一种集装箱车牌识别方法及系统的制作方法
【技术领域】
[0001]本发明属于车牌识别领域，尤其涉及一种集装箱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 Transportat1nSystem)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 Recognit1n 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，车牌分割是把集装箱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。构成集装箱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，已经促使集装箱识别系统从理论向实际应用的方向发展，但在实际应用中，集装箱识别系统在光线不好，集装箱质量不好等情况下，通用性和鲁棒性较差，因而集装箱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]然而，现有车牌识别系统在通过图像识别车牌过程中，如果需要识别集装箱车牌号，因集装箱车牌安装位置不同，不能准确及时拍摄到包含集装箱车牌的图像；同时，在现有车牌识别系统，当遇到光线较弱/强或车牌号遭受磨损或损坏，不能准确及时识别集装箱车牌号。
【发明内容】
[0005]本发明实施例的目的在于提供一种集装箱车牌识别方法及系统，旨在解决现有车牌识别系统在光线较弱/强或车牌号遭受磨损或损坏时，无法准确及时识别车牌号，降低了识别准确率的问题。
[0006]本发明实施例是这样实现的，一种集装箱车牌识别方法，包括:
[0007]获取不同图像采集设备采集的图像；
[0008]提取各个所述图像的Blob特征；
[0009]将所得的各个Blob特征分组，提取包含牌照信息的Blob特征；
[0010]将包含牌照信息的Blob特征分割成多个字符图像，提取字符图像的轮廓特征与投影特征，基于模版匹配算法，识别每个字符获取车辆牌照号码。
[0011]本发明实施例的另一目的在于提供一种集装箱车牌识别系统，包括:
[0012]获取模块，用于获取不同图像采集设备采集的图像；
[0013]第一提取模块，用于提取各个所述图像的Blob特征；
[0014]第二提取模块，用于将所得的各个Blob特征分组，提取包含牌照信息的Blob特征；
[0015]识别模块，用于将包含牌照信息的Blob特征分割成多个字符图像，提取字符图像的轮廓特征与投影特征，基于模版匹配算法，识别每个字符获取车辆牌照号码。
[0016]在本发明实施例中，在集装箱车辆行驶的必经通道两侧设有摄像机与地感线圈；及时抓拍包含车牌号与集装箱牌照的图像。通过利用提取图像中Blob特征，定位Blob特征中包含牌照信息，根据定位的牌照信息将Blob特征分成若干组，将包含牌照信息的Blob特征分割成多个字符图像，提取字符图像的轮廓特征与投影特征，基于模版匹配算法，识别每个字符获取车辆牌照号码，解决了现有的识别系统因车牌位置不同，无法及时抓拍包含车牌照的图像，以及在识别过程中，因为光线较弱/强或车牌号遭受磨损或损坏时，无法准确及时识别车牌号的问题，提高了车牌识别的准确率。
【附图说明】
[0017]图1是本发明实施例提供的集装箱车牌识别方法的实现流程图；
[0018]图2是本发明实施例提供的集装箱车牌识别方法步骤S103的实现流程图；
[0019]图3是本发明实施例提供的集装箱车牌识别系统的结构框图。
【具体实施方式】
[0020]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0021]实施例一
[0022]图1是本发明实施例提供的集装箱车牌识别方法的实现流程图，详述如下:
[0023]在步骤S101中，获取不同图像采集设备采集的图像；
[0024]其中，利用地感线圈与摄像机联动，采集车辆的图像；既可抓取正面与侧面的清晰图像，同时，在光线较弱较暗是，开启LED灯或闪光灯进行补光，以增加采集的图像足够清晰；在光线交强或较亮时，自动调整摄像机的成像模式，抑制强光影响，保证图像曝光正常，成像清晰。
[0025]具体地，补光是卡口系统的重要组成部分，关系到最终的图像质量，采用了高性能、低功耗、无光污染的补光设备，配以光敏器件，白天可自动关闭，夜间或光照弱时会自动打开。
[0026]同时为了更好的提高夜间模式的捕获率和号牌识别率，在夜间情况，通过LED补光灯对车道进行补光，依据车牌反光原理加大了视频检测的准确性，解决了行人、自行车、大型车辆干扰问题。通过闪光灯则可将光照打到车内，对车内进行补光，以达到看清人脸的目的，并且还能有效抑制车大灯的强光对镜头造成的影响。
[0027]在步骤S102中，提取各个所述图像的Blob特征；
[0028]其中，采用尺度不变特征转换获取各个所述图像的Blob特征，并对其进行预处理，获得关于Blob特征的二值化图像；
[0029]其中，SIFT(Scale Invariant Feature transform)特征匹配算法的匹配能力较强，可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种程度。
[0030]上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。
[0031]在步骤S103中，将所得的各个Blob特征分组，提取包含牌照信息的Blob特征；
[0032]在步骤S104中，将包含牌照信息的Blob特征分割成多个字符图像，提取字符图像的轮廓特征与投影特征，基于模版匹配算法，识别每个字符获取车辆牌照号码。
[0033]在本实施例中，在集装箱车辆行驶的必经通道两侧设有摄像机与地感线圈；及时抓拍包含车牌号与集装箱牌照的图像。通过利用提取图像中Blob特征，定位Blob特征中包含牌照信息，根据定位的牌照信息将Blob特征分成若干组，将包含牌照信息的Blob特征分割成多个字符图像，提取字符图像的轮廓特征与投影特征，基于模版匹配算法，识别每个字符获取车辆牌照号码，解决了现有的识别系统因车牌位置不同，无法及时抓拍包含车牌照的图像，以及在识别过程中，因为光线较弱/强或车牌号遭受磨损或损坏时，无法准确及时识别车牌号的问题，提高了车牌识别的准确率。
[0034]实施例二
[0035]步骤S103中，具体包括:
[0036]定位各个所述图像包含牌照信息的Blob特征；
[0037]其中，采用Sobel边缘检测算法对预处理的Blob特征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，利用投影方法来实现车牌区域的精确定位；
[0038]根据定位将Blob特征分成若干组；
[0039]其中，根据精确定位的结果，将精确定位的Blob特征分成包含若干的图像；
[0040]提取分组后包含牌照信息的Blob特征，其中，所述牌照信息包括牌照号码、牌照颜色与车身颜色。
[0041]在本实施例中，通过定位Blob特征内是否包含牌照信息，根据定位信息精确地将Blob特征划分成若干组，提取其中包含牌照信息的Blob特征，加快了识别的过程，减少了识别系统对每帧图像一一比对筛选的过程，提高了特征识别效率。
[0042]实施例三