一種基于Grassmann流行的車牌字符識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及車牌字符識別。
【背景技術(shù)】
[0002] 隨著智能交通系統(tǒng)的發(fā)展，車牌識別系統(tǒng)廣泛的應(yīng)用于各個領(lǐng)域。它是以數(shù)字圖 像處理，模式識別，計算機視覺等技術(shù)為基礎(chǔ)，對攝像機所拍攝的車輛圖像或者視頻序列進(jìn) 行分析，得到每一輛車的車牌號碼，從而完成識別過程。通過一些后續(xù)處理，可以實現(xiàn)停車 場收費管理、公路收費站自動繳費管理、交通流量控制指標(biāo)測量、高速公路超速自動化監(jiān) 管、車輛定位、汽車防盜等功能。
[0003] 通常，車牌識別系統(tǒng)可分為三個部分：車牌定位（獲取單個車牌圖像）、車牌字符 分割、車牌字符識別。整個系統(tǒng)在前兩部分的基礎(chǔ)上如何進(jìn)行精確的字符識別，就成為最終 影響系統(tǒng)識別率的重要難題。
[0004] 當(dāng)前，車牌字符識別存在以下難題：
[0005] 1、小字符集。具體到中國現(xiàn)行的機動車號牌標(biāo)準(zhǔn)（GA36- 2007，GA804)，中國車牌 含有中文漢字、英文字母以及阿拉伯?dāng)?shù)字。漢字字符結(jié)構(gòu)復(fù)雜，實際獲得字符存在粘連，污 損等情況，英文字母"J"、"L"與" 1"易混淆；"D"、"0"與"Q"易混淆等等。
[0006] 2、獲取圖像質(zhì)量差異性較大。前端采集設(shè)備獲取車輛圖像，可能存在干擾和幾何 形變；測試環(huán)境復(fù)雜多變，當(dāng)車牌識別系統(tǒng)應(yīng)用雨雪天、霧等自然環(huán)境惡劣情況時，可能會 導(dǎo)致車牌受污損，同時影響獲得車牌圖像質(zhì)量。
[0007] 當(dāng)前的車牌字符識別算法主要有以下幾種方法：
[0008] (1)基于模板匹配的車牌識別算法。利用車牌字符的輪廓、骨干或者峰谷投影等 特征，先對待識別字符進(jìn)行關(guān)鍵點提取，即對字符進(jìn)行拓?fù)浞治鲆缘玫阶址吘壍年P(guān)鍵點， 再確定字符的分類提取車牌字符特征，與標(biāo)準(zhǔn)車牌字符進(jìn)行匹配。但是，由于實際測試環(huán)境 中獲取車牌圖像存在干擾以及車牌圖像的幾何變形，車牌字符正確識別率低并且魯棒性較 差。
[0009] (2)基于SVM的車牌識別算法。根據(jù)車牌字符的特征，建立分類器，對分類器建立 各字符的樣本庫，通過SVM方法訓(xùn)練得到各字符的判別函數(shù)。然后根據(jù)字符相應(yīng)位置，歸一 化送到對應(yīng)分類器組，通過判別函數(shù)得到分類結(jié)果。但是，由于很難提取到能很好表示字符 的相關(guān)特征以及現(xiàn)場環(huán)境的復(fù)雜，車牌字符也很難準(zhǔn)確分割，字符差異性大。最后導(dǎo)致正確 識別率低以及魯棒性較差。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明針對上述技術(shù)問題，公開了一種對車牌字符圖像的成像質(zhì)量要求低，在復(fù) 雜的環(huán)境中具有良好魯棒性和準(zhǔn)確性的車牌字符識別方法。
[0011] 本發(fā)明的基于Grassmann流行的車牌字符識別方法，包括下列步驟：
[0012] 步驟A :構(gòu)建每類車牌字符圖像樣本的張成子空間：
[0013] A-I :對每類車牌字符取η個車牌字符圖像樣本，將各車牌字符圖像轉(zhuǎn)化為灰度圖 像，并將灰度圖像歸一化為相同圖像尺寸，其中η大于或等于3 ;
[0014] Α-2 :每類字符η個樣本的圖像矩陣Μ, =[ΑΚ，.Υ,\···,Λ?']，其中i為字符類型 標(biāo)識符，# =KKy ，…，不"/表示第i類字符的第j個樣本的車牌字符圖像按行 或按列展開形成的m維列向量，其中m表示歸一化后的車牌字符圖像的像素點總數(shù)，j = 1，2,…，η ;所述〇表示第i類字符的第j個樣本的車牌字符圖像的第p個像素點的像素 值，P = 1，2, ...，m ;
[0015] △-2:每類字符11個樣本的圖像矩陣/^=[；^,<，尤3，"，1； 1]，其中1為字符類型標(biāo) 識符，宥=表示第i類字符的第j個樣本的車牌字符圖像按行或按 列展開形成的m維列向量，j = 1，2,…，η ;其中X/)表示第i類字符的第j個樣本的車牌字 符圖像的第P個像素點的像素值，P = 1，2,…，m (A')
[0016] A-3 :對圖像矩陣M1進(jìn)行奇異值SVD分解，得到n Pf，其中矩陣U$m*m V 階酉矩陣，矩陣~為n*n階對角矩陣，矩陣Pf為11*11階酉矩陣￥1的共輒轉(zhuǎn)置矩陣；取對角 矩陣A1中前k個最大值對應(yīng)位置的矩陣V1中的列向量構(gòu)成矩陣Y1，用Span(Y 1)表示矩陣 Yi的張成子空間，將所述張成子空間Span(Yi)映射到Grassmann流形上，其中下標(biāo)i為字 符類型標(biāo)識符，其中1彡k < η ;
[0017] 步驟B :對待識別車牌字符圖像進(jìn)行字符識別
[0018] B-I :輸入η個同類待識別車牌字符圖像，基于步驟Α-1、Α-2得到待識別字符類 型X的圖像矩陣Μ, ···,<]，基于步驟Α-3由圖像矩陣凡得到矩陣Yx，用 Span(Yx)表示矩陣Yx的張成子空間，將所述張成子空間Span(Yx)映射到Grassmann流形 上；
[0019] Β-2 :基于Grassmann流行的兩點間距離，分別計算張成子空間span (Yx)與每個類 的張成子空間Span(Y1)之間的點距離，取最小點距離所對應(yīng)的類型標(biāo)識符i為待識別字符 類型X的字符種類。
[0020] 有益效果：傳統(tǒng)的車牌字符識別方式是對每一個分割的字符進(jìn)行處理，形成特征 集合，用特征集合建立模型，此方法存在的問題：對于同一類車牌字符，割裂了每個車牌字 符之間的相關(guān)性，無論使用何種特征提取方式，都會造成原始特征的丟失或是增加無用的 特征。而本發(fā)明使用基于Grassmann流形的車牌字符識別方法，將同字符類型的多個字符 集合當(dāng)成一個矩陣，矩陣的每個列向量是一副車牌字符圖像，該處理方式的優(yōu)點在于，考慮 了同字符類型的車牌字符圖像之間的相關(guān)性，將每幅車牌字符圖像直接向量化變成向量， 避免了任何特征信息的損失，最大程度上利用了現(xiàn)有的信息進(jìn)行車牌字符識別，極大的提 高了識別的準(zhǔn)確性和魯棒性。
【附圖說明】
[0021] 本發(fā)明將通過【具體實施方式】并參照附圖的方式說明，其中：
[0022] 圖1是【具體實施方式】中，對待識別車牌字符圖像的識別流程圖。
【具體實施方式】
[0023] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合實施方式和附圖，對本發(fā) 明作進(jìn)一步地詳細(xì)描述。
[0024] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合實施方式和附圖，對本發(fā) 明作進(jìn)一步地詳細(xì)描述。
[0025] 本發(fā)明用于車牌識別系統(tǒng)的車牌字符分割。車牌識別系統(tǒng)接收監(jiān)測設(shè)備采集到 的圖片數(shù)據(jù)流進(jìn)行車牌定位，以獲取單個車牌圖像。當(dāng)前，獲取車牌圖像慣用的處理方式 為：基于混合高斯背景建模的方法，利用權(quán)值和方差獲得運動場景中的前景和背景，將當(dāng)前 獲得的一幀圖像與背景圖像相減便可以獲得運動目標(biāo)區(qū)域即場景內(nèi)的各個運動車輛。然后 根據(jù)場景內(nèi)跟蹤的各個車輛情況，首先對得到的單幀圖像進(jìn)行轉(zhuǎn)化為灰度圖像，并對灰度 圖像進(jìn)行邊緣檢測，對獲得的邊緣檢測圖像再進(jìn)行二值化，這樣可以去除明顯的干擾和一 些噪聲產(chǎn)生的干擾點，尤其是夜間車燈的影響，之后基于預(yù)構(gòu)造矩陣（矩陣的行和列可以 根據(jù)車牌的長寬比進(jìn)行設(shè)定，矩陣中的元素初始化為1)遍歷整個目標(biāo)區(qū)域，然后提取連通 域，再對得到的目標(biāo)區(qū)域進(jìn)行形態(tài)學(xué)閉操作，之后對各個連通域進(jìn)行標(biāo)定并求其最小的外 接矩形，然后，得到外接矩形在原圖中相應(yīng)的圖像。最后，將得到的圖像進(jìn)行分類即獲取車 牌的正負(fù)樣本，選取車牌具有的一些特征，利用車牌的正負(fù)樣本訓(xùn)練二分類器去掉偽車牌， 從而得到粗定位的車牌圖像。再進(jìn)一步準(zhǔn)確定位車牌，得到精定位的車牌圖像：首先，對粗 定位的車牌圖像在水平方向上進(jìn)行投影，準(zhǔn)確的確定車牌的上下邊界，再對車牌在豎直方 向上投影，選擇閥值，根據(jù)閥值判斷候選車牌區(qū)域作為車牌左右邊緣的準(zhǔn)確位置，從而得到 精定位的車牌圖像。
[0026] 在輸出獲取的各車牌圖像的字符分割位置時，可以是現(xiàn)有的任一方法，也可以是 本發(fā)明的發(fā)明人在申請名稱《一種動態(tài)模板結(jié)合像素點的車牌字符分割方法》中所描述的 分割方法，即首先對輸入的車牌圖像進(jìn)行二值化處理，并計算二值化處理后的車牌圖像的 寬度w和高度h ;然后設(shè)置車牌模板：高度與待分割的車牌圖像（二值化處理后的車牌圖 像）的高度相同，設(shè)置為h，寬度設(shè)置為w'（初始值設(shè)置為w/3~2w/3)，車牌模板設(shè)置7個 字符，各字符的寬高比設(shè)置為rl、第2個和第3個字符之間的間隔的寬高比為r2,其他字符 間的間隔的寬高比為r3，其中寬高比r I、r2、r3的取值基于機動車號牌的標(biāo)準(zhǔn)（例如《中華 人民共和國公共安全行業(yè)標(biāo)準(zhǔn)-中華人民共和國機動車號牌》（GA36- 2007))中所規(guī)定的 對應(yīng)尺寸進(jìn)行設(shè)置；接著執(zhí)行模