周澤華

（合肥學(xué)院 電子信息與電氣工程系，安徽 合肥 230601）

基于有色點對搜索的車牌定位算法

周澤華

（合肥學(xué)院 電子信息與電氣工程系，安徽 合肥 230601）

研究車牌識別定位算法問題.傳統(tǒng)的車牌設(shè)識別定位算法的識別精確度難以滿足現(xiàn)實在交通管理和流量監(jiān)測中的應(yīng)用，存在車牌圖像定位的精度不高等問題.為解決上述問題，在對車輛圖像預(yù)處理基礎(chǔ)上，提出一種基于有色點對搜索的車牌定位算法.基于車牌圖像顏色特征，選取適合的顏色模型進(jìn)行車牌提取.用有色點對算法搜索出符合車牌字符特征的候選區(qū)域?qū)嚺七M(jìn)行粗定位，最后對候選區(qū)域進(jìn)一步分析準(zhǔn)確定位出車牌.通過研究表明，該算法具有較高的準(zhǔn)確率.

有色點對；顏色模型；車牌定位

1 引言

智能交通系統(tǒng)(Intelligent Transport Systems，ITS)是 21世紀(jì)道路交通管理的發(fā)展趨勢，車牌識別 (License Plate Recognition，LPR)是實現(xiàn)交通管理智能化的重要環(huán)節(jié).而車牌定位直接關(guān)系到的車牌識別的成敗.目前車牌定位的算法主要分為兩類：一類為基于彩色圖像的車牌定位方法，這類方法一般將RGB彩色圖像轉(zhuǎn)化為HSV或其他空間，再通過車牌與背景固定顏色信息來定位車牌[1-3].二類是基于灰度圖像處理的車牌定位方法，這類方法基于空間信息處理，以檢測車牌邊界為目的，常見的方法有直方圖處理，數(shù)學(xué)形態(tài)學(xué)、區(qū)域生長和Hough變換等[4-6].這些方法在一定的應(yīng)用背景下都得到了較好的效果，但其仍然受到一定條件的限制.所以，對車牌定位算法的研究和優(yōu)化仍然具有重要的意義.通過對已有算法的研究，提出一種基于有色點對搜索的車牌定位算法，能夠有效提高定位精度，易于實現(xiàn).

2 車牌和顏色的特征分析

按照我國交通管理部門的規(guī)定，汽車牌照的特征主要有顏色特征、結(jié)構(gòu)特征和紋理特征.顏色特征：我國車牌顏色共分為四種，分別為藍(lán)底白字、黑底白字、黃底白字、和白底黑子.結(jié)構(gòu)特征：車牌寬度為440mm，高度為140mm，寬高比為3.14.車牌中字符寬度為45mm，高度為90mm，寬高比為0.5.車牌應(yīng)安裝于汽車下部.紋理特征：車牌中含有類字符區(qū)，即車牌的橫向顏色呈現(xiàn)有規(guī)律的波峰波谷變化.

3 基于有色點對搜索的車牌定位

針對車牌識別系統(tǒng)中關(guān)于靜態(tài)圖片中的車牌定位問題，主要運用了圖像處理的知識，在VC開發(fā)平臺上，通過對靜態(tài)圖片進(jìn)行灰度變換，二值化，邊緣檢測、幾何變換等一系列預(yù)處理，然后利用有色點對搜索算法實現(xiàn)了從采集到的包含車牌的圖像中定位出車牌，為進(jìn)一步的車牌字符識別打下基礎(chǔ).整個系統(tǒng)由4部分組成：車輛圖像采集、車輛圖像預(yù)處理、車牌粗定位、車牌的準(zhǔn)確定位，系統(tǒng)框圖如圖1所示.

圖1 車牌定位系統(tǒng)框圖

3.1 圖像采集

在日常學(xué)習(xí)當(dāng)中比較常用的圖像格式由BMP、JPG、GIF、PCX等，其中比較常用JPG.系統(tǒng)設(shè)計中采用的是BMP格式圖像，由于程序?qū)ψR別圖像的準(zhǔn)確率，識別的效果和識別的時間，選擇圖像的大小為640*480像素的真彩色圖像.采集到的車輛圖像如圖2所示.

圖2 采集的車輛圖像

3.2 圖像的預(yù)處理

圖像的預(yù)處理包括圖像的灰度化、二值化、幾何變換、邊緣檢測等.針對不同的圖片通過幾何變換進(jìn)行傾斜校正，然后對已預(yù)處理增強的圖像進(jìn)行Sobel垂直算子邊緣檢測，用有色點對算法搜索出符合車牌字符特征的候選區(qū)域?qū)嚺七M(jìn)行初定位，最后根據(jù)車牌底色和比例大小等先驗知識對候選區(qū)域進(jìn)一步分析準(zhǔn)確定位出車牌.

由于汽車圖像的設(shè)置角度問題，可能導(dǎo)致攝制的車牌發(fā)現(xiàn)傾斜，這會對車牌識別當(dāng)中字符切割中和識別造成困難，因此需要通過圖像的幾何變換，對圖片進(jìn)行校正.圖像的幾何變換是最常見的圖像處理手段，通過對變形的車輛圖像進(jìn)行幾何校正，可以得出準(zhǔn)確的圖像.為后面車牌的定位提供更加有力的條件.常用的幾何變換功能包括圖像的平移、圖像的鏡像變換、圖像的轉(zhuǎn)置、圖像的縮放、圖像的旋轉(zhuǎn)等等.

3.3 圖像的有色點對搜索實現(xiàn)車牌粗定位

3.3.1 有色點對搜索

由于處理彩色圖像的計算量非常大，簡單的思路是將彩色圖像轉(zhuǎn)換成灰白圖像，甚至再轉(zhuǎn)換成黑白二值圖像來處理.但這是以拋棄大量有用信息為代價的.為了提高算法的抗干擾能力，本文車牌定位算法直接采用彩色圖像進(jìn)行處理.

以藍(lán)底白字車牌為例.針對車牌區(qū)域的顏色特征是夾雜少量白色區(qū)域的藍(lán)色區(qū)域，將通過在圖像中尋找一種特殊的顏色模式來實現(xiàn).針對藍(lán)底白字車牌，定義有色點對（A，B）：A點，其左方為藍(lán)色點，右方為白色點；B點其左方為白色點，右方為藍(lán)色點；A、B點應(yīng)在一定的方位內(nèi).

由于顏色判斷屬于模糊判斷，為了提高算法的抗干擾性，對有色點對的顏色定義比較寬泛，具體步驟如下：

（1）設(shè)某一點的紅綠藍(lán)色分量為 Cr、Cg、Cb.

（2）當(dāng)某一點的顏色滿足Cb>f1*Cr,g且Cb>T1時，即認(rèn)為該點為藍(lán)色點.其中f1=1.4，T1=20.

（3）當(dāng)某一點的顏色滿足Cr,g,bT2時，即認(rèn)為該點為白色點.其中，f2=0.4，T2=200，S=Cb+Cr+Cg.

有色點對算法可以準(zhǔn)確的找到車輛圖像中車牌區(qū)域的有色點對，從而突出了圖像中車牌大致位置，為后續(xù)進(jìn)一步車牌精確定位打下良好的基礎(chǔ).以上算法在VC++平臺上運行的結(jié)果如圖3.

圖3 有色點對搜索

3.3.2 車牌的粗定位

利用有色點對搜索，對彩色圖像進(jìn)行處理，這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的.數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu).在處理的過程中進(jìn)行了一次形態(tài)學(xué)閉環(huán)運算和十次腐蝕運算.

圖4 車牌粗定位

對找到的有色點對密集區(qū)域進(jìn)行車牌的形狀識別，即根據(jù)車牌的寬長比應(yīng)在3左右進(jìn)行判別.圖像形態(tài)學(xué)處理后唯一的有色點對密集區(qū)域?qū)掗L比符合車牌形狀特征，因此，可初步認(rèn)定其為車牌所在區(qū)域如圖4.

3.4 車牌的精定位

在獲得車牌的大致位置后，根據(jù)有色點對搜索實現(xiàn)車牌的粗定位.再根據(jù)車牌底色、比例大小等有關(guān)知識，利用灰度圖分割出合理的車牌區(qū)域，確定車牌數(shù)字和漢字各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的象素點數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域.然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍(lán)色象素點的數(shù)量，最終確定完整的車牌區(qū)域如圖5.

圖5 車牌精定位

4 結(jié)束語言

本文基于有色點對搜索的車牌定位算法，針對經(jīng)過預(yù)處理后的車牌圖像，分為車牌圖像的粗定位和細(xì)定位兩個步驟進(jìn)行處理.其中粗定位基于車牌圖像顏色特征，選取適合的顏色模型，利用有色點對搜索出符合車牌字符特征的候選區(qū)域，保證了車牌區(qū)域獲取的完整性.精定位過程根據(jù)車牌底色、比例大小等有關(guān)知識，利用灰度圖分割出合理的車牌區(qū)域保證了車牌定位的準(zhǔn)確性.實驗表明，該方法準(zhǔn)確率高、精確度好、實時性強，具有較強的應(yīng)用價值，為智能交通和安全監(jiān)控技術(shù)的發(fā)展提供一個新的車牌定位方法.

〔1〕Anagnostopoulos C N E，Anagnostoploulos I E，Psoroulas I D，et al.License plate recognition from still images and video sequences：a survey[J].IEEE Transactions on Intelligent Transportation System，2008，9（3）：377-391.

〔2〕聶洪印,周衛(wèi)東,劉輝.多顏色模型和綜合特征下的車牌定位新方法[J].計算機(jī)工程與應(yīng)用,2010,46(12):221-223.

〔3〕謝建平.一種基于快速最近特征線的汽車牌照識別方法[J].電視技術(shù)，2006，30(4):93-96.

〔4〕尚趙偉,國慶,朱貝貝，等.Top-hat變換在多車牌定位中的應(yīng)用[J].計算機(jī)工程與應(yīng)用,2011,47(29):214-217.

〔5〕SUBHRANSU M,JITENDRA M.Object detection using a max－margin Hough transform ［C］//Proc.IEEE Conference on Computer Vision and Pattern Recognition，2009.［S.l.］:IEEE Press:1038－1045.

〔6〕黃文杰,王海濤,姬建崗.基于公路收費系統(tǒng)的車牌定位與字符分割算法[J].電視技術(shù),2006,30(2):85－87.

TP391.9

A

1673-260X（2012）08-0068-02

2011年度安徽高校省級科學(xué)研究項目（KJ2011B136）