专利名称：分色处理再汇整结果的车牌自动辨识方法
技术领域：
本发明是关于一种分色处理再汇整结果的车牌自动辨识方法，特别是指一种是对车辆彩色影像的R(红)、G(绿)、B(蓝)三种成分个别的灰阶矩阵图(Bitmap)分别做车牌自动辨识，再将R、G、B三种成分个别的车牌辨识结果予以汇整的车牌自动辨识方法。
背景技术：
按，现有的车牌辨识方法多是对R、G、B三种成分个别的灰阶矩阵图合并转换成的整合灰阶矩阵图来做辨识。如此一来，辨识结果可能会有误差。
由此可见，上述现有方式仍有诸多缺点，实非一良善的设计，而亟待加以改良。
本案发明人监于上述现有方式所衍生的各项缺点，乃亟思加以改良创新，并经多年苦心研究后，终于成功研发完成本件分色处理再汇整结果的车牌自动辨识方法。
发明内容
本发明的目的即在于提供一种分色处理再汇整结果的车牌自动辨识方法，利用对车辆彩色影像的R、G、B三种成分个别的灰阶矩阵图(Bitmap)分别做车牌自动辨识，再将R、G、B三种成分个别的车牌辨识结果予以汇整；一方面R、G、B三种成分个别的灰阶矩阵图中至少有一个较合并转换成的整合灰阶矩阵图来得适合车牌辨识并可得到较佳的辨识结果；且由于不同的车牌颜色可能对应不同的车牌号码编码规则，R、G、B三种成分个别灰阶矩阵图的车牌辨识结果可以利用各种车牌颜色的车牌号码编码规则做为知识(Knowledge)来予以校正并汇整，以收到更好的车牌自动辨识最终结果。
可达成上述发明目的的分色处理再汇整结果的车牌自动辨识方法，主要是对车辆彩色影像的R(红)、G(绿)、B(蓝)三种成分个别的灰阶矩阵图(Bitmap)分别做车牌自动辨识，再将R、G、B三种成分个别的车牌辨识结果予以汇整。
若R成分灰阶矩阵图的车牌辨识结果为字串SR、G成分灰阶矩阵图的车牌辨识结果为字串SG、B成分灰阶矩阵图的车牌辨识结果为字串SB，且底色或字体颜色的R成分高于一定程度以上的车牌的车牌号码编码规则为CR、底色或字体颜色的G成分高于一定程度以上的车牌的车牌号码编码规则为CG、底色或字体颜色的B成分高于一定程度以上的车牌的车牌号码编码规则为CB，则可运用车牌号码编码规则CR来验证辨识结果SR的正确性并在CR的规则范围内校正SR使成为SR’、运用车牌号码编码规则CG来验证辨识结果SG的正确性并在CG的规则范围内校正SG使成为SG’、运用车牌号码编码规则CB来验证辨识结果SB的正确性并在CB的规则范围内校正SB使成为SB’，SR’、SG’、SB’三者的可信性较高者即是车牌自动辨识最终结果。
请参阅以下有关本发明一较佳实施例的详细说明及其附图，将可进一步了解本发明的技术内容及其目的功效；有关该实施例的附图为图1为本发明分色处理再汇整结果的车牌自动辨识方法的架构实施例图。
具体实施例方式
请参阅图1，本发明所提供的分色处理再汇整结果的车牌自动辨识方法，主要包括有针对红色成分灰阶矩阵图的车牌自动辨识模组11、针对绿色成分灰阶矩阵图的车牌自动辨识模组12、针对蓝色成分灰阶矩阵图的车牌自动辨识模组13、红色成分高于一定程度以上的车牌的车牌号码编码规则库21、绿色成分高于一定程度以上的车牌的车牌号码编码规则库22、蓝色成分高于一定程度以上的车牌的车牌号码编码规则库23、针对红色成份灰阶矩阵图的校正辨识结果及量计可信性模组31、针对绿色成份灰阶矩阵图的校正辨识结果及量计可信性模组32、针对蓝色成份灰阶矩阵图的校正辨识结果及量计可信性模组33、比较器4。红色成分高于一定程度以上的车牌的车牌号码编码规则库21收容底色或字体颜色的红色成分高于一定程度以上(例如红色、紫色、橘色、白色)的车牌的车牌号码编码规则、绿色成分高于一定程度以上的车牌的车牌号码编码规则库22收容底色或字体颜色的红色成分高于一定程度以上(例如绿色、白色)的车牌的车牌号码编码规则、蓝色成分高于一定程度以上的车牌的车牌号码编码规则库23收容底色或字体颜色的蓝色成分高于一定程度以上(例如蓝色、紫色、白色)的车牌的车牌号码编码规则；车牌自动辨识模组11、车牌自动辨识模组12与车牌自动辨识模组13对车辆彩色影像的红色、绿色、蓝色三种成分个别的灰阶矩阵图分别做车牌自动辨识，三者的辨识结果再由针对红色成份灰阶矩阵图的校正辨识结果及量计可信性模组31、针对绿色成份灰阶矩阵图的校正辨识结果及量计可信性模组32、针对蓝色成份灰阶矩阵图的校正辨识结果及量计可信性模组33分别根据红色成分高于一定程度以上的车牌的车牌号码编码规则库21、绿色成分高于一定程度以上的车牌的车牌号码编码规则库22、蓝色成分高于一定程度以上的车牌的车牌号码编码规则库23来校正车牌自动辨识的结果并量计辨识结果的可信性，三个车牌自动辨识校正结果的可信性经比较器4比较后较高者即是车牌自动辨识最终结果。
该车牌自动辨识方法是包含下列步骤步骤一将车辆车牌的彩色影像处加以处理为红色、绿色或蓝色的各别的灰阶矩阵图；步骤二将红色、绿色或蓝色的各别的灰阶矩阵图送至针对红色、绿色或蓝色的车牌自动辨识模组进行辨识；步骤三由针对红色成份灰阶矩阵图的校正辨识结果及量计可信性模组、针对绿色成份灰阶矩阵图的校正辨识结果及量计可信性模组或针对蓝色成份灰阶矩阵图的校正辨识结果及量计可信性模组，分别依据红色成分高于一定程度以上的编码规则库、绿色成分高于一定程度以上的编码规则库或蓝色的成分高于一定程度以上的编码规则库，将分别针对红色、绿色或蓝色的车牌自动辨识模组所产出的辨识结果加以校正，并量计其可信性；步骤四将该针对红色成份灰阶矩阵图的校正辨识结果及量计可信性模组、针对绿色成份灰阶矩阵图的校正辨识结果及量计可信性模组或针对蓝色成份灰阶矩阵图的校正辨识结果及量计可信性模组所产出的可信性的结果送至比较器；步骤五经由比较器比较后，其可信性较高者为最终辨识的结果。
其中上述的步骤二可为将红色、绿色及蓝色的灰阶矩阵图送至同一个车牌自动辨识模组进行辨识，并分别产出三者的辨识结果。
又上述的步骤三可为由同一灰阶矩阵图的校正辨识结果及量计可信性模组，依据红色成份高于一定程度以上的编码规库、绿色成份高于一定程度以上的编码规库或蓝色成份高于一定程度以上的编码规库，分别将三者的辨识结果加以校正，并量计三者的可信性。
本发明所提供的分色处理再汇整结果的车牌自动辨识方法，与前述引证案及其他现有技术相互比较时，更具有下列的优点1.R、G、B三种成分个别的灰阶矩阵图中至少有一个较合并转换成的整合灰阶矩阵图来得适合车牌辨识并可得到较佳的辨识结果。
2.不同的车牌颜色可能对应不同的车牌号码编码规则，R、G、B三种成分个别灰阶矩阵图的车牌辨识结果可以利用各种车牌颜色的车牌号码编码规则做为知识来予以校正并汇整，以收到更好的车牌自动辨识最终结果。
上列详细说明是针对本发明的一可行实施例的具体说明，惟该实施例并非用以限制本发明的专利范围，凡未脱离本发明技艺精神所为的等效实施或变更，均应包含于本案的专利范围中。
权利要求
1.一种分色处理再汇整结果的车牌自动辨识方法，其他政治，可包括下列步骤步骤一将车辆车牌的彩色影像加以处理为红色、绿色或蓝色的各别的灰阶矩阵图；步骤二将红色、绿色或蓝色的各别的灰阶矩阵图送至针对红色、绿色或蓝色的车牌自动辨识模组进行辨识；步骤三由针对红色成份灰阶矩阵图的校正辨识结果及量计可信性模组、针对绿色成份灰阶矩阵图的校正辨识结果及量计可信性模组或针对蓝色成份灰阶矩阵图的校正辨识结果及量计可信性模组，分别依据红色成分高于一定程度以上的编码规则库、绿色成分高于一定程度以上的编码规则库或蓝色的成分高于一定程度以上的编码规则库，将分别针对红色、绿色或蓝色的车牌自动辨识模组所产出的辨识结果加以校正，并量计其可信性；步骤四将该针对红色成份灰阶矩阵图的校正辨识结果及量计可信性模组、针对绿色成份灰阶矩阵图的校正辨识结果及量计可信性模组或针对蓝色成份灰阶矩阵图的校正辨识结果及量计可信性模组，所产出的可信性的结果送至比较器；步骤五经由比较器比较后，其可信性较高者为最终辨识的结果。
2.按权利要求1所述的分色处理再汇整结果的车牌自动辨识方法，其特征在于，其中该步骤二可为将红色、绿色及蓝色的灰阶矩阵图送至同一个车牌自动辨识模组进行辨识，并分别产出三者的辨识结果。
3.按权利要求1所述的分色处理再汇整结果的车牌自动辨识方法，其特征在于，其中该步骤三可为由同一灰阶矩阵图的校正辨识结果及量计可信性模组，依据红色成份高于一定程度以上的编码规库、绿色成份高于一定程度以上的编码规库或蓝色成份高于一定程度以上的编码规库，分别将三者的辨识结果加以校正，并量计三者的可信性。
全文摘要
一种分色处理再汇整结果的车牌自动辨识方法，主要是对车辆彩色影像的红、绿、蓝三种成分个别的灰阶矩阵图分别做车牌自动辨识，再将红、绿、蓝三种成分个别的车牌辨识结果予以汇整。由于红、绿、蓝三种成分个别的灰阶矩阵图合并转换成整合灰阶矩阵图是为将红、绿、蓝三种成分以一定的比例加总而成，因此红、绿、蓝三种成分个别的灰阶矩阵图中至少有一个灰阶矩阵图的对比较合并转换成的整合灰阶矩阵图的对比来得好，亦即红、绿、蓝三种成分个别的灰阶矩阵图中至少有一个较合并转换成的整合灰阶矩阵图来得适合车牌辨识并可得到较佳的辨识结果；且由于不同的车牌颜色可能对应不同的车牌号码编码规则。
文档编号G06T1/00GK1549203SQ0313622
公开日2004年11月24日 申请日期2003年5月16日 优先权日2003年5月16日
发明者吴坤荣, 柳恒崧, 陈俊文 申请人:中华电信股份有限公司