[发明专利]一种快速的街景图像中车牌的检测模糊方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其是一种快速的街景图像中车牌的检测模糊方法。

背景技术

在过去的几年时间内，在线的街景地图产品得到了快速发展。目前来说，最大且最流行的是谷歌街景。全世界范围内，除了谷歌街景外，还有Mapjack，Everyscape和Daum’s Road View等。街景图像的大尺度和精确特性使得用户可以有效地搜索感兴趣点的具体位置，而且使虚拟地在街道级别环境中漫步成为可能，衍生了一系列用途，比如：房地产搜索，虚拟旅游，旅游规划，增强化的驾驶导航和商业搜索等。但是，街景图像的展示是以牺牲个人隐私为代价的，主要包括人脸和车牌。为了保护这些隐私，需要对人脸和车牌区域进行检测和模糊化处理。

街景图像中的车牌检测不同于一般的车牌检测，它的挑战性主要表现在以下几个方面：1、街景图像尺度大，背景复杂，光照变化大，对比度小；2、车牌类型多样，姿态丰富；3、车牌所占区域分辨率低，且存在部分遮挡的情况。谷歌设计了高召回率的主检测器和高精度的次检测器提取车牌特征并采用神经网络的方法进行车牌检测，检测一张图片的时间为7～10秒，检测准确率达到93％。考虑到该方法耗时较长，本发明设计了一种快速的街景图像中车牌的检测模糊方法。

发明内容

本发明的目的是利用图像处理技术提取街景图像中车牌区域的特征，来检测和模糊车牌区域。为此提供一种快速的街景图像中车牌的检测模糊方法。

为了达成所述目的，本发明提供一种快速的街景图像中车牌的检测模糊方法，其特征在于，该方法包括以下步骤：

步骤1，对街景原始图像进行预处理，得到待处理街景图像；

步骤2，将待处理街景图像由RGB空间转换至HSV颜色空间；

步骤3，在HSV空间中，根据所述待处理街景图像中车牌区域的颜色特征，对所述待处理街景图像进行分割，得到所述待处理街景图像的二值图像；

步骤4，对所述二值图像进行膨胀操作；

步骤5，查找经膨胀操作后的二值图像中的所有轮廓，得到各个轮廓的最小包围矩形，根据车牌的形状和梯度特征，初步判断各最小包围矩形所包围的区域是否为车牌区域；

步骤6，根据车牌的空间特征，基于经所述步骤5初步判断为车牌区域的区域，对真实的车牌区域进行检测；

步骤7，对检测得到的真实的车牌区域进行模糊化处理。

本发明引入水平方向的膨胀算法来连通候选区域，基于车牌区域的颜色、纹理、形状和空间特征，创造性地设计了快速、鲁棒的车牌检测算法，并且巧妙地采用水平和垂直模板对车牌区域进行平滑模糊处理，在保证模糊效果的同时，大大提高了处理速度。

附图说明

图1是本发明提出的街景图像中车牌的检测模糊方法流程图；

图2是对蓝底白字车牌进行HSV空间颜色分割后得到的二值图像；

图3是对图2中的二值图像进行膨胀操作后得到的包含车牌候选区域的二值图像；

图4是基于图3中的二值图像的车牌检测结果；

图5是对图4中的车牌区域经水平垂直模糊处理后的结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明的基本原理是提取车牌的颜色特征、形状特征、纹理特征以及空间特征来检测车牌，并对车牌区域进行水平和垂直方向的平滑模糊处理。

图1是本发明提出的街景图像中车牌的检测模糊方法流程图，如图1所示，本发明提出的街景图像中车牌的检测模糊方法包括以下步骤：

步骤1，对街景原始图像进行预处理，得到待处理街景图像；

设街景原始图像的分辨率为W*H，考虑到街景图像中的顶部区域中不存在车牌区域，底部为街景图像采集车，去除街景原始图像的顶部W*h₁像素区域和底部W*h₂像素区域，得到分辨率为W*(H-h₁-h₂)的待处理街景图像。

在通常应用中，街景原始图像的分辨率一般为1232*1616，去除街景原始图像的顶部1232*808像素区域，和底部1232*250的像素区域，得到分辨率为1232*558的待处理街景图像。

步骤2，将待处理街景图像由RGB空间转换至HSV颜色空间；