基于顏色紋理分析器與機(jī)器學(xué)習(xí)的車牌檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種車牌檢測技術(shù),屬于計(jì)算機(jī)圖像處理領(lǐng)域,特別涉及一種基于顏 色紋理分析器與機(jī)器學(xué)習(xí)的車牌檢測方法,本發(fā)明是一種基于顏色特征、紋理特征以及支 持向量機(jī)的車牌檢測方法。
【背景技術(shù)】
[0002] 隨著社會(huì)的高速發(fā)展,人們對(duì)私家車的需求越來越大,由此帶來巨大的交通壓力 影響著人們正常的出行。車牌識(shí)別是智能交通的重要組成部分,但是現(xiàn)在的車牌識(shí)別方法 由于自身的局限性只適用于簡單場景,如小區(qū)管理入口,停車場收費(fèi)入口等。作為車輛的唯 一標(biāo)記識(shí)別物,車牌的識(shí)別對(duì)于車輛的監(jiān)控有著重大的意義。未來,現(xiàn)實(shí)生活中會(huì)有更多 的地方使用到車牌識(shí)別系統(tǒng)。通常來說,現(xiàn)實(shí)場景往往比較復(fù)雜,監(jiān)視區(qū)域會(huì)出現(xiàn)一些路 人,樹木等干擾物,而且期間的光照與拍攝視角也會(huì)多樣化。現(xiàn)有的車牌識(shí)別方法無法對(duì)上 述場景進(jìn)行高效的處理,視角的傾斜角度帶來的圖像形變不能簡單地通過圖像旋轉(zhuǎn)方法處 理,光照突變給車牌顏色信息帶來了很大的干擾,傳統(tǒng)的顏色空間不能合理地分離顏色通 道。這些問題大大降低了檢測車牌的準(zhǔn)確率,是本領(lǐng)域技術(shù)人員亟待解決的一個(gè)技術(shù)問題。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足,提供一種基于顏色紋理分析器與 機(jī)器學(xué)習(xí)的車牌檢測方法,該車牌檢測方法解決了光照不均帶來的顏色變化的干擾問題, 矯正了傾斜角度過大或者形變的車牌圖片,提高了白顏色車牌在白顏色車輛下定位的準(zhǔn)確 率。
[0004] 本發(fā)明的目的通過以下技術(shù)方案實(shí)現(xiàn):一種基于顏色紋理分析器與機(jī)器學(xué)習(xí)的車 牌檢測方法,包括以下步驟:
[0005] 步驟1、圖片預(yù)處理與基于邊緣信息紋理特征提取,對(duì)預(yù)處理后的圖片進(jìn)行紋理特 征提?。?br>[0006] 步驟2、車牌圖片的透射變換,對(duì)紋理特征提取的候選車牌圖進(jìn)行透射變換矯正車 牌傾斜角;
[0007] 步驟3、基于顏色信息特征提取,對(duì)車牌底色進(jìn)行判斷,針對(duì)藍(lán)黃牌進(jìn)行兩次顏色 特征提取鎖定目標(biāo)位置;
[0008] 步驟4、二次紋理特征信息提取,針對(duì)白色的車牌進(jìn)行第二次紋理特征提?。?br>[0009] 步驟5、建立車牌圖庫,分類訓(xùn)練,對(duì)特征提取后的候選車牌進(jìn)行機(jī)器學(xué)習(xí)判斷。
[0010] 在步驟1中,采用了sobel算子進(jìn)行邊緣紋理提取以及使用新的片斷連接方法對(duì) 目標(biāo)區(qū)域進(jìn)行連接;
[0011] 由于車牌邊緣紋理較為簡結(jié),在豎直方向以及水平方向上進(jìn)行邊緣提取足以突出 車牌字符所在的位置。以下是sobel算子在水平x方向以及豎直y方向上的兩個(gè)運(yùn)算模 板:
[0012]
[0013] 式中,Gx表示縱向邊緣檢測模板,Gy表示橫向邊緣檢測模板;
[0014] 所述Gx和Gy都是3x3的矩陣,在待檢測的圖片中使用相同大小的3x3移動(dòng)窗口 遍歷整幅圖片,在這個(gè)過程中分別將模板和移動(dòng)窗口區(qū)域的像素點(diǎn)進(jìn)行卷積,選取計(jì)算值 的絕對(duì)值較大的點(diǎn)并保留下來。
[0015] 此外,考慮到車牌邊框附近的細(xì)線雜塊影響,本發(fā)明提出了一種新的連接像素點(diǎn) 的方法,降低真正車牌的區(qū)域與干擾區(qū)域連接的可能性;所述新的連接像素點(diǎn)的方法包括 如下步驟:
[0016]A、用模板窗口遍歷圖像,當(dāng)該區(qū)域內(nèi)特征像素點(diǎn)達(dá)到閾值,執(zhí)行步驟B,否則,繼續(xù) 遍歷。并且在平移模板窗口過程中,每次均與上一個(gè)矩形窗口三分之一的重疊區(qū)域,因此可 以很好地連接片段區(qū)域;
[0017]B、將該有效區(qū)域劃分為四個(gè)部分,在每部分查找外圍點(diǎn),將得到的邊界點(diǎn)連接起 來,形成一個(gè)封閉的輪廓(由此可以確保不擴(kuò)大外輪廓區(qū)域),然后將輪廓內(nèi)的位置全部設(shè) 置為有效區(qū)域。
[0018] 在步驟2中,采用透射變換的方法對(duì)傾斜的候選車牌圖片進(jìn)行矯正,具體包括以 下步驟:
[0019] 步驟21、對(duì)候選圖像進(jìn)行canny算子的邊緣提取,得到大概的車牌邊緣信息;
[0020] 步驟22、在canny算子邊緣圖中使用Hough變換找到圖片中接近水平以及豎直的 直線,并記錄每一條直線的斜率以及截距值;
[0021] 步驟23、對(duì)hough變換找到的直線進(jìn)行綜合決策,選出最貼近車牌邊框的四條直 線,計(jì)算其兩兩相交的坐標(biāo);
[0022] 步驟24、根據(jù)步驟23計(jì)算出來的4個(gè)坐標(biāo)值,結(jié)合下面的公式,計(jì)算出坐標(biāo)系之間 轉(zhuǎn)換的透視變換矩陣M:
[0023] [x',y',w' ] = [u,v,w] ?M,
[0024] 式中,M為透視變換矩陣,[u,v,w]為透視變換前的坐標(biāo),[x',y',w']為透視 變換后的坐標(biāo);
[0025] 步驟25、通過透視變換矩陣M,將原圖的像素點(diǎn)坐標(biāo)轉(zhuǎn)換到新的坐標(biāo)系中,從而進(jìn) 行透射變換,矯正傾斜變形的車牌。
[0026] 在步驟3中,采用YCrCb顏色空間以及LAB顏色空間對(duì)黃藍(lán)底色的車牌進(jìn)行顏色 特征提取,所述顏色特征提取包括以下步驟:
[0027] 步驟31、將候選車牌圖轉(zhuǎn)換到Y(jié)CrCb顏色空間,根據(jù)其Y通道的數(shù)值大小判斷車牌 是否是藍(lán)黃底色的車牌;
[0028] 步驟32、針對(duì)黃藍(lán)色車牌,根據(jù)YCrCb空間中的Cb通道數(shù)值大小,使用固定閾值法 將符合閾值的藍(lán)黃色像素點(diǎn)標(biāo)記為前景,將非法的像素點(diǎn)標(biāo)記為背景;
[0029] 步驟33、使用新的片段連接方法對(duì)步驟32中的前景像素點(diǎn)進(jìn)行連接,得到顏色特 征提取的車牌位置圖;
[0030] 步驟34、對(duì)步驟33顏色特征提取后的車牌進(jìn)行長寬比例判斷。針對(duì)不符正常車牌 長寬比例的候選圖,本方法會(huì)將其轉(zhuǎn)化到LAB顏色空間進(jìn)行二次特征提取,根據(jù)圖片在B通 道的數(shù)值大小進(jìn)行大津法的自動(dòng)閾值化;
[0031] 步驟35、對(duì)步驟34中得到的二值化圖片使用新的片段連接方法,得到第二次顏色 特征提取的車牌位置圖。
[0032] 在步驟4中,采用拉普拉斯算子對(duì)白色的車牌進(jìn)行二次邊緣紋理特征提取,所述 紋理特征提取包括以下步驟:
[0033] 步驟41、將候選車牌圖轉(zhuǎn)換到Y(jié)CrCb顏色空間,根據(jù)其Y通道的數(shù)值大小判斷車牌 是否是白色的車牌;
[0034] 步驟42、針對(duì)白色車牌,使用拉普拉斯二階算子對(duì)候選車牌區(qū)域進(jìn)行再次邊緣提 取,以下是在3x3的模板下,拉普拉斯算子在水平x方向以及豎直y方向的運(yùn)算模板:
[0035]
[0036]
[0037] 式中,為水平方向上的二階導(dǎo)數(shù)模板,g為豎直方向上的二階導(dǎo)數(shù)模板, f[x+l,y]、f[x,y]、f[x- 1,y]、f[x,y+1]、和f[x,y- 1]分別為在圖片(x+1,y)、(x,y)、 (x-1,y)、(x,y+1)和(x,y-1)處像素值的大小。
[0038] 步驟43、對(duì)步驟42處理后的邊緣提取圖,使用新的片段連接方法對(duì)車牌字符邊緣 進(jìn)行連接,得到二次紋理特征提取后的車牌位置圖。
[0039] 在步驟5中,采用基于H0G特征的SVM分類器對(duì)候選車牌進(jìn)行最終的判斷;H0G是 一種在計(jì)算機(jī)視覺以及圖像處理中進(jìn)行物體檢測的特征描述子。在圖像中,物體的局部外 觀以及形狀可以通過其局部梯度或邊緣信息描述,根據(jù)這一特點(diǎn),H0G主要通過計(jì)算和統(tǒng)計(jì) 圖像局部區(qū)域的提督方向直方圖來構(gòu)成物體的特征。
[0040] 本發(fā)明的原理:本發(fā)明綜合了顏色特征,紋理特征以及機(jī)器學(xué)習(xí)的方法提高車牌 檢測的準(zhǔn)確性以及魯棒性,首先,要對(duì)處理的圖片進(jìn)行sobel算子提取邊緣特征以及使用 透射變換矯正候選區(qū)域,接著,根據(jù)車牌顏色的分類分別進(jìn)行不同的算法流程。針對(duì)黃藍(lán)色 車牌,本方法使用了YCrCb顏色空間以及LAB顏色空間對(duì)圖像進(jìn)行顏色特征提取,去除不和 諧色塊的干擾。針對(duì)白色車牌,本方法使用了二階拉普拉斯算子進(jìn)行二次紋理特征提取,目 的是為了進(jìn)一步鎖定車牌的精確區(qū)域。最合結(jié)合SVM分類器對(duì)候選車牌區(qū)域進(jìn)行機(jī)器學(xué)習(xí) 判斷,決定最終的車牌所在的位置。本發(fā)明可以較好地應(yīng)對(duì)光照不均情況下拍攝的圖片,在 一定程度上較好處理運(yùn)動(dòng)模糊的車牌圖片,此外,本發(fā)明的車牌檢測(含白色警車上白色 車牌的檢測)準(zhǔn)確性高,有較好的應(yīng)用前景。
[0041] 本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下的優(yōu)點(diǎn)及效果:
[0042] 1、提出了基于顏色紋理分析器與機(jī)器學(xué)習(xí)的車牌檢測方法,提高了復(fù)雜場景下車 牌檢測的準(zhǔn)確率,并對(duì)光照變化以及車牌形變具有魯棒性。
[0043] 3、提出利用直線檢測與色彩決策相結(jié)合的車牌邊界定位方法,準(zhǔn)確的找出車牌邊 界指導(dǎo)車牌的矯正。
[0044] 4、提出了片斷連接方法,盡可能縮小車牌紋理連接范圍,減少傳統(tǒng)的膨脹帶來的 干擾。
[0045] 5、針對(duì)白色車牌的定位,提出了二次紋理特征檢測的方法,大大提高了白色車牌 在白色車輛下定位的準(zhǔn)確率。
【附圖說明】
[0046] 圖1是本發(fā)明方法的流程圖。
【具體實(shí)施方式】
[0047] 下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述,但本發(fā)明的實(shí)施方式不限 于此。
[0048] 實(shí)施例
[0049] 如圖1所示,一種基于顏色紋理分析器與機(jī)器學(xué)習(xí)的車牌檢測方法,是一種結(jié)合 了顏色以及紋理特征對(duì)車牌進(jìn)行初步定位,經(jīng)過有監(jiān)督的分類器驗(yàn)證車牌的車牌定位算 法。該方法首先對(duì)預(yù)處理后的圖片進(jìn)行基于sobel算子的邊緣檢測,然后通過提出的片段 連接方法將目標(biāo)邊緣部分連