[发明专利]一种基于小波变化和支持向量机的实时多车牌识别方法和装置

说明书

技术领域

本发明涉及计算机视觉图像处理技术领域，特别是指一种基于小波变化和支持向量机的实时多车牌识别方法和装置。

背景技术

车牌识别技术就是在外界实际交通道路场景中对车辆的车牌进行检测并准确识别其车牌字符的算法技术。使用普通相机获取实际的交通道路场景图像，因为外界复杂环境的影响，比如天气，路况等，严重干扰了摄像头对车牌的检测和识别；并且，当前大多数车牌识别算法只能对图像中单个车牌进行检测和识别，对图像的多车牌无法实现准确定位和识别。现在车牌识别技术已经成为计算机图形学的研究焦点，被广泛应用于现实生活当中，如小区停车计时系统，交通路口安全监控系统等。

车牌检测和车牌字符识别是车牌识别的两个关键技术。车牌检测是车牌识别的前端工作，对于多车牌识别来说，车牌检测尤为重要。只有准确定位图像中的车牌，才能对图像中的多个车牌进行识别等后续处理工作。采用现行的单目标算法进行简单扩展实现多个车牌的检测与识别，第一，它的检测效果达不到要求，因为单个车牌比较清晰，在图像中所处的区域比较大，而多个车牌分布在图像的各个区域，每个区域都不是很大，本身就并不是特别清晰；第二，简单的将其算法加入到多车牌检测上面来，算法复杂度大，实时效果不好。因此针对当前交通道路上车辆超速，违法超车，闯红灯等违法事件的存在，迫切需要一种能够实现多车牌识别的方法来制止这些交通违法活动的发生。

发明内容

本发明提出一种准确、快速且有效解决多车牌识别的基于小波变化和支持向量机的实时多车牌识别方法和装置。

本发明的技术方案是这样实现的：

一种基于小波变化和支持向量机的实时多车牌识别方法，包括以下步骤，

步骤1，采集车辆图像；

步骤2，对图像进行去噪处理，具体为先对图像进行拉普拉斯变换，对图像的边缘进行增强，然后将彩色图像转变为256级的灰度图像，再对图像进行高斯模糊处理；

步骤3，根据矩形框内的边缘像素数与矩形面积之比的大小确定车牌图像的位置；

步骤4，对车牌图像采用行扫描的方法确定车牌的水平位置，采用小波分层变换的方法确定车牌的垂直位置；

步骤5，对每一幅车牌图像进行二值化处理，然后对处理后的车牌图像进行列扫描，当单列边缘像素数的超过预先设定的阈值范围时，则判断当前列包含车牌字符，否则该列不包含车牌字符将其作为字符分割的边界；

步骤6，对车牌字符进行识别，具体为利用事先训练好的SVM支持向量机对检测到的车牌图像进行字符识别，得到车牌号信息，并记录该车牌在车辆图像中的位置。

本发明还提供一种采用上述方法进行实时多车牌识别的装置，包括视频采集模块，用于图像的采集；车牌识别模块，用于对车牌进行识别；电源模块，用于给整个系统供电；存储模块，用于对系统程序及重要视频的存储；和显示模块，用于显示场景拍摄视频以及出现违法交通事故的视频帧；其中视频采集模块采集、电源模块、存储模块及显示模块均与牌识别模块讯号连接。

本发明提供的一种基于小波变化和支持向量机的实时多车牌识别方法和装置，可实现在同一图像中多个车牌准确的检测，并能迅速的进行识别，从而为交通监管人员的监测安全提供极大帮助。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于小波变化和支持向量机的实时多车牌识别方法的流程图；

图2为一种基于小波变化和支持向量机的实时多车牌识别装置的结构框图；

图3为小波变换一次分解示意图。

具体实施方式

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，所描述的实施例仅仅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。

请参见图1，一种基于小波变化和支持向量机的实时多车牌识别方法，包括以下步骤，

步骤1，采集车辆图像；其可通过摄像机进行实际场景车辆图像的采集；在本实施例中，其由处理器产生采集信号，控制摄像机对测量图像进行采集和解码，并且其采集速度在35帧/秒。