基于彩色邊緣檢測(cè)和EdgeBoxes的車牌定位方法

李學(xué)順 魏宗壽

摘要：隨著智能交通的發(fā)展，汽車車牌的自動(dòng)定位及識(shí)別也隨之變得至關(guān)重要。傳統(tǒng)的定位技術(shù)大多數(shù)是在灰色邊緣檢測(cè)的基礎(chǔ)上進(jìn)行檢測(cè)后的圖像處理，而此類方法的后續(xù)工作量較大，定位準(zhǔn)確率及耗時(shí)相比較于深度學(xué)習(xí)方法也是不及。所以該文提出一種彩色邊緣檢測(cè)，在HSI模型空間分割出藍(lán)色區(qū)域，然后和灰色邊緣進(jìn)行與運(yùn)算，得到藍(lán)白邊緣圖，與灰色邊緣檢測(cè)相比，檢測(cè)之后的干擾比灰度邊緣檢測(cè)明顯減少，更易于圖像后續(xù)的處理。在后續(xù)處理中該文應(yīng)用改進(jìn)的Edge Boxes算法進(jìn)行對(duì)車牌大概位置的確定，然后根據(jù)邊框評(píng)分消除干擾框，得到車牌的精確位置，達(dá)到精確定位的目的。

關(guān)鍵詞：車牌定位；HSI模型；彩色邊緣；Edge Boxes

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）07-0187-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

車牌識(shí)別分為車牌定位與車牌識(shí)別，而本文就車牌定位進(jìn)行研究。目前針對(duì)車牌定位方法盡管有各自的特點(diǎn)能夠定位出車牌區(qū)域，但是也有各自的局限性。本文研究的方法是在讀取圖像之后，對(duì)圖像直接進(jìn)行處理得到藍(lán)白邊緣圖，然后使用改進(jìn)后的Edge Boxes方法進(jìn)行對(duì)目標(biāo)車牌的獲取。

1 灰色邊緣檢測(cè)

邊緣檢測(cè)對(duì)于傳統(tǒng)車牌定位應(yīng)用廣泛，邊緣點(diǎn)表示為在一幅圖像中的鄰域內(nèi)特征值的變化超過了一定的閾值，通常的邊緣檢測(cè)算子包括Sobel算子、Roberts Cross算子、Prewitt算子和Canny算子等，本文應(yīng)用Sobel算子對(duì)圖像進(jìn)行邊緣檢測(cè)提取。

由圖1可看出，灰色邊緣檢測(cè)[1]后的圖片在除去汽車本身的邊緣噪聲之外，由環(huán)境引入的邊緣干擾也不容忽視，對(duì)車牌的后續(xù)精確定位帶來不小的阻礙，所以本文采取一種基于HSI彩色空間[2]檢測(cè)出藍(lán)色區(qū)域再與灰色邊緣圖做邏輯運(yùn)算得到藍(lán)白邊緣檢測(cè)圖，可除去大量的邊緣噪聲，提高了車牌的定位率。

2 彩色邊緣檢測(cè)

本文的彩色邊緣檢測(cè)研究方法是運(yùn)用HSI模型的相關(guān)運(yùn)算處理對(duì)汽車車牌進(jìn)行車牌底色的檢測(cè)，此處僅討論底色為藍(lán)色情況。然后將檢測(cè)后的圖像與灰色邊緣檢測(cè)圖做相關(guān)運(yùn)算得到藍(lán)色邊緣圖，因?yàn)樗{(lán)底包圍著白字，這樣得到的藍(lán)色邊緣圖可近似于藍(lán)白邊緣圖。

在HSI模型的彩色空間中，其中I分量與圖像的彩色信息無(wú)關(guān)，而且H分量和S分量與人類對(duì)顏色的感受關(guān)系緊密相連，這兩個(gè)特點(diǎn)導(dǎo)致HSI模型非常適合借助人類的視覺去對(duì)圖像進(jìn)行分析處理。首先把RGB轉(zhuǎn)換到HSI模型[3]。

3 Edge Boxes與實(shí)驗(yàn)結(jié)果

Edge Boxes[4]是由微軟研究院Piotr等人提出的一種快速檢測(cè)算法，并且能得到較高的準(zhǔn)確度。本文將該方法進(jìn)行改進(jìn)并應(yīng)用在車牌目標(biāo)的檢測(cè)上。Edge Boxes算法的思想就是基于一種直覺：如果在一幅圖像中，由檢測(cè)生成的一個(gè)邊框中包含一定數(shù)目的邊緣輪廓時(shí)，那么就意味著很大可能在該邊框中包含著一個(gè)目標(biāo)物體。

該算法的流程圖如圖3。

首先基于文獻(xiàn)[5]所提出的結(jié)構(gòu)化邊緣檢測(cè)算法，得到邊緣結(jié)構(gòu)圖，這時(shí)的結(jié)構(gòu)圖比較緊密，然后應(yīng)用NMS（Non-Maximal Supperssion）方法處理得到相對(duì)較為稀疏的邊緣圖像。

在上述得到的稀疏邊緣圖中將近乎在一條直線上的邊緣點(diǎn)集中起來形成一個(gè)Edge Group，使用貪心算法計(jì)算8連通的邊緣點(diǎn)，直到兩兩邊緣點(diǎn)之間的方向角度差值的和大于一個(gè)閾值（[π2]），這樣就得到了N多個(gè)Edge Group。

搜集車牌為藍(lán)底白字樣本在MATLAB上進(jìn)行了仿真實(shí)驗(yàn)，其數(shù)據(jù)情況如表1。

從表1可以得出檢測(cè)的成功率和平均耗時(shí)為97.15%和213ms，在文獻(xiàn)[5]中采用彩色邊緣檢測(cè)后與卷積神經(jīng)網(wǎng)絡(luò)的結(jié)合得到的成功率93.74%平均耗時(shí)318ms，而本文使用彩色邊緣檢測(cè)與改進(jìn)Edge Boxes算法的結(jié)合方法從查準(zhǔn)成功率與平均耗時(shí)上可以看出，本文方法有較為明顯的優(yōu)勢(shì)。

4 結(jié)束語(yǔ)

本文研究提出了一種新的車牌定位方法，該方法包括兩個(gè)步驟，即新型彩色邊緣檢測(cè)與改進(jìn)Edge Boxes算法結(jié)合運(yùn)行，該方法充分利用了圖像的彩色信息進(jìn)行所需要的信息處理。該方法在仿真實(shí)驗(yàn)中取得了較好的效果，當(dāng)在圖片光線較為暗淡的時(shí)候?qū)嶒?yàn)發(fā)現(xiàn)定位準(zhǔn)確率會(huì)有所下降，所以本方法還需改進(jìn)以增強(qiáng)抗干擾性能。

參考文獻(xiàn)：

[1] Pooya Sagharichi Ha，Mojtaba Shakeri.License Plate Automatic Recognition based on Edge Detection[J].IEEE，2016：170-174.

[2] Huili Han，Runping Han.Method of License Plate Location Based on Edge Detection and Color Information[C].IEEE International Conference on Transportation， Mechanical， and Electrical Engineering （TMEE），2011：1477-1480.

[3] 馬永慧.基于邊緣檢測(cè)與HSI彩色空間的車牌定位方法[J].山西電子技術(shù)，2013（1）：45-47.

[4] Piotr Dollár，C. Lawrence Zitnick.Edge Boxes： Locating Object Proposals from Edges[M].Computer Vision–ECCV 2014. Springer International Publishing， 2014：391-405.

[5] Dollár P， Zitnick C. Structured forests for fast edge detection[C].Proceedings of the IEEE International Conference on Computer Vision，2013：1841-1848.

【通聯(lián)編輯：代影】