一种基于部件车牌字符分割方法(权利要求和说明书)可定稿20140808.docx

《一种基于部件车牌字符分割方法(权利要求和说明书)可定稿20140808.docx》由会员分享，可在线阅读，更多相关《一种基于部件车牌字符分割方法(权利要求和说明书)可定稿20140808.docx（21页珍藏版）》请在第一文库网上搜索。

1、权利要求书1、一种基于部件的车牌字符分割方法，其特征在于：包括以下步骤：(1)、部件选择：根据车牌的结构，将车牌的七个字符作为车牌的七个部件,从左到右分别设为部件1、部件2、部件7,并根据车牌字符的外观特征将部件分成汉字字符部件和字母/数字字符部件，其中汉字划归为汉字字符部件，字母和数字划归为字母/数字字符部件；(2)、模板学习：包括车牌模板学习和部件模板学习；从道路交通图像中获取车牌图像块和字符图像块，提取图像块对应的方向梯度直方图特征，采用SVM(SupportVectorMachine,支持向量机)分别训练车牌模板和部件模板；(3)、目标候选区域确定：利用垂直SobeI算子与形态学闭操作

2、获取垂直边缘图像，并通过连通区域检测和纵横比筛选得到目标候选区域；(4)、字符辅助修正车牌定位：在目标候选区域内进行字符匹配检测，并对缺失字符进行填补，根据检测到的字符及字符间的最大间隔位置进行车牌类型判断，同时依据非空部件字符位置估计车牌位置,完成字符辅助修正车牌定位工作;(5)、位置约束的车牌字符分割：结合车牌位置及车牌与字符间的空间位置约束关系完成分割过程，并获取字符分割图像块，用于后期字符识别。2、根据权利要求1所述的一种基于部件的车牌字符分割方法，其特征在于:所述步骤(2)中，模板学习的过程包括以下步骤：(2.(1) 实际卡口视频中采集训练图像块，手动裁剪车牌图像块作为车牌模板的训练

3、集正例，手动裁剪车牌字符图像块作为部件模板的训练集正例；(2.(2) 征提取：将车辆图像块和字符图像块表征为方向梯度直方图特征,所述方向梯度直方图首先计算图像中每个像素点的梯度方向，得到图像的梯度方向矩阵，以44像素块大小为单元划分梯度方向矩阵，对每个4x4的像素块单元内的梯度方向进行直方图统计，最终得到整个图像块的方向梯度直方图，根据车牌训练图像归一化尺寸72x24像素、部件训练图像归一化尺寸8x16像素，可得车牌模板大小Hp1a1e为18x6,部件模板大小HPar1为2x4；(2.(3) VM训练车牌模板和部件模板，其中：车牌模板训练中，对训练车牌模板的正例和负例分别标记为1和0得到标记矩

4、阵，和步骤(2.2)中得到的方向梯度直方图特征构成训练车牌模板的训练数据，采用SVM进行训练，得到车牌模板今人和检测阈值妨的最终得到车牌模板；部件模板训练中，部件模板训练同车牌模板训练过程相同，同样采用SVM进行训练，得到汉字部件模板心和字母/数字部件模板F1e11er以及对应的部件检测阈值小和也记录在当前车牌模板和部件模板尺寸下，各种车牌类型的各部件与车牌的位置约束关系，即各部件左上角顶点坐标与车牌左上角顶点坐标的相对位置，用于指导后期车牌字符分割过程：Rm=mmt=%1，%2,43,44,九，*6,%7其中，r1tm=Pmn一w1,2,3),1,2,3,4,5,6,7这里，加表示车牌类型标

5、号。表示字符序号，PM表示在车牌类型为机时，车牌第个字符左上角顶点的坐标，表示车牌左上角顶点的坐标，厂却表示车牌类型为机时，车牌第九个字符与车牌的相对位置。3、根据权利要求1所述的一种基于部件的车牌字符分割方法，其特征在于:所述步骤(4)中，字符辅助修正车牌定位包括以下步骤：(4.(1) 当缩放目标候选区域，得到不同缩放比例下的目标候选区域pyramidk,以便于模板匹配，其中表示缩放层数，取值为1、2、3；(4.(2) 每层目标候选区域)，阳加4,计算其方向梯度直方图特征(pyramidk)；(4.(3) 3层目标候选区域阳而&上分别上进行汉字字符检测和字母/数字字符检测：Ietterk(Z

6、Xy)=次心“g3HCG，Chik(ZX,)=3(Fch,(Z7,Hpar1),thchj，其中：FFIetter，Fchifthth1ener,thchif这里，Z4,为目标候选区域0小加4内任意一点，万”为部件模板尺寸，O(Za，”网。表示中心在Z、，大小为的部件特征块，弓,“表示字母/数字部件模板，今z,y,匕山)表示在位置Zw处字母/数字部件模板匹配得分，也皿为字母/数字部件检测阈值，31%(4,)为字母/数字检测结果标记，为1表示匹配成功，为O表示匹配失败，汉字部件检测过程和字母/数字部件检测过程相同,七i表示汉字部件模板，也用为汉字部件检测阈值，c%(z*,v)为汉字检测结果标记；

7、(4.(4) 用非极大值抑制进行部件筛选，筛选目标候选区域中可能的汉字部件和字母/数字部件位置，所述的非极大值抑制就是当两个检测到的部件位置拥有共享区域时，将得分最高的位置作为部件位置；(4.(5) 录每层目标候选区域加&上检测到的部件个数C口网以及每个部件的位置p3%=人/”i,其中PH表示部件左上角顶点坐标，Hptir1表示部件模板尺寸；(4.(6) 定co叫最大值CO所对应最优层pyramid的每个部件位置pbox1,若明而小于4,则判定步骤S3中得到的目标候选区域为虚警，结束进程，否则继续后续步骤；(4.(7) 最优层“W劭成T上进行车牌模板匹配，记录匹配得分最高的位置为车牌初始区域仍

8、办=6,曲J,其中，rp表示车牌左上角顶点坐标，如,表示车牌模板尺寸：score(zxy)=碰水Ze凡小),P1ae(ZXy)=scorezxythphue),其中，与”为车牌模板，为车牌模板大小，O(Zf,匕痴)表示特征块(pkamid)上中心在ZXy,大小为HZtW的区域。sc”e(z“)为ZXV处车牌模板匹配得分，吃为车牌模板检测阈值，pe(Z)为车牌检测结果标记；(4.(8) 断Co加*是否小于7,若是，填补缺失字符，否则直接进行后续步骤；(4.(9) 录字符填补之后所有字符的位置POS=po4,获取字符排序Det=de,detz(1etter,chi9nu11),并记录检出字符个数S

9、et=w,detwnu11),用于后续步骤中估计车牌左上角顶点位置；(4.(10) 牌类型检测：用于检测警用车牌、使馆车牌和民用车牌三种车牌类型，车牌类型的检测是为了确定车牌字符和车牌之间的位置约束关系，以辅助字符分割，具体步骤如下：(a)、利用非空部件字符(不含填补字符)位置估计车牌左上角顶点位置：其中，Sef表示非空部件集，p0%为非空部件的位置，6*表示最有可能的车牌左上角顶点位置，”他表示车牌类型为加时，车牌第个字符与车牌的相对位置，对所有非空部件估计出的车牌左上角顶点位置求平均，即可得到，(b)、由车牌左上角顶点位置及车牌大小，确定车牌修正区域位置rbox=rpHp1ateo4、根据

10、权利要求1所述的一种基于部件的车牌字符分割方法，其特征在于:所述步骤(5)中，位置约束的车牌字符分割包括以下步骤：(5.(1) 据车牌左上角顶点位置反向修正字符位置：ppn=rp+r1nm,me1,2,3,n1,2,3,4,5,6,7其中，m表示车牌类型，表示字符编号，表示车牌左上角顶点坐标，r1mn表示车牌与字符间的相对位置，p；表示修正后的字符左上角顶点坐标；(5.(2) 得字符边界框X*=丽,”；(5.(3) 取字符分割图像块PaC4。5、根据权利要求1或3所述的一种基于部件的车牌字符分割方法，其特征在于：所述步骤(4)中，填补缺失字符的过程包括以下步骤：(a)、确定字符缺失个数：计算车

11、牌左边框和第一个检测部件的水平距离4、车牌右边框和最后一个部件边框中心的水平距离&、各相邻部件中心点之间的水平距离=根据4、4、4,以及”小确定字符缺失个数；(b)、根据”S计算字符小间隔的大小；(C)、根据小间隔大小和字符大小”对缺失字符进行填补，这里填补的字符均以字符表示。6、根据权利要求1或3所述的一种基于部件的车牌字符分割方法，其特征在于：所述步骤(4)中，车牌类型判断的过程包括以下步骤：(a)、定位字符最大间隔的位置：计算车牌初始区域协办所对应区域的垂直投影直方图，设定阈值洗即，小于阈值的连通区域称为波谷Mey,大于阈值的连通区域称为波峰四号，分别记录每个波谷和波峰的宽度，其中第，个

12、波谷的宽度记为W汕儿、第i个波峰的宽度记为Wid%,(i),计算每个波谷宽度和其左右波峰宽度的乘积，即prod(z)=Wid1h(i)XWidthP(J)XWidihP(i+1),(/1),则PrOdf(最大值对应的位置就是字符最大间隔的位置gap,用PrOdK代替Md火来判断字符最大间隔位置，是为了解决相邻字符为1时字符间隔位置超过最大间隔位置的问题；(b)、根据最大间隔位置g卬和第7个车牌字符det?,即可判断车牌类型机，若gap位于字符1和字符3之间且det,为汉字,表示警用车牌类型，团=1,若gap位于字符4之后，表示使馆车牌类型，7=2,其它情况，默认为民用车牌类型，说明书一种基于部

13、件的车牌字符分割方法技术领域本发明涉及车牌字符分割方法领域，具体是一种基于部件的车牌字符分割方法。背景技术车牌号码作为车辆的身份信息，是交通管理中对车辆进行处罚、登记和收费的重要凭证。因此，准确获取车牌信息成为交通管理实现智能化的关键。其中车牌字符分割是车牌识别系统中的三大关键技术之一，分割效果的好坏直接影响下一步车牌识别的效果。由于光照条件不佳和噪声干扰，传统的基于连通区域检测和垂直投影的车牌字符分割方法，在字符粘连和光照条件不佳等情况下，存在许多弊端，易造成误分割和漏分割。利用标准车牌的先验信息，指导车牌字符分割的过程，可以有效解决字符粘连对分割的影响。例如：王兴玲于2006年发表在计算机

14、工程学报上的论文“最大类间方差车牌字符分割的模板即配算法”，根据字符串的结构和尺寸特征，设计了车牌字符串模板，利用标准车牌的先验信息辅助车牌字符分割。可以解决字符粘连、钾钉等造成的误分割问题。但是该方法依然是基于二值化来确定车牌区域，故存在车牌区域定位不准确等问题，进而影响分割的准确性。基于这样的思想，申请号为201310317924.x的中国专利申请中也提出了一种基于连通域和模板的字符切分算法，将标准的模板先验信息（标准车牌规格）运用于指导车牌字符分割的过程。但是其初始分割依然是基于二值化后图像的连通区域检测，在实际操作过程中，由于二值化阈值难以选择，车牌边框、钾钉等造成的字符粘连对分割的影

15、响依然存在。发明内容本发明的目的是提供一种基于部件的车牌字符分割方法，以克服现有字符分割技术中的不足，提高分割准确率。为了达到上述目的，本发明所采用的技术方案为：一种基于部件的车牌字符分割方法，其特征在于：包括以下步骤：（1）、部件选择：根据车牌的结构，将车牌的七个字符作为车牌的七个部件,从左到右分别设为部件1、部件2、部件7,并根据车牌字符的外特征将部件分成汉字字符部件和字母/数字字符部件，其中汉字划归为汉字字符部件，字母和数字划归为字母/数字字符部件；（2）、模板学习：包括车牌模板学习和部件模板学习；从道路交通图像中获取车牌图像块和字符图像块，提取图像块对应的方向梯度直方图特征，采用SVM（支持向量机）分别训练车牌模板和部件模板；（3）、目标候选区域确定：利用垂直SObe1算子与形态学闭操作获取垂直边缘图像，并通过连通区域检测和纵横比筛选得到目标候选区域；（4）、字符辅助修正车牌定位：在目标候选区域内进行字符匹配检测，并对缺失字符进行填补，根据检测到的字符及字符间的最大间隔位置进行车牌类型判断，同时依据非空部件字符位置估计车牌位置,完成字符辅助修正车牌定位工作;（5）、位置约束的车牌字符分割：结合车牌位置及车牌与字符间的空间位置约束关系完成分割过程，并获取字符分割图像块，用于后期字符识别。所述的一