融合仿射不变角点特征及视觉颜色特征的车牌定位算法
【技术领域】
[0001] 本发明涉及车牌定位领域，特别涉及一种融合仿射不变角点特征及视觉颜色特征 的车牌定位算法。
【背景技术】
[0002] 随着信息技术及数据通信技术的发展，智能交通已经成为未来交通系统的发展方 向。车牌识别是智能交通的主要组成部分，并已广泛应用于公安系统执法、高速公路收费系 统、监控系统和公路布控等诸多领域。车牌识别主要由图像采集、车牌定位、字符分割以及 字符识别四部分构成。从图1中可以看出，车牌定位是车牌识别中最关键的步骤之一，它的 好坏关系到整个车牌识别的成功与否。
[0003] 车牌图像大多来自室外对行驶车辆的拍摄取样，受天气、光照、周围环境，拍摄距 离等诸多因素的影响，能够准确、快速、对噪声及仿射变化鲁棒的定位是车牌定位算法研究 的挑战。近年来已涌现出大量对车牌定位算法的研究工作，但目前国内尚没有一个完善通 用的车牌定位系统。这些研究工作大致可分为：基于车牌图像自身特征的定位和基于机器 学习的车牌定位算法。基于车牌图像自身特征的车牌定位算法主要有：基于边缘信息 [1 2]、 基于车牌纹理特征[3 5]、基于数学形态学[6 7]、基于角点特征M、基于水平或者垂直方向的投 影[9]、基于颜色特征 [1° 11]的车牌定位算法。如文献[2]利用车牌区域周围的边缘和纹理信 息确定车牌的位置。该方法可以应用于图像中车牌外边框模糊或有断裂的情况，实现简单 且速度快，但对非车牌区的边缘信息较敏感。文献[4]提出利用纹理特征粗定位车牌区域， 再通过改进的RGB颜色聚类算法实现车牌的精确定位。文献[5]通过改进Sobel算子提取 图像不同方向的纹理特征确定候选区域，并采用两个模式滤波器除去非车牌区域的纹理特 征实现车牌定位。文献[8]采用harris角点检测算法提取图像中的角点，对所有的角点进 行AP聚类除去非车牌区域的角点来确定车牌位置。该方法对噪声图像具有一定鲁棒性，但 对存在尺度及仿射变化的复杂环境的定位效果较差。文献[9]利用改进的Prewitt算子预 处理车牌图像，通过水平或者垂直方向的投影特征确定车牌位置。以上基于纹理特征的车 牌定位方法定位速度快，可以实现多车牌定位，但定位结果通常包含了一些车牌外的信息， 且对于复杂背景的滤除能力较弱。文献[10]通过提取并分析车牌图像的颜色特征和黑白 纹理特征，实现复杂环境下的车牌图像定位。文献[11]根据我国车牌颜色特征，融合车牌 图像的颜色特征和边缘特征，采用车牌伴生与互补特性定位车牌位置。文献[12]通过最大 类间方差法二值化车牌图像，采用改进的数学形态方法进行边缘检测，最后结合图像的颜 色特征进行准确定位。这些基于颜色特征的定位方法适用于光照均匀、背景简单的状况，具 有较大的针对性和局限性。
[0004] 随着机器学习方法的发展和普及，近几年涌现出了大量的以机器学习理论为主导 的车牌定位算法。文献[13]采用扫描行离差数据、有效谷峰点特征及先验知识确定大致位 置，利用色彩分割技术及多级联合混合集成分类器实现车牌的准确定位。文献[14]根据神 经网络和车牌图像的颜色特征和边缘特征，利用细胞神经网络模型训练出一种与车牌颜色 特征相结合的车牌定位边缘检测算法。文献[15]采用支撑向量机的方法分析训练车牌的 颜色特征和纹理特征，并结合CAMShift方法在视频流中准确定位车牌位置。文献[16]利 用Adaboost算法剔除车牌图像中的背景区域，采用SUSAN角点检测方法搜索候选区域的车 牌区域，实现车牌的有效定位。
[0005] 上述基于机器学习的定位方法对车牌定位准确，对于复杂情况下的车牌图像有较 好的识别率。但计算时间复杂度高对于复杂背景的实时场景定位效果有限。此外，这类方 法需要大量的训练数据，定位结果也局限于训练数据的类别信息。因此，对于实时通用的车 牌定位适用性较差。而基于车牌图像特征的定位算法实现简单、定位速度快，不需要大量的 数据存储，对于车牌定位的普遍适用性较强。但这类方法缺乏对于复杂背景、光照变化及仿 射变换的车牌图像的鲁棒性定位。
[0006] 文南犬[1] ：Tarabek P. A real-time license plate localization method based on vertical edge analysis[C]·Computer Science and Information Systems (FedCSIS), 2012Federated Conference on.IEEE,2012:149-154〇
[0007] 文献[2] :Du Y，Shi W，Liu C. Research on an efficient method of license plate location[J]. Physics Procedia，2012,24:1990-1995。
[0008] 文献[3] :B. F Wu，S. P Lin，C. C Chiu. Extracting characters from real vehicle licence plates out-of-doors[J] · Computer Vision，IET，2007, I (I):2-10〇
[0009] 文献[4]:万燕，徐勤燕，黄蒙蒙.复杂背景中基于纹理和颜色的车牌定位研究 [J].计算机应用与软件，2013, 30(10) :259-262。
[0010] 文献[5]:汪志兵，崔慧娟.一种基于纹理特征抽取的车牌定位预处理方法[J]. 计算机应用研究，2004, 21 (1) : 255-257。
[0011] 文南犬[6] :Faradj FjRezaie A HjZiaratban M. A morphological-based license plate location[C]Image Processing, 2007. ICIP 2007. IEEE International Conference on.IEEE,2007:57-60 〇
[0012] 文献[7] :Mai V D，Miao D，Wang R，et al. An improved method for VietnamLicense Plate location. [C]Multimedia Technology (ICMT), 2011International Conference on.IEEE，2011:2942-2946。
[0013] 文献[8]:吴艳，陈忠进，乐志文.Harris角点检测与AP聚类结合的车牌定位方 法[J].广西科技大学学报，2014, 25(2):54-57。
[0014] 文南犬[9] :Chen Rj Luo Y. An improved license plate location method based on edge detection[J]. Physics Procediaj2012, 24:135〇-1356〇
[0015] 文献[10] :Li G，Liu C，He M Q，Huang X Y. A location method for vehicle license plate based on color image and black white texture[C]. International Workshop and Conference on Photonics and Nanotechnology 2007. International Society for Optics and Photonics，2007:67944-67949。
[0016] 文献[11]:王枚，苏光大，王国宏.复杂环境下的车牌定位及目标真实性验证算 法[J].光学精密工程，2009, 17(4):886-894。
[0017] 文献[12]:廉宁，徐艳蕾.基于数学形态学和颜色特征的车牌定位方法[J].工 程图学学报，2014, 35 (5) : 774-779。
[0018] 文献[13]:金玲玲，廖芹，汪刘一.汽车牌照的提取方法[J].华南理工大学学 报（自然科学版），2002, 30 (7) : 95-98。
[0019] 文献[14]: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。
[0020] 文献[15] :Kim K I，Jung K，Kim J H. Color texture-based object detection:an application to license plate localization[J]Pattern Recognition with Support Vector Machines. Springer Berlin Heidelberg, 2002:293-309。
[0021] 文献[16]:章品正，王健弘.一种应用机器学习的车牌定位方法[J].应用科学 学报，2011，29(2) : 147-152。
【发明内容】
[0022] 本发明的目的是提供一种融合仿射不变角点特征及视觉颜色特征的车牌定位算 法，采用该算法可以大大减弱旋转变换、尺度变换和噪声带来的影响，算法可以达到快速、 准确和鲁棒性强的定位效果。