一种新的车牌识别方法及系统的制作方法

一种新的车牌识别方法及系统的制作方法
【专利摘要】一种新的车牌识别方法及系统，具体为利用多种图像处理算法来完成从车牌图像预处理到最终的车牌字符识别的完整车牌识别系统，在车牌定位中，采用了基于数学形态学滤波技术；在车牌字符分割提取中，使用了垂直投影等方法；最后通过基于多特征提取的模板匹配技术完成了车牌字符识别。与现有技术相比，本发明车牌识别方法与系统能实现快速、鲁棒和精确的车牌识别。
【专利说明】-种新的车牌识别方法及系统

【技术领域】
[0001] 本发明涉及图像识别【技术领域】，尤其是一种新的车牌识别方法及系统。

【背景技术】
[0002] 近年来，随着我国交通运输业的迅猛发展的同时也带来了频发的交通事故、交通 拥堵、交通污染等问题，建立高效的智能交通运输系统ITS(Intelligent Transportation System)已经成为当前亟待解决的问题。车辆牌照是目前唯一能外在标识汽车的身份的标 志符号，因而车辆牌照识别系统LPRS (License Plate Recognition System)是ITS系统中 最关键的技术之一。
[0003] 车牌识别系统由车牌定位、车牌分割和字符识别三个关键模块组成，三大模块依 次进行。车牌定位是把车牌从整个车辆图像中提取出来，车牌分割是把车牌图像分成一个 个独立字符的过程，字符识别就是提取字符的特征数据，采用模板匹配或神经网络的识别 方法进行识别，给出识别结果。构成车牌识别系统的任何一个模块失误都会影响系统的性 能，图像处理和计算机视觉等技术的发展，已经促使车牌识别系统从理论向实际应用的方 向发展，但在实际应用中，车牌识别系统在光线不好，车牌质量不好等情况下，通用性和鲁 棒性较差，因而车牌识别系统除了需要拍摄质量较好的车辆图像外，还需要进一步研究并 提高车牌识别系统中各个模块的正确率。
[0004] 到了 20世纪90年代末，国外研究机构和公司开始系统地对车牌识别的技术进行 研究和开发应用，提出了很多识别算法，其中实用性强，鲁棒性好，性能好的车牌识别系统 开始用于停车场的电子收费、路口的出入车辆控制、道路行驶车辆的实时监控等。很多公司 研制生产了车牌识别方面的产品，如新加坡Zamir公司开发的Insignia系统和Optasia公 司研发的VPLRS系统，以色列Hi. Tech公司生产的See/Car System系列，这些产品都有很 强的针对性，像VLPRS产品主要针对新加坡所用的车牌进行识别，对其他国家的车牌识别 效果较差，Insignia系统则是根据欧洲和远东地区所采用的车牌特点而研究开发特定的车 牌识别系统，虽然Hi. Tech公司研发的See/Car System根据不同国家的车牌特点研制了相 对应的识别系统，但是See/Car System系列识别汉字的准确率很低，不能用于我国车牌识 别系统。
[0005] 我国相对国外来说起步比较晚，但在车牌识别技术研究方面发展迅速，我国在短 时间内取得了不错的发展，而且国内的许多公司还研发生产了车牌识别方面的产品，主要 包括：深圳市科安信实业有限公司、上海高德威智能交通系统有限公司、中国自动化研究所 的汉王公司和北京兰亭三和科技公司以及中国香港的亚洲视觉公司等。目前国内这些公司 所生产的车牌识别系统在车牌图像倾斜、有污迹、遭受磨损等情况下，识别率不高，对环境 适应性差。因此，目前仍需要对车牌识别技术进行深入研究，开发适合实用性强、鲁棒性好 的车牌识别方法及系统。


【发明内容】

[0006] 针对目前车牌识别系统所存在的问题，本发明提出了一种可实现快速、鲁棒和精 确的车牌识别的车牌识别方法及系统。
[0007] 本发明解决其技术问题所采用的技术方案为： 一种新的车牌识别方法，包括如下步骤： a) 车牌图像预处理，获得车牌的二值化图像； b) 车牌定位：首先利用垂直Sobel边缘检测算法对预处理后的二值化图像进行垂直 边缘的检测，再利用数学形态学方法对边缘图像进行车牌区域的粗定位，最后利用投影方 法来实现车牌区域的精确定位； c) 车牌字符分割：首先将车牌区域的边框去除，然后再利用垂直投影方法来分割字 符； d) 车牌字符识别：采用基于多特征的模板匹配识别方法，即首先将字符图像进行归一 化处理，然后提取字符图像的轮廓特征、投影特征，与模板库中的相应字符的特征进行匹配 对比，以达到精确识别。
[0008] 本发明还提供一种新的车牌识别系统，包括车牌图像预处理模块，用于对存在车 牌的图像进行图像预处理，获得车牌的二值化图像；车牌定位模块，用于基于数学形态学滤 波技术实现车牌区域的精确定位；车牌字符分割模块，用于利用垂直投影方法把定位好后 的车牌区域图像中的每个字符提取出来成为单个的字符；车牌字符识别模块，用于采用基 于多特征的模板匹配识别方法精确识别车牌字符。
[0009] 本发明利用多种图像处理算法来完成整个车牌识别从预处理直到最后的车牌识 别这一整个车牌识别系统，在车牌定位中，采用了基于数学形态学滤波技术；在车牌字符分 割提取中，使用了垂直投影等方法；最后通过基于多特征提取的模板匹配技术完成了车牌 字符识别，这种车牌识别方法与系统能实现快速、鲁棒和精确的车牌识别。

【具体实施方式】
[0010] 本发明实施例中，新的车牌识别方法包括车牌图像预处理、车牌定位、车牌字符分 割提取与车牌字符识别等关键步骤，下面一一叙述。
[0011] a)车牌图像预处理 在车牌识别系统中，由于摄像机拍摄采集得到的图像往往受到诸多因素影响而导致图 像质量无法直接用于系统处理，因此需要首先对存在车牌的图像进行图像预处理。在经过 预处理后，可以去除图像中噪声、增强图像关键信息、并能减少图像处理复杂度，可直接提 高整个车牌识别系统的鲁棒性和精确性。车牌图像预处理工作主要分为以下三个步骤。
[0012] 步骤1、灰度化：一般情况下，由摄像头采集到的车辆图像均为彩色图像，由于彩 色图像文件的占用存储空间大且影响处理图像的速度，因此，首先需要对彩色图像灰度化 处理，一般如下式所示：

【权利要求】
1. 一种新的车牌识别方法，其特征在于包括如下步骤： a) 车牌图像预处理，获得车牌的二值化图像； b) 车牌定位：首先利用垂直Sobel边缘检测算法对预处理后的二值化图像进行垂直 边缘的检测，再利用数学形态学方法对边缘图像进行车牌区域的粗定位，最后利用投影方 法来实现车牌区域的精确定位； c) 车牌字符分割：首先将车牌区域的边框去除，然后再利用垂直投影方法来分割字 符； d) 车牌字符识别：采用基于多特征的模板匹配识别方法，即首先将字符图像进行归一 化处理，然后提取字符图像的轮廓特征、投影特征，与模板库中的相应字符的特征进行匹配 对比，以达到精确识别。
2. 根据权利要求1所述的新的车牌识别方法，其特征在于：车牌图像预处理包括以下 步骤： 步骤一，灰度化：对彩色图像灰度化处理，如下式所示：
(1) 式（1)中,分别为像素fu)处的红、绿、蓝色的强度值为灰度化后 的灰度值； 步骤二，图像增强：采用基于拉普拉斯锐化掩模的图像增强方法，其公式为：
(2)
式⑵中为输人的灰度图像为增强后图像, 为输入图像 的拉普拉斯算子，其定义为：
(3) 利用拉普拉斯算子矩阵
与输入图像进行卷积后来得到上述的
利用锐化掩模矩阵
与输入图像进行卷积后得到最终的 增强图像 步骤三，图像二值化：将图像灰度值设置为0或者1的过程，使整个图像呈现非黑即 白的效果，见如下公式所示：
(4) 式（4)中，为最佳阈值，表示得到的增强图像的最大灰度值，为增强图像 的最小灰度值，最终的二值化图像通过下式来得到：
(5) 上式（5)中的输入卩为增强后的图像，及)1￡17(1，/)为最终的二值化图像。
3. 根据权利要求1所述的新的车牌识别方法，其特征在于，车牌定位包括以下步骤： 步骤一，垂直边缘提取：基于垂直Sobel边缘检测算法提取图像中的垂直边缘，也就是 利用Sobel垂直卷积核来与输入的二值化图像中每一像素点进行卷积运算后来得到垂直 边缘图像； 步骤二，数学形态学滤波：采用数学形态学滤波方法运对图像进行变换，来突出所需要 的图像信息，具体方法就是采用具备所需几何形态的结构元与二值化图像进行集合运算， 首先使用闭运算，再使用开运算，最终得到所需要的形态学滤波后图像，具体步骤如下： a)首先对垂直边缘二值化图像;^进行结构元
的闭运算，即结构元β定义 为高度为5像素，长度为19像素的矩形，闭运算是使用同一个结构元素对图像先膨胀后腐 蚀的运算，因此，目标图像if在结构元δ下的闭运算定义如下：
(6) 式（6)中，
定义为膨胀操作，即对于给定的目标图像y?和结构元R ，将y中每一点X扩大为&的操作；而
1定义为腐蚀操作，即满足
的点1的全体构成结构元β与目标图像f的最大相关点集； (2)再对进行闭运算后的图像y进行结构元5 = [1,19]的开运算，即结构元S定义为 高度为5像素，长度为19像素的矩形，开运算是使用同一个结构元素对图像先腐蚀后膨胀 的运算，因此，目标图像_^在结构元δ下的开运算定义如下：
(7) 式（7)中，
为膨胀操作，而
为腐蚀操作； 步骤三，根据车牌先验知识确定车牌区域：利用我国的车牌的先验知识从这些仅存的 候选区域中确定真实的车牌区域，首先，计算各个候选的矩形区域的长宽比，若长宽比在 2. 5和4. 5之间的则确定为可能的车牌区域，若出现多个可能的车牌区域，则测量该区域的 宽度和长度来判断是否满足车牌的真实宽度和长度，这样就能最终确定唯一的真实的车牌 区域，最后根据所提取的区域顶点坐标，将真实的车牌区域从原始的输入灰度输入图像中 裁剪出来。
4. 根据权利要求1所述的新的车牌识别方法，其特征在于，车牌字符分割包括以下步 骤： 步骤一，去除车牌区域边框：根据字符的跳变规律去掉上下边框和铆钉，具体做法为： (1)去除上下边框主要是统计车牌区域中每行像素值跳变次数，设跳变阈值为 = 14; (2) 从车牌区域图像的中间一行向上扫描统计，当遇到第一次每行跳变次数小于阈值 时，则停止，取字符区域的上界为该行的下一行位置； (3) 从车牌区域图像的中间一行向下扫描统计，当遇到第一次每行跳变次数小于阈值 时，则停止，取字符区域的下界为该行的上一行位置； (4) 至此，去掉了上下边框和铆钉的字符区域的上下边界就确定了；
(5) 去除左右边框主要是统计每列非零像素值的个数，并设阈值为 为车 牌区域图像的宽度； (6) 从车牌区域图像的中间一列向左扫描，当遇到第一次每列非零像素值个数大于阈 值时，则停止扫描，并取该列的右边一列为新的字符区域的左边界； (7) 从车牌区域图像的中间一列向右扫描，当遇到第一次每列非零像素值个数大于阈 值1^时，则停止扫描，并取该列的左边一列为新的字符区域的右边界； 步骤二，垂直投影分割字符，具体做法如下： (1) 设车牌字符区域二值图像的垂直投影分布图为其中/代表了列数，而 /(^+)是第j列所有像素值为1的像素点的个数，从车牌字符区域图像的最左边向最右边 扫描统计每列的垂直投影；
(2) 根据垂直投影图，设定一个阈值 其中?为车牌区域图像的宽度，令 W j = 1,从车牌从左向右依次扫描垂直投影满足条件一
，条件二
时，则标记为临界点Λνι ￠/),临界点记录了分割列所 在的位置，按照该列就将各个字符分割开。
5.根据权利要求1所述的新的车牌识别方法，其特征在于，车牌字符识别包括以下步 骤： 步骤一，字符图像的归一化：假设原始的字符图像大小为ix β，归一化变换后的字符 大小为H X 原始字符中的某个像素点￡1的位置是b Λ,则归一化后所在位置?) 由下式得到：
(8) 首先统计每个字符的垂直投影和水平投影，分别从上、下、左、右四个边框位置向内扫 描，记录初次出现投影值大于等于1的位置，并将该位置作为新的边框，然后利用公式（8) 和最近邻插值法将字符大小统一为48X24 ; 步骤二，字符图像的特征提取：设字符图像大小为If xf/,则下面为特征提取 的具体过程： (1) 轮廓特征提取：通过对其进行行列扫描，记录下扫描时图像中像素值有跳变的坐标 位置，提取字符的轮廓特征，具体步骤为：依次记从左至右、从右至左、从上至下、从下至上 扫描图像时像素值从〇变到1的第一个像素点的坐标分别为
和
(2) 投影特征提取：首先利用下式（9)求字符的水平投影和垂直投影
(9) 再求出字符的垂直投影密度，设字符总的像素值，
，则垂直投影密度
即在垂直方向上，垂直投影密度是根据每列的投影值除以字符总的像素值 得到，该密度特征反映的是每一列像素值所占整个字符像素值的比例，字符归一后的大小 为48X24,故其水平投影值的个数为48个，将这48个值依次排成一列，共48维，该向量表 示字符的水平投影特征，垂直投影密度共计24个，依次排成一列，共24维，表示字符的垂直 投影密度； 步骤三，基于多特征的字符匹配识别：分别提取待识别字符Q和标准模板P的轮廓特征 和投影特征，并计算这些特征之间的欧式距离值，进行模板匹配，距离最小者，则认为这两 个字符最相似，输出模板字符。
6. -种新的车牌识别系统，其特征在于，包括： 车牌图像预处理模块，用于对存在车牌的图像进行图像预处理，获得车牌的二值化图 像； 车牌定位模块，用于基于数学形态学滤波技术实现车牌区域的精确定位； 车牌字符分割模块，用于利用垂直投影方法把定位好后的车牌区域图像中的每个字符 提取出来成为单个的字符； 车牌字符识别模块，用于采用基于多特征的模板匹配识别方法精确识别车牌字符。
7. 根据权利要求6所述的新的车牌识别系统，其特征在于，车牌图像预处理模块包括： 灰度化单元，用于对彩色图像灰度化处理； 图像增强单元，用于增强图像； 图像二值化单元，用于将图像灰度值设置为〇或者1，使整个图像呈现非黑即白的效 果。
8. 根据权利要求6所述的新的车牌识别系统，其特征在于，车牌定位模块包括： 垂直边缘提取单元，用于基于垂直Sobel边缘检测算法提取图像中的垂直边缘； 数学形态学滤波单元，用于采用数学形态学滤波方法运对图像进行变换，来突出所需 要的图像信息； 车牌区域确定单元，用于根据车牌先验知识确定车牌区域。
9. 根据权利要求6所述的新的车牌识别系统，其特征在于，车牌字符分割模块包括： 去除车牌区域边框单元，用于根据字符的跳变规律去掉上下边框和铆钉； 垂直投影分割字符单元，用于将各个字符分割开。
10. 根据权利要求6所述的新的车牌识别系统，其特征在于，车牌字符识别模块包括： 字符图像归一化单元，用于对分割后的字符图像做归一化处理，将待识别字符尺寸归 一化到标准字符模板的尺寸； 字符图像特征提取单元，用于通过分析字符的结构或统计结构，提取字符的轮廓特征 与投影特征； 基于多特征的字符匹配识别单元，用于分别提取待识别字符Q和标准模板P的轮廓特 征和投影特征，并计算这些特征之间的欧式距离值，进行模板匹配，输出模板字符。
【文档编号】G06K9/00GK104156704SQ201410378116
【公开日】2014年11月19日 申请日期:2014年8月4日 优先权日:2014年8月4日
【发明者】胡艳艳 申请人:胡艳艳