专利名称：基于数字视频的车牌查找方法
技术领域：
本发明主要涉及一种基于数字视频的车牌查找方法。
背景技术：
现有的基于数字视频的车牌识别方法主要有两种触发策略以200710120602. 0 为代表的有触发方法，利用道路中预埋的压力线圈采集车辆驶入信号，触发监视摄像机进 行采集，该方法的缺陷是必须依赖压力传感器，应用环境受限；以200410102933. 8为代表 的无触发方法则是针对视频中每一帧图像进行处理，该方法的缺陷是数据量巨大，增大了 系统资源消耗，并且其中存在海量冗余处理，效率不高。传统车牌定位方法大多基于颜色特征或形状特征进行处理，基于颜色的方法易受 光照和环境颜色影响，准确度不高；基于形状特征的方法，比如200810114753. X，采用了基 于边缘搜索的方法，当汽车外观方框形部件较多时，耗时较长，而且准确度不高，易受汽车 外形及环境影响。传统的车牌字符分割方法，比如200610122533. 2等，是对车牌图像求垂直投影， 以最左边界为起始点从左至右搜索，以垂直投影的极小值点作为相邻字符的间隔点，实现 字符分割。该方法的缺陷主要在于实用效果欠佳。由于实际车牌图像受车牌破损、图像降 质、边界干扰等因素影响，会导致边缘起始字符的分割可能不准确。现有的车牌字符识别方法主要是依据老的国家标准GA36-92的规定，各位置 字符指定为字母或数字的规则，采用各种算法进行字母或数字的识别；或者是对任意 一位字符不分字母或数字，进行统一的一次性识别的处理，如专利200810062050.7、 200910035484. 2。由于当前车牌编号规则更加多样化，除第一个字符是各省、直辖市简称的 汉字字符外，其余字符不再完全符合GA36-92的规定；不分字母和数字统一进行识别的处 理，相应地扩大了待识别范围，增加了干扰因素，识别准确度不高。
发明内容
针对现有的车牌识别技术，本发明提供一种基于数字视频的车牌识别方法，该方 法包括视频运动帧提取、车牌区域定位、车牌字符投影分割、车牌字符识别方法。本发明设计的车牌检索方法主要针对道路、街面的海量实时监视视频流或者视频 存储文件进行处理，提取其中的运动帧，在运动帧中采用高质量算法发现、提取、识别可能 存在的车牌号码，并将其与可疑车牌目标进行检索比对，返回检索结果。其完整处理流程如
图1所示，下面对本发明中的技术方案阐述如下1、针对运动帧的车牌提取策略本发明采取的策略是对视频流或者视频文件进行运动分析，仅针对视频流中的 运动帧部分，或者视频文件解码后得到的关键帧中发生了运动的部分，进行车牌识别和检 索处理。具体流程为
Stepl 针对视频文件进行解码，提取关键帧；St印2 针对关键帧或者视频流，进行基于三帧差分的运动检测，提取运动帧；Step3 将提取到的运动帧转为灰度图像；Step4 针对提取到的运动帧进行后续车牌识别处理。2、结合梯度运算和多特征多方向投影的车牌区域定位方法该方法根据车牌区域内灰度变化频繁的特点，在梯度运算的基础上实现二值化， 分别计算二值图像水平特征在水平方向上的投影以及二值图像垂直特征在垂直方向上的 投影，以提取车牌区域。在此基础上的车牌区域提取流程示意图如图2所示。具体过程如下Stepl 计算运动帧灰度图像的水平梯度令待处理视频帧灰度图像为I (i，j)，则水平梯度为G (i，j) = abs (I (i，j+1) -I (i，j))Step2 根据梯度值大小，实现运动帧灰度图像二值化 设定适当阈值th_G，则二值化图像C为
权利要求
基于数字视频的车牌查找方法，该方法包括视频运动帧提取、车牌区域定位、车牌字符投影分割、车牌字符识别方法，其特征在于具体过程如下(1)提取运动帧对视频流或者视频文件进行运动分析，仅针对视频流中的运动帧部分，或者视频文件解码后得到的关键帧中发生了运动的部分，进行车牌识别和检索处理；(2)车牌区域提取根据车牌区域内灰度变化频繁的特点，在梯度运算的基础上进行图像二值化处理，分别计算二值图像水平特征在水平方向上的投影以及二值图像垂直特征在垂直方向上的投影，以提取车牌区域；(3)车牌字符分割在二值图像垂直投影图中，搜索最优的字符起始点，以此起始点为搜索起始点，向左右两边搜索，结合垂直投影极小值点，实现字符分割；(4)字符粗分类用基于模板匹配的方法进行粗分类；(5)字符细分类分别建立适用于汉字、字母和数字的识别网络，采用径向基函数神经网络的方法进行细分类；(6)结构特征验证根据结构特征对细分类结果进行验证，验证成功则输出当前帧车牌识别结果，验证失败则返回重新进行字符分类；(7)统计输出统计连续多帧的识别结果，对每一位字符以频率最高的识别结果作为最终的统计结果；(8)车牌比对将车牌识别结果与目标车牌相比对。
2.根据权利要求1所述的基于数字视频的车牌查找方法，其特征在于针对运动帧的 车牌提取方法具体步骤为Stepl 针对视频文件进行解码，提取关键帧；Step2 针对关键帧或者视频流，进行基于三帧差分的运动检测，提取运动帧；Step3 将提取到的运动帧转为灰度图像；Step4 针对提取到的运动帧进行后续车牌识别处理。
3.根据权利要求1所述的基于数字视频的车牌查找方法，其特征在于车牌区域定位 方法具体过程如下Stepl 计算运动帧灰度图像的水平梯度；Step2 根据梯度值大小，实现运动帧灰度图像二值化；Step3 计算二值图像水平差异在水平方向的投影，提取车牌区域纵坐标；Step4 计算车牌纵坐标范围内的二值图像在垂直方向的投影，提取车牌区域横坐标。
4.根据权利要求1所述的一种基于数字视频的车牌查找方法，其特征在于车牌字符投 影分割方法具体步骤为Stepl 计算车牌二值图像垂直投影；St印2 搜索投影图像最优起始点；Step3 结合最优起始点与波谷，实现字符分割。
5.根据权利要求1所述的一种基于数字视频的车牌查找方法，其特征在于车牌字符识 别方法具体步骤为Stepl 建立粗分类图像模板； St印2:实际字符图像预处理；Step3 基于去均值归一化互相关法的匹配度计算，将车牌字符识别为汉字、字母、数字三类，即粗分类；Step4 训练分别适应于汉字、字母和数字的径向基函数神经网络； Step5:依据粗分类结果，将原始车牌字符图像分别对应输入汉字、字母、数字的径向基 函数神经网络，获得匹配率最高的字符作为输出，即细分类； St印6 针对细分结果，分析结构特征，进行验证；分析细分类结果字符与待识别字符的结构特征，将字符连通域数目特征、可能存在的 斜线数目及方向特征、可能存在的尖角数目及方向特征、对称性特征进行对应验证，如各 结构特征一致则作为该帧的车牌识别结果输出，跳转到St印9 ；如不一致，则返回st印5， 取与当前字符相同粗分类类型中匹配率次之的字符作为细分类结果，继续进行比对；如果 匹配率降至较低数值后结构特征仍无一致的结果，当前字符未改变过粗分类类型时，进入 St印7，已经改变过粗分类类型，则进入St印8 ；Step7:将当前字符改变粗分类结果，即字母改分为数字，数字改分为字母，然后返回 step5 ；StepS 当前帧待识别车牌字符质量较差，不能进行良好的识别，退出该帧的识别； St印9 对若干运动帧车牌识别结果的第1 7位分别进行统计，将每一位出现频率最 高的字符作为该位的最终输出。
6.根据权利要求1所述的一种基于数字视频的车牌查找方法，其特征在于建立粗分 类图像模板的过程为针对字符粗分类，通过大量实际车牌字符图像进行平均，建立对应 于A Z除I和0以外共24个字母、0 9共10个数字以及汉字的模板图像，统一尺寸为 hXw，对其进行二值化，字符区域为1，背景区域为0，并将字符居于图像矩阵的中间位置。
全文摘要
本发明公开了一种基于数字视频的车牌查找方法。该方法主要针对道路、街面的海量实时监视视频流或者视频存储文件进行处理，提取其中的运动帧，在运动帧中结合梯度运算和多特征多方向投影进行车牌区域提取，基于最优起始点的车牌字符投影分割，结合统计特征和结构特征的四重约束车牌字符识别，统计输出后，进行车牌检索。该方法完全基于视频本身进行处理，无需额外触发硬件，适用范围更广泛，智能化程度更高，准确度高。
文档编号G06K9/66GK101957920SQ201010275559
公开日2011年1月26日 申请日期2010年9月8日 优先权日2010年9月8日
发明者刘通, 李沛秦, 谢剑斌, 闫玮 申请人:中国人民解放军国防科学技术大学