[发明专利]一种基于车牌识别的智能交通分析方法

说明书

技术领域

本发明涉及视频分析技术领域，具体涉及一种基于车牌识别的智能交通分析方法。

背景技术

在“向科技要警力、向科技要效率”的今天，随着城市机动车数量的不断增长，带来诸多便利的同时，也存在着一些问题，城市道路交通事故频频发生，给城市交通管理造成了一定的难度。

利用科技手段实现对道路交通进行有力的治理，既能有效的防止此类交通违章行为，减少由此引起的事故，又能对违章的驾驶员起到威慑作用，促进交通秩序良性循环，同时能将部分交警解放下来，在一定程度上缓解警力不足，真正体现向科技要警力的无穷力量。

近年来孕育而生的电子化交通管理等已得到了广泛的应用，例如：闯红灯抓拍、超速抓拍等；但其多数系统停留在对违章等车辆的抓拍上，后续需经过较多的人工成本和时间对车牌进行识别，这也产生了工作量大，效率不高，智能化程度低的问题。

针对于此，需要做出改进。

发明内容

本发明提供了一种基于车牌识别的智能交通分析方法，大大提高交通视频车牌分析能力和效率。

一种基于车牌识别的智能交通分析方法，包括以下步骤：

1)原始图像采集，使用高速摄像机对出现在画面内的信息进行录像；

2)图像预处理，对采集到的录像进行灰度处理，然后进行降噪处理；

3)车牌定位，使用基于小波分析定位法对车牌进行定位；

4)字符分割，对已经定位出车牌区域的图像进一步处理，精确定位字符区域，然后根据字符尺寸特征采用动态模板进行字符分割，并将字符大小进行归一化处理；

5)字符识别，对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，识别出输入的字符图像。

进一步的，所述步骤3)车牌定位中，使用的小波分析定位法包括以下步骤：

1)先使用自适应滤波多尺度边缘检测方法检测出车牌的边缘；

2)然后用数学形态学方法度阈值二值化后的边缘图像记性系列形态运算，进一步消除无用信息；

3)最后用基于车牌底色识别的方法进行车牌定位。

进一步的，所述步骤2)中对图像预处理，具体为对拍到的车辆图像进行灰度化和去噪处理，在处理中保留和增强车牌中纹理和颜色信息。

进一步的，所述灰度化处理，具体做法为将拍到的图像转化为BMP格式，转换为256个亮度级的灰度图像，使用加权平均值法作为灰度化算法。

进一步的，所述加权平均值法对BMP图像的R、G、B值赋予权值后加权平均，即：

R＝G＝B＝(WrR+WgG+WbB)/3；

灰度图像随着赋予不同的权值而变化，实际中取(0.299/0.587/0.114)时，图像效果最好。

进一步的，所述在图像灰度化处理后，还要进行灰度拉伸，通过T变换来改变图像中每个点的像素值，直至达到满意的效果，即：

g(x,y)＝T[f(x,y)]。

进一步的，在步骤4)和步骤3)之间还包括一个选择性触发的步骤，车牌校正，具体为将倾斜的车牌图像进行校正。

进一步的，所述字符分割中，所述的对已经定位出车牌区域的图像进一步处理包括：灰度化、灰度拉伸、二值化和边缘化处理。

进一步的，所述步骤字符识别中，还包括与字符模板数据库中的标准字符表达形式进行匹配判别。

进一步的，还包括结果输出步骤，将车牌识别的结果以文本格式的形式输出。

本发明的优点在于：本发明通过图像采集并对图像中的车牌进行智能分析自动识别车牌，减轻了人工成本，提高了电子化交通管理的智能化水平和工作效率；方法流程简洁，系统实现效率高，车牌识别准确率高。

附图说明

图1为本发明基于车牌识别的智能交通分析方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。