车牌识别方法及其识别系统[发明专利]
(10)申请公布号 CN 102509112 A
(43)申请公布日 2012.06.20C N  102509112 A
*CN102509112A*
(21)申请号 201110341353.4
(22)申请日 2011.11.02
G06K 9/62(2006.01)
(71)申请人珠海逸迩科技有限公司
地址519000 广东省珠海市清华科技园
A705
(72)发明人蔡宏民
(74)专利代理机构广州新诺专利商标事务所有
限公司 44100
代理人罗毅萍
李国钊
(54)发明名称
车牌识别方法及其识别系统
(57)摘要
本发明属于车辆识别技术领域，具体公开了
一种车牌识别方法及其识别系统。该方法包括车
牌图像定位、字符分割、以及字符识别。其中，字
符识别包括预处理、粗分类、汉字识别、以及数字
和字母识别。本发明通过汉字识别方法(Gabor 滤
波器+最小距离分类器)、以及数字和字母识别方
法(基于相关性的特征挑选法(CFS)+贝叶斯分类
器)的改进，大大提高了车牌汉字识别率和车牌
数字与字母识别率。
(51)Int.Cl.
权利要求书3页  说明书13页  附图3页
(19)中华人民共和国国家知识产权局(12)发明专利申请
权利要求书 3 页  说明书 13 页  附图 3 页
1.一种车牌识别方法，包括车牌图像定位、字符分割、以及字符识别，其特征在于，所述字符识别具体包括如下步骤：
去除字符分割处理后的单个字符图像的冗余边框，并将各个字符图形转化到相同大小像素；
将各个字符图像分为两类，第一类为汉字图像、第二类为字母与数字图像；
其中，第一类利用Gabor滤波器提取各个汉字图像的图像特征，并利用最小距离分类器根据其图像特征实现分类；
其中，第二类利用基于相关性的特征挑选法(CFS)从数字与字母的原始特征向量中挑选代表力强和冗余性低的特征子集合，并利用贝叶斯分类器根据所述特征子集合对数字与字母实现分类。
2.根据权利要求1所述的车牌识别方法，其特征在于，将各个字符图形转化到相同大小像素，具体是：
利用高斯函数对图像做立方插值运算，将各个字符图形都转化到60×30像素。
3.根据权利要求1所述的车牌识别方法，其特征在于，在将各个字符图形转化到相同大小像素之后，该车牌识别方法还包括：
使用均值滤波器对各字符图像进行平滑滤波、以及使用最大类间方差法(OTSU)对各字符图像进行二值化处理。
4.根据权利要求1所述的车牌识别方法，其特征在于，将各个字符图像分为两类，第一类为汉字图像、第二类为字母与数字图像，具体包括：
区分首末字符与中间字符，中间字符直接判定为第二类字母与数字图像；
利用二叉树分类器对首末字符图像再次进行汉字、字母和数字的粗分，第一类为汉字图像，第二类为字母与数字图像；
如果所述首字符为“W”，则进入武警车牌识别系统进行识别。
5.根据权利要求1所述的车牌识别方法，其特征在于，所述Gabor滤波器使用的Gabor 函数是：
其中，x′＝xcosθ+ysinθ、y′＝-x sinθ+ycosθ、
其中，λ是波长，它的单位是像素，其有效波长大于等于2、同时小于输入图像大小的五分之一；
其中，θ是旋转角度，它的单位是度，其有效取值区间是[0°，360°]；
其中，φ是相移，它的单位是度，有效取值范围是[-180°，180°]；
其中，γ是纵横比；
其中，bw是带宽。
6.根据权利要求5所述的车牌识别方法，其特征在于，利用Gabor滤波器提取各个汉字图像的图像特征，包括：
将待处理的字符图像与卷积核进行卷积得60×30的复数矩阵；
对同一字符图像取四个方向的纹理特征并拼接得60×120的实数矩阵，所述四个方向分别是θ＝0°、45°、90°、135°的方向；
将所述实数矩阵变换为7200维特征向量，并通过PCA算法(Principle Component Analysis)将特征向量降至78维；
所述卷积核由所述Gabor函数构建而得，其卷积核如下式：
其中，λ＝8，φ＝0°，γ＝0.5，bw＝1，卷积尺度为35×35。
7.根据权利要求1所述的车牌识别方法，其特征在于，所述数字与字母的原始特征向量的具体获取步骤如下：
定义一个10×5的结构元素；
将此结构元素在字符图像上每隔一个像素移动一次，直至覆盖整个字符图像；
每次移动时，统计该结构元素覆盖区域的白点像素个数并除以结构元素的面积作为一个特征，最后得到一个1326维的原始特征向量。
8.根据权利要求1所述的车牌识别方法，其特征在于，利用基于相关性的特征挑选法(CFS)从数字与字母的原始特征向量中挑选代表力强和冗余性低的特征子集合，具体是：
将训练样本X＝(X
1，X
2
，…，X
m
)T和类别C＝(c
1
，c
2
，…，c
m
)T代入第一公式和第二公
式，根据第三公式的计算结果实现代表力强和冗余性低的特征的挑选；
其中，第一公式如下：
r
fc
＝corr(col(X，j)，C)
col(X，j)是取样本特征集合X的第j列，j＝1，2，…，n；
其中，第二公式如下：
r
ff
＝corr(col(X，i)，col(X，j))，i≠j；
其中，第三公式如下：
M
s
是特征集合s对于实现正确分类贡献大小的度量，k是集合s所包含元素的个数。
9.根据权利要求1所述的车牌识别方法，其特征在于，利用贝叶斯分类器根据所述特征子集合对数字与字母实现分类，具体是：
将待识别的样本特征X和第一公式代入第二公式中，根据第二公式的计算结果完成数字与字母的分类；
其中，第一公式如下：
其中，第二公式如下：
lnp(c i |x)∝lnp(x|c i )+lnp(c i )
＝-0.5(nln(2π)+lndet(∑i )+(x-u i )T ∑i -1(x-u i ))。
∝-0.5(lndet(∑i )+(x-u i )T ∑i -1(x-u i ))
10.一种与权利要求1对应的车牌识别系统，包括车牌图像定位单元、字符分割单元、以及字符识别单元，其特征在于所述字符识别单元具体包括如下子单元：
车牌
预处理子单元，去除字符分割处理后的单个字符图像的冗余边框，并将各个字符图形转化到相同大小像素；
粗分类子单元，将各个字符图像分为两类，第一类为汉字图像、第二类为字母与数字图像；
汉字识别子单元，第一类利用Gabor 滤波器提取各个汉字图像的图像特征，并利用最小距离分类器根据其图像特征实现分类；
数字和字母识别子单元，第二类利用基于相关性的特征挑选法(CFS)从数字与字母的
原始特征向量中挑选代表力强和冗余性低的特征子集合，
并利用贝叶斯分类器根据所述特征子集合对数字与字母实现分类。
1/13页
车牌识别方法及其识别系统技术领域
[0001]
本发明属于车辆识别技术领域，具体涉及一种针对我国车牌的高精度的车牌识别
方法及其识别系统。背景技术
[0002]
我国车牌主要有蓝底白字、黄底黑字、白底黑字红字和黑底白字四种类型，它包括
汉字、英文、以及数字共七个字符，其中汉字通常位于车牌的首末，中间五个字符通常为数字或字母。
[0003] 车牌识别技术，是车辆自动识别技术的重要组成部分。它主要是利用每一个汽车都有唯一的车牌号码从而不同车辆具有不同牌照的思想来识别和统计车辆。它将摄像机所拍摄的车辆图像，通过一系列的图像处理、模式识别等技术，进行车牌号码的识别。在不影响汽车状态的情况下，计算机自动完成车牌号码的识别。
[0004] 如图1所示，一个完整的车牌识别系统包含3个核心子系统：车牌图像定位单元、字符分割单元、以及字符识别单元，每一个子系统的正确率对下一个系统都有着直接的影响。
[0005] 车牌识别系统的工作原理是，当车辆通过检测区域时，摄像头捕获车辆图像并传送到图像采集卡中，图像采集卡将采集到的车辆图像送入计算机进行识别，详细步骤如下：
[0006] 1、车牌图像定位单元从输入的车辆图像中筛选出车牌图像区域；
[0007] 2、字符分割单元将所述车牌图像区域分割为多个单个字符；
[0008] 3、字符识别单元对各个字符进行分类识别，并输出相应的识别结果送至监控中心或收费处等信息处理场所。
[0009] 对车牌的准确定位以及车牌字符的准确分割是进行车牌识别工作的前提。由于，我国车牌中不仅有英文字母和阿拉伯数字，还包括了笔画繁杂的汉字，车牌字符识别的难度比仅有数字和字母外国车牌大得多。因此，车牌字符识别对于我国车辆识别系统尤其关键。
[0010] 目前，国内主要的车牌字符识别方法包括基于二值化图和基于灰度图的方法，具体是：由于汉字在二值化过程中会丢失许多有用信息，产生不必要的噪声和笔画断裂，最近的研究都是基于灰度图来进行汉字识别工作。这类方法可分为两种：基于局部特征的和基于全局特征的。前者的基本思想是把字符图像分割成若干基元来提取汉字的局部结构特征，将研究重点放在分析基元之间的相互关系和排列规则上，比较典型的算法有：地质学结构特征，笔画密度特征，笔画分布特征，笔画分析特征，笔画方向特
征，等等。后者也称统计方法，这类方法往往将汉字灰度矩阵由空域变换为频域，提取频域特征，例如傅立叶变换，沃尔变换，哈夫曼变换，Karhunen-Loeve 变换，Gabor 滤波器等等。
[0011] 常用的车牌字符识别算法多种多样，主要可以归纳为以下几种：基于组合特征的识别算法，如小波特征结合Zernike 矩，通过这些特征对车牌字符进行分类识别，该方法鲁说  明  书CN 102509112 A

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。