融合邊緣檢測(cè)與ＨＳＶ顏色特征的車(chē)牌定位技術(shù)

摘要：車(chē)牌定位是車(chē)牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)，定位的準(zhǔn)確與否直接影響車(chē)牌識(shí)別的結(jié)果。車(chē)牌區(qū)域具有空間特征——邊緣信息豐富，顏色空間信息——伴生與互補(bǔ)特性。若利用邊緣特征豐富進(jìn)行定位，受對(duì)比度及噪聲影響較大；利用顏色信息受車(chē)身顏色及光照影響較大，誤識(shí)率較高。針對(duì)這一特點(diǎn)，提出了一套融合灰度邊緣檢測(cè)與車(chē)牌區(qū)域特有的顏色特征，準(zhǔn)確進(jìn)行車(chē)牌定位的算法。對(duì)200幅各種情況下從交通卡口獲取的實(shí)測(cè)彩色圖像進(jìn)行試驗(yàn)，準(zhǔn)確定位率為99.5%。

關(guān)鍵詞：車(chē)牌定位； HSV顏色特征； 邊緣檢測(cè)； 融合

中圖分類(lèi)號(hào)：TP391.41文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2007)08－0209－03

0引言

車(chē)牌自動(dòng)識(shí)別系統(tǒng)具有很高的理論研究和實(shí)際應(yīng)用價(jià)值，隨著計(jì)算機(jī)和視頻技術(shù)的發(fā)展，已成為智能交通系統(tǒng)的重要組成部分，并已廣泛應(yīng)用于車(chē)輛追查和跟蹤、車(chē)輛出入控制、公路收費(fèi)監(jiān)控等領(lǐng)域。車(chē)牌定位對(duì)車(chē)牌識(shí)別系統(tǒng)來(lái)說(shuō)至關(guān)重要，其定位準(zhǔn)確度在很大程度上影響著以后的字符分割和識(shí)別結(jié)果。

車(chē)牌的定位屬于圖像分割的范疇。目前車(chē)牌定位技術(shù)主要有兩大類(lèi)：a)基于空間灰度圖像的處理。常用算法有邊緣檢測(cè)后使用數(shù)學(xué)形態(tài)學(xué)定位[2，3]、灰度直方圖定位[4]、Hough變換提取車(chē)牌邊界線(xiàn)后進(jìn)行定位[5]等方法，由于早期計(jì)算機(jī)處理速度及內(nèi)存容量的限制，處理灰度圖像比較方便，現(xiàn)在仍有許多學(xué)者在這類(lèi)方法上進(jìn)行研究。該算法的優(yōu)點(diǎn)：可利用車(chē)牌區(qū)域邊緣豐富的特點(diǎn)，對(duì)一般邊緣特征不復(fù)雜的車(chē)牌能夠快速定位；缺點(diǎn)：當(dāng)車(chē)輛的前臉邊緣異常復(fù)雜，疑似車(chē)牌區(qū)域較多，車(chē)牌圖像中對(duì)比度較小，光照不均勻時(shí)，很難準(zhǔn)確地定位，誤識(shí)率較高。b)基于顏色空間的彩色圖像處理的方法。常用的算法有利用彩色邊緣顏色對(duì)車(chē)牌進(jìn)行定位[6] 等。其特點(diǎn)符合人的視覺(jué)感知，但因?yàn)椴噬珗D像為三維空間，處理速度相對(duì)較灰度圖像慢。現(xiàn)在隨著計(jì)算機(jī)技術(shù)的發(fā)展，處理彩色圖像從硬件及軟件實(shí)現(xiàn)上已經(jīng)成為可能。該算法的優(yōu)點(diǎn)是利用車(chē)牌區(qū)域顏色特征，對(duì)一般車(chē)身顏色與車(chē)牌區(qū)域顏色明顯不同的車(chē)輛定位率很高且速度較快；缺點(diǎn)是對(duì)于車(chē)身顏色與車(chē)牌區(qū)域顏色接近部分較多、車(chē)牌褪色等情況，也很難準(zhǔn)確定位。

現(xiàn)在我國(guó)已成為汽車(chē)消費(fèi)大國(guó)，車(chē)輛類(lèi)型繁多，其前臉裝飾也較多，尤其是各類(lèi)面包車(chē)、小型汽車(chē)；車(chē)身的顏色變化也較多；有些車(chē)輛車(chē)牌破損嚴(yán)重，如卡車(chē)等；車(chē)牌傾斜、光照不均等情況出現(xiàn)較多，造成車(chē)牌的誤識(shí)率增加。一般情況下，邊緣檢測(cè)中感興趣區(qū)域（AOI）包括兩個(gè)前大燈、車(chē)上的漢字或字母標(biāo)志及裝飾等，進(jìn)行車(chē)牌的分割，需要其他的限制條件進(jìn)行判別，誤識(shí)率較高，但這部分AOI區(qū)域顏色一般不符合車(chē)牌區(qū)域(AOLP)的顏色特征，可以利用顏色區(qū)別車(chē)牌及其他字符及車(chē)燈區(qū)；只使用AOLP顏色特征進(jìn)行定位，車(chē)身顏色與車(chē)牌區(qū)域顏色相似時(shí)，也很難單獨(dú)使用這一特征準(zhǔn)確完成定位，但可以使用車(chē)牌區(qū)域邊緣豐富的特點(diǎn)，快速去除與AOLP顏色相同的車(chē)身部分。本文利用上述兩種方法的優(yōu)點(diǎn)，將空間信息與顏色空間信息相融合，即灰度圖像的邊緣檢測(cè)與車(chē)牌區(qū)域的顏色特征相融合，能夠克服以上兩種方法的缺點(diǎn)，提高定位準(zhǔn)確率。實(shí)驗(yàn)證明，本算法具有很好的應(yīng)用效果。

1車(chē)輛牌照的定位算法

根據(jù)中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)GA36－92，我國(guó)共有四類(lèi)車(chē)牌——藍(lán)底白字（小功率汽車(chē)牌照）、黃底黑字（大功率汽車(chē)牌照）、白底黑字或紅字（軍用或警用車(chē)牌）、黑底白字（國(guó)外駐華機(jī)構(gòu)用車(chē)），也就是說(shuō)在車(chē)牌區(qū)域中存在藍(lán)色、黃色、白色、黑色、紅色共五種顏色。根據(jù)這一特性，將彩色圖像化為多個(gè)閾值進(jìn)行分割，提取與車(chē)牌顏色有關(guān)的AOI區(qū)域，得到AOI灰度圖。 AOLP的字符排列格式是X1X2.X3X4X5X6X7，即AOLP具有字符跳變、邊緣豐富的特點(diǎn)。根據(jù)這一特點(diǎn)提取邊緣圖像。利用提取的顏色AOI與邊緣圖像相融合進(jìn)行定位，最后利用投影積分得到精確的車(chē)牌區(qū)域。實(shí)驗(yàn)表明，利用顏色空間信息特征比單純使用顏色或空間信息得到的結(jié)果更準(zhǔn)確。其流程圖如圖1所示。

1．1利用HSV顏色模型提取的車(chē)牌AOI圖像

取閾值是最常見(jiàn)的并行的直接檢測(cè)區(qū)域的分割方法，像素特征空間分類(lèi)可看做是取閾值技術(shù)的推廣。彩色圖像分割是多維特征空間分類(lèi)，可化為多次閾值分割來(lái)解決[1]。在一般的多閾值情況下，取閾值分割可表示為

對(duì)原始圖像進(jìn)行顏色提取分割得到的AOI進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作，可定位部分車(chē)牌，但對(duì)部分車(chē)身顏色復(fù)雜的定位不夠準(zhǔn)確；而邊緣算子提取到的邊緣圖像是AOLP的另一層面，如果汽車(chē)前臉不復(fù)雜，背景較少，能夠較容易地提取車(chē)牌區(qū)域，但現(xiàn)在汽車(chē)的前臉裝飾物較多，提取的邊緣圖像、邊緣特征非常復(fù)雜，單從邊緣圖像準(zhǔn)確定位需要進(jìn)行較多的判斷；只要判斷條件出現(xiàn)，就出現(xiàn)取閾值的問(wèn)題，也就增加了出現(xiàn)誤判的幾率。而從車(chē)牌原始圖像提取的車(chē)牌彩色信息又可以從另一層面進(jìn)行判別，將兩方面的信息進(jìn)行融合，可以從邊緣和顏色空間兩個(gè)層面分析圖像，得到更加準(zhǔn)確的結(jié)果。對(duì)200幅實(shí)測(cè)彩色圖像進(jìn)行測(cè)試，各類(lèi)方法效果對(duì)比，如表1所示。

3結(jié)束語(yǔ)

本文提出了基于車(chē)牌區(qū)域灰度邊緣特征融合車(chē)牌區(qū)域的顏色特征進(jìn)行汽車(chē)牌照定位的方法，其特點(diǎn)是將汽車(chē)牌照的顏色特征與邊緣特征充分結(jié)合起來(lái)，在提取車(chē)牌過(guò)程中，利用車(chē)牌的顏色特征快速去除邊緣圖像中的非車(chē)牌區(qū)的邊緣特征；又利用邊緣特征去除大量的疑似車(chē)牌顏色特征的其他區(qū)域，融合后的結(jié)果，具有比單一使用灰度邊緣或單一使用顏色特征進(jìn)行定位更加準(zhǔn)確的特點(diǎn)，提高了車(chē)牌定位的可靠性，而且在系統(tǒng)要求檢測(cè)不同類(lèi)型的車(chē)輛等情況時(shí)，可根據(jù)車(chē)牌的顏色特征，提供了有效的數(shù)據(jù)分類(lèi)支持。實(shí)驗(yàn)證明，該方法具有很好的定位效果和實(shí)用性。

參考文獻(xiàn)：

［1］章毓晉．圖像處理和分析：上[M]． 北京： 清華大學(xué)出版社， 2003:196.

[2］PARKER J R， PAVOL F． An approach to license plate recognition[EB/OL].(2001－08－07).[2006－04－23]． http://pharos.cpsc.ucalgary.ca.

[3]左奇，史忠科．一種基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車(chē)牌圖像分割方法[J]．中國(guó)圖象圖形學(xué)報(bào)，2003，8A(5)：281－285.[4]劉偉銘， 趙雪平．一種基于掃描行的汽車(chē)車(chē)牌定位算法[J]． 計(jì)算機(jī)工程與應(yīng)用， 2004，40（6）：223－225.

[5]王良紅， 王錦玲， 梁延華． 改進(jìn)的Hough變換在校正汽車(chē)牌照傾斜中的應(yīng)用[J]． 信息與電子工程， 2004，2（1）：45－48.

[6]李文舉， 梁德群， 張旗，等．基于邊緣顏色對(duì)的車(chē)牌定位新方法[J]． 計(jì)算機(jī)學(xué)報(bào)，2004，27（2）：204－208.

[7]何友， 王國(guó)宏， 陸大金， 等． 多傳感器信息融合及應(yīng)用[M]． 北京： 電子工業(yè)出版社，2001:27.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文”