一种车牌筛选方法及装置的制造方法
【技术领域】
[0001]本发明涉及车牌检测技术领域，更具体地说，涉及一种车牌筛选方法及装置。
【背景技术】
[0002]时至今日，车牌识别设备已经越来越广泛地应用在公安局、军区、武警大队等单位，在这些单位的出入口往往需要识别的不只是其对应的一种车牌，而是需要同时实现对于民用牌和其他类型车牌的识别。
[0003]通常车牌识别设备包括车牌检测模块及字符识别模块等，由车牌检测模块对不同的车牌进行检测，并将检测得到的车牌发送至字符识别模块，由字符识别模块对车牌的字符进行识别。由于军牌、武警牌、警牌及民用牌的外观尺寸和字符间隔等相似但并不完全相同，因此，如果简单累加或套用民用牌的车牌检测方法，容易出现耗时过长或检测性能较低的情况，即现有技术对多类型车牌进行检测时难以同时兼顾较高的检测率、较短的耗时和较少的虚警。
[0004]综上所述，现有技术中缺少一种在对多类型车牌进行检测时能够同时兼顾较高的检测率、较短的耗时和较少的虚警的技术方案。
【发明内容】
[0005]本发明的目的是提供一种车牌筛选方法及装置，以在对多类型车牌进行检测时能够同时保证较高的检测率、较短的耗时及较少的虚警。为了实现上述目的，本发明提供如下技术方案:
[0006]—种车牌筛选方法，包括:
[0007]提取待测小图的LBP特征，所述待测小图为将包含有车牌的待测图像进行粗检后得到的任一小图；
[0008]基于所述待测小图的LBP特征，利用预先训练的N个第一级分类器分别对所述待测小图进行分类，得到N个第一级分类结果;其中，所述第一级分类器与车牌类型一一对应，N为大于1的整数；
[0009]如果所述N个第一级分类结果中存在判定所述待测小图为车牌的分类结果，则提取该待测小图的颜色特征和H0G特征；
[0010]基于所述待测小图的LBP特征、颜色特征及H0G特征，利用预先训练的第二级分类器对所述待测小图进行分类，得到该待测小图是否为车牌的第二级分类结果;其中，所述第二级分类器与所述N个第一级分类器对应的全部车牌类型相对应。
[0011 ]优选的，任一第一级分类器的预先训练过程包括:
[0012]获取第一预设数量的训练图像，并对所述训练图像进行粗检得到训练小图，其中，每个所述训练图像中包含的车牌类型相同；
[0013]将其图像为车牌的训练小图加入训练正样本，其图像为背景的训练小图加入训练负样本，并提取每个所述训练小图的LBP特征；
[0014]基于所述训练正样本、所述训练负样本及每个所述训练小图的LBP特征训练得到与所述训练图像中包含的车牌类型相对应的SVM分类器，并确定该SVM分类器为第一级分类器。
[0015]优选的，所述第二级分类器的预先训练过程包括:
[0016]确定用于训练所述N个第一级分类器的全部训练图像为总训练图像，并对所述总训练图像进行粗检得到总训练小图；
[0017]将其图像为车牌的总训练小图加入总正样本中，其图像为背景的总训练小图加入总负样本中，并提取每个所述总训练小图的LBP特征、H0G特征及颜色特征；
[0018]基于所述总正样本、所述总负样本及每个所述总训练小图的LBP特征、H0G特征及颜色特征训练得到与所述总训练图像中包含的全部车牌类型相对应的SVM分类器，并确定该SVM分类器为第二级分类器。
[0019]优选的，所述第二级分类器的预先训练过程还包括:
[0020]获取第二预设量的指定待测图像，并对所述指定待测图像进行粗检得到指定待测小图；
[0021]获取所述指定待测小图的LBP特征，并基于所述指定待测小图的LBP特征，利用所述N个第一级分类器对所述指定待测小图进行分类，得到分类结果；
[0022]基于所述分类结果获知所述指定待测小图中其图像为背景但被任一第一级分类器判定为车牌的指定待测小图，并将该指定待测小图加入总负样本中。
[0023]优选的，还包括:
[0024]将所述待测小图、所述指定待测小图、所述训练小图及所述总训练小图缩放到48*16之后，再对其进行相应的处理。
[0025]优选的，提取所述待测小图、所述指定待测小图、所述训练小图及所述总训练小图的LBP特征及H0G特征，包括:
[0026]将所述待测小图、所述指定待测小图、所述训练小图及所述总训练小图转换为灰度图像，进而提取其LBP特征及H0G特征。
[0027]优选的，提取所述待测小图及所述总训练小图的颜色特征包括:
[0028]选取所述待测小图及所述总训练小图的中心区域为目标区域，统计所述目标区域中每个像素的R值、G值及B值，得到与之对应的第一分布直方图；
[0029]将所述待测小图及所述总训练小图转换至ijYCrCb空间，统计所述目标区域中每个像素的Cr值和Cb值，得到与之对应的第二分布直方图；
[0030]对所述第一分布直方图和所述第二分布直方图进行归一化，得到所述待测小图及所述总训练小图的颜色特征。
[0031]优选的，用于训练任一所述第一级分类器的训练正样本与训练负样本的比值为2:1;用于训练第二级分类器的总正样本与总负样本的比值为1: 1。
[0032]一种车牌筛选装置，包括:
[0033]第一提取模块，用于提取待测小图的LBP特征，所述待测小图为将包含有车牌的待测图像进行粗检后得到的任一小图；
[0034]第一级分类模块，用于基于所述待测小图的LBP特征，利用预先训练的N个第一级分类器分别对所述待测小图进行分类，得到N个第一级分类结果;其中，所述第一级分类器与车牌类型一一对应，N为大于1的整数；
[0035]第二提取模块，用于如果所述N个第一级分类结果中存在判定所述待测小图为车牌的分类结果，则提取该待测小图的颜色特征和H0G特征；
[0036]第二级分类模块，用于基于所述待测小图的LBP特征、颜色特征及H0G特征，利用预先训练的第二级分类器对所述待测小图进行分类，得到该待测小图是否为车牌的第二级分类结果;其中，所述第二级分类器与所述N个第一级分类器对应的全部车牌类型相对应。
[0037]优选的，还包括:
[0038]第一获取模块，用于获取第一预设数量的训练图像，并对所述训练图像进行粗检得到训练小图，其中，每个所述训练图像中包含的车牌类型相同；
[0039]第一样本获取模块，用于将其图像为车牌的训练小图加入训练正样本，其图像为背景的训练小图加入训练负样本，并提取每个所述训练小图的LBP特征；
[0040]第一训练模块，用于基于所述训练正样本、所述训练负样本及每个所述训练小图的LBP特征训练得到与所述训练图像中包含的车牌类型相对应的SVM分类器，并确定该SVM分类器为第一级分类器；
[0041]第二获取模块，用于确定用于训练所述N个第一级分类器的全部训练图像为总训练图像，并对所述总训练图像进行粗检得到总训练小图；
[0042]第二样本获取模块，用于将其图像为车牌的总训练小图加入总正样本中，其图像为背景的总训练小图加入总负样本中，并提取每个所述总训练小图的LBP特征、H0G特征及颜色特征；
[0043]第二训练模块，用于基于所述总正样本、所述总负样本及每个所述总训练小图的LBP特征、H0G特征及颜色特征训练得到与所述总训练图像中包含的全部车牌类型相对应的SVM分类器，并确定该SVM分类器为第二级分类器。
[0044]本发明提供的一种车牌筛选方法及装置，该方法包括:提取待测小图的LBP特征，所述待测小图为将包含有车牌的待测图像进行粗检后得到的任一小图；基于所述待测小图的LBP特征，利用预先训练的N个第一级分类器分别对所述待测小图进行分类，得到N个第一级分类结果;其中，所述第一级分类器与车牌类型一一对应，N为大于1的整数;如果所述N个第一级分类结果中存在判定所述待测小图为车牌的分类结果，则提取该待测小图的颜色特征和H0G特征;基于所述待测小图的LBP特征、颜色特征及H0G特征，利用预先训练的第二级分类器对所述待测小图进行分类，得到该待测小图是否为车牌的第二级分类结果;其中，所述第二级分类器与所述N个第一级分类器对应的全部车牌类型相对应。本申请公开上述技术特征中，基于待测小图的LBP特征，利用N个第一级分类器对待测小图进行分类，确定待测小图是否为任一第一级分类器对应的车牌类型，通过第一级分类器能够快速判断出待测小图是否可能为车牌，且当利用第一级分类器对多个待测小图进行分类时，能够快速减少其图像为背景的待测小图，且保证其图像确实为车牌的待测小图不被过滤掉;基于第一级分类器判定其图像为车牌的待测小图的LBP特征、颜色特征及H0G特征，利用第二级分类器对其进行分类，确定其是否为车牌，第二级分类器所依据的特征维度较