融合仿射不變角點特征及視覺顏色特征的車牌定位算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車牌定位領(lǐng)域，特別涉及一種融合仿射不變角點特征及視覺顏色特征 的車牌定位算法。
【背景技術(shù)】
[0002] 隨著信息技術(shù)及數(shù)據(jù)通信技術(shù)的發(fā)展，智能交通已經(jīng)成為未來交通系統(tǒng)的發(fā)展方 向。車牌識別是智能交通的主要組成部分，并已廣泛應(yīng)用于公安系統(tǒng)執(zhí)法、高速公路收費系 統(tǒng)、監(jiān)控系統(tǒng)和公路布控等諸多領(lǐng)域。車牌識別主要由圖像采集、車牌定位、字符分割以及 字符識別四部分構(gòu)成。從圖1中可以看出，車牌定位是車牌識別中最關(guān)鍵的步驟之一，它的 好壞關(guān)系到整個車牌識別的成功與否。
[0003] 車牌圖像大多來自室外對行駛車輛的拍攝取樣，受天氣、光照、周圍環(huán)境，拍攝距 離等諸多因素的影響，能夠準確、快速、對噪聲及仿射變化魯棒的定位是車牌定位算法研究 的挑戰(zhàn)。近年來已涌現(xiàn)出大量對車牌定位算法的研究工作，但目前國內(nèi)尚沒有一個完善通 用的車牌定位系統(tǒng)。這些研究工作大致可分為：基于車牌圖像自身特征的定位和基于機器 學(xué)習(xí)的車牌定位算法?；谲嚺茍D像自身特征的車牌定位算法主要有：基于邊緣信息 [1 2]、 基于車牌紋理特征[3 5]、基于數(shù)學(xué)形態(tài)學(xué)[6 7]、基于角點特征M、基于水平或者垂直方向的投 影[9]、基于顏色特征 [1° 11]的車牌定位算法。如文獻[2]利用車牌區(qū)域周圍的邊緣和紋理信 息確定車牌的位置。該方法可以應(yīng)用于圖像中車牌外邊框模糊或有斷裂的情況，實現(xiàn)簡單 且速度快，但對非車牌區(qū)的邊緣信息較敏感。文獻[4]提出利用紋理特征粗定位車牌區(qū)域， 再通過改進的RGB顏色聚類算法實現(xiàn)車牌的精確定位。文獻[5]通過改進Sobel算子提取 圖像不同方向的紋理特征確定候選區(qū)域，并采用兩個模式濾波器除去非車牌區(qū)域的紋理特 征實現(xiàn)車牌定位。文獻[8]采用harris角點檢測算法提取圖像中的角點，對所有的角點進 行AP聚類除去非車牌區(qū)域的角點來確定車牌位置。該方法對噪聲圖像具有一定魯棒性，但 對存在尺度及仿射變化的復(fù)雜環(huán)境的定位效果較差。文獻[9]利用改進的Prewitt算子預(yù) 處理車牌圖像，通過水平或者垂直方向的投影特征確定車牌位置。以上基于紋理特征的車 牌定位方法定位速度快，可以實現(xiàn)多車牌定位，但定位結(jié)果通常包含了一些車牌外的信息， 且對于復(fù)雜背景的濾除能力較弱。文獻[10]通過提取并分析車牌圖像的顏色特征和黑白 紋理特征，實現(xiàn)復(fù)雜環(huán)境下的車牌圖像定位。文獻[11]根據(jù)我國車牌顏色特征，融合車牌 圖像的顏色特征和邊緣特征，采用車牌伴生與互補特性定位車牌位置。文獻[12]通過最大 類間方差法二值化車牌圖像，采用改進的數(shù)學(xué)形態(tài)方法進行邊緣檢測，最后結(jié)合圖像的顏 色特征進行準確定位。這些基于顏色特征的定位方法適用于光照均勻、背景簡單的狀況，具 有較大的針對性和局限性。
[0004] 隨著機器學(xué)習(xí)方法的發(fā)展和普及，近幾年涌現(xiàn)出了大量的以機器學(xué)習(xí)理論為主導(dǎo) 的車牌定位算法。文獻[13]采用掃描行離差數(shù)據(jù)、有效谷峰點特征及先驗知識確定大致位 置，利用色彩分割技術(shù)及多級聯(lián)合混合集成分類器實現(xiàn)車牌的準確定位。文獻[14]根據(jù)神 經(jīng)網(wǎng)絡(luò)和車牌圖像的顏色特征和邊緣特征，利用細胞神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練出一種與車牌顏色 特征相結(jié)合的車牌定位邊緣檢測算法。文獻[15]采用支撐向量機的方法分析訓(xùn)練車牌的 顏色特征和紋理特征，并結(jié)合CAMShift方法在視頻流中準確定位車牌位置。文獻[16]利 用Adaboost算法剔除車牌圖像中的背景區(qū)域，采用SUSAN角點檢測方法搜索候選區(qū)域的車 牌區(qū)域，實現(xiàn)車牌的有效定位。
[0005] 上述基于機器學(xué)習(xí)的定位方法對車牌定位準確，對于復(fù)雜情況下的車牌圖像有較 好的識別率。但計算時間復(fù)雜度高對于復(fù)雜背景的實時場景定位效果有限。此外，這類方 法需要大量的訓(xùn)練數(shù)據(jù)，定位結(jié)果也局限于訓(xùn)練數(shù)據(jù)的類別信息。因此，對于實時通用的車 牌定位適用性較差。而基于車牌圖像特征的定位算法實現(xiàn)簡單、定位速度快，不需要大量的 數(shù)據(jù)存儲，對于車牌定位的普遍適用性較強。但這類方法缺乏對于復(fù)雜背景、光照變化及仿 射變換的車牌圖像的魯棒性定位。
[0006] 文南犬[1] ：Tarabek P. A real-time license plate localization method based on vertical edge analysis[C]·Computer Science and Information Systems (FedCSIS), 2012Federated Conference on.IEEE,2012:149-154〇
[0007] 文獻[2] :Du Y，Shi W，Liu C. Research on an efficient method of license plate location[J]. Physics Procedia，2012,24:1990-1995。
[0008] 文獻[3] :B. F Wu，S. P Lin，C. C Chiu. Extracting characters from real vehicle licence plates out-of-doors[J] · Computer Vision，IET，2007, I (I):2-10〇
[0009] 文獻[4]:萬燕，徐勤燕，黃蒙蒙.復(fù)雜背景中基于紋理和顏色的車牌定位研究 [J].計算機應(yīng)用與軟件，2013, 30(10) :259-262。
[0010] 文獻[5]:汪志兵，崔慧娟.一種基于紋理特征抽取的車牌定位預(yù)處理方法[J]. 計算機應(yīng)用研究，2004, 21 (1) : 255-257。
[0011] 文南犬[6] :Faradj FjRezaie A HjZiaratban M. A morphological-based license plate location[C]Image Processing, 2007. ICIP 2007. IEEE International Conference on.IEEE,2007:57-60 〇
[0012] 文獻[7] :Mai V D，Miao D，Wang R，et al. An improved method for VietnamLicense Plate location. [C]Multimedia Technology (ICMT), 2011International Conference on.IEEE，2011:2942-2946。
[0013] 文獻[8]:吳艷，陳忠進，樂志文.Harris角點檢測與AP聚類結(jié)合的車牌定位方 法[J].廣西科技大學(xué)學(xué)報，2014, 25(2):54-57。
[0014] 文南犬[9] :Chen Rj Luo Y. An improved license plate location method based on edge detection[J]. Physics Procediaj2012, 24:135〇-1356〇
[0015] 文獻[10] :Li G，Liu C，He M Q，Huang X Y. A location method for vehicle license plate based on color image and black white texture[C]. International Workshop and Conference on Photonics and Nanotechnology 2007. International Society for Optics and Photonics，2007:67944-67949。
[0016] 文獻[11]:王枚，蘇光大，王國宏.復(fù)雜環(huán)境下的車牌定位及目標真實性驗證算 法[J].光學(xué)精密工程，2009, 17(4):886-894。
[0017] 文獻[12]:廉寧，徐艷蕾.基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的車牌定位方法[J].工 程圖學(xué)學(xué)報，2014, 35 (5) : 774-779。
[0018] 文獻[13]:金玲玲，廖芹，汪劉一.汽車牌照的提取方法[J].華南理工大學(xué)學(xué) 報（自然科學(xué)版），2002, 30 (7) : 95-98。
[0019] 文獻[14]:劉萬軍，姜慶玲，張闖.基于CNN彩色圖像邊緣檢測的車牌定位方法 [J]·自動化學(xué)報，2009, 35(12) : 1503-1512。
[0020] 文獻[15] :Kim K I，Jung K，Kim J H. Color texture-based object detection:an application to license plate localization[J]Pattern Recognition with Support Vector Machines. Springer Berlin Heidelberg, 2002:293-309。
[0021] 文獻[16]:章品正，王健弘.一種應(yīng)用機器學(xué)習(xí)的車牌定位方法[J].應(yīng)用科學(xué) 學(xué)報，2011，29(2) : 147-152。

【發(fā)明內(nèi)容】

[0022] 本發(fā)明的目的是提供一種融合仿射不變角點特征及視覺顏色特征的車牌定位算 法，采用該算法可以大大減弱旋轉(zhuǎn)變換、尺度變換和噪聲帶來的影響，算法可以達到快速、 準確和魯棒性強的定位效果。