[发明专利]一种复杂背景下的车牌定位的方法

说明书

本发明公开了一种复杂背景下的车牌定位的方法，结合了车牌的纹理特征与车牌的边缘和形状信息，克服了目前常用的车牌定位技术的缺点；采用了Adaboost迭代算法，该算法是一种有效的分类器集成方法，通过单个弱分类器加权投票建立最终的强分类器，从而达到很高的分类性能；通过样本的HOG与分层的LBP融合特征进行Adaboost分类器模型训练，得到分类器模型，进行车牌定位。该方案可以在复杂背景的全景图中准确定位车牌的位置，提高了车牌定位的准确率及实时性。

技术领域

本发明属于图像识别技术领域，具体涉及一种复杂背景下的车牌定位的方法。

背景技术

随着我国汽车保有量的不断增加以及道路交通流量的不断增长，在不断完善和增建道路交通基础设施的情况下，道路交通事故的发生频率仍然在不断增加。面对交通堵塞和环境的污染越来越严重的情况,智能交通系统(Intelligent Transportation System,ITS)作为解决方案被提出并且快速发展。车牌识别是ITS的关键技术之一,其中，车牌定位技术是车牌识别技术的关键步骤，只有准确的定位了车牌的位置所在，才能够准确地识别车牌。

近年来，已经提出了很多种车牌定位的方法。基于色彩与纹理特征的定位方法，当获取的图像质量不高或车牌污染时错误率较高、且我国车牌的种类较多，也对该方法造成一定阻碍。

基于车牌区域颜色特征的车牌定位算法，该算法主要是根据车牌底色和字符颜色只有固定几种颜色搭配的特点，通过提取图像中的颜色信息结合其他算法来进行车牌定位。由于车牌图像在不同的光照条件下有一定程度的色偏，所以需要考虑对车牌图像进行颜色校正。

基于小波变换结合数学形态学、基于方差窗口的车牌定位法等，当图像质量较高且背景较为简单时以上方法可行，但在复杂环境下往往难以达到预期效果。

综上所述，目前常用的车牌定位方法，存在颜色定位精度不够，定位错误率较高，易受光照条件影响的缺点。

发明内容

本发明的目的在于提供一种复杂背景下的车牌定位的方法，能够在复杂背景下，提高车牌定位的准确率和实时性。

本发明采用的技术方案为，一种复杂背景下的车牌定位的方法，具体按照以下步骤实施：

步骤1、采集含有车牌的车辆图像；

步骤2、对车辆图像进行预处理；

步骤3、选取样本库中样本图像，提取样本图像的特征信息，并将特征信息进行融合，得到融合特征；

步骤4、通过融合特征对Adaboost弱分类器的训练，得到Adaboost强分类器；

步骤5、通过Adaboost强分类器对步骤2中预处理后的车辆图像进行车牌定位，确定车牌区域。

本发明的特征还在于：

步骤1具体过程为：利用拍照设备通过触发器对车牌进行触发拍照，得到含有车牌的图像。

步骤2对车辆图像进行预处理是指把图像进行灰度化处理。

步骤3中样本图像指车牌图像、非车牌图像。

步骤3中特征信息指方向梯度直方图HOG特征、分层的局部二值模式LBP特征。

步骤3中提取样本图像的特征信息具体过程为：

先将样本图像转化为样本灰度图像，再提取样本灰度图像的方向梯度直方图HOG特征和样本灰度图像的分层局部二值模式LBP特征：

1).提取样本灰度图像的方向梯度直方图的HOG特征：

步骤3.1、对样本灰度图像进行Gamma空间和颜色空间标准化；

Gamma压缩公式：