泥头车车牌检测的方法及系统的制作方法
【专利摘要】泥头车车牌检测的方法及系统，本发明公开了一种泥头车车牌检测的方法，包括：获取蓝色车牌区域；通过汉字与英文字符分类器对所述蓝色车牌区域的蓝色车牌的第一个字符和/或第三个字符进行检测，当字符的检测结果符合预定条件时，则所述蓝色车牌为特殊车牌。能够对泥头车上的特殊车牌进行检测，完成对泥头车车牌的定位。
【专利说明】泥头车车牌检测的方法及系统
【技术领域】
[0001] 本发明涉及图像处理领域，特别是涉及一种泥头车车牌检测的方法及系统。
【背景技术】
[0002] 目前，车牌识别设备已经被广泛使用在停车场出入口，商厦出入口等地方。一般的 车辆上只有一个普通车牌，在岗亭和卡口，车都是一卡一车，刷卡通行，因此车牌识别只关 注对当前车辆，该识别方法对一个普通车牌有比较高的捕获率和识别率。
[0003] 但近年来，地方政府为了规范化管理泥头车，在泥头车上加装一个当地的特殊车 牌，蓝色车牌是特殊车牌，例如在深圳，泥头车的规范管理的车牌是蓝色，号码的顺序是两 个英文字母+深+4个数字，例如NC深0011。而普通的正常的车牌是车牌号码是省份（汉 字）+地区（英文）+5个英文字母或字符的组合。正是由于这种区别，在实际应用中给车牌 识别带来了困难，导致识别率的下降，以及误识别率的提高。对泥头车的特殊车牌的识别也 会出现错误，即一般的车牌首字符是汉字，但是泥头车的特殊车牌是英文字母。
[0004] 因此，如何检测泥头车上的特殊车牌，完成对泥头车车牌的定位问题，是本领域技 术人员需要解决的技术问题。
【发明内容】
[0005] 本发明的目的是提供一种泥头车车牌检测的方法，该方法能够对泥头车上的特殊 车牌进行检测，完成对泥头车车牌的定位；本发明的另一目的是提供一种泥头车车牌检测 的系统。
[0006] 为解决上述技术问题，本发明实施例提供如下技术方案：
[0007] -种泥头车车牌检测的方法，包括：
[0008] 获取蓝色车牌区域；
[0009] 通过汉字与英文字符分类器对所述蓝色车牌区域的蓝色车牌的第一个字符和/ 或第三个字符进行检测，当字符的检测结果符合预定条件时，则所述蓝色车牌为特殊车牌。 [0010] 其中，若仅对所述蓝色车牌区域的蓝色车牌的第一个字符进行检测，则所述预定 条件包括：第一个字符的检测结果为英文字符；
[0011] 若仅对所述蓝色车牌区域的蓝色车牌的第三个字符进行检测，则所述预定条件包 括：第三个字符的检测结果为汉字字符；
[0012] 若对所述蓝色车牌区域的蓝色车牌的第一个字符和第三个字符进行检测，则所述 预定条件包括：第一个字符的检测结果为英文字符且第三个字符的检测结果为汉字字符。
[0013] 其中，获取蓝色车牌的区域包括：
[0014] 获取车辆图像；
[0015] 通过边缘特性对所述车辆图像进行检测，获取车牌区域；
[0016] 通过蓝黑色车牌分类器对所述车牌区域进行检测，得到第一车牌区域；
[0017] 通过车牌颜色分类器对所述第一车牌区域进行检测，当检测结果为蓝色时，则得 到蓝色车牌区域。
[0018] 其中，获取蓝色车牌的区域之前还包括：
[0019] 获取车辆图像；
[0020] 通过边缘特性对所述车辆图像进行检测，获取车牌区域；
[0021] 对所述车牌区域进行反色操作，再利用蓝黑色车牌分类器对所述进行反色操作后 的区域进行检测，得到第二车牌区域；
[0022] 通过车牌颜色分类器对所述第二车牌区域进行检测，当检测结果为黄色时，则得 到黄色车牌区域。
[0023] 其中，通过边缘特性对所述车辆图像进行检测，获取车牌区域包括：
[0024] 提取所述车辆图像的水平和垂直的边缘图像，计算各边缘图像的积分图；
[0025] 使用预定的不同尺度的区域对全图进行扫描，在每一行或列中，计算在各区域中 的所有像素点的灰度值，保留灰度值大于阈值的区域；
[0026] 利用区域的面积重合度进行聚类操作，当存在两个区域的重合度达到阈值则保留 边缘密度大的区域；
[0027] 输出聚类后的区域，所述聚类后的区域为所述车牌区域。
[0028] 其中，汉字与英文字符分类器的获得的方法包括：
[0029] 获取预定数量车牌样本中各车牌中的每个汉字与英文字符作为单个样本；
[0030] 使用支持向量机对所述单个样本进行训练，获得汉字与英文字符分类器。
[0031] 其中，蓝黑色车牌分类器的获得的方法包括：
[0032] 获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像中蓝色 车牌或黑色车牌图像作为正样本，以非蓝色车牌或黑色车牌图像作为负样本；
[0033] 使用Haar特征对每一幅车辆图像的正样本和负样本分别进行表征，形成Haar特 征向量；
[0034] 利用级联的Adaboost算法对得到的Haar特征进行训练，获得级联蓝黑色车牌分 类器。
[0035] 其中，车牌颜色分类器的获得的方法包括：
[0036] 获取多数蓝色车牌，黑色车牌，黄色车牌以及白色车牌的样本；
[0037] 将所述蓝色车牌，黑色车牌，黄色车牌以及白色车牌的样本从RGB颜色模型转换 成六角锥体模型HSV颜色模型，并从HSV颜色模型中提取每一块所述样本图片块的颜色特 征；
[0038] 对四种颜色的车牌，根据颜色特征进行支持向量机训练，得到车牌颜色分类器。
[0039] 本发明实施例还提供一种泥头车车牌检测的系统，包括：获取模块，汉字与英文字 符分类模块，其中，
[0040] 获取模块，用于获取蓝色车牌区域；
[0041] 汉字与英文字符分类模块，用于通过汉字与英文字符分类器对所述蓝色车牌区域 的蓝色车牌的第一个字符和/或第三个字符进行检测，当字符的检测结果符合预定条件 时，则所述蓝色车牌为特殊车牌。
[0042] 其中，获取模块包括：获取单元，检测单元，第一分类单元，第二分类单元，其中，
[0043] 获取单元，用于获取车辆图像；
[0044] 检测单元，用于通过边缘特性对所述车辆图像进行检测，获取车牌区域；
[0045] 第一分类单元，用于通过蓝黑色车牌分类器对所述车牌区域进行检测；
[0046] 第二分类单元，用于通过车牌颜色分类器对所述第一车牌区域进行检测。
[0047] 基于上述技术方案，本发明实施例所提供的泥头车车牌检测的方法和系统，包括： 获取蓝色车牌区域；通过汉字与英文字符分类器对所述蓝色车牌区域的蓝色车牌的第一个 字符和/或第三个字符进行检测，当字符的检测结果符合预定条件时，则所述蓝色车牌为 特殊车牌。从而能够对泥头车上的特殊车牌进行检测，完成对泥头车车牌的定位。
【专利附图】
【附图说明】
[0048] 图1为本发明实施例提供的泥头车车牌检测的方法流程图；
[0049] 图2为本发明实施例提供的获取蓝色车牌区域的方法流程图；
[0050] 图3为本发明实施例提供的获取黄色车牌区域的方法流程图；
[0051] 图4为本发明实施例提供的获取泥头车双车牌区域的方法流程图；
[0052] 图5为本发明实施例提供的通过边缘特性对所述车辆图像进行检测，获取车牌区 域的方法流程图；
[0053] 图6为本发明实施例提供的汉字与英文字符分类器的获得的方法流程图；
[0054] 图7为本发明实施例提供的蓝黑色车牌分类器的获得的方法流程图；
[0055] 图8为本发明实施例提供的车牌颜色分类器的获得的方法流程图；
[0056] 图9为本发明实施例提供的泥头车车牌检测的系统的结构框图；
[0057] 图10为本发明实施例提供的获取模块的结构框图；
[0058] 图11为本发明实施例提供的汉字与英文字符的结构框图。
【具体实施方式】
[0059] 本发明的核心是提供一种泥头车车牌检测的方法，该方法能够对泥头车上的特殊 车牌进行检测，完成对泥头车车牌的定位；本发明的另一目的是提供一种泥头车车牌检测 的系统。
[0060] 为使本发明实施例的目的、技术方案和优点更加清楚，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。
[0061] 本发明为泥头车车牌的检测的方法，其中，所述泥头车为：一般代指工地上、建筑 类用车。这种车由于可以自卸，所以装的基本上是一些不易或不怕摔坏的东西，多用来装土 方，弄的浑身上下都是泥，所以后来人们多叫它泥头车。
[0062] 请参考图1，图1为本发明实施例提供的泥头车车牌检测的方法流程图，该方法可 以包括：
[0063] 步骤s 100、获取蓝色车牌区域；
[0064] 在车辆图像中，获取蓝色车牌区域。
[0065] 步骤S200、通过汉字与英文字符分类器对所述蓝色车牌区域的蓝色车牌的第一个 字符和/或第三个字符进行检测，当字符的检测结果符合预定条件时，则所述蓝色车牌为 特殊车牌。
[0066] 其中，若仅对所述蓝色车牌区域的蓝色车牌的第一个字符进行检测，则所述预定 条件包括：第一个字符的检测结果为英文字符；
[0067] 若仅对所述蓝色车牌区域的蓝色车牌的第三个字符进行检测，则所述预定条件包 括：第三个字符的检测结果为汉字字符；
[0068] 若对所述蓝色车牌区域的蓝色车牌的第一个字符和第三个字符进行检测，则所述 预定条件包括：第一个字符的检测结果为英文字符且第三个字符的检测结果为汉字字符。 [0069] 由上可知，通过汉字与英文字符分类器对获取的所述蓝色车牌区域中的蓝色车牌 进行检测，检测方法可以是：
[0070] 仅对所述蓝色车牌的第一个字符通过汉字与英文字符分类器进行检测，当检测结 果第一个字符为英文字符时，则所述蓝色车牌为泥头车的特殊车牌，当检测结果第一个字 符为汉字字符时，则所述蓝色车牌为普通蓝色车牌；
[0071] 仅对所述蓝色车牌的第三个字符通过汉字与英文字符分类器进行检测，当检测结 果第三个字符为汉字字符时，则所述蓝色车牌为泥头车的特殊车牌，当检测结果第三个字 符为英文字符时，则所述蓝色车牌为普通蓝色车牌；
[0072] 对所述蓝色车牌的第一个字符和第三个字符都通过汉字与英文字符分类器进行 检测，当检测结果为第一个字符为英文字符且第三个字符为汉字字符时，则所述蓝色车牌 为泥头车的特殊车牌，当检测结果为第一个字符为汉字字符或第三个字符为英文字符时， 则所述蓝色车牌为普通蓝色车牌。
[0073] 其中，对所述蓝色车牌的第一个字符和第三个字符都通过汉字与英文字符分类器 进行检测，可以包括，先对第一个字符进行检测在对第三个字符进行检测，或者先对第三个 字符进行检测在对第一个字符进行检测，或者同时对第一个字符和第三个字符进行检测。
[0074] 本发明实施例所提供的泥头车车牌检测的方法，包括：获取蓝色车牌区域；通过 汉字与英文字符分类器对所述蓝色车牌区域的蓝色车牌的第一个字符和/或第三个字符 进行检测，当字符的检测结果符合预定条件时，则所述蓝色车牌为特殊车牌。从而能够对泥 头车上的特殊车牌进行检测，利用汉字与英文字符分类器检测蓝色车牌是否为泥头车的特 殊车牌，不仅简单方便，而且能够快速进行判断，区分出泥头车的特殊车牌。
[0075] 优选的，图2给出了本发明实施例提供的获取蓝色车牌区域的方法流程图；参照 图2,获取蓝色车牌的区域的方法可以包括：
[0076] 步骤sllO、获取车辆图像；
[0077] 这里获取车辆图像，可以是由普通摄像头采集的，也可以是高清、超高清等其他摄 像头采集；也可以是其他能够进行图像采集的设备进行采集所获得的图像。
[0078] 步骤S120、通过边缘特性对所述车辆图像进行检测，获取车牌区域；
[0079] 其中，边缘特性：通过从图片中提取到的边缘特征提取算法将图像中目标与背景 间的边界线检测出来。边缘特征提取能够将背景与物体有效区分，从而压缩了图像数据量、 简化了图像表示和分析、突出了图像特征信息，使得对图像的进一步的处理更加方便和容 易。
[0080] 因此利用边缘特性对所述车辆图像进行检测，获取车牌区域，是一个简便可行且 准确率高的方式，其他方法可以得到车牌区域，此处，利用边缘特性仅是考虑到效率、准确 度后的优选方式，其他算法也可获得。
[0081] 步骤S130、通过蓝黑色车牌分类器对所述车牌区域进行检测，得到第一车牌区 域；
[0082] 其中，由于使用蓝色和黑色车牌进行车牌分类器训练，得到蓝黑色牌分类器。对上 述车牌区域先使用蓝黑色车牌分类器进行分类，如果检测出车牌，该车牌为蓝色或黑色车 牌即为所述第一车牌区域。即第一车牌区域不是蓝色车牌区域就是黑色车牌区域。
[0083] 其中，检测方法可以是：使用蓝黑色牌分类器进行多尺度扫描，从左到右，从上到 下的窗口扫描，对每个窗口提取haar特征。将提取的特征经过蓝黑色车牌分类器进行蓝色 或黑色车牌检测，满足条件则为蓝色或黑色车牌，否则不是。这里的扫描顺序并不是唯一 的，这里只是举例说明。同时特征点提取和分类器的训练也都是优选方式，更具有现实意， 其他算法也以可进行。
[0084] 经过我们的测试比较，在使用相同的测试视频以及现场测试结果显示，仅使用蓝 色和黑色车牌训练得到的车牌分类器在进行蓝色或黑色车牌检测时的检测率比全部车牌 一起训练得到的分类器高。
[0085] 步骤sl40、通过车牌颜色分类器对所述第一车牌区域进行检测，当检测结果为蓝 色时，则得到蓝色车牌区域。
[0086] 其中，通过车牌颜色分类器对所述第一车牌区域进行检测，该车牌颜色分类器能 够对车牌的颜色进行识别，通过车牌颜色分类器检测后即可以知道所检测的车牌为何种颜 色，当其中检测结果为蓝色的车牌区域，即得到所述蓝色车牌区域。
[0087] 其中，检测方法可以是：从原图中把这块区域截取，然后进行RGB到HSV转换。使 用车牌颜色分类器对转换后的区域进行颜色检测，确定该车牌是蓝色还是黑色。
[0088] 优选的，在对泥头车特殊车牌进行检测的同时，本发明还可以继而定位到泥头车 上另一个黄色车牌；图3给出了本发明实施例提供的获取黄色车牌区域的方法流程图；参 照图3,获取黄色车牌的区域的方法可以包括：
[0089] 步骤sllO、获取车辆图像；
[0090] 步骤sl20、通过边缘特性对所述车辆图像进行检测，获取车牌区域；
[0091] 步骤s320、对所述车牌区域进行反色操作，再利用蓝黑色车牌分类器对所述进行 反色操作后的区域进行检测，得到第二车牌区域；
[0092] 其中，目前利用颜色车牌分类器对车牌区域的检测方法为是把所有收集到得车 牌，包括蓝色、黑色、黄色和白色车牌一起训练，得到一个车牌分类器。然而蓝色和黑色车牌 是白色字，蓝色或者黑色底，而黄色和白色车牌是黑色字，白色或黄色底。经过了灰度图转 换后，蓝色和黑色车牌是白字，灰色或黑色底，而黄色和白色车牌是黑字，白色或灰色底。 [0093] 但是由于每个Haar的特征模板都是由两个或多个全等的矩形相邻组合而成，特 征模板内有白色和黑色两种矩形，并将此模板定义为白色矩形像素和减去黑色矩形像素 和，而蓝色和黑色车牌与黄色和白色车牌提取出来的特征是相反的；而且还由于在路上行 驶的机动车中蓝色和黑色车牌的数量要远远大于黄色和白色车牌的数量，因此黄色和白色 车牌样本收集比较困难，而且较蓝色和黑色车牌容易出现污损。因此把所有车牌一起训练 会导致车牌的检测率有所下降，并且黄色和白色车牌的检测率偏低。
[0094] 所以本发明提出一种新的车牌分类器训练与使用方法。本发明仅使用蓝色和黑色 车牌进行车牌分类器训练，得到蓝黑色牌分类器。把所述车牌区域进行反色操作，再利用蓝 黑色车牌分类器进行检测，如果检测出车牌，该车牌为黄色或白色车牌。经过反色后再使用 蓝黑色车牌分类器进行黄色和白色车牌检测，由于样本更丰富，检测率比全部车牌一起训 练得到的分类器高。
[0095] 其中，反色操作为：对每个像素进行255 -像素值的操作。反色操作后使用蓝黑色 牌分类器进行多尺度扫描，从左到右，从上到下的窗口扫描，对每个窗口提取Haar特征。将 提取的特征经过蓝黑色车牌分类器进行蓝色或黑色车牌进行检测，由于这里进行过反色， 因此经过蓝黑色车牌分类器检测出来的为黄色或者白色车牌区域，满足条件则为黄色或白 色的车牌，否则不是。这里的扫描顺序不是唯一的，这里只是举例说明，同时特征点提取和 分类器的训练也都是优选方式，更具有现实意，其他算法也以可进行。即第二车牌区域不是 黄色车牌区域就是白色车牌区域。
[0096] 步骤s330、通过车牌颜色分类器对所述第二车牌区域进行检测，当检测结果为黄 色时，则得到黄色车牌区域。
[0097] 其中，通过车牌颜色分类器对所述第二车牌区域进行检测，该车牌颜色分类器能 够对车牌的颜色进行识别，通过车牌颜色分类器检测后即可以知道所检测的车牌为何种颜 色，当其中检测结果为黄色的车牌区域，即得到所述黄色车牌区域；即完成了对泥头车中黄 色车牌的定位。
[0098] 其中，检测方法可以是：从原图中把这块区域截取，然后进行RGB到HSV转换。使 用车牌颜色分类器对转换后的区域进行颜色检测，确定该车牌是黄色还是白色。
[0099] 优选的，在图1所示实施例和本发明中此实施例合起来可以完成对泥头车双车牌 的定位；如图4给出了本发明实施例提供的获取泥头车双车牌区域的方法流程图；参照图 4,获取泥头车双车牌区域的方法可以包括：
[0100] 步骤sllO、获取车辆图像；
[0101] 步骤S120、通过边缘特性对所述车辆图像进行检测，获取车牌区域；
[0102] 步骤sl31、通过蓝黑色车牌分类器对所述车牌区域进行检测；
[0103] 步骤sl32、判断是否获得第一车牌区域，若是，进入步骤sl40 ;若否，进入步骤 s320 ；
[0104] 步骤sl40、通过车牌颜色分类器对所述第一车牌区域进行检测，当检测结果为蓝 色时，则得到蓝色车牌区域；
[0105] 步骤s320、对所述车牌区域进行反色操作，再利用蓝黑色车牌分类器对所述进行 反色操作后的区域进行检测，得到第二车牌区域；
[0106] 步骤s330、通过车牌颜色分类器对所述第二车牌区域进行检测，当检测结果为黄 色时，则得到黄色车牌区域。
[0107] 如上述在如1所示实施例和本实施例合起来完成了对泥头车双车牌的定位，利用 边缘检测的获取车牌区域的方法简便快速；利用蓝黑色车牌分类器进行检测检测率比全部 车牌一起训练得到的分类器高，而且简单；为实际应用中带来方便。
[0108] 优选的，如图5给出了本发明实施例提供的通过边缘特性对所述车辆图像进行检 测，获取车牌区域的方法流程图；参照图5,通过边缘特性对所述车辆图像进行检测，获取 车牌区域的方法可以包括：
[0109] 步骤S500、提取所述车辆图像的水平和垂直的边缘图像，计算各边缘图像的积分 图；
[0110] 其中，可以先将所述输入的RGB车辆图像转换为灰度图，为了减少搜索量，加快计 算速度，将转化厚度图像高度减少一半；
[0111] 计算输入图像的边缘图，使用一维离散微分模版[-1 0 1]在水平方向上对样本 图像进行处理，得到水平梯度图像；使用一维离散微分模版[-1 0 1]τ在垂直方向上对样本 图像进行处理，得到垂直梯度图像；
[0112] 为了避免一个方框的所有点的边缘值相加的重复计算，加快边缘密度的计算在算 法中使用了积分图；
[0113] 积分图上的每个像素点（x，y)包含了从点（〇,〇)到点（x，y)所有的像素的边缘 值，那么积分图
【权利要求】
1. 一种泥头车车牌检测的方法，其特征在于，该方法包括： 获取蓝色车牌区域； 通过汉字与英文字符分类器对所述蓝色车牌区域的蓝色车牌的第一个字符和/或第 三个字符进行检测，当字符的检测结果符合预定条件时，则所述蓝色车牌为特殊车牌。
2. 如权利要求1所述的方法，其特征在于，若仅对所述蓝色车牌区域的蓝色车牌的第 一个字符进行检测，则所述预定条件包括：第一个字符的检测结果为英文字符； 若仅对所述蓝色车牌区域的蓝色车牌的第三个字符进行检测，则所述预定条件包括： 第三个字符的检测结果为汉字字符； 若对所述蓝色车牌区域的蓝色车牌的第一个字符和第三个字符进行检测，则所述预定 条件包括：第一个字符的检测结果为英文字符且第三个字符的检测结果为汉字字符。
3. 如权利要求1所述的方法，其特征在于，所述获取蓝色车牌区域包括： 获取车辆图像； 通过边缘特性对所述车辆图像进行检测，获取车牌区域； 通过蓝黑色车牌分类器对所述车牌区域进行检测，得到第一车牌区域； 通过车牌颜色分类器对所述第一车牌区域进行检测，当检测结果为蓝色时，则得到蓝 色车牌区域。
4. 如权利要求1所述的方法，其特征在于，所述获取蓝色车牌的区域之前还包括： 获取车辆图像； 通过边缘特性对所述车辆图像进行检测，获取车牌区域； 对所述车牌区域进行反色操作，再利用蓝黑色车牌分类器对所述进行反色操作后的区 域进行检测，得到第二车牌区域； 通过车牌颜色分类器对所述第二车牌区域进行检测，当检测结果为黄色时，则得到黄 色车牌区域。
5. 如权利要求3或4所述的方法，其特征在于，所述通过边缘特性对所述车辆图像进行 检测，获取车牌区域包括： 提取所述车辆图像的水平和垂直的边缘图像，计算各边缘图像的积分图； 使用预定的不同尺度的区域对全图进行扫描，在每一行或列中，计算在各区域中的所 有像素点的灰度值，保留灰度值大于阈值的区域； 利用区域的面积重合度进行聚类操作，当存在两个区域的重合度达到阈值则保留边缘 密度大的区域； 输出聚类后的区域，所述聚类后的区域为所述车牌区域。
6. 如权利要求1所述的方法，其特征在于，所述汉字与英文字符分类器的获得的方法 包括： 获取预定数量车牌样本中各车牌中的每个汉字与英文字符作为单个样本； 使用支持向量机对所述单个样本进行训练，获得汉字与英文字符分类器。
7. 如权利要求3或4所述的方法，其特征在于，所述蓝黑色车牌分类器的获得的方法包 括： 获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像中蓝色车牌 或黑色车牌图像作为正样本，以非蓝色车牌或黑色车牌图像作为负样本； 使用哈尔小波Haar特征对每一幅车辆图像的正样本和负样本分别进行表征，形成 Haar特征向量； 利用级联的演算Adaboost算法对得到的Haar特征进行训练，获得级联蓝黑色车牌分 类器。
8. 如权利要求3或4所述的方法，其特征在于，所述车牌颜色分类器的获得的方法包 括： 获取多数蓝色车牌，黑色车牌，黄色车牌以及白色车牌的样本； 将所述蓝色车牌，黑色车牌，黄色车牌以及白色车牌的样本从三原色光模式RGB颜色 模型转换成六角锥体模型HSV颜色模型，并从HSV颜色模型中提取每一块所述样本图片块 的颜色特征； 对四种颜色的车牌，根据颜色特征进行支持向量机训练，得到车牌颜色分类器。
9. 一种泥头车车牌检测的系统，其特征在于，该系统包括：获取模块，汉字与英文字符 分类模块，其中， 获取模块，用于获取蓝色车牌区域； 汉字与英文字符分类模块，用于通过汉字与英文字符分类器对所述蓝色车牌区域的蓝 色车牌的第一个字符和/或第三个字符进行检测，当字符的检测结果符合预定条件时，则 所述蓝色车牌为特殊车牌。
10. 如权利要求9所述的系统，其特征在于，所述获取模块包括：获取单元，检测单元， 第一分类单元，第二分类单元，其中， 获取单元，用于获取车辆图像； 检测单元，用于通过边缘特性对所述车辆图像进行检测，获取车牌区域； 第一分类单元，用于通过蓝黑色车牌分类器对所述车牌区域进行检测； 第二分类单元，用于通过车牌颜色分类器对所述第一车牌区域进行检测。
【文档编号】G06K9/36GK104268509SQ201410474416
【公开日】2015年1月7日 申请日期:2014年9月17日 优先权日:2014年9月17日
【发明者】唐健, 李昕, 李锐, 邹振宇 申请人:深圳市捷顺科技实业股份有限公司