌圖像發(fā)送至所述字符識別模塊進(jìn)行字符識別，輸出識別車牌。

以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非對其進(jìn)行限制，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，熟悉本領(lǐng)域的技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。