[发明专利]一种复杂背景下的车牌定位方法

摘要

一种复杂背景下的车牌定位方法，包括以下步骤：1)、用固定大小的区域的灰度均值进行差分，从视频中提取车体；2)、对车体图像进行灰度化、梯度信息增强、二值化等预处理；3)、对经过处理的车体图像进行数学形态学运算，结合车牌的结构特征进行初步筛选，得到若干候选车牌区域；4)、将得到的候选车牌区域彩色图像转化为HSV彩色空间图像；5)、利用BP神经网络对HSV彩色空间的候选车牌图像进行颜色识别，通过计算某一像素点两相邻区域的平均色彩距离来进行彩色边缘检测；6)、对边缘点进行边缘颜色对判断，剔除虚假车牌边缘；7)、结合车牌纹理特征进行车牌最终定位。本发明适应复杂背景，定位准确率更高，鲁棒性更高。

主权项

1、一种复杂背景下的车牌定位方法，其特征在于：该方法包括以下步骤：1)截取车辆视频中相邻的两帧，采用改进的瞬时差分法，设计以点为中心的固定大小的范围作为差分区域，取该区域的灰度均值进行差分计算，对差分图像进行滤波及膨胀操作，根据连通域外接矩形的面积进行过滤并定位车体；2)对车体区域图像进行预处理：包括车体图像的灰度化、梯度信息增强、采用平均值加标准差作为阈值进行二值化；3)对经过处理的车体图像进行数学形态学运算，用线型结构元进行膨胀处理，再进行腐蚀操作，将小的区域加以合并得到若干个连通区域，利用车牌宽高范围、宽高比率以及连通域的填充度进行过滤，剔除不符合宽高比要求、填充度低于阈值的连通域，得到若干个候选车牌区域；4)对候选车牌区域的彩色图像进行预处理，将图像由RGB颜色空间转换到HSV颜色空间，转换公式如下：H=θifG≥B2π-θifG<B---(1)]]>S=max(R,G,B)-min(R,G,B)max(R+G+B)---(2)]]>V=max(R,G,B)255---(3)]]>θ=cos-1[[(R-G)+(R-B)]/2(R-G)2+(R-B)(G-B)]---(4)]]>其中，色度H用角度-π～π或0～2π来度量，对应于颜色轮上的角度；亮度V是指颜色明暗程度，通常用百分比度量，从黑0％到白100％；饱和度S指颜色的深浅，用百分比来度量，从0％到完全饱和的100％，与光强度无关；5)对候选车牌图像进行基于区域色彩距离的彩色边缘检测，利用BP神经网络对HSV彩色空间的候选车牌图像进行颜色识别，通过计算某一像素点两相邻区域的平均色彩距离来进行彩色边缘检测；若色彩距离大于某一个阈值t，则认为该像素是一个边缘点，定义区域平均色彩距离的计算公式如下：D=(HnβW1-HnβW2)2+(SnβW1-SnβW2)2+(VnβW1-VnβW2)2---(5)]]>其中，分别是两相邻区域的H、S、V颜色分量的平均值；6)采用边缘颜色对的思想，对车牌图像彩色边缘进行筛选，判别各边缘点的边缘颜色对是否符合我国标准车牌的颜色搭配，若符合，则作为真实边缘点保留；否则，作为虚假边缘去除；7)结合车牌的纹理特征进行车牌的最终定位，作包含连通区域的最小外接矩形，取矩形区域的水平中位线，对称地向上或者向下横向扫描各个候选区域，通过判断水平中位线与边缘的交点个数，得到真实的车牌区域。