车牌影像辨识系统及方法
【专利摘要】一种车牌影像辨识系统及方法，能辨识附挂在交通工具上具有车牌号码的车牌，该车牌影像辨识系统包含数据库模块、缩减模块、影像撷取单元、分类单元与辨识模块。其中，该数据库模块储存多个车牌位臵样本类别与多个车牌号码样本类别，并通过该缩减模块减少这些样本类别的数量，又该影像撷取单元以不同影像分辨率撷取该车牌，用以产生车牌位臵影像及车牌号码影像，该分类单元演算这些影像以产生车牌位臵类别与车牌号码类别，而该辨识模块在该数据库模块搜寻是否有相关于该车牌位臵类别的该车牌位臵样本类别及相关于该车牌号码类别的该车牌号码样本类别，用以决定将该车牌号码样本类别视为该车牌的该车牌号码。
【专利说明】车牌影像辨识系统及方法
【技术领域】
[0001]本发明涉及一种车牌影像辨识系统及方法，尤其涉及一种应用于监控交通工具的车牌的系统与方法。
【背景技术】
[0002]在现有技术中，影像辨识技术让用户可通过计算机视觉处理技术解决生活中的许多问题，例如为了控管进出国道客运站的庞大客运车辆，必须使用可记录客运车辆进出时间的系统。举例而言，目前国道客运站已经开始使用图像处理辨识系统来取代人力，用以自动化地辨识与记录该客运车辆。
[0003]然而，由于该客运车辆的车型或外观新旧的不同，导致在该客运车辆辨识的过程中，会发生许多无法识别的情况。
[0004]一般而言，该国道客运站所使用的该图像处理辨识系统采用车牌辨识技术。举例而言，该图像处理辨识系统利用文字辨识技术(optical character recognition, OCR)辨识位于该车牌上的号码，但由于该图像处理辨识系统在文字辨识过程中，该车牌上的号码必须在文字内容完整的情形下才能正常地辨识。然而，该车牌的车牌号码可能发生无法辨识的情况，例如被车前灯等的遮蔽物遮蔽、车牌号码污损与车牌号码不清晰等，此种情况也可称为车牌本身因素。
[0005]另外，该车牌可能因外在环境的影响而导致无法辨识文字的情况，例如环境昏暗、烟雾造成的眩光、车前灯太亮等光影变化所造成车牌上号码的改变，此种情况也可称为环境因素。
[0006]简言之，由于上述车牌本身因素与上述环境因素，使得该系统无法有效地利用该文字辨识技术辨识该车牌上的号码。
[0007]为解决上述的问题，现有技术也提出一些解决的方法，例如将该车牌的辨识过程区分成两个阶段，第一个阶段为检测该车牌，以及第二阶段为辨识该车牌的号码。
[0008]检测该车牌的方法大多采用抓取车牌边缘轮廓、色彩分布或灰阶分布等算法，用以搜寻到该车牌的区域分布，以及该车牌号码的辨识方法几乎采用该文字辨识技术的算法以取得该车牌号码。
[0009]然而，若这些方法要能够正常的运作，则必须要有一个前提，该前提就是在撷取该车牌的过程中，所撷取到的车牌影像必须要清楚，且让这些算法能够明显地区别该车牌上的号码。
[0010]故有需要提出一种车牌影像辨识系统及方法，可用于解决现有技术的缺陷。
【发明内容】
[0011]本发明的一个目的是提供一种车牌影像辨识系统，供辨识附挂在交通工具上具有车牌号码的车牌，用以达到监控该交通工具的目的。
[0012]本发明的另一目的是提供上述的车牌影像辨识方法，通过旋转强度统计直方图算法(histogram of oriented gradients analysis, HOG)与支持向量器算法(supportvector machines analysis, SVM)演算该车牌,使得该车牌不受到车牌本身因素与环境因
素的影响。
[0013]本发明的又一目的是提供上述的车牌影像辨识方法，通过主成分分析算法(principle component analysis, PCA)与支持向量器算法(SVM)对该车牌的影像进行分类，使得可自分类后的该影像中快速地与实时地判断位于该交通工具上该车牌的位铬与该车牌上的号码。
[0014]本发明的再一目的是提供上述的车牌影像辨识方法，通过缩减在数据库中与该车牌相关样本类别的数量，除可减少该样本类别占用该数据库的空间之外，更能够在辨识过程中提高演算的速度。
[0015]本发明的再一目的是提供上述的车牌影像辨识方法，先利用该低分辨率取得该车牌附挂于该交通工具的位铬，并在获得该车牌的位铬之后，进一步利用该高分辨率取得该车牌上的该车牌号码。
[0016]本发明的再一目的是提供上述的车牌影像辨识方法，若数据库未建立有新车牌的车牌影像样本时，则在车牌位铬数据库与车牌号码数据库利用单一车牌的多个新车牌图框建立新的新车牌位铬样本类别与新车牌号码样本类别，而这些新车牌图框可降低该车牌被误判的风险。
[0017]为达到上述目的与其它目的，本发明提供一种车牌影像辨识系统，供辨识附挂在交通工具上具有车牌号码的车牌，该影像辨识系统包含数据库模块、缩减模块、影像撷取单元、分类单元与辨识模块。其中，该数据库模块具有车牌位铬数据库与车牌号码数据库，该车牌位铬数据库储存多个车牌位铬样本类别，以及该车牌号码数据库储存多个车牌号码样本类别；该缩减模块与该数据库模块连接，该缩减模块减少位于该数据库模块中这些车牌位铬样本类别与这些车牌号码样本类别的类别数量；该影像撷取单元供执行第一分辨率与第二分辨率的影像撷取，该影像撷取单元通过该第一分辨率撷取该车牌以产生车牌位铬影像及通过该第二分辨率撷取该车牌以产生车牌号码影像，其中该第二分辨率高于第一分辨率；该分类单元连接该影像撷取单元，该分类单元通过主成分分析算法与支持向量器算法演算该车牌位铬影像及该车牌号码影像，用以产生车牌位铬类别与车牌号码类别；以及该辨识模块，连接该分类单元与该数据库模块，该辨识模块在该车牌位铬数据库中搜寻与该车牌位铬类别相关的这些车牌位铬样本类别的其中之一，并在该辨识模块确认该车牌位铬类别与该车牌位铬类别相关的该车牌位铬样本类别相同之后，该辨识模块在该车牌号码数据库中搜寻与该车牌号码类别相关的这些车牌号码样本类别的其中之一，并在该辨识模块搜寻到与该车牌号码类别相关的该车牌号码样本类别之后，该辨识模块将该车牌号码类别视为该车牌的该车牌号码。
[0018]为达到上述目的与其它目的，本发明提供一种车牌影像辨识方法，供辨识附挂在交通工具上具有车牌号码的车牌，该车牌影像辨识方法包含步骤a，在车牌位铬数据库储存与该车牌相关的车牌位铬样本类别，以及在车牌号码数据库储存与该车牌号码相关的车牌号码样本类别；接着步骤b，利用低分辨率与高分辨率的影像撷取技术分别地撷取该车牌，以产生车牌影像；再接着步骤C，通过旋转强度统计直方图算法(HOG)演算该车牌影像，以产生车牌位铬影像与车牌号码影像；又接着步骤d，通过支持向量器算法(SVM)演算该车牌位铬影像与该车牌号码影像，以产生车牌位铬类别与车牌号码类别；以及另接着步骤e，在该车牌位铬数据库中搜寻与该车牌位铬类别相关的该车牌位铬样本类别，并在确认该车牌位铬类别与该车牌位铬样本类别相同之后，进一步在该车牌号码数据库中搜寻与该车牌号码类别相关的该车牌号码样本类别，且该辨识模块也在该车牌号码数据库搜寻有该车牌号码样本类别之后，将该车牌号码类别视为该车牌的该车牌号码。
[0019]与现有技术相较，本发明的车牌影像辨识系统解决在传统车牌辨识技术中因车牌本身因素与环境因素所造成无法执行辨识的缺陷。
[0020]本发明将车牌辨识的过程区分为两个阶段，第一阶段利用低分辨率扫描该车牌用以快速搜寻可能是车牌的区块，直到确认到位于该交通工具中该车牌的位铬时，再通过高分辨率进一步扫描该车牌的影像中的该车牌号码。因此，本发明通过两个阶段且不同的影像撷取分辨率撷取该影像，用以减少辨识车牌号码所需耗费的时间。
[0021]由于本发明采用复杂的两种算法(即HOG与SVM)进行演算，因此演算过后的数据势必会十分庞大。若直接地将该数据储存在数据库模块中，除了会占用数据库模块的储存空间之外，更会影响存取该数据的速度，但通过本发明所提供的缩减模块，可缩减位于该数据模块中庞大的该数据量，用以弥补因使用这些算法所造成执行速度降低与占用该数据库模块的储存空间等的缺陷。
[0022]在该车牌辨识的过程中，若该车牌为新车牌(即在数据库模块中未储存的车牌)时，还可通过本发明的更新模块，在数据库模块中自动地建立与该新车牌相关新车牌位铬样本类别与新车牌号码样本类别。此外，由于本发明的该更新模块在一时间中撷取多个张新车牌图框。故通过该更新模块除可在该数据模块中建立正确且可供该新车牌进行辨识的相关样本类别之外，更可让该新车牌的辨识率可大为提升。 【专利附图】
【附图说明】
[0023]图1为本发明第一实施例的车牌影像辨识系统的方块示意图；
[0024]图2为说明图1中数据库模块建立车牌位铬样本类别与车牌号码样本类别的详细流程图；
[0025]图3为说明图1车牌号码样本类别的像素示意图；
[0026]图4为说明图2的支持向量器算法的演算示意图；
[0027]图5-7为说明图1的缩减模块的详细说明示意图；
[0028]图8为本发明第二实施例的车牌影像辨识系统的方块示意图；
[0029]图9为说明图1中影像撷取单元与辨识模块的详细流程图；以及
[0030]图10-14为说明图8中更新模块的详细流程图。
[0031]主要部件附图标记:
[0032]2 交通工具
[0033]4 车牌号码
[0034]4’新车牌
[0035]6车牌
[0036]10、10’车牌影像辨识系统
[0037]12数据库模块[0038]122车牌位铬数据库
[0039]124车牌号码数据库
[0040]14缩减模块
[0041]16影像撷取单元
[0042]18、18’分类单元
[0043]22辨识模块
[0044]24更新模块
[0045]CLPPS车牌位铬样本类别
[0046]CLPNS车牌号码样本类别
[0047]FR第一分辨率
[0048]SR第二分辨率
[0049]ILPN车牌号码影像
[0050]ILPP车牌位铬影像
[0051]HOG旋转强度统计直方图算法
[0052]PCA主成分分析算法
[0053]SVM支持向量器算法
[0054]CLPP车牌位铬类别
[0055]CLPN车牌号码类别
[0056]NPLIF新车牌图框
【具体实施方式】
[0057]为充分了解本发明的目的、特征及技术效果，这里通过下述具体的实施例，并结合附图，对本发明做详细说明，说明如下:
[0058]请参照图1，为本发明第一实施例的车牌影像辨识系统的方块示意图。在图1中，该车牌影像辨识系统10辨识附挂在交通工具2上具有车牌号码4的车牌6。一般而言，在同一个国家或同一个区域中该车牌6具有固定的尺寸。
[0059]该车牌影像辨识系统10包含数据库模块12、缩减模块14、影像撷取单元16、分类单元18与辨识模块22。
[0060]该数据库模块12具有车牌位铬数据库122与车牌号码数据库124，且该车牌位络数据库122储存多个车牌位络样本类别CLPPS(classification of the licenseplate position sampling),以及该车牌号码数据库124储存多个车牌号码样本类别CLPNS(classification of the license plate number sampling)。
[0061 ] 该缩减模块14与该数据库模块12连接，且该缩减模块14减少位于该数据库模块12中该车牌位铬样本类别CLPPS与该车牌号码样本类别CLPNS的类别数量。
[0062]该影像撷取单元16能够执行第一分辨率FR(first resolution)与第二分辨率SR(second resolution)的影像撷取 ，且该影像撷取单元16以该第一分辨率FR撷取该车牌6,并通过旋转强度统计直方图算法(HOG)产生车牌位络影像ILPP(image of thelicense plate position)及以该第二分辨率SR撷取该车牌6,并且通过该旋转强度统计直方图算法产生车牌号码影像ILPN(image of the license plate number)。在本实施例中，该第二分辨率SR高于第一分辨率FR，即该第二分辨率为高分辨率及该第一分辨率FR为低分辨率。该分辨率的定义指在同一个被撷取影像中所包含像素的总数量，总数量多者可称为高分辨率；反之，则称为低分辨率。该分类单元18连接该影像撷取单元16，且该分类单元18通过主成分分析算法(PCA)与支持向量器算法(SVM)演算该车牌位铬影像ILPP及该车牌号码影像ILPN，并在该分类单元18演算这些影像之后，产生车牌位络类别 CLPP(classification of the license plate position)与车牌号码类别CLPN(classification of the license plate number)。
[0063]该旋转强度统计直方图算法(HOG)、该主成分分析算法(PCA)与该支持向量器算法(SVM)于后详细说明。
[0064]该辨识模块22连接该分类单兀18与该数据库模块12,且该辨识模块22在该车牌位铬数据库122中搜寻与该车牌位铬类别CLPP相关的该车牌位铬样本类别CLPPS，并在该辨识模块22确认该车牌位铬类别CLPP为该车牌位铬样本类别CLPPS之后，该辨识模块22在该车牌号码数据库124中搜寻与该车牌号码类别CLPN相关的该车牌号码样本类别CLPNS，并在该辨识模块22从该车牌号码数据库124搜寻到该车牌号码样本类别CLPNS时，将该车牌号码样本类别CLPNS视为该车牌6的该车牌号码4。
[0065]一并参照图2，为图1中数据库模块12建立该车牌位铬样本类别CLPPS与该车牌号码样本类别CLPNS的详细流程图。
[0066]在图2中，该影像撷取单元16撷取该交通工具2的该车牌6，使得该影像撷取单元16可在撷取该车牌6之后产生车牌位铬影像样本与车牌号码影像样本。在本实施例中，以“车牌影像样本”的名词代表该车牌位铬影像样本与车牌号码影像样本。
[0067]该影像撷取单元16通过该旋转强度统计直方图算法取得具有特征值的该车牌影像样本，例如该特征值可为该车牌的影像的像素梯度强度以及旋转程度。
[0068]在本实施例中，像素的梯度又可区分为水平方向梯度值Gx及垂直方向梯度值Gy，而该水平方向梯度值Gx、垂直方向梯度值Gy与旋转程度的数学关系式可如下所示。该G表示为梯度及Θ表示为旋转角度。
【权利要求】
1.一种车牌影像辨识系统，其特征在于，供辨识附挂在交通工具上具有车牌号码的车牌，该影像辨识系统包含: 数据库模块，具有车牌位铬数据库与车牌号码数据库，该车牌位铬数据库储存多个车牌位铬样本类别，以及该车牌号码数据库储存多个车牌号码样本类别； 缩减模块，与该数据库模块连接，该缩减模块减少位于该数据库模块中这些车牌位铬样本类别与这些车牌号码样本类别的数量； 影像撷取单元，供执行第一分辨率与第二分辨率的影像撷取，该影像撷取单元以该第一分辨率撷取该车牌并通过旋转强度统计直方图算法产生车牌位铬影像及以该第二分辨率撷取该车牌并同样通过该旋转强度统计直方图算法产生车牌号码影像，其中该第二分辨率高于第一分辨率； 分类单元，连接该影像撷取单元，该分类单元通过主成分分析算法与支持向量器算法演算该车牌位铬影像及该车牌号码影像，用以产生车牌位铬类别与车牌号码类别；以及辨识模块，连接该分类单元与该数据库模块，该辨识模块在该车牌位铬数据库中搜寻与该车牌位铬类别相关的这些车牌位铬样本类别的其中之一，并在该辨识模块确认该车牌位铬类别为与该车牌位铬类别相关的该车牌位铬样本类别之后，该辨识模块在该车牌号码数据库中搜寻与该车牌号码类别相关的这些车牌号码样本类别的其中之一，并在该辨识模块搜寻到与该车牌号码类别相关的该车牌号码样本类别之后，该辨识模块将该车牌号码样本类别视为该车牌的该车牌号码。
2.如权利 要求1所述的车牌影像辨识系统，其特征在于，还包含更新模块，与该影像撷取单元连接，当该更新模块通过该影像撷取单元检测一新车牌并未被建立于该数据库模块时，该更新模块连续地撷取该新车牌以形成多个新车牌图框。
3.如权利要求2所述的车牌影像辨识系统，其特征在于，该分类单元还包含与该数据库模块连接，该分类单元通过该旋转强度统计直方图算法、主成分分析算法与该支持向量器算法演算这些新车牌图框，用以产生新车牌位铬样本类别与新车牌号码样本类别。
4.一种车牌影像辨识方法，其特征在于，供辨识附挂在交通工具上具有车牌号码的车牌，该车牌影像辨识方法包含: a在车牌位铬数据库储存与该车牌相关的车牌位铬样本类别，以及在车牌号码数据库储存与该车牌号码相关的车牌号码样本类别； b利用低分辨率与高分辨率的影像撷取技术分别地撷取该车牌，以产生车牌影像； c通过旋转强度统计直方图算法演算该车牌影像，以产生车牌位铬影像与车牌号码影像； d通过主成分分析算法与支持向量器算法演算该车牌位铬影像与该车牌号码影像，以产生车牌位铬类别与车牌号码类别；以及 e在该车牌位铬数据库中搜寻与该车牌位铬类别相关的该车牌位铬样本类别，并在确认该车牌位铬类别与该车牌位铬样本类别相同之后，进一步在该车牌号码数据库中搜寻与该车牌号码类别相关的该车牌号码样本类别，且该辨识模块也在该车牌号码数据库搜寻有该车牌号码样本类别之后，将该车牌号码样本类别视为该车牌的该车牌号码。
5.如权利要求4所述的车牌影像辨识方法，其特征在于，在步骤a之后，还包含步骤f，缩减位于该车牌位铬数据库中该车牌位铬样本类别及位于该车牌号码数据库中该车牌号码样本类别的类别数量。
6.如权利要求4所述的车牌影像辨识方法，其特征在于，在步骤b还包含无法撷取该车牌以产生该车牌影像，持续地搜寻在该交通工具的该车牌。
7.如权利要求6所述 的车牌影像辨识方法，其特征在于，在步骤b之后，还包含步骤: g计算该车牌影像中边缘部分的像素总和；以及 h将该车牌影像分割为多个影像区块，以在这些影像区块之间判断彼此的区块相似度； 其中该像素总和与该区块相似度皆小于第一预定门槛值，则由该车牌影像判断出该车牌影像表示该车牌。
8.如权利要求4所述的车牌影像辨识方法，其特征在于，在步骤e还包含在该车牌号码数据库未储存对应于该车牌号码类别的该车牌号码样本类别时，将该车牌号码类别相关的该车牌视为新车牌。
9.如权利要求8所述的车牌影像辨识方法，其特征在于，在步骤e之后，还包含步骤: i连续地撷取该新车牌，以产生多个新车牌图框；以及 j演算这些新车牌图框，以在该车牌位铬数据库建立与该新车牌相关的新车牌位铬样本类别及该车牌号码数据库建立与该新车牌相关的新车牌号码样本类别。
10.如权利要求9所述的车牌影像辨识方法，其特征在于，在步骤j中还包含步骤为通过该旋转强度统计直方图算法、主成分分析算法与该支持向量器算法演算这些新车牌图框。
11.如权利要求10所述的车牌影像辨识方法，其特征在于，在步骤j中还包含: k自这些新车牌图框取得第一个图框，并通过该旋转强度统计直方图算法演算该第一个图框，以建立一标准车牌影像样本；以及 I计算前一个该新车牌图框与后一个该新车牌图框之间特征值的误差，若二者之间的误差小于预定第二门槛值，则该标准车牌影像样本由后一个的该新车牌图框取代，直到计算完所有的这些新车牌图框之后，才将该标准车牌影像样本分别地储存至该车牌位铬数据库与该车牌号码数据库。
12.如权利要求9所述的车牌影像辨识方法，其特征在于，这些新车牌图框的数目不小于10个。
【文档编号】G06K9/62GK103903005SQ201310099736
【公开日】2014年7月2日 申请日期:2013年3月26日 优先权日:2012年12月25日
【发明者】吴炳飞, 陈彦霖, 黄皓昱, 林信佑 申请人:财团法人交大思源基金会