一种车牌智能识别方法
【专利摘要】本发明属于视频监控技术领域，它公开了一种车牌智能识别方法，其特征在于，包括如下步骤：预处理，对采集到的原始图像进行噪声过滤处理；车牌定位，采用纹理特征分析定位方法，确定一个车牌区域；字符分割，对已定位出车牌区域的图像进一步处理，精确定位字符区域，然后根据字符尺寸特征采用动态模板进行字符分割，并将字符大小进行归一化处理；字符识别，对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，识别出输入的字符图像。本发明即提高了电子交通管理智能化水平，又提高了对交通违章车辆识别效率，可实现电子交通管理中采集、识别、记录智能一体化。
【专利说明】
一种车牌智能识别方法
技术领域
[0001]本发明涉及视频监控技术领域，具体涉及一种车牌智能识别方法。
【背景技术】
[0002]在“向科技要警力、向科技要效率”的今天，随着城市机动车数量的不断增长，带来诸多便利的同时，也存在着一些问题，城市道路交通事故频频发生，给城市交通管理造成了一定的难度。
[0003]利用科技手段实现对道路交通进行有力的治理，既能有效的防止此类交通违章行为，减少由此引起的事故，又能对违章的驾驶员起到威慑作用，促进交通秩序良性循环，同时能将部分交警解放下来，在一定程度上缓解警力不足，真正体现向科技要警力的无穷力量。
[0004]近年来孕育而生的电子化交通管理等已得到了广泛的应用，例如:闯红灯抓拍、超速抓拍等;但其多数系统停留在对违章等车辆的抓拍上，后续需经过较多的人工成本和时间对车牌进行识别，这也产生了工作量大，效率不高，智能化程度低的问题。
【发明内容】
[0005]本发明针对现有技术的上述问题，提供一种车牌智能识别方法，即提高了电子交通管理智能化水平，又提高了对交通违章车辆识别效率，可实现交通违章等行为管理中采集、识别、记录智能一体化。
[0006]为了达到上述目的，本发明采用的技术方案为:
本发明一种车牌智能识别方法，包括以下步骤:
图像采集:通过高清摄像对车辆违章行为实时、不间断记录、图像采集；
预处理:对高清摄像采集到的原始图像进行噪声过滤处理；
车牌定位:采用纹理特征分析定位方法，确定一个车牌区域；
字符分割:在图像中定位出车牌区域后，进一步对图像进行处理，精确定位字符区域，然后根据字符尺寸特征采用动态模板进行字符分割，并将字符大小进行归一化处理；
字符识别:对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，识别出输入的字符图像；
结果输出:将车牌识别的结果以文本格式输出。
[0007]本发明进一步的，
所述预处理步骤中，还包括对原始图像进行自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整处理。
[0008]进一步的，
所述车牌定位步骤中，所述的纹理特征分析定位方法步骤为:
在原始图像经过预处理步骤之后的灰度图像上进行行扫描，通过行扫描确定在列方向上含有车牌线段的候选区域，确定候选区域的起始行坐标和高度； 然后对候选区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域。
[0009]进一步的，
所述字符分割步骤中，所述的进一步对图像进行处理包括:灰度化、灰度拉伸、二值化、边缘化处理。
[0010]进一步的，
所述字符识别步骤中，还包括与字符模板数据库中的标准字符表达形式进行匹配判别。
[0011]进一步的，
本方法可自动识别民用车牌、警用车牌、军用车牌、武警车牌的车牌。
[0012]进一步的，
本方法可自动识别车牌颜色，并根据车牌颜色与视频检测结合，识别车辆类型。
[0013]本发明具有下述优点:
1、本发明通过图像采集并对图像中的车牌进行智能分析自动识别车牌，减轻了人工成本，提高了电子化交通管理的智能化水平和工作效率；
2、本发明可与视频监控、电子抓拍形成一体，具有很好的兼容性和通用性；
3、本发明方法流程简洁，系统实现效率高，车牌识别准确率高；
4、本发明方法具有很好的扩展性，除能识别车牌外，还能判断其车辆类型。
【附图说明】
[0014]图1为本发明实施例中一种车牌智能识别方法流程图。
【具体实施方式】
[0015]车牌识别是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符，达到智能识别车牌。
[0016]实施例1，
如图1所示，本实施列中一种车牌智能识别方法流程图，它包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算。
[0017]图像采集:通过高清摄像抓拍主机对卡口过车或车辆违章行为进行实时、不间断记录、采集。
[0018]预处理:因为图片质量是影响车辆识别率高低的关键因素，因此，需要对高清摄像抓拍主机采集到的原始图像进行噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等处理。
[0019]车牌定位:车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个车牌识别率的重要因素;其核心是纹理特征分析定位算法，在经过图像预处理之后的灰度图像上进行行列扫描，通过行扫描确定在列方向上含有车牌线段的候选区域，确定该区域的起始行坐标和高度，然后对该区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域。通过这样的算法可以对图像中的所有车牌实现定位。
[0020]字符分割:在图像中定位出车牌区域后，通过灰度化、灰度拉伸、二值化、边缘化等处理，进一步精确定位字符区域，然后根据字符尺寸特征提出动态模板法进行字符分割，并将字符大小进行归一化处理。
[0021]字符识别:对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，与字符模板数据库中的标准字符表达形式进行匹配判别，就可以识别出输入的字符图像。
[0022]结果输出:将车牌识别的结果以文本格式输出。
[0023]实施例2，
本实施例在实施例1的基础上，进一步改进，方法具备对民用、警用、军用、武警等汽车号牌计算机自动识别能力，白天车辆号牌识别率大于95%，夜间车辆号牌识别率大于90%。
[0024]在实时记录通行车辆图像的同时，还具备对民用车牌、警用车牌、军用车牌、武警车牌的车牌自动识别能力。
[0025]建立字符模板数据库，所能识别的字符包括:
“O?9”十个阿拉伯数字；
“A?Z” 二十六个英文字母；
省市区汉字简称(京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粵、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝、港、澳、台);
号牌分类用汉字(警、学、领、试、农、挂、拖、境)；
军车牌字符。
[0026]本实施例的方法采用车牌颜色和视频检测技术结合的方法对车辆进行分型，能自动识别黑、蓝、黄、白四种车牌底色。对于民用车来说，蓝颜色车牌表示的是小型车辆，而黄颜色车牌表示的是大型车辆。因此，我们首先利用车牌颜色判断车辆类型，对于无法根据车牌颜色判别车型或者无法判断车牌颜色的情况，就利用图像分析来辅助区分车辆的类型。
[0027]以上所述仅是本专利的优选实施方式，本专利的保护范围并不仅局限于上述实施例，凡属于本专利思路下的技术方案均属于本专利的保护范围。应当指出，对于本专利的普通技术人员来说，在不脱离本专利原理前提下的若干改进和润饰，这些改进和润饰也应视为本专利的保护范围。
【主权项】
1.一种车牌智能识别方法，其特征在于，包括如下步骤: 预处理，对采集到的原始图像进行噪声过滤处理； 车牌定位，采用纹理特征分析定位方法，确定一个车牌区域； 字符分割，对已定位出车牌区域的图像进一步处理，精确定位字符区域，然后根据字符尺寸特征采用动态模板进行字符分割，并将字符大小进行归一化处理； 字符识别，对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，识别出输入的字符图像。2.根据权利要求1所述一种车牌智能识别方法，其特征在于， 所述步骤预处理中，还包括对原始图像进行自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整处理。3.根据权利要求1所述一种车牌智能识别方法，其特征在于， 所述步骤车牌定位中，所述的纹理特征分析定位方法包括如下步骤: 在原始图像经过步骤预处理之后的灰度图像上进行行扫描，确定在列方向上含有车牌线段的候选区域，确定候选区域的起始行坐标和高度； 然后对候选区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域。4.根据权利要求1所述一种车牌智能识别方法，其特征在于， 所述步骤字符分割中，所述的对已定位出车牌区域的图像进一步处理包括:灰度化、灰度拉伸、二值化、边缘化处理。5.根据权利要求1所述一种车牌智能识别方法，其特征在于， 所述步骤字符识别中，还包括与字符模板数据库中的标准字符表达形式进行匹配判别。6.根据权利要求1-5任一项所述一种车牌智能识别方法，其特征在于， 可自动识别车牌颜色，并根据车牌颜色与视频检测结合，识别车辆类型。7.根据权利要求6所述一种车牌智能识别方法，其特征在于， 可自动识别民用车牌、警用车牌、军用车牌、武警车牌的车牌。8.根据权利要求1_5、7任一项所述一种车牌智能识别方法，其特征在于， 还包括步骤:图像采集，通过高清摄像对车辆行为实时、不间断记录、采集图像。9.根据权利要求1_5、7任一项所述一种车牌智能识别方法，其特征在于， 还包括步骤:结果输出，将车牌识别的结果以文本格式输出。
【文档编号】G06K9/34GK105930831SQ201610332861
【公开日】2016年9月7日
【申请日】2016年5月19日
【发明人】不公告发明人
【申请人】湖南博广信息科技有限公司