专利名称：车辆号牌实时精确识别方法
技术领域：
本发明属于交通管理领域，主要涉及图像识别技术。
背景技术：
车辆号牌是车辆的身份，准确识别车辆号牌在交通管理中起着重要的作用， 只有准确识别号牌，才能对车辆进行监督、约束、处理。汽车是一种危险程度 较高的交通工具，尤其在车辆高速行驶的时候，需要更严格的监督。但高速行 驶车辆的号牌不容易看清楚，摄像机、相机也很难将号牌拍摄清楚，若用计算 机进行识别，更是很难正确识别。另外，车辆号牌根据地域、用途、车辆类型 等有很多版本、样式。
随着计算机技术和传感器技术的快速发展，视频检测已经成为智能交通系 统领域一个重要的感知环境手段，视频检测是以交通视频图像处理为基础的， 交通视频图像的处理和分析所研究的主要内容包括交通场景分析和交通事件检 测。前者主要研究的是车辆的分割、车辆跟踪等各种基本问题，其中研究的核 心和重点问题在于动态车辆的检测和跟踪；后者则在前者研究的基础上进一步 进行交通语义分析，取得车牌、车流量、车速、车型、时间占有率、车流密度 等交通流数据信息以及违章超速、违章逆行、违章越线、违章转弯等交通违章 行为信息，完成各种交通事件的检测，其中各种交通违章行为的检测是以车辆 号牌的快速有效识别为基础。
目前车辆号牌的识别主要靠人工识别摄像机记录下违规、肇事车辆，人 工在后期通过察看录像来识别车辆号牌，实时性很差，无法实现实时处罚。车 辆号牌的自动识别主要是通过计算机对图像进行字符识别(OCR)， OCR的方法 有很多，如基于模板匹配算法和基于人工神经网络算法。但这些算法是以图 像的清晰度为条件的，对于模糊的图像识别的误识率会增高，所以，在识别之 前应该对图像进行处理。
图像中号牌区域的确定(号牌定位)是号牌识别的关键步骤。90%左右的号 牌可以由定向反射图像定位，定向反射图像中号牌区域非常突出，所以利用普 遍采用的水平垂直直接投影删的方法就可以获得很好的效果，但约有10%的车
辆号牌反光表面严重损伤或没有反光特性，这样的车辆属于自然光图像号牌定 位，由于自然光图像中包含大量的背景目标，所以目前自然光图像号牌定位的 问题还没有很好地解决。
发明内容
本发明提供一种车辆号牌实时识别方法，利用局部区域的最大梯度差(Maximum Gradient Difference—MGD)描述车牌字符笔画的纹理特征，来实现 车牌的粗定位，从而解决自然光图像号牌定位的问题。
本发明的解决方案是车辆号牌实时精确识别方法，该方法利用触发机构 控制抓拍相机，计算机将抓拍相机拍摄的车辆号牌进行特征提取、号牌定位、 号牌分割，然后进行字符识别，得到号牌字符，其特征在于其中的号牌定位 首先采用局部区域的最大梯度差(Maximum Gradient Difference—MGD)技术实现车牌的粗定位，然后在粗定位的基础上通过计算文字像素点和背景像素点的 灰度统计实现局部阈值的二值化，再根据车牌字符的连通域特征提取车牌字符， 最后结合车牌字符的结构实现车牌的精确定位。
所述的号牌分割采用标准模板匹配的方法号牌字符分割的模板匹配，该过 程为(D利用垂直投影方法获得字符的初始位置；② 通过标准模板的伸缩和位置偏移去寻找和字符初始分割位置"最接近"的一个模板；③ 再通过垂直投影信息作进一步的细微调整；⑨给出字符的水平位置信息和垂直位置信息。
所述的字符识别采用基于模板匹配算法或基于人工神经网络算法的字符识 别技术。
所述的触发机构采用线阵CCD相机扫描路面情况，通过二值算法，判断是 否有车辆出现。
本发明的有益效果是采用上述方法后，可以对抓拍相机抓拍的车辆号牌 进行实时识别；并且，解决了自然光图像号牌定位的问题；实现号牌精确定位; 可以识别各种特殊号牌。
附图是车牌识别流程图。
图中，1、线阵CCD相机，2、抓拍相机。
具体实施例方式
触发机构通过龙门架架设在前边路面的上方，触发机构采用线阵CCD相机， 镜头垂直路面向下，可扫描下面路面，扫描信息通过计算机进行二值化处理， 判断是否有车辆出现；抓拍相机组通过龙门架架设在后边路面的上方，可拍摄 前边路面的情况，抓拍相机在安装前要事先调好焦距。
触发机构的工作过程是对线阵CCD相机拍摄的每帧图像进行小波变换， 统计若干帧相邻像素灰度变化情况，将出现概率最大的情况作为背景纹理特征， 并逐帧对数据进行二值化和分析处理。如果某一车道连续有30行数据均有目标 出现并且其目标点总数超过一定的阈值，则认为该车道有车辆出现，向主程序 发送触发消息，启动相应程序进行抓拍。
抓拍后，进行车牌识别车牌识别流程如附图所示，分为特征提取、号牌 定位、字符分割、字符识别等步骤。其中特征提取是通过匹配算法找到图像中 含有车牌的区域。而号牌定位是号牌识别的关键步骤，本系统中，90%左右的 号牌可以由定向反射图像很好地定位，定向反射图像中号牌区域非常突出，所 以利用普遍采用的水平垂直直接投影删的方法就可以获得很好的效果。号牌反 光表面严重损伤或没有反光特性的少数汽车号牌(约有10%)的定位问题，也就 是自然光图像号牌定位问题最难解决自然光图像中包含大量的背景目标，如何 从这些复杂的背景目标中将汽车号牌区分出来是问题的关键。本方法中利用局 部区域的最大梯度差(Maximum Gradient Difference—MGD)描述车牌字符笔画
的纹理特征，并由其实现车牌的粗定位，在粗定位的基础上通过计算文字像素 点和背景像素点的灰度统计实现局部阈值的二值化，再根据车牌字符的连通域 特征提取车牌字符，最后结合车牌字符的结构实现车牌的精确定位。汽车号牌 的字符排布总是遵循几种标准的模板，因此号牌字符的分割可以采用标准模板 匹配的方法进行号牌字符分割的模板匹配，其过程为①利用垂直投影方法获 得字符的初始位置；②通过标准模板的伸縮和位置偏移去寻找和字符初始分割 位置"最接近"的一个模板；③再通过垂直投影信息作进一步的细微调整；④ 后给出字符的水平位置信息和垂直位置信息(用于货车尾牌和新式牌结构)。字 符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板 匹配算法首先将分割后的字符二值化并将其尺寸大小縮放为字符数据库中模板
的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神 经网络的算法有两种 一种是先对待识别字符进行特征提取，然后用所获得特 征来训练神经网络分配器；另一种方法是直接把待处理图像输入网络，由网络 自动实现特征提取直至识别出结果。
本发明采用的号牌识别技术具有识别车牌类型全的优点。该系统能够识别
02式个性化号牌(GA36.1-2001)、现用92式号牌(GA36-92)的民用车号牌以 及军车、警车、武警、港澳等特殊号牌的汉字、字母、数字、颜色等信息，因 此能够识别现有的所有车辆通行并记录车辆车牌类型；同时，该系统具备自我 学习能力，不断改善识别效果。
权利要求
1. 车辆号牌实时精确识别方法，该方法利用触发机构控制抓拍相机，计算机将抓拍相机拍摄的车辆号牌进行特征提取、号牌定位、号牌分割，然后进行字符识别，得到号牌字符，其特征在于其中的号牌定位首先采用局部区域的最大梯度差(Maximum Gradient Difference—MGD)技术实现车牌的粗定位，然后在粗定位的基础上通过计算文字像素点和背景像素点的灰度统计实现局部阈值的二值化，再根据车牌字符的连通域特征提取车牌字符，最后结合车牌字符的结构实现车牌的精确定位。
2. 根据权利要求1所述的车辆号牌实时精确识别方法，其特征在于所 述的号牌分割采用标准模板匹配的方法进行号牌字符分割的模板匹配，该过程为① 利用垂直投影方法获得字符的初始位置；② 通过标准模板的伸縮和位置偏移去寻找和字符初始分割位置"最接近"的一个模板；③ 再通过垂直投影信息作进一步的细微调整；(D给出字符的水平位置信息和垂直位置信息。
3. 根据权利要求1所述的车辆号牌实时精确识别方法，其特征在于所 述的字符识别采用基于模板匹配的算法。
4. 根据权利要求1所述的车辆号牌实时精确识别方法，其特征在于所述的字符识别采用基于人工神经网络的算法。
5. 根据权利要求1所述的车辆号牌实时精确识别方法，其特征在于所述的触发机构采用线阵CCD相机扫描路面情况，通过二值算法，判断是否有车辆出现。
全文摘要
车辆号牌实时精确识别方法，属于交通管理领域。该方法利用触发机构控制抓拍相机，计算机将抓拍相机拍摄的车辆号牌进行特征提取、号牌定位、号牌分割，然后进行字符识别，得到号牌字符，其特征在于其中的号牌定位首先采用局部区域的最大梯度差(Maximum Gradient Difference—MGD)技术实现车牌的粗定位，然后在粗定位的基础上通过计算文字像素点和背景像素点的灰度统计实现局部阈值的二值化，再根据车牌字符的连通域特征提取车牌字符，最后结合车牌字符的结构实现车牌的精确定位。该方法解决了自然光图像号牌定位的问题；实现号牌精确定位；可以识别各种特殊号牌。
文档编号G06K9/00GK101383003SQ200810225448
公开日2009年3月11日 申请日期2008年10月31日 优先权日2008年10月31日
发明者勇 文, 李卫江, 蒋雅辉, 铮 黄 申请人:江西赣粤高速公路股份有限公司