一种基于支持向量机的号码牌识别方法
【专利摘要】一种基于支持向量机的号码牌识别方法，包括如下步骤：1)获取号码牌图像I1；2)对图像进行颜色预处理，得到灰度图像I4；3)对图像I4进行Canny算子边缘检测，得到边缘图像I5；4)对边缘图像I5进行数字区域矩形框定，得到包含数字的轮廓集合5)对各个包含数字的轮廓集合结合原始图像I1，利用训练好的数字分类器进行识别，获得具体数字。本发明能够替代传统的人工分类，提升对马拉松照片的分类速度，同时对号码牌的柔性材质有较强适应性，能保持较高识别率。
【专利说明】
-种基于支持向量机的号码牌识别方法
技术领域
[0001] 本发明设及神经网络、计算机视觉、图像处理、模式识别等技术领域，尤其是一种 针对拍摄的图片，实现图片中号码牌的识别方法，该方法可用于各类赛事，如马拉松、运动 会等。
【背景技术】
[0002] 随着中国人民体质健康问题的不断加剧，全民健身再度成为热点议题。城市马拉 松的蓬勃发展，使全民健身模式逐渐取代原有的室内健身或不健身模式。近年来中国马拉 松赛事呈现指数级的增长，同时也带动了与之相关的运动装备、旅游行业甚至于马拉松照 片销售的发展。在运样的大背景下，市场对马拉松服务平台产生了迫切的需求，尤其是对马 拉松纪念照的需求。
[0003] 马拉松赛事举办方普遍没有较好的技术背景，对纪念照的筛选还停留在传统的人 工分类水平，效率较低。号码牌不同于车牌等刚性的物体，容易产生较大的形变、遮挡及干 扰(如手部、装饰物)等情况，传统的车牌识别技术对号码牌的识别准确率不高，缺乏实用价 值。
[0004] 针对号码牌与遮挡情况开发的算法，除了对柔性物体有较高的识别能力外，也对 刚性物体有很强的识别能力。运样的算法能被推广到车牌识别、n牌识别，甚至是娱乐游戏 (如扑克牌、麻将、象棋等)的识别等领域，大幅度提高人工识别分类的效率。
【发明内容】
[0005] 为了克服已有号码牌识别方式的人工分类、分类速度慢、识别率较低的不足，本发 明提供一种能够替代传统的人工分类，提升对马拉松照片的分类速度，同时对号码牌的柔 性材质有较强适应性，能保持较高识别率的基于支持向量机的号码牌识别方法。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] -种基于支持向量机的号码牌识别方法，所述号码牌识别方法包括如下步骤：
[0008] 1)获取号码牌图像Ii;
[0009] 2)对图像进行颜色预处理，具体步骤如下：
[0010] 2.1)将图像Ii进行色彩空间转换，得到HSV颜色空间的图像12;
[OOW 2.2)将图像12进行直方图均衡化，得到图像13;
[0012] 2.3)将图像13根据明度阔值进行处理，得到灰度图像14;
[OOU] 3)对图像14进行Canny算子边缘检测，得到边缘图像Is;
[0014] 4)对边缘图像Is进行数字区域矩形框定，具体步骤如下：
[0015] 4.1)通过对边缘图像Is进行轮廓提取，得到轮廓信息Ki;
[0016] 4.2)对获取的轮廓信息Ki进行矩形规格化，剔除不符合规范的矩形后得到轮廓信 息時;
[0017] 4.3)对各个符合规范的轮廓巧，结合原始图像Ii,利用训练好的数字判别器进行 检测，判断内容是否为数字;若不属于数字，则剔除运个轮廓;最终得到包含数字的轮廓集 合巧；
[0018] 5)对各个包含数字的轮廓集合叫，结合原始图像II，利用训练好的数字分类器进 行识别，获得具体数字。
[0019] 进一步，所述号码牌识别方法还包括如下步骤：
[0020] 6)将步骤5)中得到的数字进行漏检测与定位，剔除误判数字，并将遗漏的数字矩 形重复进行步骤5);
[0021] 7)归纳得到的数字，最终拼凑出号码牌序号并输出。
[0022] 再进一步，所述步骤3)中，化nny算子边缘检测中，利用高斯滤波器平滑图像，高斯 滤波器中用到的卷积滤波方程为：
[0023]
[0024] 共T，〇刃同別丹邻麥效，x，y为图像中某一像素距离中屯、的距离；
[0025] 平滑后的图像通过Sobel算子获得单位像素点的梯度幅值与梯度方向，其中二范 数由横纵模板的无穷大范数代替;其中，横纵梯度模板的近似值与梯度方向公式如下所示：
[0026]
[0027] 其中，G为梯度度量值，0为梯度方向，Gx为检测水平边沿的横向模板，Gy为检测垂直 边沿的纵向模板；
[0028] 相邻像素间的梯度幅值通过插值得到，并通过与高低阔值比较，得到细化为1像素 宽度的图像边缘。
[0029] 更进一步，所述步骤4.3)中，所述数字判别器使用HOG特征提取，并对提取出的特 征利用SVM支持向量机进行判别，其中，每个待判断的图片区块都被缩放归一到90X45的大 小，HOG描述子采样同等的窗口大小，W45X 15作为块大小，并W15X5作为胞元大小，经过 HOG处理后的特征数据作为一维向量输入SVM，SVM采用C_SV对莫型W及线性核函数。
[0030] 所述步骤5)中，所述数字分类器器使用册G特征提取，并对提取出的特征利用SVM 支持向量机进行判别，其中，每个待判断的图片区块都被缩放归一到90X45的大小，HOG描 述子采样同等的窗口大小，W45 X 15作为块大小，并W15 X 5作为胞元大小，经过册G处理后 的特征数据作为一维向量输入SVM，SVM采用C_SV对莫型W及线性核函数。
[0031 ]所述步骤6)，漏检测与定位过程如下:根据每个数字的位置关系，将距离小于设定 阔值的数字归为一组，判断组内数字个数，若小于两个则视为误判，将其剔除;对于其余的 数字组，通过最小二乘法将各数字坐标拟合，得到号码牌数字所在直线，并根据现有数字坐 标计算得到预测的遗漏数字矩形区域，重新进行检测。
[0032] 本发明的技术构思为:相较传统的数字识别算法，该方法采用了化nny算子进行边 缘检测，能较好地应对号码牌的柔性材质。同时，该方法采用的漏检测与重定位策略增强了 对遮挡物的鲁棒性，提高了识别准确率。
[0033] 本发明的有益效果主要表现在:对号码牌柔性材质、遮挡物鲁棒性强，识别准确度 较高。
【附图说明】
[0034] 图1是的基于支持向量机的号码牌识别方法的流程图。
【具体实施方式】
[0035] 下面结合附图对本发明作进一步描述。
[0036] 参照图1，一种基于支持向量机的号码牌识别方法，所述识别方法包括如下步骤：
[0037] 1)获取号码牌图像Ii;
[0038] 2)对图像进行颜色预处理，具体步骤如下：
[0039] 2.1)将图像Ii进行色彩空间转换，得到HSV颜色空间的图像12;
[0040] 2.2)将图像12进行直方图均衡化，得到图像13;
[0041] 2.3)将图像13根据明度阔值进行处理，得到灰度图像^;
[0042] 3)对图像14进行Canny算子边缘检测，得到边缘图像Is;
[0043] 4)对边缘图像Is进行数字区域矩形框定，具体步骤如下：
[0044] 4.1)通过对边缘图像Is进行轮廓提取，得到轮廓信息Ki;
[0045] 4.2)对获取的轮廓信息Ki进行矩形规格化，剔除不符合规范的矩形后得到轮廓信 息時；
[0046] 4.3)对各个符合规范的轮廓Kf *结合原始图像11，缩放归一化后得到90 X 45的图 片块，再利用训练好的数字判别器进行检测，判断内容是否为数字。若不属于数字，则剔除 运个轮廓。最终得到包含数字的轮廓集合咕；
[0047] 5)对各个包含数字的轮廓矩形Kf，结合原始图像Ii,缩放归一化后得到90X45的 图片块，再利用训练好的数字分类器进行识别，获得具体数字；
[004引6)将步骤5)中得到的数字进行漏检测与定位，具体步骤如下：
[0049] 6.1)根据每个数字的位置关系，将距离小于一定阔值的数字归为一组。判断组内 数字个数，若小于两个则视为误判，将其剔除；
[0050] 6.2)对于步骤6.1)中剩余的数字组，通过最小二乘法将数字坐标拟合，得到号码 牌数字所在直线，并根据现有数字坐标计算得到遗漏的数字矩形区域。将遗漏矩形加入時， 重复步骤5);
[0051 ] 6.3)若遗漏已超出限制，终止漏检测；
[0052] 7)归纳得到的数字，最终拼凑出号码牌序号并输出。
[0053] 本实施例中，Canny算子边缘检测= Canny算子先利用高斯滤波器平滑图像，减少由 天气、器材等因素引入的噪点。其中，高斯滤波器中用到的卷积滤波方程为：
[0化4]
[0055] 具甲，O刃局讲分伸參甄，X，y为图像中某一像素距离中屯、的距离；
[0056] 平滑后的图像通过Sobel算子获得单位像素点的梯度幅值与梯度方向，其中二范 数由横纵模板的无穷大范数代替。其中，横纵梯度模板的近似值与梯度方向公式如下所示：
[0化7]
[005引其中，G为梯度度量值，目为梯度方向，Gx为检测水平边沿的横向模板，Gy为检测垂直 边沿的纵向模板；
[0059] 相邻像素间的梯度幅值通过插值得到，并通过与高低阔值比较，得到细化为1像素 宽度的图像边缘。
[0060] 相较普通的算子，Canny算子虽然运算量较大，但具有较高的抗干扰性，对柔性材 质的检测更为准确。
[0061] 数字判别器与数字分类器:为了保证判别与分类的正确率，数字判别器与数字分 类器使用册G特征提取，并对提取出的特征利用SVM支持向量机进行判别。其中，每个待判断 的图片区块都被缩放归一到90 X 45的大小，册G描述子采样同等的窗口大小，W45 X 15作为 块大小，并W15X5作为胞元大小。经过册G处理后的特征数据作为一维向量输入SVM，SVM采 模型W及线性核函数。HOG特征的优势在于，能容许特征内容的细微形变。而SVM的 优势在于，相较传统神经网络，其训练更快，逼近能力更强，保证了算法的全局最优性。采用 运样的算法，能提高数字判断准确率。
[0062] 漏检测与定位策略:根据每个数字的位置关系，将距离小于一定阔值的数字归为 一组。判断组内数字个数，若小于两个则视为误判，将其剔除。对于其余的数字组，通过最小 二乘法将各数字坐标拟合，得到号码牌数字所在直线，并根据现有数字坐标计算得到预测 的遗漏数字矩形区域，重新进行检测。运样提高了抗干扰能力，增强了对遮挡物的鲁棒性。
【主权项】
1. 一种基于支持向量机的号码牌识别方法，其特征在于:所述号码牌识别方法包括如 下步骤： 1) 获取号码牌图像I1; 2) 对图像进行颜色预处理，具体步骤如下： 2.1) 将图像I1进行色彩空间转换，得到HSV颜色空间的图像I2; 2.2) 将图像I2进行直方图均衡化，得到图像I3; 2.3) 将图像I3根据明度阈值进行处理，得到灰度图像I4; 3) 对图像I4进行Canny算子边缘检测，得到边缘图像I5; 4) 对边缘图像I5进行数字区域矩形框定，具体步骤如下： 4.1) 通过对边缘图像I5进行轮廓提取，得到轮廓信息K1; 4.2) 对获取的轮廓信息心进行矩形规格化，剔除不符合规范的矩形后得到轮廓信息Kf; 4.3) 对各个符合规范的轮廓Kf，结合原始图像I1，利用训练好的数字判别器进行检测， 判断内容是否为数字;若不属于数字，则剔除这个轮廓;最终得到包含数字的轮廓集合Kf; 5) 对各个包含数字的轮廓集合Kf，结合原始图像I1，利用训练好的数字分类器进行识 另IJ，获得具体数字。2. 如权利要求1所述的一种基于支持向量机的号码牌识别方法，其特征在于:所述号码 牌识别方法还包括如下步骤： 6) 将步骤5)中得到的数字进行漏检测与定位，剔除误判数字，并将遗漏的数字矩形重 复进行步骤5); 7) 归纳得到的数字，最终拼凑出号码牌序号并输出。3. 如权利要求1或2所述的一种基于支持向量机的号码牌识别方法，其特征在于:所述 步骤3)中，Canny算子边缘检测中，利用高斯滤波器平滑图像，高斯滤波器中用到的卷积滤 波方程为：其中，σ为高斯分布参数，X，y为图像中某一像素距离中心的距离； 平滑后的图像通过Sobel算子获得单位像素点的梯度幅值与梯度方向，其中二范数由 横织据TK的不翁+游撒件越.甘出描纵梯度模板的近似值与梯度方向公式如下所示：其中，G为梯度度量值，Θ为梯度方向，Gx为检测水平边沿的横向模板，Gy为检测垂直边沿 的纵向模板； 相邻像素间的梯度幅值通过插值得到，并通过与高低阈值比较，得到细化为1像素宽度 的图像边缘。4. 如权利要求1或2所述的一种基于支持向量机的号码牌识别方法，其特征在于:所述 步骤4.3)中，所述数字判别器使用HOG特征提取，并对提取出的特征利用SVM支持向量机进 行判别，其中，每个待判断的图片区块都被缩放归一到90X45的大小，HOG描述子采样同等 的窗口大小，以45 X 15作为块大小，并以15 X 5作为胞元大小，经过HOG处理后的特征数据作 为一维向量输入SVM，SVM采用C_SVC模型以及线性核函数。5. 如权利要求1或2所述的一种基于支持向量机的号码牌识别方法，其特征在于:所述 步骤5)中，所述数字分类器器使用HOG特征提取，并对提取出的特征利用SVM支持向量机进 行判别，其中，每个待判断的图片区块都被缩放归一到90X45的大小，HOG描述子采样同等 的窗口大小，以45 X 15作为块大小，并以15 X 5作为胞元大小，经过HOG处理后的特征数据作 为一维向量输入SVM，SVM采用C_SVC模型以及线性核函数。6. 如权利要求2所述的一种基于支持向量机的号码牌识别方法，其特征在于:所述步骤 6)，漏检测与定位过程如下:根据每个数字的位置关系，将距离小于设定阈值的数字归为一 组，判断组内数字个数，若小于两个则视为误判，将其剔除;对于其余的数字组，通过最小二 乘法将各数字坐标拟合，得到号码牌数字所在直线，并根据现有数字坐标计算得到预测的 遗漏数字矩形区域，重新进行检测。
【文档编号】G06K9/62GK106023173SQ201610319459
【公开日】2016年10月12日
【申请日】2016年5月13日
【发明人】张永良, 陈泽坤, 温从林, 陆洋, 周冰
【申请人】浙江工业大学