本發(fā)明涉及圖像識別技術領域，尤其涉及一種基于移動終端攝像頭的車輛牌照識別方法。

背景技術：

現代社會已經進入信息時代，計算機技術、通信技術和計算機網絡技術的不斷發(fā)展，自動化信息處理能力的不斷提高，在人們社會活動和生活的各個領域得到了廣泛的應用，在這種情況下，作為信息來源的自動檢測、圖像識別技術越來越受到人們的重視。

隨著汽車數量的急劇增加，車牌自動識別技術日益成為交通管理自動化的重要手段。車牌自動識別技術是計算機視覺、圖像處理技術與模式識別等技術的融合，是智能交通系統中一項非常重要的技術。目前車牌識別技術應用也較廣泛，但普遍都存在以下問題：攝像頭位置基本固定；只有在特定場合存在識別應用，比如停車場；只考慮文本信息不考慮圖像信息獲??；并且識別的準確率較低。

技術實現要素：

為了解決上述技術問題，本發(fā)明的目的是提供一種能提高識別準確率，且提升工作效率的一種基于移動終端攝像頭的車輛牌照識別方法。

本發(fā)明所采取的技術方案是：

一種基于移動終端攝像頭的車輛牌照識別方法，包括以下步驟：

通過移動終端攝像頭對車牌圖像進行采集并處理，得到車牌邊緣圖像；

對車牌邊緣圖像進行字符分割，得到字符分割圖像；

對字符分割圖像進行字符識別，得出識別結果并輸出。

作為所述的一種基于移動終端攝像頭的車輛牌照識別方法的進一步改進，所述的通過移動終端攝像頭對車牌圖像進行采集并處理，這一步驟具體包括：

移動終端攝像頭自動對焦并對車牌圖像進行采集；

對車牌圖像進行預處理。

作為所述的一種基于移動終端攝像頭的車輛牌照識別方法的進一步改進，所述的對車牌圖像進行預處理，這一步驟具體包括：

對車牌圖像進行高斯平滑濾波處理；

對高斯平滑濾波處理后的車牌圖像進行邊緣檢驗處理。

作為所述的一種基于移動終端攝像頭的車輛牌照識別方法的進一步改進，所述的高斯平滑濾波處理的計算公式為：

其中，σx表示處理后的橫坐標，param1表示處理前的橫坐標，σy表示處理后的縱坐標，param2表示處理前的橫坐標。

作為所述的一種基于移動終端攝像頭的車輛牌照識別方法的進一步改進，所述的對高斯平滑濾波處理后的車牌圖像進行邊緣檢驗處理，這一步驟具體包括：

對高斯平滑濾波處理后的車牌圖像中通過roberts算子計算圖中每個像素點的局部梯度和邊緣方向；

對每個像素點的局部梯度進行非極大值抑制，將非極大值點所對應的灰度值設為0，得到剩余的點為邊緣點；

根據得到的邊緣點，按照預設的雙閾值進行分類，并對邊緣點進行連接，得到車牌邊緣圖像。

作為所述的一種基于移動終端攝像頭的車輛牌照識別方法的進一步改進，所述的對車牌邊緣圖像進行字符分割，得到字符分割圖像，這一步驟具體包括：

對車牌邊緣圖像通過分水嶺算法進行封閉邊緣處理，得到邊緣圖像；

對得到的邊緣圖像通過種子填充算法進行圖像填充，得到填充圖像；

對填充圖像進行字符切割，并進行二次填充處理，得到字符分割圖像。

作為所述的一種基于移動終端攝像頭的車輛牌照識別方法的進一步改進，所述的對字符分割圖像進行字符識別，得出識別結果并輸出，這一步驟具體為：

將字符分割圖像與模板圖像通過改良的豪斯多夫距離量度算法計算兩者的豪斯多夫距離進行匹配，當得到豪斯多夫距離為最小時，其對應的模板圖像即為識別的結果。

作為所述的一種基于移動終端攝像頭的車輛牌照識別方法的進一步改進，所述的豪斯多夫距離的計算公式為：

其中，集合a表示字符分割圖像，集合b表示模板圖像，a和b分別為集合a和集合b中的點。

本發(fā)明的有益效果是：

本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法通過對采集的車牌圖像依次進行預處理、字符分割和字符識別，從而能有效提高識別的準確率，而且通過實現車輛牌照的自動識別，進而可對車輛查詢相關的數據庫，根據提取的車輛信息，實現有針對性的車輛檢查，極大的提高工作人員的效率，降低工作強度。

附圖說明

下面結合附圖對本發(fā)明的具體實施方式作進一步說明：

圖1是本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法的步驟流程圖；

圖2是本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法中采集處理的步驟流程圖；

圖3是本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法中預處理的步驟流程圖；

圖4是本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法中邊緣檢驗處理的步驟流程圖；

圖5是本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法中字符分割的步驟流程圖。

具體實施方式

參考圖1，本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法，包括以下步驟：

通過移動終端攝像頭對車牌圖像進行采集并處理，得到車牌邊緣圖像；

對車牌邊緣圖像進行字符分割，得到字符分割圖像；

對字符分割圖像進行字符識別，得出識別結果并輸出。

參考圖2，進一步作為優(yōu)選的實施方式，所述的通過移動終端攝像頭對車牌圖像進行采集并處理，這一步驟具體包括：

移動終端攝像頭自動對焦并對車牌圖像進行采集；

對車牌圖像進行預處理。

參考圖3，進一步作為優(yōu)選的實施方式，所述的對車牌圖像進行預處理，這一步驟具體包括：

對車牌圖像進行高斯平滑濾波處理；

對高斯平滑濾波處理后的車牌圖像進行邊緣檢驗處理。

其中，由于車牌圖像特征還是十分明顯的，本身并沒有太多的背景進行干擾。根據車牌特征，我們不需要分析太多的邊緣，對于降噪和邊緣檢測都可以大大的降低了難度，所以在這里，采用高斯平滑濾波處理圖像的平滑和降噪。

對于圖像來說，高斯濾波器是利用高斯核的一個2維的卷積算子，用于圖像模糊化(去除細節(jié)和噪聲)。

1.高斯分布

若隨機變量x服從一個數學期望為μ、標準方差為σ2的高斯分布，記為x～n(μ,σ²)；

則其概率密度函數為：

上式中，μ為數學期望，σ為標準方差。正態(tài)分布的期望值μ決定了其位置，其標準差σ決定了分布的幅度。

如果μ＝0并且σ＝1，這個分布被稱為標準正態(tài)分布，這個分布能夠簡化為：

2.高斯核

理論上，高斯分布在所有定義域上都有非負值，這就需要一個無限大的卷積核。實際上，僅需要取均值周圍3倍標準差內的值，以外部份直接去掉即可。

3.高斯濾波(平滑)

完成了高斯核的構造后，高斯濾波就是用此核來執(zhí)行標準的卷積。

高斯濾波是圖像平滑的一種重要的方式，能有效地消除和抑制噪聲，達到圖像平滑的效果。同時，相比于平均模板而言，效果更加自然。更加自然的意思，實際上說相對于就是適當地降低平滑后的模糊程度。平均模板對四周像素的使用是一視同仁的，這樣的話整幅圖處理后看上去就會非常的模糊；然而高斯濾波打破了這樣的局限，分配以不同的權重，隨著距離中心距離的增大，權重將迅速減小，從而確保中心的像素點看起來更像是接近與它更近的像素點，這樣圖像的連續(xù)性得到了保證。

進一步作為優(yōu)選的實施方式，所述的高斯平滑濾波處理的計算公式為：

其中，σx表示處理后的橫坐標，param1表示處理前的橫坐標，σy表示處理后的縱坐標，param2表示處理前的橫坐標。

參考圖4，進一步作為優(yōu)選的實施方式，所述的對高斯平滑濾波處理后的車牌圖像進行邊緣檢驗處理，這一步驟具體包括：

對高斯平滑濾波處理后的車牌圖像中通過roberts算子計算圖中每個像素點的局部梯度和邊緣方向；

對每個像素點的局部梯度進行非極大值抑制，將非極大值點所對應的灰度值設為0，得到剩余的點為邊緣點；

根據得到的邊緣點，按照預設的雙閾值進行分類，并對邊緣點進行連接，得到車牌邊緣圖像。

優(yōu)選的，根據高閾值得到一個邊緣圖像，這樣一個圖像含有很少的假邊緣，但是由于閾值較高，產生的圖像邊緣可能不閉合，未解決這樣一個問題采用了另外一個低閾值。在高閾值圖像中把邊緣鏈接成輪廓，當到達輪廓的端點時，該算法會在斷點的8鄰域點中尋找滿足低閾值的點，再根據此點收集新的邊緣，直到整個圖像邊緣閉合。

其中，roberts算子對于圖像來說，是一個二維的離散型數集，通過推廣二維連續(xù)型求函數偏導的方法，來求得圖像的偏導數，即在(x,y)處的最大變化率，也就是這里的梯度：

上式中，為輸出的圖像。

通常把梯度的模叫做圖象的梯度。對于數字圖象，可以用差分來近似微分。roberts模板是用斜向上的4個象素的交叉差分定義的，即

上式中，為輸出的圖像，f(x，y)為輸入的圖像。

一般將上式簡化成：

上式中，為輸出的圖像，f(x，y)為輸入的圖像。

參考圖5，進一步作為優(yōu)選的實施方式，所述的對車牌邊緣圖像進行字符分割，得到字符分割圖像，這一步驟具體包括：

對車牌邊緣圖像通過分水嶺算法進行封閉邊緣處理，得到邊緣圖像；

對得到的邊緣圖像通過種子填充算法進行圖像填充，得到填充圖像；

對填充圖像進行字符切割，并進行二次填充處理，得到字符分割圖像。

進一步作為優(yōu)選的實施方式，所述的對字符分割圖像進行字符識別，得出識別結果并輸出，這一步驟具體為：

將字符分割圖像與模板圖像通過改良的豪斯多夫距離量度算法計算兩者的豪斯多夫距離進行匹配，當得到豪斯多夫距離為最小時，其對應的模板圖像即為識別的結果。

進一步作為優(yōu)選的實施方式，所述的豪斯多夫距離的計算公式為：

其中，集合a表示字符分割圖像，集合b表示模板圖像，a和b分別為集合a和集合b中的點。改進后是把求最大最小距離變?yōu)榍笞钚【嚯x的累加和，這樣做可以有效地抵抗隨機噪聲的干擾，從整體上計算兩個點集之間的距離，而不是只靠最大距離，從而增加了兩個點集之間距離的穩(wěn)定性，從理論上更加合理。實驗也證明改進后的距離算法比改進前的距離算法穩(wěn)定性好，識別率更高。

本發(fā)明實施例中，專門針對手機應用而開發(fā)，程序自動調節(jié)手機攝像頭進行自動聚焦、平衡補光等操作以達到最優(yōu)的掃描拍攝效果,支持2種方式照片來源，分別是手機自動聚焦掃描車牌圖像方式和人工聚焦拍攝識別方式。不管哪種方式來源的圖像都必須確保照片的清晰度才能在后續(xù)的過程中識別出準確的信息。為了使車牌能夠被精確定位，需要使用高斯平滑對圖片進行處理，然后對圖像做邊緣檢驗，削弱背景干擾。經過以上的預處理，就可以對車牌進行定位和分割處理。在得到邊緣圖像后需要將圖像中的邊緣進行轉換，得到相對完整分邊緣便于用于圖像填充，將圖像填充完整后便可以進行更好的字符切割，如果填充不完全，可以重復本步驟。根據字符切割后得到的基本圖像進行對應的識別。本過程主要使用了改良后的豪斯多夫距離量度算法進行識別。最后本發(fā)明可作為組件的方式存在提供api接口給外部應用程序，包括移動端及pc端，從而將識別結果通過接口返回。

從上述內容可知，本發(fā)明一種基于移動終端攝像頭的車輛牌照識別方法通過對采集的車牌圖像依次進行預處理、字符分割和字符識別，從而能有效提高識別的準確率，而且通過實現車輛牌照的自動識別，進而可對車輛查詢相關的數據庫，根據提取的車輛信息，實現有針對性的車輛檢查，極大的提高工作人員的效率，降低工作強度。

以上是對本發(fā)明的較佳實施進行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實施例，熟悉本領域的技術人員在不違背本發(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權利要求所限定的范圍內。