[发明专利]一种基于特征融合匹配的行驶证检测和识别方法

说明书

本发明涉及一种基于特征融合匹配的行驶证检测和识别方法：首先进行区域检测定位，针对行驶证图片存在的背景复杂、角度倾斜的问题，提出的特征匹配方法能有效解决传统方法倾斜校正时间长、正确率低的问题。然后通过模板分割得到字段区域，由于光照不均和背景底纹导致传统的二值化算法效果不佳，提出的融合二值化方法可以解决光照、底纹影响以及文字笔划粘连缺失的问题。最后通过分类器得到文字识别结果，具有较高的文字识别准确率。该方法具有快速、多角度、背景鲁棒与光照鲁棒等优点，具有较高的应用价值。

技术领域

本发明涉及模式识别与计算机视觉领域，并将其应用至证件识别系统上，特别是一种基于特征融合匹配的行驶证检测和识别方法。

背景技术

机动车行驶证是车辆管理的主要证件，通过行驶证可以明确车辆的归属，在交通执法过程中扮演着重要的角色。随着社会信用体系不断完善，行驶证的应用范围不再局限于交通领域，可作为个人信用凭证，应用到保险、银行等部门。所以录入行驶证信息成了一项十分关键的工作，但人工录入效率低、容易出错，而将行驶证卡芯改造成IC卡增加成本。随着文字识别技术的进步，使得行驶证的自动识别成为可能。人们使用移动设备拍摄行驶证图片，经识别系统处理后自动得到文字信息，这种录入方式操作难度较低，能简化相关流程，应用面广，实用性高。

当然，直接从光学图像识别出证件信息也面临着很多的挑战。首先，用户拍摄时的光照环境有所差异，容易造成图像偏暗或偏亮的现象产生，这给图像文字与背景的分离工作造成很大的困难，设计的算法需要根据当前图片的亮度属性自适应地调整分离的阈值，对算法的鲁棒性提出了一定的要求。其次，很多情况下，用户拍摄时很难正对行驶证，导致拍摄的图像中行驶证具有一定角度的倾斜、偏移，所以算法需要确定行驶证的轮廓区域，并将其校正成正对的图像，在校正的过程中，需要排除拍摄的背景和行驶证上覆膜的影响。最后，行驶证上的底纹，在光照偏暗的场景下，会被很多算法当成是文字的边缘，从而被误判成为文字，导致文字识别结果中出现不存在的字符，降低文字识别准确率。

本发明提出的机动车行驶证检测和识别方法基于特征融合匹配的技术，通过背景模板匹配方法对行驶证边缘轮廓的位置进行定位以完成倾斜校正，再经模板分割以及融合二值化方法，得到区域二值化图像，最后通过分类器对二值图像进行识别，得到文字识别结果。在实际应用中，本文所提方法表现得较为出色，对光照变换性、场景复杂性具有较强的适应处理能力，检测和识别时间较短，具有快速、准确率高等优点。

发明内容

本发明的目的在于提供一种基于特征融合匹配的行驶证检测和识别方法，以克服现有技术中存在的缺陷，并解决针对机动车行驶证快速检测和识别问题。

为实现上述目的，本发明采用以下技术方案：一种基于特征融合匹配的行驶证检测和识别方法，其包括以下步骤：步骤A：从行驶证模板图像中提取关键点，计算关键点特征；步骤B：使用分类器判定待检测图像是否为行驶证图像；步骤C：若为行驶证图像，则从图像中提取关键点，计算关键点特征；步骤D：根据提取的关键点特征，进行特征匹配，计算透视变换矩阵，得到行驶证定位和校正结果；步骤E：提取行驶证字段区域图像，进行字段区域图像二值化；步骤F：对字段区域进行文字分割，并使用分类器对文字进行识别，得到行驶证文字内容识别结果。

在本发明一实施例中，所述步骤A中，从行驶证模板图像中提取关键点，计算关键点特征，具体包括以下步骤：步骤A1：从行驶证模版图像中提取候选关键点；步骤A2：对候选关键点进行非极大值抑制操作，筛选关键点：对于候选关键点，在以其为中心5×5像素的邻域内，如果该候选关键点的得分值S为该邻域中所有候选关键点的得分最大值，则将其标记为关键点，否则将其标记为非关键点；步骤A3：计算关键点特征。

在本发明一实施例中，所述步骤A1中，从行驶证模版图像中提取候选关键点，具体包括以下步骤：步骤A11：对图像进行灰度化处理，其灰度化公式如下：

V＝(V_r+V_g+V_b)/3；