一種車牌篩選方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及車牌檢測(cè)技術(shù)領(lǐng)域，更具體地說，涉及一種車牌篩選方法及裝置。
【背景技術(shù)】
[0002]時(shí)至今日，車牌識(shí)別設(shè)備已經(jīng)越來越廣泛地應(yīng)用在公安局、軍區(qū)、武警大隊(duì)等單位，在這些單位的出入口往往需要識(shí)別的不只是其對(duì)應(yīng)的一種車牌，而是需要同時(shí)實(shí)現(xiàn)對(duì)于民用牌和其他類型車牌的識(shí)別。
[0003]通常車牌識(shí)別設(shè)備包括車牌檢測(cè)模塊及字符識(shí)別模塊等，由車牌檢測(cè)模塊對(duì)不同的車牌進(jìn)行檢測(cè)，并將檢測(cè)得到的車牌發(fā)送至字符識(shí)別模塊，由字符識(shí)別模塊對(duì)車牌的字符進(jìn)行識(shí)別。由于軍牌、武警牌、警牌及民用牌的外觀尺寸和字符間隔等相似但并不完全相同，因此，如果簡(jiǎn)單累加或套用民用牌的車牌檢測(cè)方法，容易出現(xiàn)耗時(shí)過長(zhǎng)或檢測(cè)性能較低的情況，即現(xiàn)有技術(shù)對(duì)多類型車牌進(jìn)行檢測(cè)時(shí)難以同時(shí)兼顧較高的檢測(cè)率、較短的耗時(shí)和較少的虛警。
[0004]綜上所述，現(xiàn)有技術(shù)中缺少一種在對(duì)多類型車牌進(jìn)行檢測(cè)時(shí)能夠同時(shí)兼顧較高的檢測(cè)率、較短的耗時(shí)和較少的虛警的技術(shù)方案。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種車牌篩選方法及裝置，以在對(duì)多類型車牌進(jìn)行檢測(cè)時(shí)能夠同時(shí)保證較高的檢測(cè)率、較短的耗時(shí)及較少的虛警。為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案:
[0006]—種車牌篩選方法，包括:
[0007]提取待測(cè)小圖的LBP特征，所述待測(cè)小圖為將包含有車牌的待測(cè)圖像進(jìn)行粗檢后得到的任一小圖；
[0008]基于所述待測(cè)小圖的LBP特征，利用預(yù)先訓(xùn)練的N個(gè)第一級(jí)分類器分別對(duì)所述待測(cè)小圖進(jìn)行分類，得到N個(gè)第一級(jí)分類結(jié)果;其中，所述第一級(jí)分類器與車牌類型一一對(duì)應(yīng)，N為大于1的整數(shù)；
[0009]如果所述N個(gè)第一級(jí)分類結(jié)果中存在判定所述待測(cè)小圖為車牌的分類結(jié)果，則提取該待測(cè)小圖的顏色特征和H0G特征；
[0010]基于所述待測(cè)小圖的LBP特征、顏色特征及H0G特征，利用預(yù)先訓(xùn)練的第二級(jí)分類器對(duì)所述待測(cè)小圖進(jìn)行分類，得到該待測(cè)小圖是否為車牌的第二級(jí)分類結(jié)果;其中，所述第二級(jí)分類器與所述N個(gè)第一級(jí)分類器對(duì)應(yīng)的全部車牌類型相對(duì)應(yīng)。
[0011 ]優(yōu)選的，任一第一級(jí)分類器的預(yù)先訓(xùn)練過程包括:
[0012]獲取第一預(yù)設(shè)數(shù)量的訓(xùn)練圖像，并對(duì)所述訓(xùn)練圖像進(jìn)行粗檢得到訓(xùn)練小圖，其中，每個(gè)所述訓(xùn)練圖像中包含的車牌類型相同；
[0013]將其圖像為車牌的訓(xùn)練小圖加入訓(xùn)練正樣本，其圖像為背景的訓(xùn)練小圖加入訓(xùn)練負(fù)樣本，并提取每個(gè)所述訓(xùn)練小圖的LBP特征；
[0014]基于所述訓(xùn)練正樣本、所述訓(xùn)練負(fù)樣本及每個(gè)所述訓(xùn)練小圖的LBP特征訓(xùn)練得到與所述訓(xùn)練圖像中包含的車牌類型相對(duì)應(yīng)的SVM分類器，并確定該SVM分類器為第一級(jí)分類器。
[0015]優(yōu)選的，所述第二級(jí)分類器的預(yù)先訓(xùn)練過程包括:
[0016]確定用于訓(xùn)練所述N個(gè)第一級(jí)分類器的全部訓(xùn)練圖像為總訓(xùn)練圖像，并對(duì)所述總訓(xùn)練圖像進(jìn)行粗檢得到總訓(xùn)練小圖；
[0017]將其圖像為車牌的總訓(xùn)練小圖加入總正樣本中，其圖像為背景的總訓(xùn)練小圖加入總負(fù)樣本中，并提取每個(gè)所述總訓(xùn)練小圖的LBP特征、H0G特征及顏色特征；
[0018]基于所述總正樣本、所述總負(fù)樣本及每個(gè)所述總訓(xùn)練小圖的LBP特征、H0G特征及顏色特征訓(xùn)練得到與所述總訓(xùn)練圖像中包含的全部車牌類型相對(duì)應(yīng)的SVM分類器，并確定該SVM分類器為第二級(jí)分類器。
[0019]優(yōu)選的，所述第二級(jí)分類器的預(yù)先訓(xùn)練過程還包括:
[0020]獲取第二預(yù)設(shè)量的指定待測(cè)圖像，并對(duì)所述指定待測(cè)圖像進(jìn)行粗檢得到指定待測(cè)小圖；
[0021]獲取所述指定待測(cè)小圖的LBP特征，并基于所述指定待測(cè)小圖的LBP特征，利用所述N個(gè)第一級(jí)分類器對(duì)所述指定待測(cè)小圖進(jìn)行分類，得到分類結(jié)果；
[0022]基于所述分類結(jié)果獲知所述指定待測(cè)小圖中其圖像為背景但被任一第一級(jí)分類器判定為車牌的指定待測(cè)小圖，并將該指定待測(cè)小圖加入總負(fù)樣本中。
[0023]優(yōu)選的，還包括:
[0024]將所述待測(cè)小圖、所述指定待測(cè)小圖、所述訓(xùn)練小圖及所述總訓(xùn)練小圖縮放到48*16之后，再對(duì)其進(jìn)行相應(yīng)的處理。
[0025]優(yōu)選的，提取所述待測(cè)小圖、所述指定待測(cè)小圖、所述訓(xùn)練小圖及所述總訓(xùn)練小圖的LBP特征及H0G特征，包括:
[0026]將所述待測(cè)小圖、所述指定待測(cè)小圖、所述訓(xùn)練小圖及所述總訓(xùn)練小圖轉(zhuǎn)換為灰度圖像，進(jìn)而提取其LBP特征及H0G特征。
[0027]優(yōu)選的，提取所述待測(cè)小圖及所述總訓(xùn)練小圖的顏色特征包括:
[0028]選取所述待測(cè)小圖及所述總訓(xùn)練小圖的中心區(qū)域?yàn)槟繕?biāo)區(qū)域，統(tǒng)計(jì)所述目標(biāo)區(qū)域中每個(gè)像素的R值、G值及B值，得到與之對(duì)應(yīng)的第一分布直方圖；
[0029]將所述待測(cè)小圖及所述總訓(xùn)練小圖轉(zhuǎn)換至ijYCrCb空間，統(tǒng)計(jì)所述目標(biāo)區(qū)域中每個(gè)像素的Cr值和Cb值，得到與之對(duì)應(yīng)的第二分布直方圖；
[0030]對(duì)所述第一分布直方圖和所述第二分布直方圖進(jìn)行歸一化，得到所述待測(cè)小圖及所述總訓(xùn)練小圖的顏色特征。
[0031]優(yōu)選的，用于訓(xùn)練任一所述第一級(jí)分類器的訓(xùn)練正樣本與訓(xùn)練負(fù)樣本的比值為2:1;用于訓(xùn)練第二級(jí)分類器的總正樣本與總負(fù)樣本的比值為1: 1。
[0032]一種車牌篩選裝置，包括:
[0033]第一提取模塊，用于提取待測(cè)小圖的LBP特征，所述待測(cè)小圖為將包含有車牌的待測(cè)圖像進(jìn)行粗檢后得到的任一小圖；
[0034]第一級(jí)分類模塊，用于基于所述待測(cè)小圖的LBP特征，利用預(yù)先訓(xùn)練的N個(gè)第一級(jí)分類器分別對(duì)所述待測(cè)小圖進(jìn)行分類，得到N個(gè)第一級(jí)分類結(jié)果;其中，所述第一級(jí)分類器與車牌類型一一對(duì)應(yīng)，N為大于1的整數(shù)；
[0035]第二提取模塊，用于如果所述N個(gè)第一級(jí)分類結(jié)果中存在判定所述待測(cè)小圖為車牌的分類結(jié)果，則提取該待測(cè)小圖的顏色特征和H0G特征；
[0036]第二級(jí)分類模塊，用于基于所述待測(cè)小圖的LBP特征、顏色特征及H0G特征，利用預(yù)先訓(xùn)練的第二級(jí)分類器對(duì)所述待測(cè)小圖進(jìn)行分類，得到該待測(cè)小圖是否為車牌的第二級(jí)分類結(jié)果;其中，所述第二級(jí)分類器與所述N個(gè)第一級(jí)分類器對(duì)應(yīng)的全部車牌類型相對(duì)應(yīng)。
[0037]優(yōu)選的，還包括:
[0038]第一獲取模塊，用于獲取第一預(yù)設(shè)數(shù)量的訓(xùn)練圖像，并對(duì)所述訓(xùn)練圖像進(jìn)行粗檢得到訓(xùn)練小圖，其中，每個(gè)所述訓(xùn)練圖像中包含的車牌類型相同；
[0039]第一樣本獲取模塊，用于將其圖像為車牌的訓(xùn)練小圖加入訓(xùn)練正樣本，其圖像為背景的訓(xùn)練小圖加入訓(xùn)練負(fù)樣本，并提取每個(gè)所述訓(xùn)練小圖的LBP特征；
[0040]第一訓(xùn)練模塊，用于基于所述訓(xùn)練正樣本、所述訓(xùn)練負(fù)樣本及每個(gè)所述訓(xùn)練小圖的LBP特征訓(xùn)練得到與所述訓(xùn)練圖像中包含的車牌類型相對(duì)應(yīng)的SVM分類器，并確定該SVM分類器為第一級(jí)分類器；
[0041]第二獲取模塊，用于確定用于訓(xùn)練所述N個(gè)第一級(jí)分類器的全部訓(xùn)練圖像為總訓(xùn)練圖像，并對(duì)所述總訓(xùn)練圖像進(jìn)行粗檢得到總訓(xùn)練小圖；
[0042]第二樣本獲取模塊，用于將其圖像為車牌的總訓(xùn)練小圖加入總正樣本中，其圖像為背景的總訓(xùn)練小圖加入總負(fù)樣本中，并提取每個(gè)所述總訓(xùn)練小圖的LBP特征、H0G特征及顏色特征；
[0043]第二訓(xùn)練模塊，用于基于所述總正樣本、所述總負(fù)樣本及每個(gè)所述總訓(xùn)練小圖的LBP特征、H0G特征及顏色特征訓(xùn)練得到與所述總訓(xùn)練圖像中包含的全部車牌類型相對(duì)應(yīng)的SVM分類器，并確定該SVM分類器為第二級(jí)分類器。
[0044]本發(fā)明提供的一種車牌篩選方法及裝置，該方法包括:提取待測(cè)小圖的LBP特征，所述待測(cè)小圖為將包含有車牌的待測(cè)圖像進(jìn)行粗檢后得到的任一小圖；基于所述待測(cè)小圖的LBP特征，利用預(yù)先訓(xùn)練的N個(gè)第一級(jí)分類器分別對(duì)所述待測(cè)小圖進(jìn)行分類，得到N個(gè)第一級(jí)分類結(jié)果;其中，所述第一級(jí)分類器與車牌類型一一對(duì)應(yīng)，N為大于1的整數(shù);如果所述N個(gè)第一級(jí)分類結(jié)果中存在判定所述待測(cè)小圖為車牌的分類結(jié)果，則提取該待測(cè)小圖的顏色特征和H0G特征;基于所述待測(cè)小圖的LBP特征、顏色特征及H0G特征，利用預(yù)先訓(xùn)練的第二級(jí)分類器對(duì)所述待測(cè)小圖進(jìn)行分類，得到該待測(cè)小圖是否為車牌的第二級(jí)分類結(jié)果;其中，所述第二級(jí)分類器與所述N個(gè)第一級(jí)分類器對(duì)應(yīng)的全部車牌類型相對(duì)應(yīng)。本申請(qǐng)公開上述技術(shù)特征中，基于待測(cè)小圖的LBP特征，利用N個(gè)第一級(jí)分類器對(duì)待測(cè)小圖進(jìn)行分類，確定待測(cè)小圖是否為任一第一級(jí)分類器對(duì)應(yīng)的車牌類型，通過第一級(jí)分類器能夠快速判斷出待測(cè)小圖是否可能為車牌，且當(dāng)利用第一級(jí)分類器對(duì)多個(gè)待測(cè)小圖進(jìn)行分類時(shí)，能夠快速減少其圖像為背景的待測(cè)小圖，且保證其圖像確實(shí)為車牌的待測(cè)小圖不被過濾掉;基于第一級(jí)分類器判定其圖像為車牌的待測(cè)小圖的LBP特征、顏色特征及H0G特征，利用第二級(jí)分類器對(duì)其進(jìn)行分類，確定其是否為車牌，第二級(jí)分類器所依據(jù)的特征維度較