专利名称：一种彩色车牌定位方法
技术领域：
本发明属于智能视频监控的车牌自动识别应用领域，尤其涉及直接针对彩色图像 的车牌定位方法。
背景技术：
汽车牌照识别(Vehicle License Plate Recognition，简称为LPR)技术是智能交 通系统的重要组成部分。它广泛应用于无人停车场、不停车收费和交通流量控制等视频监 控领域。基于计算机视觉的UR系统主要由三部分组成[1]车牌定位、车牌字符分割和字 符识别。其中，车牌定位是UR系统的一个关键问题，它实现的是判断车牌区域在图像中出 现的位置。国内有关车牌定位的研究始于上世纪90年代，大致经历的三个发展阶段。早期研 究主要针对灰度图像，利用车牌的边缘或纹理特征。这类方法实现简单，处理速度快，对光 照条件变化不敏感，对于车牌存在倾斜和变形等情况的定位性能良好，不足之处是误检较 多。在前一类方法基础上，研究者结合各种数学工具用于车牌定位，其中包括数学形态学、 遗传算法等。在提高定位性能同时，这类方法的计算量也显著增加，处理速度下降。随着计 算机性能的提高，彩色图像处理在软硬件实现上成为可能，越来越多的研究转向彩色图像 车牌定位。如陈斌等[2]提出了一种基于颜色信息的车牌号码搜索方法，郭捷等[3]提出了 一种基于颜色和纹理分析的方法，李文举等[4]将边缘颜色对用于车牌定位，刘万军等[5] 使用细胞神经网络模型用于检测车牌区域的彩色边缘。这类方法综合考虑了车牌的颜色和 边缘特征，能够减少误检，不足之处是车牌颜色易受光照条件变化影响，漏检较多。综上所述，已有车牌定位技术主要使用车牌的边缘特征定位车牌区域，颜色信息 通常只起到辅助作用。究其原因，我们发现已有针对彩色车牌图像的方法都是在RGB颜色 空间内进行的。在这种颜色空间中，三个颜色通道(R、G、B)相关关联，任何单一颜色通道都 不能独立地描述图像的灰度和颜色信息。CIELab颜色模型是有国际照明委员会(CIE)于 1976年公布的一种颜色模型。CIELab颜色模型是由一个亮度通道(L)和两个颜色通道(a 和b)组成。其中，L通道表示亮度从黑色(取值最小)到白色(取值最大)；a通道表示的 颜色是从深绿色(取值为负)到灰色(取值为0)再到亮粉红色(取值为正)；b通道表示 的颜色是从亮蓝色(取值为负)到灰色(取值为0)再到黄色(取值为正)。相关文献[1]Christos Nikolaos E.Anagnostopoulos, Ioannis E.Anagnostopoulos, Vassili Loumos, Eleftherios Kayafas, A license plate-recognition algorithm for intel1igenttransportation system applications, IEEE Transactions on IntelligentTransportation Systems 7(3)(2006). 377-392.[2]陈斌，游志胜.车牌号码颜色提取搜索方法[J].计算机应用，2001,21 ) 74-75.[3]郭捷，施鹏飞.基于颜色和纹理分析的车牌定位方法[J].中国图像图形学
3报· 2002,7(5) :472-476.[4]李文举，梁德群，张旗，等.基于边缘颜色对的车牌定位新方法[J]，计算机学 2004,27(2) :204-208.[5]刘万军，姜庆玲，张闯.基于CNN彩色图像边缘检测的车牌定位方法[J].自动 化学报，2009，35 (12) :1503-1512.
发明内容
本发明的目的是克服现有技术的不足，提出一种计算量小，处理速度快，不易受干 扰区域和光照条件变化的影响的车牌定位方法。本发明的技术方案如下一种彩色车牌定位方法，包括下列步骤1)监控摄像头拍摄彩色汽车图像；2)进行颜色空间变换，得到CIELab颜色空间汽车图像；3)将该图像的L、a、b分量做归一化处理，使取值范围调整到
之间，分别记 为L'、a'、b'分量并使用L'、a'、b'三分量分别计算蓝、黄、白、黑四种颜色的二值图， 分别记为BL、1、WH、BK ；4)选用“菱形”结构基元分别对四类二值图进行第一次形态学膨胀处理；5)对经过第一次膨胀处理的蓝颜色二值图和白颜色二值图求并集，得到蓝-白边
缘二值图；6)对经过第一次膨胀处理的黄颜色二值图和黑颜色二值图求并集，得到黄-黑边
缘二值图；7)根据图像分辨率确定进行膨胀处理的水平带状结构基元的尺寸，对两个边缘二 值图分别进行第二次膨胀处理，标记每一个潜在的车牌区域；8)设定车牌区域面积的约束、车牌的宽度和高度与图像的宽度和高度的相对大小 约束、车牌宽高比约束、车牌形状约束四个约束条件，对每一个潜在的车牌区域进行识别， 提取车牌区域。作为优选实施方式，步骤3)中，按照下列的公式进行二值化处理，式中的(m，n)为 像素点坐标
il V <0.2 5i(w'w) = lo 其它
il V >0.8
其它
il 0.4 <δ'<0.6,0.4 <α'<0.6且0.75
) = lo其它
il 0.4 <δ'<0.6,0.4 <α'<0.6且 0.25
狀―)=Io其它。优选地，设彩色汽车图像的宽和高分别为W和H，Ω i表示某个潜在车牌区域，下标i表示该区域的序号，AREAi为Ω i内像素的总数；用TOPi,BOTi,LETi和RGTi分别表示Ω ,的 上、下、左、右边界，它们对应于Qi内各像素坐标值(Xi，yi)中Xi的最小值和最大值，yi的最 小值和最大值；定义Ω i的宽度为WIDi = I RGTi-LETi |，高度为HETi = | BOT厂TOPi | ；定义Ω , 的宽高比为WHRi = WIDiMETi ；义Qi的外接矩形为由(TOPi, LETi)和(BOTi, RGTi)两点作 为对角线所确定的矩形，用EIii表示；将Qi的矩形性定义为RECTi = AREAiAWIDiXHETi)， 即Qi的面积与其EIii面积的比值，对于Qi，只有它满足所有约束条件时，才被判为车牌区 域；否则，作为干扰区域而被去除条件1 AREAi > Ti · (WXH), T1 = 0. 001 ；条件2 0. 05 < WIDiZW < 0. 25 且 0. 02 < HETiM < 0. 1 ；条件3 =T2 < WHRi < T3,选取 T2 = 2，T3 = 6 ；条件4 =RECTi > T4, T4 e
在CIELab空间中，使用b分量可以容易区分蓝色和黄色(对应车牌的底色)，而L 分量能够有效表示白色和黑色(对应车牌的字符颜色)。本发明根据CIELab颜色空间的 特点，并结合车牌区域的颜色、边缘和形状特征，提出一种基于CIELab颜色空间的彩色车 牌定位方法。本发明通过分析车牌区域的颜色、边缘和形状特征，结合CIELab颜色空间的 特点，提取对应于彩色车牌的特定颜色边缘对信息，实现潜在车牌区域的快速定位；接下来 结合形状特征，去除干扰区域，精确定位车牌区域。使用该方法能够自动检测蓝底白字车牌 (简称“蓝色车牌”)和黄底黑字车牌(简称“黄色车牌”)。本发明计算量小，处理速度快， 不易受干扰区域和光照条件变化的影响，适合于实际应用。
图1本发明的定位方法的流程框图。图2本发明采用的膨胀算子1示意图。图3膨胀算子2示意图。
具体实施例方式本发明实施例采用Windows XP SP3系统下的VC++2005作为仿真平台。实验所用 汽车图像来用合作单位提供的公路收费站实拍汽车图像，共385幅，含有418个完整车牌。 其中，白天图像观6幅，夜间图像132幅，蓝色车牌观4幅，黄色车牌134幅。监控摄像头拍 摄的图像分辨率为10MX768pixels。本发明的技术方案主要包括三部分颜色空间转换、车牌区域初定位和车牌区域 精确定位。具体方案如下一、颜色空间转换通过摄像机拍摄得到的彩色汽车图像通常是以JPEG格式存储的，所采用的颜色 空间通常是sRGB (standard Red Green Blue)。使用CIELabl976给出的标准，完成sRGB颜 色空间到CIELab颜色空间的变换首先，将sRGB转换为CIEXYZ空间，如式(1)所示X0.4124Y=0.2126Z0.0193
0.3576 0.1805 0.7152 0.0722 0.1192 0.9505
(1)式中，&、(^、氏分别表示图像中某像素R通道、G通道和B通道的取值。使用式O) 将CIEXYZ空间转换到CIELab空间
‘L = U6 f {Y I Yn)-16L = 500[/(X/XJ-/(7/7J] (2)
b = 200[f(Y IYJ-f (Ζ IZJ]其中 /(/)=
t3
if t>\ —
⑶
If 29 V 4 , . -—t-\--otherwise
3 Iv 6 J 29式(3)中的Xn，￥ 和&表示(记乂⑵颜色空间中参考白点的三色刺激值。下标 η代表归一化的数值，通常采用D65标准光源下的三色刺激值，此时有)(n = 95. 047，Yn = 100. 00，Zn = 108. 88。由式(1) 式(3)得到的CIELab颜色空间中，L的取值在
之间，a分量和b分量的取值都在[-128，127]之间。目前我国常见的车牌有两类，即蓝底白字车牌(小型车)和黄底黑字车牌(中/ 大型车)。这两类车牌都具有明显的彩色边缘信息。对于蓝色车牌，它的内部具有丰富的 蓝-白彩色边缘；对于黄色车牌，它内部具有丰富的黄-黑边缘。根据CIELab颜色空间的 特点，使用L分量和b分量方便地提取两类特征。二、车牌区域初定位对输入彩色图像的L、a、b分量做归一化处理，将取值范围都调整到
之间，记
为 L'、a'、b'。使用 L'、 为BL、YL、WH、BK，如下所示
a'、b'三分量分别计算蓝、黄、白、黑种颜色的二值图，分别记
BL(m,n) = ■
YL(m,n) = ■
1 V <0.2
0其它
1 V >0.8
0其它
⑷
(5)
WH {m,η) = ·
BK(m,n) = ■
1 0.4 <δ'<0.6,0.4 <α'<0.6且">0.75
0其它
0.4 <b'< 0.6,0.4 < α ‘ < 0.6且 L' < 0.25
0其它
(6)
(7) 为了得到彩色边缘图，使用形态学“膨胀”运算对四个二值图进行处理。考虑到方 向无关性的要求，选用半径为3个像素的“菱形”结构基元用于膨胀运算。四类二值图的膨 胀结果分别记为BLD、YLD、WHD、BKd，下标D表示膨胀结果。计算BLd和WHtl的并集得到蓝-白 边缘二值图，记为BW ；计算YLd和BKd的并集得到黄-黑边缘二值图，记为YB。
^Gs
根据国家标准的规定，我国车牌信息由一排或两排水平排列的字符构成。车牌字 符包括汉字、字母和数字。各类字符具有对比度明显的水平和垂直笔画，因此，车牌区域存 在着丰富的水平方向排列的边缘信息。基于上述分析，本算法使用形态学膨胀处理从各彩 色边缘二值图中提取潜在车牌区域。膨胀运算所用结构基元的形状很重要。考虑到车牌区域内水平方向的边缘比垂直 方向更密集，在选择膨胀结构基元时，应优先考虑连通水平方向上邻近的边缘点。本发明选 用mXn水平带状结构基元用于膨胀运算，m和η分别表示结构基元的宽度和高度，它们的取 值由汽车图像分辨率决定。用W和H表示车牌图像的宽度和高度，单位是像素数。通过观察 发现，绝大多数可识别车牌的宽度都大于W的1/10，同时车牌区域内相邻两字符之间的距 离小于车牌宽度的1/10。因此可取m = odd (W/100)，其中odd(x)表示“取与χ最接近的奇 数”的运算，η的取值可以根据m的值来设定，可取η = odd(m/4)。膨胀处理后得到的二值 图中，标注膨胀结果中的每个连通区域，并将其作为每个连通区域对应着潜在的车牌区域三、车牌区域精确定位选用4种形状特征用于车牌区域鉴别，去除干扰区域。它们是面积、相对宽度和 高度、宽高比和矩形性。用Qi表示某个潜在车牌区域，下标i表示该区域的序号。4种形 状特征定义如下·面积Qi的面积定义为Qi内像素的总数，用AREAi表示。·上下左右边界用TOPp BOTi, LETi和RGTi分别表示Ω j的上、下、左、右边界，它 们对应于Qi内各像素坐标值(Xi，Yi)中Xi的最小值和最大值，Yi的最小值和最大值。 宽度和高度定义 QiW宽度为 WIDi= I RGTi-LETi I，高度为 HETi = IBOTi-TOPi^·宽高比定义Qi的宽高比为WHRi = WIDiAffiTp·外接矩形定义Qi的外接矩形为由(TOPi, LETi)和(BOTi, RGTi)两点作为对角 线所确定的矩形，用EIii表示。 矩形性Ω i的矩形性定义为RECTi = AREAi/ (WIDiXHETi)，即Ω i的面积与其ERi 面积的比值。矩形性反映了车牌区域的形状与矩形的近似程度。使用上述特征规定4个形状约束条件。对于Qi，只有它满足所有约束条件时，才 被判为车牌区域；否则，作为干扰区域而被去除。条件1 =AREAi > T1 · (WXH)条件1描述的是对车牌区域面积的约束。车牌区域面积不能太小，否则不能正确 识别车牌字符。通过观察发现，有效车牌区域的宽度与W的比值在1/20到1/4之间，车牌 区域的高度与H的比值在1/50到1/10之间。阈值T7用来约束QiW面积占整幅图像面积 的比例关系。T7的取值不宜过小，否则容易产生漏检。参考上述两比值的下限，本发明取T1 =0. 001。条件 2 0. 05 < WIDi/W < 0. 25 且 0. 02 < HETiM < 0. 1条件2描述的是Qi的宽度和高度与W及H的相对大小约束。上下限的设定参照 条件1中的分析。与条件1相比，条件2的约束更为严格。条件3 =T2 < WHRi < T3条件3描述的是对Qi宽高比的约束。正常情况下，车牌宽高比约为3。考虑到车 牌区域可能存在遮蔽、倾斜及投影变形等情况，应放宽对宽高比的约束。本发明选取T2 = 2，T3 = 6。
条件 4 =RECTi > T4条件4是对车牌形状的约束。理想情况下车牌的形状为矩形。尽管受到投影变形、 遮蔽或缺损等因素的影响，导致检测到的车牌区域的RECTi小于1，但是总的来说，车牌区域 的形状仍接近于矩形。为减少漏检，阈值Ttl4的取值不能太大，通常可取T4 e
， 本发明取T4 = 0.6。经过上述车牌区域鉴别过程处理后，剩余连通区域被判为候选车牌。考虑到车牌 可能存在倾斜或缺损情况，为得到完整的车牌区域，所提算法对候选车牌区域的边界进行 扩展处理。具体的做法是，根据各候选车牌区域的EI^，确定其上、下、左、右边界。对于左、右 边界，分别向外扩Lr/A/20」个像素；对于上、下边界，分别向外扩L/ffiX/io」个像素，其中L·」 表示“对下取整”运算。用矾表示边界外扩结果，根据矾从输入图像中提取出车牌区域。使用查全率(Recall)和查准率(!decision)作为衡量所提算法性能的指标。用N 表示车牌总数，Nc表示正确定位出的车牌数，Nf表示错误定位出的车牌数，漏检的车牌数为 Nffl = N-N。。查全率定义为N。与N的比值。查准率定义为N。与实际检测到的车牌数(N。+Nf) 的比值。表1给出了采用本发明的方法的定位结果。表1实验结果
权利要求
1.一种彩色车牌定位方法，包括下列步骤1)监控摄像头拍摄彩色汽车图像；2)进行颜色空间变换，得到CIELab颜色空间汽车图像；3)将该图像的L、a、b分量做归一化处理，使取值范围调整到W，l]之间，分别记为 L'、a'、b'分量并使用L'、a'、b'三分量计算蓝、黄、白、黑四种颜色的二值图，分别记 为 BL、YL、WH、BK ；4)选用菱形结构基元分别对四类二值图进行第一次形态学膨胀处理；5)对经过第一次膨胀处理的蓝颜色二值图和白颜色二值图求并集，得到蓝-白边缘二 值图；6)对经过第一次膨胀处理的黄颜色二值图和黑颜色二值图求并集，得到黄-黑边缘二 值图；7)根据图像分辨率确定进行膨胀处理的水平带状结构基元的尺寸，对两个边缘二值图 分别进行第二次膨胀处理，标记每一个潜在的车牌区域；8)设定车牌区域面积的约束、车牌的宽度和高度与图像的宽度和高度的相对大小约 束、车牌宽高比约束、车牌形状约束四个约束条件，对每一个潜在的车牌区域进行识别，提 取车牌区域。
2.根据权利要求1所述的彩色车牌定位方法，其特征在于，步骤3)中，按照下列的公式 进行二值化处理，式中的(m，n)为像素点坐标
3.根据权利要求1所述的彩色车牌定位方法，其特征在于，设彩色汽车图像的宽和高 分别为W和H，Qi表示某个潜在车牌区域，下标i表示该区域的序号，AREAi为Qi内像素 的总数；用TOP” BOTi, LETi和RGTi分别表示Ω i的上、下、左、右边界，它们对应于Qi内各 像素坐标值(Xi，yi)中Xi的最小值和最大值，Yi的最小值和最大值；定义Qi的宽度为WIDi =I RGTi-LETi I，高度为 HETi = BOTi-TOPi ；定义 Qi 的宽高比为 WHRi =WIDiMETi ；义 Qi 的外接矩形为由(TOPpLETi)和(BOTyRGTi)两点作为对角线所确定的矩形，用EIii表示；将 Ω i的矩形性定义为RECTi = AREAi/ (WIDiXHETi)，即Ω i的面积与其ERi面积的比值，对于 Ω ρ只有它满足所有约束条件时，才被判为车牌区域；否则，作为干扰区域而被去除 条件 1 =AREAi > T1 · (WXH)，T1 = 0. 001 ； 条件 2 0. 05 < WIDiZW < 0. 25 且 0. 02 < HETiM < 0. 1 ； 条件 3 =T2 < WHRi < T3,选取 T2 = 2，T3 = 6 ； 条件 4 =RECTi > T4, T4 e
V <0.25i(w'w) = lo其它1V >0.80其它_ 0.4 <δ'<0.6,0.4 <α'<0.6且">0.75)其它0.4 <b'< 0.6,0.4 < α ‘ < 0.6且 L' < 0.25其它
全文摘要
本发明属于智能视频监控的车牌自动识别应用领域，涉及一种彩色车牌定位方法，包括获取CIELab颜色空间汽车图像；对其进行归一化处理；选用菱形结构基元分别对四类二值图进行形态学膨胀处理；得到蓝-白边缘二值图得到黄-黑边缘二值图；选用水平带状结构基元对两个边缘二值图再进行膨胀处理，标记每一个潜在的车牌区域；设定车牌区域面积的约束、车牌的宽度和高度与图像的宽度和高度的相对大小约束、车牌宽高比约束、车牌形状约束四个约束条件，对每一个潜在的车牌区域进行识别，提取车牌区域本发明具有计算量小，处理速度快，不易受干扰区域和光照条件变化的影响的优点。
文档编号G06K9/00GK102073854SQ20111000853
公开日2011年5月25日 申请日期2011年1月14日 优先权日2011年1月14日
发明者刘立, 王天慧, 王建 申请人:天津大学