本發(fā)明涉及圖像處理、視頻監(jiān)控以及智能交通，特別涉及車(chē)牌字符分割方法及裝置。

背景技術(shù)：

隨著城市的日益現(xiàn)代化，機(jī)動(dòng)車(chē)的保有量持續(xù)增加，智能交通系統(tǒng)發(fā)揮著越來(lái)越重要的作用。車(chē)牌識(shí)別技術(shù)是現(xiàn)代智能交通系統(tǒng)的重要組成部分，有著十分廣泛的應(yīng)用。車(chē)牌識(shí)別技術(shù)分為車(chē)牌定位、字符分割和字符識(shí)別三個(gè)組成部分。其中，字符分割是在定位出來(lái)的車(chē)牌區(qū)域?qū)⑵渲械膯蝹€(gè)字符區(qū)域準(zhǔn)確的分割出來(lái)。字符分割的準(zhǔn)確與否直接影響到了后期字符識(shí)別的準(zhǔn)確率。

目前常用的字符分割算法有：垂直投影法、模板匹配法、連通區(qū)域法、分類(lèi)器法、神經(jīng)網(wǎng)絡(luò)法等。其中，垂直投影法對(duì)傾斜的字符很敏感；連通區(qū)域法對(duì)斷裂或字符粘連處理較差；分類(lèi)器法和神經(jīng)網(wǎng)絡(luò)法算法較為復(fù)雜。模板匹配法對(duì)車(chē)牌的提取精度要求較高。

綜上所述，目前迫切需要提出一種快速且分割準(zhǔn)確率高的車(chē)牌字符分割方法及裝置。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的主要目的在于實(shí)現(xiàn)快速的車(chē)牌字符分割，且字符分割的準(zhǔn)確性較高。

為達(dá)到上述目的，按照本發(fā)明的第一個(gè)方面，提供了一種車(chē)牌字符分割方法，該方法包括：

第一步驟，輸入車(chē)牌區(qū)域圖像；

第二步驟，對(duì)車(chē)牌區(qū)域圖像進(jìn)行圖像預(yù)處理；

第三步驟，對(duì)車(chē)牌區(qū)域圖像進(jìn)行閾值分割，獲取車(chē)牌區(qū)域圖像的二值圖像，采用連通區(qū)域標(biāo)記法獲取標(biāo)記的連通區(qū)域，根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾；

第四步驟，計(jì)算標(biāo)記連通區(qū)域的字符識(shí)別置信度，若置信度不小于置信度閾值，則將該連通區(qū)域標(biāo)記為字符塊區(qū)域；及

第五步驟，采用多叉樹(shù)模型匹配法，獲取最佳字符區(qū)域并輸出。

進(jìn)一步地，所述第二步驟中圖像預(yù)處理包括以下一種或者兩種步驟的組合：圖像傾斜矯正步驟、圖像增強(qiáng)步驟。

進(jìn)一步地，所述第三步驟中所述根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾包括：統(tǒng)計(jì)標(biāo)記連通區(qū)域的寬度和高度，計(jì)算寬度與高度的比值；若標(biāo)記連通區(qū)域的寬度與高度的比值小于第一閾值或者大于第二閾值，則將該標(biāo)記連通區(qū)域?yàn)V除。

進(jìn)一步地，所述第五步驟包括：

字符塊區(qū)域排序步驟，統(tǒng)計(jì)每個(gè)字符塊區(qū)域的左邊界，按照字符塊區(qū)域的左邊界所對(duì)應(yīng)橫坐標(biāo)的值的從小到大的順序，獲取字符塊區(qū)域序列{ci}，i＝{1，2，…，n}，其中n為字符塊區(qū)域的個(gè)數(shù)；

模型參數(shù)定義步驟，統(tǒng)計(jì)每個(gè)字符塊區(qū)域的寬度，計(jì)算所有字符塊區(qū)域?qū)挾鹊钠骄?，?biāo)記為基準(zhǔn)字符寬度，設(shè)置最小比例閾值、最大比例閾值，根據(jù)最小比例閾值和基準(zhǔn)字符寬度計(jì)算最小間隙，即最小間隙＝最小比例閾值×基準(zhǔn)字符寬度，根據(jù)最大比例閾值和基準(zhǔn)字符寬度計(jì)算最大間隙，即最大間隙＝最大比例閾值×基準(zhǔn)字符寬度，根據(jù)基準(zhǔn)字符寬度、最大間隙、最小間隙，定義模型組為{mj}，j＝{1，2，…，m}，mj為第j個(gè)模型，m為車(chē)牌類(lèi)型的個(gè)數(shù)；

模型匹配步驟，采用多叉樹(shù)遍歷法，對(duì)字符塊區(qū)域{ci}與模型mj內(nèi)的所有結(jié)點(diǎn)進(jìn)行遍歷，獲取模型mj的匹配長(zhǎng)度最長(zhǎng)的匹配方式，并根據(jù)所述匹配方式獲取字符塊區(qū)域{ci}與模型mj的匹配結(jié)果，其中i＝{1，2，…，n}，j＝{1，2，…，m}；

最佳匹配區(qū)域選取步驟，分別根據(jù)每個(gè)模型mj的匹配結(jié)果，對(duì)所對(duì)應(yīng)的字符塊區(qū)域進(jìn)行字符識(shí)別，計(jì)算相應(yīng)的字符識(shí)別置信度的累加和作為所述匹配結(jié)果的打分值，選取打分值最大的匹配結(jié)果作為最佳匹配結(jié)果，獲取最佳匹配結(jié)果對(duì)應(yīng)的位置區(qū)域作為最佳字符區(qū)域并輸出。

按照本發(fā)明的另一個(gè)方面，提供了一種車(chē)牌字符分割裝置，該裝置包括：

車(chē)牌區(qū)域圖像輸入模塊，用于輸入車(chē)牌區(qū)域圖像；

圖像預(yù)處理模塊，用于對(duì)車(chē)牌區(qū)域圖像進(jìn)行圖像預(yù)處理；

標(biāo)記連通區(qū)域獲取模塊，用于對(duì)車(chē)牌區(qū)域圖像進(jìn)行閾值分割，獲取車(chē)牌區(qū)域圖像的二值圖像，采用連通區(qū)域標(biāo)記法獲取標(biāo)記的連通區(qū)域，根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾；

字符塊區(qū)域獲取模塊，用于計(jì)算標(biāo)記連通區(qū)域的字符識(shí)別置信度，若置信度不小于置信度閾值，則將該連通區(qū)域標(biāo)記為字符塊區(qū)域；及

最佳字符區(qū)域獲取模塊，用于采用多叉樹(shù)模型匹配法，獲取最佳字符區(qū)域并輸出。

進(jìn)一步地，所述圖像預(yù)處理模塊中圖像預(yù)處理包括以下一種或者兩種步驟的組合：圖像傾斜矯正模塊、圖像增強(qiáng)模塊。

進(jìn)一步地，所述標(biāo)記連通區(qū)域獲取模塊中所述根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾包括：統(tǒng)計(jì)標(biāo)記連通區(qū)域的寬度和高度，計(jì)算寬度與高度的比值；若標(biāo)記連通區(qū)域的寬度與高度的比值小于第一閾值或者大于第二閾值，則將該標(biāo)記連通區(qū)域?yàn)V除。

進(jìn)一步地，所述最佳字符區(qū)域獲取模塊包括：

字符塊區(qū)域排序模塊，用于統(tǒng)計(jì)每個(gè)字符塊區(qū)域的左邊界，按照字符塊區(qū)域的左邊界所對(duì)應(yīng)橫坐標(biāo)的值的從小到大的順序，獲取字符塊區(qū)域序列{ci}，i＝{1，2，…，n}，其中n為字符塊區(qū)域的個(gè)數(shù)；

模型參數(shù)定義模塊，用于統(tǒng)計(jì)每個(gè)字符塊區(qū)域的寬度，計(jì)算所有字符塊區(qū)域?qū)挾鹊钠骄?，?biāo)記為基準(zhǔn)字符寬度，設(shè)置最小比例閾值、最大比例閾值，根據(jù)最小比例閾值和基準(zhǔn)字符寬度計(jì)算最小間隙，即最小間隙＝最小比例閾值×基準(zhǔn)字符寬度，根據(jù)最大比例閾值和基準(zhǔn)字符寬度計(jì)算最大間隙，即最大間隙＝最大比例閾值×基準(zhǔn)字符寬度，根據(jù)基準(zhǔn)字符寬度、最大間隙、最小間隙，定義模型組為{mj}，j＝{1，2，…，m}，mj為第j個(gè)模型，m為車(chē)牌類(lèi)型的個(gè)數(shù)；

模型匹配模塊，用于采用多叉樹(shù)遍歷法，對(duì)字符塊區(qū)域{ci}與模型mj內(nèi)的所有結(jié)點(diǎn)進(jìn)行遍歷，獲取模型mj的匹配長(zhǎng)度最長(zhǎng)的匹配方式，并根據(jù)所述匹配方式獲取字符塊區(qū)域{ci}與模型mj的匹配結(jié)果，其中i＝{1，2，…，n}，j＝{1，2，…，n}；

最佳匹配區(qū)域選取模塊，用于分別根據(jù)每個(gè)模型mj的匹配結(jié)果，對(duì)所對(duì)應(yīng)的字符塊區(qū)域進(jìn)行字符識(shí)別，計(jì)算相應(yīng)的字符識(shí)別置信度的累加和作為所述匹配結(jié)果的打分值，選取打分值最大的匹配結(jié)果作為最佳匹配結(jié)果，獲取最佳匹配結(jié)果對(duì)應(yīng)的位置區(qū)域作為最佳字符區(qū)域并輸出。

與現(xiàn)有的車(chē)牌字符分割方法相比，本發(fā)明的一種車(chē)牌字符分割方法及裝置一方面采用多叉樹(shù)模型匹配對(duì)字符塊進(jìn)行匹配以獲取最佳的字符塊，提高了字符分割的準(zhǔn)確性且算法復(fù)雜度較低；另一方面在多叉樹(shù)模型匹配前，先對(duì)字符候選區(qū)域進(jìn)行識(shí)別，根據(jù)識(shí)別的反饋結(jié)果過(guò)濾字符候選區(qū)域，進(jìn)一步提高了后期字符分割的準(zhǔn)確性。

附圖說(shuō)明

圖1示出了按照本發(fā)明的一種車(chē)牌字符分割方法的流程圖。

圖2示出了按照本發(fā)明的一種車(chē)牌字符分割裝置的框架圖。

具體實(shí)施方式

為使貴審查員能進(jìn)一步了解本發(fā)明的結(jié)構(gòu)、特征及其他目的，現(xiàn)結(jié)合所附較佳實(shí)施例詳細(xì)說(shuō)明如下，所說(shuō)明的較佳實(shí)施例僅用于說(shuō)明本發(fā)明的技術(shù)方案，并非限定本發(fā)明。

圖1給出了按照本發(fā)明的一種車(chē)牌字符分割方法的流程圖。如圖1所示，按照本發(fā)明的一種車(chē)牌字符分割方法包括：

第一步驟s1，輸入車(chē)牌區(qū)域圖像；

第二步驟s2，對(duì)車(chē)牌區(qū)域圖像進(jìn)行圖像預(yù)處理；

第三步驟s3，對(duì)車(chē)牌區(qū)域圖像進(jìn)行閾值分割，獲取車(chē)牌區(qū)域圖像的二值圖像，采用連通區(qū)域標(biāo)記法獲取標(biāo)記的連通區(qū)域，根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾；

第四步驟s4，計(jì)算標(biāo)記連通區(qū)域的字符識(shí)別置信度，若置信度不小于置信度閾值，則將該連通區(qū)域標(biāo)記為字符塊區(qū)域；及

第五步驟s5，采用多叉樹(shù)模型匹配法，獲取最佳字符區(qū)域并輸出。

所述第一步驟s1中車(chē)牌區(qū)域圖像為包含整個(gè)車(chē)牌區(qū)域的灰度圖像。

進(jìn)一步地，所述第二步驟s2中圖像預(yù)處理包括以下一種或者兩種步驟的組合：圖像傾斜矯正步驟s21、圖像增強(qiáng)步驟s22。

所述圖像傾斜矯正步驟s21為現(xiàn)有的車(chē)牌矯正算法。

示例性地，例如所述圖像傾斜矯正步驟s21可以包括：利用hough變換，獲取車(chē)牌區(qū)域的直線段，獲取直線段的傾斜角；根據(jù)傾斜角和圖像旋轉(zhuǎn)公式，對(duì)車(chē)牌區(qū)域圖像進(jìn)行矯正。

所述圖像旋轉(zhuǎn)公式為現(xiàn)有的圖像旋轉(zhuǎn)方法中采用的旋轉(zhuǎn)公式。

所述圖像增強(qiáng)步驟s22為現(xiàn)有的圖像增強(qiáng)算法。

所述第三步驟s3中閾值分割為現(xiàn)有的閾值分割算法。例如，局部二值化法、大津法、自適應(yīng)閾值分割法、otsu閾值分割法等。

所述連通區(qū)域標(biāo)記法為現(xiàn)有的連通區(qū)域標(biāo)記算法。

所述根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾包括：統(tǒng)計(jì)標(biāo)記連通區(qū)域的寬度和高度，計(jì)算寬度與高度的比值；若標(biāo)記連通區(qū)域的寬度與高度的比值小于第一閾值或者大于第二閾值，則將該標(biāo)記連通區(qū)域?yàn)V除。

所述第一閾值的取值范圍為0.3～0.7。優(yōu)選地，所述第一閾值的取值范圍為0.45～0.6。

所述第二閾值的取值范圍為1.2～2.5。優(yōu)選地，所述第二閾值選的取值范圍為1.5～2.2。

進(jìn)一步地，所述第四步驟s4中計(jì)算標(biāo)記連通區(qū)域的字符識(shí)別置信度為現(xiàn)有的字符識(shí)別的置信度計(jì)算方法。

所述置信度閾值的取值范圍為0.5～0.95。優(yōu)選地，所述置信度閾值的取值范圍為0.6～0.9。

進(jìn)一步地，所述第五步驟s5包括：

字符塊區(qū)域排序步驟s51，統(tǒng)計(jì)每個(gè)字符塊區(qū)域的左邊界，按照字符塊區(qū)域的左邊界所對(duì)應(yīng)橫坐標(biāo)的值的從小到大的順序，獲取字符塊區(qū)域序列{ci}，i＝{1，2，…，m}，其中n為字符塊區(qū)域的個(gè)數(shù)；

模型參數(shù)定義步驟s52，統(tǒng)計(jì)每個(gè)字符塊區(qū)域的寬度，計(jì)算所有字符塊區(qū)域?qū)挾鹊钠骄?，?biāo)記為基準(zhǔn)字符寬度，設(shè)置最小比例閾值、最大比例閾值，根據(jù)最小比例閾值和基準(zhǔn)字符寬度計(jì)算最小間隙，即最小間隙＝最小比例閾值×基準(zhǔn)字符寬度，根據(jù)最大比例閾值和基準(zhǔn)字符寬度計(jì)算最大間隙，即最大間隙＝最大比例閾值×基準(zhǔn)字符寬度，根據(jù)基準(zhǔn)字符寬度、最大間隙、最小間隙，定義模型組為{mj}，j＝{1，2，…，m}，mj為第j個(gè)模型，m為車(chē)牌類(lèi)型的個(gè)數(shù)；

模型匹配步驟s53，采用多叉樹(shù)遍歷法，對(duì)字符塊區(qū)域{ci}與模型mj內(nèi)的所有結(jié)點(diǎn)進(jìn)行遍歷，獲取模型mj的匹配長(zhǎng)度最長(zhǎng)的匹配方式，并根據(jù)所述匹配方式獲取字符塊區(qū)域{ci}與模型mj的匹配結(jié)果，其中i＝{1，2，…，n}，j＝{1，2，…，m}；

最佳匹配區(qū)域選取步驟s54，分別根據(jù)每個(gè)模型mj的匹配結(jié)果，對(duì)所對(duì)應(yīng)的字符塊區(qū)域進(jìn)行字符識(shí)別，計(jì)算相應(yīng)的字符識(shí)別置信度的累加和作為所述匹配結(jié)果的打分值，選取打分值最大的匹配結(jié)果作為最佳匹配結(jié)果，獲取最佳匹配結(jié)果對(duì)應(yīng)的位置區(qū)域作為最佳字符區(qū)域并輸出。

所述最小比例閾值的取值范圍為0.1～0.5，最大比例閾值的取值范圍為0.5～1。優(yōu)選地，最小比例閾值選為0.3或者0.35，最大比例閾值選為0.6或者0.7。

所述m可以根據(jù)現(xiàn)實(shí)中的車(chē)牌類(lèi)型進(jìn)行設(shè)置。進(jìn)一步地，m的取值范圍可以為1～100。示例性地，m可以選為8或者10。

所述模型匹配步驟s53中多叉樹(shù)遍歷法通過(guò)現(xiàn)有技術(shù)實(shí)現(xiàn)。

進(jìn)一步地，所述模型匹配步驟s53包括：

匹配首結(jié)點(diǎn)生成步驟s531，確定字符塊區(qū)域{ci}的第一個(gè)字符塊ck，k＝{1,2,3}，在模型mj中搜尋與字符塊ck匹配的字符位置mcrr，r＝{1,2,3}，記錄匹配方式為字符塊序號(hào)k、模型序號(hào)j、模型mj中字符序號(hào)r、匹配長(zhǎng)度l，l初始值為1；

匹配子結(jié)點(diǎn)獲取步驟s532，k＝{k+1,k+2}，r＝{r+1,r+2}，搜尋與下一個(gè)字符塊ck匹配的字符位置mcrr，計(jì)算當(dāng)前字符塊ck與前一個(gè)字符塊的位置距離，若位置距離小于最小間隙或者大于最大間隙，則當(dāng)前匹配的字符塊ck被過(guò)濾，否則記錄匹配方式為字符塊序號(hào)k、模型序號(hào)j、模型mj中字符序號(hào)r、匹配長(zhǎng)度l＝l+1，并按繼續(xù)本步驟，直至字符塊區(qū)域{ci}都匹配結(jié)束；

匹配結(jié)果獲取步驟s533，重復(fù)匹配首結(jié)點(diǎn)生成步驟s531和匹配子結(jié)點(diǎn)獲取步驟s532，直至所有模型mj都匹配結(jié)束，根據(jù)記錄的匹配方式，對(duì)于每個(gè)模型mj，選取匹配長(zhǎng)度最長(zhǎng)的匹配方式作為模型mj與字符塊區(qū)域{ci}的匹配結(jié)果。

圖2給出了按照本發(fā)明的一種車(chē)牌字符分割裝置的框架圖。如圖2所示，按照本發(fā)明的一種車(chē)牌字符分割裝置包括：

車(chē)牌區(qū)域圖像輸入模塊1，用于輸入車(chē)牌區(qū)域圖像；

圖像預(yù)處理模塊2，用于對(duì)車(chē)牌區(qū)域圖像進(jìn)行圖像預(yù)處理；

標(biāo)記連通區(qū)域獲取模塊3，用于對(duì)車(chē)牌區(qū)域圖像進(jìn)行閾值分割，獲取車(chē)牌區(qū)域圖像的二值圖像，采用連通區(qū)域標(biāo)記法獲取標(biāo)記的連通區(qū)域，根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾；

字符塊區(qū)域獲取模塊4，用于計(jì)算標(biāo)記連通區(qū)域的字符識(shí)別置信度，若置信度不小于置信度閾值，則將該連通區(qū)域標(biāo)記為字符塊區(qū)域；及

最佳字符區(qū)域獲取模塊5，用于采用多叉樹(shù)模型匹配法，獲取最佳字符區(qū)域并輸出。

所述車(chē)牌區(qū)域圖像輸入模塊1中車(chē)牌區(qū)域圖像為包含整個(gè)車(chē)牌區(qū)域的灰度圖像。

進(jìn)一步地，所述圖像預(yù)處理模塊2中圖像預(yù)處理包括以下一種或者兩種步驟的組合：圖像傾斜矯正模塊21、圖像增強(qiáng)模塊22。

所述圖像傾斜矯正模塊21為現(xiàn)有的車(chē)牌矯正算法。

示例性地，例如圖像傾斜矯正模塊21可以包括：用于利用hough變換，獲取車(chē)牌區(qū)域的直線段，獲取直線段的傾斜角；根據(jù)傾斜角和圖像旋轉(zhuǎn)公式，對(duì)車(chē)牌區(qū)域圖像進(jìn)行矯正。

所述圖像旋轉(zhuǎn)公式為現(xiàn)有的圖像旋轉(zhuǎn)方法中采用的旋轉(zhuǎn)公式。

所述圖像增強(qiáng)模塊22通過(guò)現(xiàn)有的圖像增強(qiáng)算法實(shí)現(xiàn)。

所述標(biāo)記連通區(qū)域獲取模塊3中閾值分割為現(xiàn)有的閾值分割算法。例如，局部二值化法、大津法、自適應(yīng)閾值分割法、otsu閾值分割法等。

所述連通區(qū)域標(biāo)記法為現(xiàn)有的連通區(qū)域標(biāo)記算法。

所述根據(jù)先驗(yàn)知識(shí)對(duì)標(biāo)記連通區(qū)域進(jìn)行過(guò)濾包括：統(tǒng)計(jì)標(biāo)記連通區(qū)域的寬度和高度，計(jì)算寬度與高度的比值；若標(biāo)記連通區(qū)域的寬度與高度的比值小于第一閾值或者大于第二閾值，則將該標(biāo)記連通區(qū)域?yàn)V除。

所述第一閾值的取值范圍為0.3～0.7。優(yōu)選地，所述第一閾值的取值范圍為0.45～0.6。

所述第二閾值的取值范圍為1.2～2.5。優(yōu)選地，所述第二閾值選的取值范圍為1.5～2.2。

進(jìn)一步地，所述字符塊區(qū)域獲取模塊4中計(jì)算標(biāo)記連通區(qū)域的字符識(shí)別置信度為現(xiàn)有的字符識(shí)別的置信度計(jì)算方法。

所述置信度閾值的取值范圍為0.5～0.95。優(yōu)選地，所述置信度閾值的取值范圍為0.6～0.9。

進(jìn)一步地，所述最佳字符區(qū)域獲取模塊5包括：

字符塊區(qū)域排序模塊51，用于統(tǒng)計(jì)每個(gè)字符塊區(qū)域的左邊界，按照字符塊區(qū)域的左邊界所對(duì)應(yīng)橫坐標(biāo)的值的從小到大的順序，獲取字符塊區(qū)域序列{ci}，i＝{1，2，…，n}，其中n為字符塊區(qū)域的個(gè)數(shù)；

模型參數(shù)定義模塊52，用于統(tǒng)計(jì)每個(gè)字符塊區(qū)域的寬度，計(jì)算所有字符塊區(qū)域?qū)挾鹊钠骄?，?biāo)記為基準(zhǔn)字符寬度，設(shè)置最小比例閾值、最大比例閾值，根據(jù)最小比例閾值和基準(zhǔn)字符寬度計(jì)算最小間隙，即最小間隙＝最小比例閾值×基準(zhǔn)字符寬度，根據(jù)最大比例閾值和基準(zhǔn)字符寬度計(jì)算最大間隙，即最大間隙＝最大比例閾值×基準(zhǔn)字符寬度，根據(jù)基準(zhǔn)字符寬度、最大間隙、最小間隙，定義模型組為{mj}，j＝{1，2，…，m}，mj為第j個(gè)模型，m為車(chē)牌類(lèi)型的個(gè)數(shù)；

模型匹配模塊53，用于采用多叉樹(shù)遍歷法，對(duì)字符塊區(qū)域{ci}與模型mj內(nèi)的所有結(jié)點(diǎn)進(jìn)行遍歷，獲取模型mj的匹配長(zhǎng)度最長(zhǎng)的匹配方式，并根據(jù)所述匹配方式獲取字符塊區(qū)域{ci}與模型mj的匹配結(jié)果，其中i＝{1，2，…，n}，j＝{1，2，…，m}；

最佳匹配區(qū)域選取模塊54，用于分別根據(jù)每個(gè)模型mj的匹配結(jié)果，對(duì)所對(duì)應(yīng)的字符塊區(qū)域進(jìn)行字符識(shí)別，計(jì)算相應(yīng)的字符識(shí)別置信度的累加和作為所述匹配結(jié)果的打分值，選取打分值最大的匹配結(jié)果作為最佳匹配結(jié)果，獲取最佳匹配結(jié)果對(duì)應(yīng)的位置區(qū)域作為最佳字符區(qū)域并輸出。

所述最小比例閾值的取值范圍為0.1～0.5，最大比例閾值的取值范圍為0.5～1。優(yōu)選地，最小比例閾值選為0.3或者0.35，最大比例閾值選為0.6或者0.7。

所述m可以根據(jù)現(xiàn)實(shí)中的車(chē)牌類(lèi)型進(jìn)行設(shè)置。進(jìn)一步地，m的取值范圍可以為1～100。示例性地，m可以選為8或者10。

所述模型匹配模塊53中多叉樹(shù)遍歷法通過(guò)現(xiàn)有技術(shù)實(shí)現(xiàn)。

進(jìn)一步地，所述模型匹配模塊53包括：

匹配首結(jié)點(diǎn)生成模塊531，用于確定字符塊區(qū)域{ci}的第一個(gè)字符塊ck，k＝{1,2,3}，在模型mj中搜尋與字符塊ck匹配的字符位置mcrr，r＝{1,2,3}，記錄匹配方式為字符塊序號(hào)k、模型序號(hào)j、模型mj中字符序號(hào)r、匹配長(zhǎng)度l，l初始值為1；

匹配子結(jié)點(diǎn)獲取模塊532，用于k＝{k+1,k+2}，r＝{r+1,r+2}，搜尋與下一個(gè)字符塊ck匹配的字符位置mcrr，計(jì)算當(dāng)前字符塊ck與前一個(gè)字符塊的位置距離，若位置距離小于最小間隙或者大于最大間隙，則當(dāng)前匹配的字符塊ck被過(guò)濾，否則記錄匹配方式為字符塊序號(hào)k、模型序號(hào)j、模型mj中字符序號(hào)r、匹配長(zhǎng)度l＝l+1，并按繼續(xù)本步驟，直至字符塊區(qū)域{ci}都匹配結(jié)束；

匹配結(jié)果獲取模塊533，用于重復(fù)匹配首結(jié)點(diǎn)生成模塊531和匹配子結(jié)點(diǎn)獲取模塊532，直至所有模型mj都匹配結(jié)束，根據(jù)記錄的匹配方式，對(duì)于每個(gè)模型mj，選取匹配長(zhǎng)度最長(zhǎng)的匹配方式作為模型mj與字符塊區(qū)域{ci}的匹配結(jié)果。

與現(xiàn)有的車(chē)牌字符分割方法相比，本發(fā)明的一種車(chē)牌字符分割方法及裝置一方面采用多叉樹(shù)模型匹配對(duì)字符塊進(jìn)行匹配以獲取最佳的字符塊，提高了字符分割的準(zhǔn)確性且算法復(fù)雜度較低；另一方面在多叉樹(shù)模型匹配前，先對(duì)字符候選區(qū)域進(jìn)行識(shí)別，根據(jù)識(shí)別的反饋結(jié)果過(guò)濾字符候選區(qū)域，進(jìn)一步提高了后期字符分割的準(zhǔn)確性。

以上所述，僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍，應(yīng)當(dāng)理解，本發(fā)明并不限于這里所描述的實(shí)現(xiàn)方案，這些實(shí)現(xiàn)方案描述的目的在于幫助本領(lǐng)域中的技術(shù)人員實(shí)踐本發(fā)明。任何本領(lǐng)域中的技術(shù)人員很容易在不脫離本發(fā)明精神和范圍的情況下進(jìn)行進(jìn)一步的改進(jìn)和完善，因此本發(fā)明只受到本發(fā)明權(quán)利要求的內(nèi)容和范圍的限制，其意圖涵蓋所有包括在由所附權(quán)利要求所限定的本發(fā)明精神和范圍內(nèi)的備選方案和等同方案。