一种车牌左右边界的定位方法及装置的制造方法
【技术领域】
[0001] 本发明涉及车牌识别技术领域，更具体地说，涉及一种车牌左右边界的定位方法 及装置。
【背景技术】
[0002] 随着我国车辆保有数量的快速增加，车牌识别系统的应用场景越来越广泛，对车 牌识别系统鲁棒性的挑战越来越大，对车牌识别的精度和速度的要求也越来越高。车牌识 别系统一般分为车牌检测、字符分割和字符识别等模块，上述三个模块中前一模块的输出 一般会作为后一模块的输入，因此，车牌检测是实现车牌识别的基础。
[0003] 现有技术对于车牌检测的方案中，可以通过一些简单的方法较好的定位到车牌的 上下边界，但是，对于车牌的左右边界的定位往往存在以下问题：1、利用机器学习得到的检 测器对车牌的左右边界进行检测，通常需要耗费较长的时间，且容易受到车牌周围类似字 符的其他物质的干扰，进而导致定位到的车牌的左右边界不准确；2、利用边缘、连通域、竖 直投影等方法对车牌的左右边界进行检测，往往会受到进气格栅、车牌边框等的干扰，进而 导致定位到的车牌的左右边界不准确。
[0004] 综上所述，现有技术中用于对车牌左右边界进行定位的方案存在耗费时间较长， 且定位准确性较低的问题。
【发明内容】
[0005] 本发明的目的是提供一种车牌左右边界的定位方法及装置，以解决现有技术中用 于对车牌左右边界进行定位的方案中存在的耗费时间较长，且定位准确性较低的问题。
[0006] 为了实现上述目的，本发明提供如下技术方案：
[0007] -种车牌左右边界的定位方法，包括：
[0008] 由粗检图像中提取目标区域，所述粗检图像为包含有车牌及所述车牌周围的第一 预设区域的图像，所述目标区域为包含有所述车牌的第二预设区域的图像；
[0009] 获取所述粗检图像中每个像素的H分量，并基于所述目标区域中每个像素的H分 量得到对应的直方图；
[0010] 利用所述直方图对所述粗检图像进行反投影，得到反投影图；
[0011] 以所述反投影图上与所述目标区域对应的区域为起始区域，在所述反投影图上进 行预设数量次Camshift算法，得到所述车牌左右边界的定位结果。
[0012] 优选的，利用所述直方图对所述粗检图像进行反投影，得到反投影图，包括：
[0013] 获取所述粗检图像中每个像素的H分量，确定所述粗检图像中每个像素的H分量 在所述直方图上对应的值为该像素在所述粗检图像中对应位置的值，得到反投影图。
[0014] 优选的，获取任一像素的H分量，包括：
[0015] 确定任一像素为目标像素，并获取该目标像素的R值、G值及B值；
[0016] 利用下列公式获得所述目标像素的H分量：
[0018] 其中，H表示所述目标像素的H分量，R表示该目标像素的R值，G表示该目标像素 的G值，B表示该目标像素的B值。
[0019] 优选的，由粗检图像中提取出目标区域，包括：
[0020] 提取所述粗检图像的中心区域作为所述目标区域，所述中心区域为所述粗检图像 的 16%。
[0021] 优选的，基于所述目标区域中每个像素的H分量得到对应的直方图，包括：
[0022] 利用下列公式确定任一像素在所述直方图中的横坐标值：
[0024] 其中，所述i为任一像素在所述直方图中的横坐标值，H为该像素的H分量，□表 示向上取整；
[0025] 确定任一横坐标值对应的像素的个数为该横坐标值对应的纵坐标值。
[0026] 优选的，还包括：
[0027] 对所述直方图进行归一化处理。
[0028] 优选的，对所述直方图进行归一化处理，包括：
[0029] 利用下列公式确定对所述直方图进行归一化处理后任一像素的纵坐标值：
[0031] 其中，NHist1表示对所述直方图进行归一化处理后任一像素的纵坐标值，Hist 1表 示对所述直方图进行归一化处理前该像素的纵坐标值。
[0032] 优选的，还包括：
[0033] 对所述反投影图进行二值化处理。
[0034] 优选的，对所述反投影图进行二值化处理，包括：
[0035] 利用大律算法对所述反投影图进行二值化处理。
[0036] -种车牌左右边界的定位装置，包括：
[0037] 提取模块，用于由粗检图像中提取目标区域，所述粗检图像为包含有车牌及所述 车牌周围的第一预设区域的图像，所述目标区域为包含有所述车牌的第二预设区域的图 像；
[0038] 直方图获取模块，用于获取所述目标区域中每个像素的H分量，并基于所述目标 区域中每个像素的H分量得到对应的直方图；
[0039] 反投影模块，用于利用所述直方图对所述粗检图像进行反投影，得到反投影图；
[0040] 定位模块，用于以所述反投影图上与所述目标区域对应的区域为起始区域，在所 述反投影图上进行预设数量次Camshift算法，得到所述车牌左右边界的定位结果。
[0041] 本发明提供的一种车牌左右边界的定位方法及装置，其中，该方法包括：由粗检 图像中提取目标区域，粗检图像为包含有车牌及车牌周围的第一预设区域的图像，目标区 域为包含有车牌的第二预设区域的图像；获取目标区域中每个像素的H分量，并基于目标 区域中每个像素的H分量得到对应的直方图；利用直方图对粗检图像进行反投影，得到反 投影图；以反投影图上与目标区域对应的区域为起始区域，在反投影图上进行预设数量次 Camshift算法，得到车牌左右边界的定位结果。与现有技术相比，本申请中公开的上述技术 特征，利用目标区域的H分量确定对应的直方图，进而利用直方图在粗检图像上进行反投 影，并利用Camshift算法定位车牌的左右边界，实验证明，利用目标区域的直方图进行反 投影，进而使用Camshift算法定位车牌的左右边界对车牌图像断裂和车身背景区域零散 的噪声（包括进气栅、车牌边框及其他类似字符的物质等）具有较好的鲁棒性，即，利用上 述方法对车牌左右边界定位的准确性较高，同时，利用该方法进行车牌左右边界时定位速 度较快，耗时较短，因此，本发明提供的一种车牌左右边界的定位方法及装置能够在耗时较 短的同时达到较高的定位准确性。
【附图说明】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。
[0043] 图1为本发明实施例提供的一种车牌左右边界的定位方法的流程图；
[0044] 图2为本发明实施例提供的一种车牌左右边界的定位装置的结构示意图。
【具体实施方式】
[0045] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0046] 请参阅图1，其示出了本发明实施例提供的一种车牌左右边界的定位方法的流程 图，可以包括以下步骤：
[0047] Sll :由粗检图像中提取目标区域，粗检图像为包含有车牌及车牌周围的第一预设 区域的图像，目标区域为包含有车牌的第二预设区域的图像。
[0048] 需要说明的是，粗检图像为包含有车牌及车牌周围的第一预设区域的图像，第一 预设范围可以根据实际需要进行确定，通常其范围较小，即粗检图像可以为包含有车牌及 车牌周围小范围区域的图像，并且，可以对粗检图像进行车牌上下边界的粗略定位。根据对 于粗检图像的处理，需要保证提取的目标区域为包含有车牌的区域，第二预设区域也可以 根据实际需要进行确定，通常第二预设区域内仅仅包括车牌。
[0049] S12 :获取目标区域中每个像素的H分量，并基于目标区域中每个像素的H分量得 到对应的直方图。
[0050] HSV(Hue, Saturation, Value)模型是根