李　甫，　張佳成

(1.內江師范學院 數學與信息科學學院，四川 內江 641112；2.中國科學院 成都計算機應用研究所，四川 成都 610041)

?

復雜場景下車牌識別新方法*

李甫1*，張佳成2

(1.內江師范學院 數學與信息科學學院，四川 內江 641112；2.中國科學院 成都計算機應用研究所，四川 成都 610041)

針對復雜場景下車牌識別問題，提出了一種新的車牌識別方法.該方法通過顏色空間劃分預分割車牌目標，然后采用矩形特征匹配定位符合車牌形狀的候選塊，并對候選塊進行幾何校正和自適應分割，再將分割出來的每個字符進行歸一化特征提取，最后通過字符的積分特征逐一對每個候選塊進行識別，識別成功者即為真實的車牌.實驗表明，該方法能適應大多數復雜的場景，不局限于圖像的分辨率，以及拍攝的角度，保證了車牌識別的準確率.

圖像處理；顏色空間；車牌識別；閾值分割；積分特征

在車牌的自動識別過程中，車牌定位、字符分割、字符識別是三項關鍵技術，任何環(huán)節(jié)的失敗都會導致錯誤識別，尤其在復雜場景下，車牌識別的難度更大，為此各個環(huán)節(jié)不能相互孤立，必須提出一整套相關聯(lián)的解決方法.目前車牌定位的方法很多[1～3]，并都取得了很好的效果，但是這些方法大多數背景比較簡單，成像環(huán)境也比較穩(wěn)定，這就限制了車牌識別的范圍；關于字符分割的方法也很多[4～6]，如垂直投影法，聯(lián)通區(qū)域法，聚類分析法以及模版匹配法等，但這些方法必須建立在一個很好的二值圖像上，適應性不是很好；另外，車牌識別算法也很多，如模板匹配法，積分特征匹配，神經網絡方法等，如果前述車牌定位和字符分割比較準確的話，車牌識別算法一般都能取得比較好的效果.本文提出一整套復雜場景下的車牌識別方法，將各個環(huán)節(jié)相互關聯(lián)，各環(huán)節(jié)采用彼此最適合的算法，最終保證在復雜場景下的準確識別率.

1　車牌預分割

顏色空間作為圖像處理領域的一個重要特征，在分析不同問題時采用不同空間非常重要.目前中國的車牌具有明顯的顏色特征，故本文選用具有跟人眼視覺特征相似的HSV顏色空間進行車牌預分割.鑒于中國車輛牌照主要有藍底白字、黃底黑字、黑底白字和白底黑字紅字幾種類型，因此基于HSV顏色模型，根據車牌底色，利用顏色空間距離及相似度計算，就可以從圖像中分割出想要的顏色區(qū)域，再采用矩形特征匹配法進行定位候選車牌.下面以藍底白字的車牌為例來說明車牌預分割.

圖1是車牌候選塊預分割的流程，圖2是根據此流程對四幅測試圖像進行預分割的實驗結果，由實驗結果可以看出，根據顏色空間分割后仍然有不少雜點，但是通過矩形特征匹配即可找到車牌的候選塊.

2　字符校正與分割

由于受到攝像機鏡頭與車牌之間的傾斜、車速、道路坡度以及車牌懸掛位置等的影響，車牌會有不同程度的傾斜畸變，這就給后續(xù)車牌圖像的進一步處理帶來了一定的困難，造成字符的錯誤分割，從而影響車牌字符識別的準確性.因此，需要在車牌字符分割之前進行車牌傾斜校正.目前字符校正的方法主要有基于Hough的傾斜校正方法、基于主成分分析的傾斜校正方法以及基于K-L展開式的傾斜校正方法.本文的校正方法建立在車牌預分割的基礎上，所以采用基于Hough的校正方法，簡單、快速、效果好.

車牌字符分割的任務就是把單個車牌字符從二值車牌圖像中分割提取出來，以便進行字符識別.車牌字符分割越準確，則字符識別的效果就越好.目前常用的車牌字符分割算法有垂直投影法、模板匹配法、連通區(qū)域法、聚類分析法等，但都建立在一幅好的二值分割圖像上.本文采用局部小窗口自適應閾值分割，即使灰度圖像對比度比較弱也能達到比較好的效果，如車牌老舊，顏色剝離，車牌臟等.圖3是車牌字符校正和分割的流程圖，圖4是根據此流程對四幅圖像車牌進行實驗的結果.

由上述實驗可以看出，本文提出的車牌定位與車牌字符分割方法具有較好的魯棒性，分割后的字符形態(tài)方正，字符邊緣清晰，邊緣連通性較好，為后續(xù)準確識別字符提供了保障.

3　字符識別

字符識別作為車牌識別的最后環(huán)節(jié)，非常關鍵，直接關系到字符識別的穩(wěn)定性和準確率.本文采用二直邊緣圖像的harr積分作為字符識別的特征，該方法簡單、準確.識別流程如圖5所示.

為測試本文提出的車牌識別方法魯棒性、準確率和時效性，隨機從網上下載一定數量的車牌識別庫圖像作為測試，每張圖像歸一化后的格式為800*600，測試平臺為：酷睿i5雙核、Win8操作系統(tǒng)，測試結果如表1所示.

表1　識別性能測試Tab.1　Recognition performance test

4　結　論

針對復雜場景提出了一種車牌定位、分割和識別的整套解決方法，該方法不僅魯棒性好，而且在復雜場景下的識別準確率較高.對該方法的測試時間進行了測試，測試結果表明，該方法可以滿足當前智能交通的實時性要求.

[1]COMELLI P, FERRAGINA P, NOTTURNO M. Optical recognition of motor vehicle number plate[J]. IEEE Trans On Vehicular Technology, 1995,44(4):790-799.

[2]路小波，張光華. 基于二值圖像的車牌精確定位方法[J]. 東南大學學報(自然科學版), 2005,35(6):972-974.

[3]穆長江，苑瑋琦. 基于紋理特征的車牌定位方法[J]. 控制工程,2004,11(6):574-576.

[4]Tran Duc Duan, Tran Le Hong Du, Tran Vinh Phuoc. Building an automatic vehicle license plate reconition system[J]. Computer Science, 2005, 2:21-24.

[5]吳一全，丁堅. 基于K-L展開式的車牌傾斜校正方法[J]. 微電子學與計算機， 2006, 23(1):177-180.

[6]王枚，王國宏. 基于字符投影最小距離的車牌校正方法[J]. 計算機工程，2008,34(6):216-218.

責任編輯：龍順潮

New Plate Recognition Method in Complicated Background

LIFu1*，ZHANGJia-cheng2

(1.Department of Computer Science and Technology, Neijiang Normal College, NeiJiang 641112;2.The Chinese Academy of Sciences Chengdu Institute of Computer, Chengdu 610041 China)

A new plate recognition method is proposed for complicated background. It uses color space partition to segment the plate object, then adopts the rectangle matching algorithm to locate the multiple candidate plate blocks.And geometric correction as well as adaptive segment algorithms are applied to the candidate plate blocks, then the divisional single characters must be normalization and stable features are extracted. Last, it determines the true plate block and recognizes each character based on character integration features matching. Experiments indicate that proposed plate recognition method is suit for majority complicated background. Furthermore, this method is not restrict for image resolution together with capture angle, promotes the plate recognition’s accurate.

image process; color space; plate recognition; threshold segment; integration feature

2015-08-17

四川省高校創(chuàng)新團隊項目(13TD0001)

李甫(1976-)，男，四川 西充人，博士，實驗師. E-mail:jiaken2660@126.com

TP391

A

1000-5900(2016)01-0090-03