车牌定位的方法及装置与流程

本发明涉及智能交通领域，具体而言，本发明涉及一种车牌定位的方式及装置。

背景技术：

随着经济与交通的迅速发展导致机动车辆大幅地增加，对机动车辆的监测管理十分重要。而车牌是机动车的重要标识，机动车车牌(简称为车牌)定位和识别技术广泛地应用在收费站、停车场等各种场合，以实现机动车辆的自动监控和管理，其极大地节约了人力和物力成本。其中，车牌定位是车牌自动识别技术中的关键步骤，在车牌识别技术中占有很重要地位。车牌识别的识别率往往取决于车牌定位的成功率及准确度。

现有的车牌定位技术繁多，例如，基于边缘检测的方法、基于数学形态学的方法、基于彩色信息的方法、基于小波变换的方法、基于投影特征的方法等。但是，现有的车牌定位方法普遍存在一些问题，例如，容易受到背景的干扰，基于现有的定位方式对包含交通护栏的图像进行检测时容易将交通护栏被误检为车牌，从而导致真正的车牌被漏检；又例如，现有技术在采用水平和垂直投影的方法定位车牌边界时，若图像存在倾斜角度，则直接投影定位的车牌边界与真实车牌之间存在一定误差，即现有的车牌定位方法对具有倾斜角度的图像，定位算法不够鲁棒。

技术实现要素：

为克服上述技术问题或者至少部分地解决上述技术问题，特提出以下技术方案：

本发明的实施例提出了一种车牌定位的方法，包括：

对接收到待检测图像进行区域划分，确定多个子区域；

基于字符跳变特征，确定每个子区域内的候选车牌子区域；

合并多个候选车牌子区域来确定待检测图像的候选车牌区域；

基于预定的过滤方式对所述候选车牌区域进行再定位，确定车牌区域。

本发明的实施例还提出了一种车牌定位的装置，包括：

划分模块，用于对接收到待检测图像进行区域划分，确定多个子区域；

车牌子区域确定模块，用于基于字符跳变特征，确定每个子区域内的候选车牌子区域；

合并模块，用于合并多个候选车牌子区域来确定待检测图像的候选车牌区域；

再定位模块，用于基于预定的过滤方式对所述候选车牌区域进行再定位，确定车牌区域。

本发明的实施例中，通过将待检测图像划分为多个子区域，基于子区域定位候选车牌区域，减少了复杂背景对车牌定位的干扰，提高车牌区域的定位效率；同时，基于预定的过滤方式对候选车牌区域进行再定位，可进一步滤除候选车牌区域中包含的非车牌区域，避免了将图像背景中的交通护栏等干扰物体误检测为车牌区域的问题；进一步地，通过对候选车牌区域的倾斜校正处理，保证车牌尽可能处于水平位置，从而提高车牌定位的精确性。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明中车牌定位的方式一个实施例的流程示意图；

图2为本发明中车牌定位的装置一个实施例的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其 中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，本发明包括涉及用于执行本申请中所述操作中的一项或多项的设备。这些设备可以为所需的目的而专门设计和制造，或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序，这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如，计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中，所述计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random Access Memory，随即存储器)、EPROM(Erasable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，可读介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。

图1为本发明中车牌定位的方法一个实施例的流程示意图。

步骤S110：对接收到待检测图像进行区域划分，确定多个子区域；步骤S120：基于字符跳变特征，确定每个子区域内的候选车牌子区域；步骤S130：合并多个候选车牌子区域来确定待检测图像的候选车牌区域； 步骤S140：基于预定的过滤方式对所述候选车牌区域进行再定位，确定车牌区域。。

本发明的实施例中，通过将待检测图像划分为多个子区域，基于子区域定位候选车牌区域，减少了复杂背景对车牌定位的干扰，提高车牌区域的定位效率；同时，基于预定的过滤方式对候选车牌区域进行再定位，可进一步滤除候选车牌区域中包含的非车牌区域，避免了将图像背景中的交通护栏等干扰物体误检测为车牌区域的问题；进一步地，通过对候选车牌区域的倾斜校正处理，保证车牌尽可能处于水平位置，从而提高车牌定位的精确性。

步骤S110：对接收到待检测图像进行区域划分，确定多个子区域，

其中，通过安装在卡口、电子警察处的摄像头来采集车辆的待检测图像；或通过行车记录仪、手持摄像机的摄像头来采集车辆的待检测图像。

具体地，对接收到的待检测图像按照图像的尺寸进行区域划分，区域划分的规则可为沿图像宽度进行等分，也可为沿图像宽度进行预定比例的划分，划分后的各个子区域可相互有重叠部分。例如，例如待检测图像大小为1920*1080，则沿长度1920将待检测图像等分为四个部分，分别为L1、L2、L3和L4，并基于L1-L4将待检测图像划分为三个子区域，第一子区域为L1及L2，第二子区域为L2及L3，第三子区域为L3及L4。

优选地，接收到待检测图像的步骤之后，该方法还包括步骤S160(图中未示出)；步骤S160：对待检测图像进行预处理，获取预处理后的待检测图像。

其中，步骤S160具体包括步骤S161(图中未示出)及步骤S162(图中未示出)：

步骤S161：对待检测图像进行灰度化处理；步骤S162：对灰度化处理后的待检测图像进行滤波处理，获取预处理后的待检测图像。

对待检测图像进行灰度化处理，具体地，在图像的RGB颜色模型中，R＝G＝B的值可作为灰度值。因此，灰度图像每个像素只需一个字节存放灰度值，灰度范围为0-255。对待检测图像进行灰度化处理的方式，包括至少三种：1)加权平均法；根据三个分量的重要性及预定指标，将三个 分量以不同的权值进行加权平均；2)平均值法；求出每个像素点的R、G、B三个分量的平均值，然后将该平均值赋予给这个像素点的三个分量作为灰度值；3)最大值法；将待检测图像中像素点的三个分量中亮度的最大值作为灰度化后的灰度值。

对灰度化处理后的待检测图像进行滤波处理，具体地，采用中值滤波的方式对灰度化处理后的待检测图像进行滤波处理，即将灰度化处理后的待检测图像中某一像素点作为中心点，对该中心点及8邻域的点按照灰度值的大小进行排序，其中，8邻域的点即为以该中心点为中心的3*3区域中的像素点，提取排序后的中值作为该中心点的灰度值。

步骤S110：对预处理后的待检测图像进行区域划分，确定多个子区域。

步骤S120：基于字符跳变特征，确定每个子区域内的候选车牌子区域。

步骤S120包括步骤S121(图中未示出)、步骤S122(图中未示出)、步骤S123(图中未示出)和步骤S124(图中未示出)；步骤S121：对每个子区域中的每一像素行自上而下进行像素扫描，确定每个子区域中的每一像素行的像素跳变点；步骤S122：基于像素跳变点数量对像素行进行排序，选取排序前预定个数的候选像素行；步骤S123：基于预定的扫描框对每一候选像素行进行扫描，以确定每一候选像素行中每个扫描框的像素跳变点的分布；步骤S124：针对每个子区域，通过统计分析全部候选像素行中每个扫描框的像素跳变点的分布，确定每个子区域中的一个或多个候选车牌子区域，其中，候选车牌子区域中的像素跳变点数量超过预定跳变数量阈值。

具体地，针对每个子区域，自上而下对每一像素行进行像素扫描，每一像素行中，如果在五个连续像素中存在具有最大像素灰度值与最小像素灰度值的两个像素点，且最大像素灰度值与最小像素灰度值的差值大于预定的灰度差阈值时，记录一次像素跳变点，例如预定的灰度差阈值为254，则像素灰度值从0到255或者从255到0转变可记录一次像素跳变点；对一个子区域完成全部行的扫描后，按照每一像素行中包括的像素跳变点数 量对像素行进行排序，并选取排序前预定个数的候选像素行，如选择排序前3位作为候选像素行；随后，基于预定的扫描框对每一候选像素行进行扫描，预定的扫描框大小固定，其中可包括预定数量的像素点，扫描后确定每一候选像素行中每个位置处的像素跳变点的分布，即每行中每个位置处扫描框内发生像素跳变的次数；针对每个子区域，通过统计分析全部候选像素行中每个扫描框的像素跳变点的分布，从中选择一个或多个候选车牌子区域，选择候选车牌子区域的标准为候选车牌子区域中的像素跳变点数量超过预定跳变数量阈值。

步骤S130：合并多个候选车牌子区域来确定待检测图像的候选车牌区域。

具体地，将已确定的多个候选车牌子区域在各自相应的子区域中的坐标位置变换为在待检测图像的坐标位置，变换生成基于待检测图像的候选车牌区域。

步骤S140：基于预定的过滤方式对候选车牌区域进行再定位，确定车牌区域。

具体地，步骤S140包括步骤S141(图中未示出)；步骤S141：采用投影的方式对候选车牌区域进行字符切分，将候选车牌区域中不符合预定的字符切分规则的非车牌区域进行滤除。

例如，采用投影的方式对候选车牌区域进行字符切分，当候选车牌区域中的部分区域无法进行字符切分时，确定该部分区域不符合预定的字符切分规则，将部分区域作为非车牌区域进行滤除。

优选地，步骤S141之前，该方式还包括步骤S142(图中未示出)、步骤S143(图中未示出)；步骤S142：判断候选车牌区域是否倾斜；步骤S143：当判断倾斜时，对候选车牌区域进行倾斜校正，确定校正后的候选车牌区域；其中，步骤S141：采用投影的方式对校正后的候选车牌区域进行字符切分。

具体地，将候选车牌区域中的多个像素跳变点进行连线，并填充多个像素跳变点之间的空点，来生成连线区域，对连线区域中的每一列查找上下边缘点，并对每一列的上下边缘点进行拟合，确定候选车牌区域的上下 边缘，计算上边缘和下边缘在水平方向上的斜率的均值，并将该均值确定为候选车牌区域的斜率；若斜率大于预定斜率阈值，如1°，则判断候选车牌区域为倾斜，随后，对候选车牌区域采用双线性插值的方式进行倾斜校正，确定校正后的候选车牌区域；倾斜校正的具体步骤为：首先，设定水平映射后的候选车牌区域中每个像素点的坐标，然后，根据斜率算出该坐标在候选车牌区域中的坐标；对候选车牌区域中的像素点进行循环求插值，即可得到校正后的候选车牌区域。

具体地，步骤S140包括步骤S144(图中未示出)和步骤S145(图中未示出)；步骤S144：提取候选车牌区域的图像相关特征；步骤S145：基于图像相关特征对候选车牌区域进行再定位，确定车牌区域。

步骤S144：提取候选车牌区域的图像相关特征。

其中，图像相关特征至少包括以下任一项：

图像颜色特征；图像纹理特征。

其中，图像颜色特征包括但不限于RGB颜色特征、HSV颜色特征、HSL颜色特征等。

其中，图像纹理特征包括但不限于每一行像素点个数、每一行像素点连线个数等。

步骤S145：基于图像相关特征对候选车牌区域进行再定位，确定车牌区域。

具体地，基于图像相关特征对候选车牌区域进行再定位的方式至少包括以下情形：

1)基于提取到的候选车牌区域的图像颜色特征，将候选车牌区域中不符合预定的颜色判别规则的非车牌区域进行滤除；

2)基于提取到的候选车牌区域的图像纹理特征，将候选车牌区域中不符合预定的纹理判别规则的非车牌区域进行滤除；

其中，预定的纹理判别规则具体包括以下一种或多种：

候选车牌区域中每一行的像素点个数，是否与预定的每一行像素点个数区间相匹配；

候选车牌区域中每一行的像素点连线个数，是否与预定的每一行像素 点连线个数区间相匹配。

3)基于提取到的候选车牌区域的图像纹理特征，计算候选车牌区域的候选边缘内外像素点个数的差值；当计算得到的差值小于预定的差值阈值，重新确定候选车牌区域的候选边缘。

上述三种再定位的方式可以选择其中的任一项或多项作为再定位的方式。

针对情形1)：

例如，提取到的候选车牌区域的图像颜色特征为RGB颜色特征，预定的车牌颜色主要为蓝色和黄色，则预定的颜色判别规则为：

蓝色：G>R&&B>R&&B>G&&(B-G)*(B-G)-(B-R)*(B-R)>50*k，其中k为该点蓝色分量灰度值。

黄色：R>B&&G>B&&(R+20)>G&&(G+20)>R&&(R-B)*(R-B)-(G-B)*(G-B)>50*k，其中k为该点蓝色分量灰度值。

基于预定的颜色判别，对候选车牌区域中的每个像素点进行颜色特征比对，确定候选车牌区域中不符合预定的颜色判别规则的像素点，将这些像素点形成的区域作为非车牌区域进行滤除。

针对情形2)：

例如，提取到的候选车牌区域的图像颜色特征为每一行像素点个数及每一行像素点连线个数；则基于预定的纹理判别规则，判断候选车牌区域中每一行的像素点个数是否处于预定的每一行像素点个数95-105、195-205、295-305、395-405四个区间内，并判断候选车牌区域中每一行的像素点连线个数是否处于预定的每一行像素点连线个数区间5-14内，将定候选车牌区域中不符合预定的纹理判别规则的像素点形成的区域作为非车牌区域进行滤除。

针对情形3)：

例如，基于提取到的候选车牌区域的候选边缘的像素点个数，计算候选边缘内外像素点个数的差值；当计算得到的差值小于预定的差值阈值，如5，重新确定候选车牌区域的候选边缘；重新确定候选车牌区域的候选边缘的方式可为：将原候选边缘向上一行或向下一行作为新候选边缘，提 取新候选边缘内外像素点个数，重新计算内外像素点个数的差值，并判断差值与预定的差值阈值的关系，当计算得到的差值大于预定的差值阈值时，确定候选车牌区域的边缘。

图2为本发明中车牌定位的装置一个实施例的结构意图。

划分模块210对接收到待检测图像进行区域划分，确定多个子区域；车牌子区域确定模块220基于字符跳变特征，确定每个子区域内的候选车牌子区域；合并模块230合并多个候选车牌子区域来确定待检测图像的候选车牌区域；再定位模块240基于预定的过滤方式对候选车牌区域进行再定位，确定车牌区域。

本发明的实施例中，通过将待检测图像划分为多个子区域，基于子区域定位候选车牌区域，减少了复杂背景对车牌定位的干扰，提高车牌区域的定位效率；同时，基于预定的过滤方式对候选车牌区域进行再定位，可进一步滤除候选车牌区域中包含的非车牌区域，避免了将图像背景中的交通护栏等干扰物体误检测为车牌区域的问题；进一步地，通过对候选车牌区域的倾斜校正处理，保证车牌尽可能处于水平位置，从而提高车牌定位的精确性。

划分模块210对接收到待检测图像进行区域划分，确定多个子区域，

其中，通过安装在卡口、电子警察处的摄像头来采集车辆的待检测图像；或通过行车记录仪、手持摄像机的摄像头来采集车辆的待检测图像。

具体地，对接收到的待检测图像按照图像的尺寸进行区域划分，区域划分的规则可为沿图像宽度进行等分，也可为沿图像长度进行预定比例的划分，划分后的各个子区域可相互有重叠部分。例如，例如待检测图像大小为1920*1080，则沿长度1920将待检测图像等分为四个部分，分别为L1、L2、L3和L4，并基于L1-L4将待检测图像划分为三个子区域，第一子区域为L1及L2，第二子区域为L2及L3，第三子区域为L3及L4。

优选地，接收到待检测图像之后，该装置还包括预处理模块(图中未示出)；预处理模块对待检测图像进行预处理，获取预处理后的待检测图像。

其中，预处理模块具体包括灰度化单元(图中未示出)及滤波单元(图 中未示出)：

灰度化单元对待检测图像进行灰度化处理；滤波单元对灰度化处理后的待检测图像进行滤波处理，获取预处理后的待检测图像。

对待检测图像进行灰度化处理，具体地，在图像的RGB颜色模型中，R＝G＝B的值可作为灰度值。因此，灰度图像每个像素只需一个字节存放灰度值，灰度范围为0-255。对待检测图像进行灰度化处理的方式，包括至少三种：1)加权平均法；根据三个分量的重要性及预定指标，将三个分量以不同的权值进行加权平均；2)平均值法；求出每个像素点的R、G、B三个分量的平均值，然后将该平均值赋予给这个像素点的三个分量作为灰度值；3)最大值法；将待检测图像中像素点的三个分量中亮度的最大值作为灰度化后的灰度值。

对灰度化处理后的待检测图像进行滤波处理，具体地，采用中值滤波的方式对灰度化处理后的待检测图像进行滤波处理，即将灰度化处理后的待检测图像中某一像素点作为中心点，对该中心点及8邻域的点按照灰度值的大小进行排序，其中，8邻域的点即为以该中心点为中心的3*3区域中的像素点，提取排序后的中值作为该中心点的灰度值。

划分模块210对预处理后的待检测图像进行区域划分，确定多个子区域。

车牌子区域确定模块220基于字符跳变特征，确定每个子区域内的候选车牌子区域。

车牌子区域确定模块220包括扫描单元(图中未示出)、选取单元(图中未示出)、分布确定单元(图中未示出)和统计分析单元(图中未示出)；扫描单元对每个子区域中的每一像素行自上而下进行像素扫描，确定每个子区域中的每一像素行的像素跳变点；选取单元基于像素跳变点数量对像素行进行排序，选取排序前预定个数的候选像素行；分布确定单元基于预定的扫描框对每一候选像素行进行扫描，以确定每一候选像素行中每个位置处扫描框内的像素跳变点的分布；统计分析单元针对每个子区域，通过统计分析全部候选像素行中每个扫描框的像素跳变点的分布，确定每个子区域中的一个或多个候选车牌子区域，其中，候选车牌子区域中的像素跳 变点数量超过预定跳变数量阈值。

具体地，针对每个子区域，自上而下对每一像素行进行像素扫描，每一像素行中，如果在五个连续像素中存在具有最大像素灰度值与最小像素灰度值的两个像素点，且最大像素灰度值与最小像素灰度值的差值大于预定的灰度差阈值时，记录一次像素跳变点，例如预定的灰度差阈值为254，则像素灰度值从0到255或者从255到0转变可记录一次像素跳变点；对一个子区域完成全部行的扫描后，按照每一像素行中包括的像素跳变点数量对像素行进行排序，并选取排序前预定个数的候选像素行，如选择排序前3位作为候选像素行；随后，基于预定的扫描框对每一候选像素行进行扫描，预定的扫描框大小固定，其中可包括预定数量的像素点，扫描后确定每一候选像素行中每个扫描框的像素跳变点的分布，即每行中发生像素跳变的次数；针对每个子区域，通过统计分析全部候选像素行中每个扫描框的像素跳变点的分布，从中选择一个或多个候选车牌子区域，选择候选车牌子区域的标准为候选车牌子区域中的像素跳变点数量超过预定跳变数量阈值。

合并模块230合并多个候选车牌子区域来确定待检测图像的候选车牌区域。

具体地，将已确定的多个候选车牌子区域在各自相应的子区域中的坐标位置变换为在待检测图像的坐标位置，变换生成基于待检测图像的候选车牌区域。

再定位模块240基于预定的过滤方式对候选车牌区域进行再定位，确定车牌区域。

具体地，再定位模块240包括投影过滤单元(图中未示出)；投影过滤单元采用投影的方式对候选车牌区域进行字符切分，将候选车牌区域中不符合预定的字符切分规则的非车牌区域进行滤除。

例如，采用投影的方式对候选车牌区域进行字符切分，当候选车牌区域中的部分区域无法进行字符切分时，确定该部分区域不符合预定的字符切分规则，将部分区域作为非车牌区域进行滤除。

优选地，采用投影的方式对候选车牌区域进行字符切分之前，该再定 位模块240还包括判断单元(图中未示出)和校正单元(图中未示出)；判断单元判断候选车牌区域是否倾斜；校正单元当判断倾斜时，对候选车牌区域进行倾斜校正，确定校正后的候选车牌区域；其中，投影过滤单元采用投影的方式对校正后的候选车牌区域进行字符切分。

具体地，将候选车牌区域中的多个像素跳变点进行连线，并填充多个像素跳变点之间的空点，来生成连线区域，对连线区域中的每一列查找上下边缘点，并对每一列的上下边缘点进行拟合，确定候选车牌区域的上下边缘，计算上边缘和下边缘在水平方向上的斜率的均值，并将该均值确定为候选车牌区域的斜率；若斜率大于预定斜率阈值，如1°，则判断候选车牌区域为倾斜，随后，对候选车牌区域采用双线性插值的方式进行倾斜校正，确定校正后的候选车牌区域；倾斜校正的具体步骤为：首先，设定水平映射后的候选车牌区域中每个像素点的坐标，然后，根据斜率算出该坐标在候选车牌区域中的坐标；对候选车牌区域中的像素点进行循环求插值，即可得到校正后的候选车牌区域。

再定位模块240基于预定的过滤方式对候选车牌区域进行再定位，确定车牌区域。

具体地，再定位模块240包括图像特征提取单元(图中未示出)和再定位单元(图中未示出)；图像特征提取单元提取候选车牌区域的图像相关特征；再定位单元基于图像相关特征对候选车牌区域进行再定位，确定车牌区域。

图像特征提取单元提取候选车牌区域的图像相关特征。

其中，图像相关特征至少包括以下任一项：

图像颜色特征；图像纹理特征。

其中，图像颜色特征包括但不限于RGB颜色特征、HSV颜色特征、HSL颜色特征等。

其中，图像纹理特征包括但不限于每一行像素点个数、每一行像素点连线个数等。

再定位单元基于图像相关特征对候选车牌区域进行再定位，确定车牌区域。

具体地，基于图像相关特征对候选车牌区域进行再定位的方式至少包括以下情形：

1)基于提取到的候选车牌区域的图像颜色特征，将候选车牌区域中不符合预定的颜色判别规则的非车牌区域进行滤除；

2)基于提取到的候选车牌区域的图像纹理特征，将候选车牌区域中不符合预定的纹理判别规则的非车牌区域进行滤除；

其中，预定的纹理判别规则具体包括以下一种或多种：

候选车牌区域中每一行的像素点个数，是否与预定的每一行像素点个数区间相匹配；

候选车牌区域中每一行的像素点连线个数，是否与预定的每一行像素点连线个数区间相匹配。

3)基于提取到的候选车牌区域的图像纹理特征，计算候选车牌区域的候选边缘内外像素点个数的差值；当计算得到的差值小于预定的差值阈值，重新确定候选车牌区域的候选边缘。

上述三种再定位的方式可以选择其中的任一项或多项作为再定位的方式。

针对情形1)：

例如，提取到的候选车牌区域的图像颜色特征为RGB颜色特征，预定的车牌颜色主要为蓝色和黄色，则预定的颜色判别规则为：

蓝色：G>R&&B>R&&B>G&&(B-G)*(B-G)-(B-R)*(B-R)>50*k，其中k为该点蓝色分量灰度值。

黄色：R>B&&G>B&&(R+20)>G&&(G+20)>R&&(R-B)*(R-B)-(G-B)*(G-B)>50*k，其中k为该点蓝色分量灰度值。

基于预定的颜色判别，对候选车牌区域中的每个像素点进行颜色特征比对，确定候选车牌区域中不符合预定的颜色判别规则的像素点，将这些像素点形成的区域作为非车牌区域进行滤除。

针对情形2)：

例如，提取到的候选车牌区域的图像颜色特征为每一行像素点个数及每一行像素点连线个数；则基于预定的纹理判别规则，判断候选车牌区域 中每一行的像素点个数是否处于预定的每一行像素点个数95-105、195-205、295-305、395-405四个区间内，并判断候选车牌区域中每一行的像素点连线个数是否处于预定的每一行像素点连线个数区间5-14内，将定候选车牌区域中不符合预定的纹理判别规则的像素点形成的区域作为非车牌区域进行滤除。

针对情形3)：

例如，基于提取到的候选车牌区域的候选边缘的像素点个数，计算候选边缘内外像素点个数的差值；当计算得到的差值小于预定的差值阈值，如5，重新确定候选车牌区域的候选边缘；重新确定候选车牌区域的候选边缘的方式可为：将原候选边缘向上一行或向下一行作为新候选边缘，提取新候选边缘内外像素点个数，重新计算内外像素点个数的差值，并判断差值与预定的差值阈值的关系，当计算得到的差值大于预定的差值阈值时，确定候选车牌区域的边缘。

本技术领域技术人员可以理解，可以用计算机程序指令来实现这些结构图和/或框图和/或流图中的每个框以及这些结构图和/或框图和/或流图中的框的组合。本技术领域技术人员可以理解，可以将这些计算机程序指令提供给通用计算机、专业计算机或其他可编程数据处理方法的处理器来实现，从而通过计算机或其他可编程数据处理方法的处理器来执行本发明公开的结构图和/或框图和/或流图的框或多个框中指定的方案。

本技术领域技术人员可以理解，本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。