[发明专利]基于颜色纹理分析器与机器学习的车牌检测方法

摘要

本发明公开了一种基于颜色纹理分析器与机器学习的车牌检测方法，包括以下步骤：步骤1、对预处理后的图片进行纹理特征提取；步骤2、对纹理特征提取的候选车牌图进行透射变换矫正车牌倾斜角；步骤3、对车牌底色进行判断，针对蓝黄牌进行两次颜色特征提取锁定目标位置；步骤4、针对白色的车牌进行第二次纹理特征提取；步骤5、对特征提取后的候选车牌进行机器学习判断。具有准确性高和应用前景好等优点。

主权项

1.一种基于颜色纹理分析器与机器学习的车牌检测方法，其特征在于，包括以下步骤：步骤1、对预处理后的图片进行纹理特征提取；在步骤1中，采用了sobel算子进行边缘纹理提取以及使用新的片断连接方法对目标区域进行连接；以下是sobel算子在水平x方向以及竖直y方向上的两个运算模板：式中，Gx表示纵向边缘检测模板，Gy表示横向边缘检测模板；所述Gx和Gy都是3x3的矩阵，在待检测的图片中使用相同大小的3x3移动窗口遍历整幅图片，在这个过程中分别将模板和移动窗口区域的像素点进行卷积，选取计算值的绝对值较大的点并保留下来；所述对预处理后的图片进行纹理特征提取中，采用了一种连接像素点的方法，所述连接像素点的方法包括如下步骤：A、用模板窗口遍历图像，当该区域内特征像素点达到阈值，执行步骤B，否则，继续遍历，并且在平移模板窗口过程中，每次均与上一个矩形窗口三分之一的重叠区域，因此可以很好地连接片段区域；B、将该重叠区域划分为四个部分，在每部分查找外围点，将得到的边界点连接起来，形成一个封闭的轮廓，然后将轮廓内的位置全部设置为有效区域；步骤2、对纹理特征提取的候选车牌图进行透射变换矫正车牌倾斜角；步骤3、对车牌底色进行判断，针对蓝黄牌进行两次颜色特征提取锁定目标位置；在步骤3中，采用YCrCb颜色空间以及LAB颜色空间对黄蓝底色的车牌进行颜色特征提取，所述颜色特征提取包括以下步骤：步骤31、将候选车牌图转换到YCrCb颜色空间，根据其Y通道的数值大小判断车牌是否是蓝黄底色的车牌；步骤32、针对黄蓝色车牌，根据YCrCb空间中的Cb通道数值大小，使用固定阈值法将符合阈值的蓝黄色像素点标记为前景，将非法的像素点标记为背景；步骤33、使用新的片段连接方法对步骤32中的前景像素点进行连接，得到颜色特征提取的车牌位置图；步骤34、对步骤33颜色特征提取后的车牌进行长宽比例判断，针对不符正常车牌长宽比例的候选图，本方法会将其转化到LAB颜色空间进行二次特征提取，根据图片在B通道的数值大小进行大津法的自动阈值化；步骤35、对步骤34中得到的二值化图片使用新的片段连接方法，得到第二次颜色特征提取的车牌位置图；步骤4、针对白色的车牌进行第二次纹理特征提取；在步骤4中，采用拉普拉斯算子对白色的车牌进行二次边缘纹理特征提取，所述纹理特征提取包括以下步骤：步骤41、将候选车牌图转换到YCrCb颜色空间，根据其Y通道的数值大小判断车牌是否是白色的车牌；步骤42、针对白色车牌，使用拉普拉斯二阶算子对候选车牌区域进行再次边缘提取，以下是在3x3的模板下，拉普拉斯算子在水平x方向以及竖直y方向的运算模板：式中，为水平方向上的二阶导数模板，为竖直方向上的二阶导数模板，f[x+1,y]、f[x,y]、f[x‑1,y]、f[x,y+1]、和f[x,y‑1]分别为在图片(x+1,y)、(x,y)、(x‑1,y)、(x,y+1)和(x,y‑1)处像素值的大小；步骤43、对步骤42处理后的边缘提取图，使用新的片段连接方法对车牌字符边缘进行连接，得到二次纹理特征提取后的车牌位置图；步骤5、对特征提取后的候选车牌进行机器学习判断。