一種針對(duì)復(fù)雜背景的復(fù)合車(chē)牌定位算法

摘要：針對(duì)單一車(chē)牌定位算法在復(fù)雜背景中定位的條件受限情況，提出了將邊緣檢測(cè)定位和顏色提取定位復(fù)合使用的多層次處理算法。該算法設(shè)計(jì)了一套偽車(chē)牌區(qū)域判別方法，先利用兩種定位算法并行處理車(chē)牌圖片，再將其得到的候選區(qū)域進(jìn)行偽區(qū)域判別以獲得正確的車(chē)牌區(qū)域。該算法具有更廣泛的適用范圍，定位準(zhǔn)確度較單一定位方法要高。

關(guān)鍵詞：車(chē)牌定位； 復(fù)合處理； 偽區(qū)域判別

中圖分類(lèi)號(hào)：TP391.41文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2008)06－1741－03

車(chē)牌定位是車(chē)牌自動(dòng)識(shí)別系統(tǒng)實(shí)現(xiàn)的關(guān)鍵部分，車(chē)牌定位的準(zhǔn)確與否，直接決定了后續(xù)字符分割和識(shí)別的圖像處理與識(shí)別的質(zhì)量與成敗。現(xiàn)在車(chē)牌定位已經(jīng)提出了很多方法，比如R．Parisi等人[1]提出的基于DFT變換的頻域分析方法，Kim等人[2]提出的神經(jīng)網(wǎng)絡(luò)進(jìn)行車(chē)牌提取，J．Barroso等人[3]提出的基于水平線搜尋的定位方法等。其中比較成熟的大體上可以分為兩類(lèi)：基于車(chē)牌邊緣檢測(cè)的算法[4]和基于彩色分割的算法[5]。但是車(chē)牌識(shí)別存在許多客觀的干擾因素，如光照、背景、車(chē)牌磨損、圖像傾斜等，導(dǎo)致基于車(chē)牌邊緣檢測(cè)的算法難以解決背景復(fù)雜和光照強(qiáng)烈的情況，基于彩色分割的算法對(duì)于背景顏色和車(chē)牌容易混淆的車(chē)牌定位效果不理想，這些因素給車(chē)牌定位帶來(lái)了許多困難。本文提出了將邊緣檢測(cè)和顏色提取復(fù)合處理的方法，以彌補(bǔ)單一算法的不足之處，實(shí)現(xiàn)在多種情況下車(chē)牌的準(zhǔn)確定位。

1復(fù)合車(chē)牌定位算法

1．1邊緣檢測(cè)與圖像提取算法

本文通過(guò)偽車(chē)牌區(qū)域判決算法將邊緣檢測(cè)和顏色提取兩種定位處理復(fù)合，以實(shí)現(xiàn)車(chē)牌定位的多層次處理。基于邊緣檢測(cè)的定位算法主要利用車(chē)牌區(qū)域和非車(chē)牌區(qū)域紋理信息的差異進(jìn)行處理定位。車(chē)牌部分存在著大量的邊緣，紋理信息十分豐富，而背景部分邊緣相對(duì)要少得多，所以可以將邊緣作為車(chē)牌與背景的區(qū)分手段。

圖像的邊緣是指某像素區(qū)域和其周?chē)南袼鼗叶扔须A躍變化，如牌照區(qū)域的字符和背景就有明顯的邊緣，而且邊緣的個(gè)數(shù)也很多，這是牌照區(qū)域區(qū)別于其他區(qū)域的根本特征之一[6]。對(duì)原始圖像進(jìn)行灰度化和二值化之后，可以開(kāi)始邊緣檢測(cè)。圖像邊緣的獲得可采用Sobel垂直算子對(duì)圖像進(jìn)行運(yùn)算。考慮到二值化后的圖像有許多的孤立噪聲，還需對(duì)圖像進(jìn)行一次中值濾波，以消除各種背景噪聲。由于車(chē)牌的字符是許多的豎線，中值濾波模板選用（1，1，1，1）T，然后可以進(jìn)行牌照搜索，采用投影法完成，垂直投影檢測(cè)出車(chē)牌的水平位置，水平投影檢測(cè)車(chē)牌的垂直位置。但是單一的邊緣處理是有缺陷的，對(duì)于背景過(guò)于復(fù)雜或是光照過(guò)于強(qiáng)烈的環(huán)境，難以正確定位。同時(shí)，又考慮到車(chē)牌區(qū)域的顏色與非車(chē)牌區(qū)域的顏色通常情況下有很大的區(qū)別，在邊緣檢測(cè)不能正確定位的情況下，可以復(fù)合采用基于彩色分割的定位算法。

顏色提取定位算法主要思想是[7]：將RGB彩色空間轉(zhuǎn)換為HSV彩色空間；利用顏色空間距離以及相似度計(jì)算進(jìn)行圖像顏色分割。分割時(shí)，將圖像中的目標(biāo)區(qū)域設(shè)為前景白色，其余區(qū)域設(shè)為背景黑色，以獲得候選區(qū)域。再進(jìn)一步結(jié)合形態(tài)學(xué)的思想和標(biāo)準(zhǔn)車(chē)牌的特點(diǎn)定位車(chē)牌。同樣，單獨(dú)使用顏色提取的算法，對(duì)于背景和車(chē)牌區(qū)域過(guò)于相似的情況也會(huì)有定位的困難，而偽車(chē)牌定位的判別正是實(shí)現(xiàn)復(fù)合的關(guān)鍵。圖1給出了偽車(chē)牌判別與兩算法之間的流程關(guān)系。

1．2偽牌判決算法

1．2．1車(chē)牌圖像特點(diǎn)研究

1)車(chē)牌顏色的特點(diǎn)中國(guó)的車(chē)牌按顏色主要可分為四種，即小型汽車(chē)顏色為藍(lán)底白字；大型汽車(chē)為黃底黑字；軍用或警用車(chē)為白底紅字；外籍車(chē)為黑底白字。

2)車(chē)牌形狀的特點(diǎn)一般對(duì)車(chē)牌的拍攝會(huì)因?yàn)榻嵌鹊牟煌尸F(xiàn)出一定的形變，但是實(shí)際的定位圖像一般仍呈長(zhǎng)方形。

3)車(chē)牌字符的特點(diǎn)車(chē)牌字符也是具有一定規(guī)律的。車(chē)牌的背景色與字符色之間的對(duì)比度較明顯，幾個(gè)字符連續(xù)出現(xiàn)在水平方向上會(huì)形成一系列的明暗交替，有豐富的邊緣存在，且筆畫(huà)中的縱向筆畫(huà)豐富，字符和牌照底在灰度值上存在突變。

4)車(chē)牌在圖像中的位置特點(diǎn)車(chē)牌一般在汽車(chē)的前方或后方的中央，而車(chē)身的顏色一般是一致的，不會(huì)有突變。

以上的先驗(yàn)知識(shí)都可以用做車(chē)牌真?zhèn)蔚呐袆e。一般的車(chē)牌都是在野外拍攝的，受時(shí)間和氣候的影響較大，背景的復(fù)雜性使車(chē)牌圖像中含有諸多與車(chē)牌信息類(lèi)似的區(qū)域，會(huì)被誤認(rèn)為是虛假車(chē)牌。偽車(chē)牌區(qū)域可作如下分類(lèi)：a)零亂的但具有和車(chē)牌類(lèi)似邊緣的區(qū)域；b)顏色與牌照顏色相近的小噪聲區(qū)域或汽車(chē)外殼區(qū)域。下面根據(jù)車(chē)牌特點(diǎn)的先驗(yàn)知識(shí)和偽車(chē)牌區(qū)域圖像顏色復(fù)雜、紋理信息不明顯等自身特點(diǎn)，提出了偽車(chē)牌判別的方法。

1．2．2車(chē)牌真?zhèn)蔚暮?jiǎn)單預(yù)判別

1)幾何判決在獲得車(chē)牌區(qū)域（無(wú)論真?zhèn)危┖螅梢垣@得如下的幾何特征：待判車(chē)牌區(qū)域的面積area、總體寬度width、總體高度height以及寬高比ratio=width/height。

在車(chē)牌圖像拍攝的場(chǎng)景確定時(shí)，牌照區(qū)域的值一定在一定的范圍內(nèi)：

areaMin＜area＜areaMax(1)

widthMin＜width＜widthMax(2)

heightMin＜height＜heightMax(3)

ratioMin＜ratio＜ratioMax(4)

當(dāng)待判區(qū)域不在此幾何范圍內(nèi)時(shí)，認(rèn)為此區(qū)域是偽車(chē)牌區(qū)域。其中，各個(gè)幾何特征值的最大和最小值都是根據(jù)實(shí)際的圖像獲得的動(dòng)態(tài)閾值，根據(jù)拍攝圖像的大小不同，其范圍也是不一樣的。

2)密度判別為了判別的方便，在對(duì)車(chē)牌區(qū)域二值化時(shí)，將字符賦為黑點(diǎn)，背景賦為白點(diǎn)。真實(shí)車(chē)牌的黑點(diǎn)數(shù)目num是相當(dāng)豐富的。將num與整個(gè)背景區(qū)域比較，用式(5)表示為

num/area＞threshold；為真實(shí)車(chē)牌區(qū)域others;為偽車(chē)牌區(qū)域

（5）

1．2．3使用投影圖判斷車(chē)牌真?zhèn)蔚姆椒í?/p>

從車(chē)牌字符的特點(diǎn)可以預(yù)見(jiàn)，車(chē)牌區(qū)域的垂直投影圖將呈現(xiàn)多鋸齒狀，連續(xù)字符之間將在水平方向上出現(xiàn)有規(guī)律的明暗交替[8]。根據(jù)這一特點(diǎn)，可以使用一條水平直線與投影圖相交，統(tǒng)計(jì)交點(diǎn)的最大個(gè)數(shù)，以此判斷真?zhèn)诬?chē)牌。由于車(chē)牌的字符數(shù)為7，交點(diǎn)的最大個(gè)數(shù)不能小于14，否則認(rèn)為是偽車(chē)牌。該方法的步驟如下：

a）作該區(qū)域的垂直投影圖；

b）考慮到投影圖會(huì)有尖峰噪聲，從而影響后續(xù)統(tǒng)計(jì)，所以將投影圖進(jìn)行一次高斯濾波；

c）從投影圖底部開(kāi)始，用一條水平線穿過(guò)投影圖，統(tǒng)計(jì)水平線與投影圖的交點(diǎn)個(gè)數(shù)；

d）將水平線依次上移，直到到達(dá)投影圖的頂部，并找到水平線交點(diǎn)的最大個(gè)數(shù)N；

e）如果N小于一個(gè)閾值T，則認(rèn)為是偽車(chē)牌區(qū)域。

圖2為實(shí)際投影圖統(tǒng)計(jì)水平交點(diǎn)的示意圖。圖2(a)是與車(chē)牌區(qū)域有著相似的邊緣信息的偽車(chē)牌區(qū)域；(b)是該圖像的真實(shí)車(chē)牌區(qū)域。對(duì)兩幅圖進(jìn)行垂直投影，圖中的水平線是交點(diǎn)個(gè)數(shù)最大的水平線示意。從圖中可以看到真實(shí)車(chē)牌的投影更加有規(guī)律，字符與字符之間有明顯的間隔。

1．2．4車(chē)牌真?zhèn)蔚念伾袆e法

車(chē)牌是具有顏色信息的，并且車(chē)牌牌底擁有的顏色只有藍(lán)、黃、黑、白四種，而字符顏色只有白、黑、紅三種，作為真實(shí)車(chē)牌，定位的圖像，四種牌底顏色中的一種必須占有相當(dāng)?shù)谋戎兀瑫r(shí)其牌底顏色對(duì)應(yīng)的字符顏色與牌底顏色的比值也不應(yīng)小于某個(gè)閾值。在HSV彩色汽車(chē)圖像中用H和S分量標(biāo)志藍(lán)色和黃色區(qū)域，再用V分量標(biāo)志白色和黑色區(qū)域，其他無(wú)關(guān)顏色區(qū)域標(biāo)志為牌照的背景，可以獲得多個(gè)待定車(chē)牌。然后可采用如下步驟進(jìn)行判斷：

a）將原彩色圖像f(x，y)轉(zhuǎn)換為6級(jí)灰度圖g(x，y)，將所有可能的牌照區(qū)域標(biāo)志出來(lái)。其中：灰度值255用來(lái)標(biāo)志藍(lán)色區(qū)域(用B1標(biāo)志)；灰度值200用來(lái)標(biāo)志黃色區(qū)域(用Y標(biāo)志)；灰度值I50用來(lái)標(biāo)志白色區(qū)域(用W標(biāo)志)；灰度值100用來(lái)標(biāo)志黑色區(qū)域(用B2標(biāo)志)；灰度值50用來(lái)標(biāo)志紅色區(qū)域（用R標(biāo)志）；灰度值0用來(lái)標(biāo)志與牌底顏色無(wú)關(guān)的圖像背景[9]。

b）車(chē)牌牌底只有藍(lán)、黃、黑、白四種顏色，假定待判車(chē)牌區(qū)域的面積為area，根據(jù)a)中的結(jié)果，比較四種底色：

圖3為一幅顏色比較暗淡且容易混淆的車(chē)牌圖像，對(duì)其使用顏色定位可以獲得幾個(gè)待判車(chē)牌區(qū)域。

可以看到通過(guò)顏色判別后，依然有兩個(gè)待判區(qū)域，可以觀察到偽待判區(qū)域是白底黑字（有一個(gè)“公”字），同時(shí)車(chē)身上開(kāi)門(mén)處的縫隙被灰度化為黑色，這些信息綜合在一起，造成了顏色判決法不能最終得到定位結(jié)果。所以必須再次進(jìn)行1．2．3節(jié)中的投影圖判別。為了能夠使用投影圖判斷以及后續(xù)的字符分割、識(shí)別等后續(xù)操作，必須先對(duì)圖像進(jìn)行二值化。

1．3針對(duì)顏色定位二值化算法

通過(guò)顏色提取獲得車(chē)牌區(qū)域后，要進(jìn)行二值化以判斷車(chē)牌區(qū)域的真?zhèn)巍４藭r(shí)的二值化是針對(duì)已定位的小區(qū)域進(jìn)行的，其目的是為了可以進(jìn)行投影判斷以及輔助完成彩色提取車(chē)牌后的字符識(shí)別工作。在理想的情況下，如果前景物體內(nèi)部灰度值分布比較均勻，背景灰度值的分布也是比較均勻的，這個(gè)圖像的灰度直方圖將有明顯雙峰效果（圖4），則值T可以作為閾值。但是，如果存在光照強(qiáng)烈或光照不均等噪聲干擾，會(huì)在直方圖中出現(xiàn)虛極值而導(dǎo)致閾值選取的誤差。用實(shí)際直方圖來(lái)分析，可以從直方圖上看到多個(gè)峰值，而每?jī)蓚€(gè)峰值之間的谷點(diǎn)均可以作為分割的閾值。采用傳統(tǒng)的整體二值化算法，對(duì)于經(jīng)顏色定位獲得的區(qū)域缺乏針對(duì)性，不能獲得很好的二值化效果。基于這樣的情況，這里提出了基于特征中線的二值化算法，在顏色定位之后實(shí)現(xiàn)車(chē)牌的二值化。

此算法是提取一條穿過(guò)字符的水平直線作為特征線，統(tǒng)計(jì)該線上像素點(diǎn)的灰度平均值作為閾值。其算法表示為

考慮到實(shí)際情況中，由于車(chē)牌的傾斜，特征線常常不能穿過(guò)所有字符，為使閾值盡可能完善，應(yīng)加一個(gè)輔助的動(dòng)態(tài)偏移量來(lái)進(jìn)行調(diào)整。

2實(shí)驗(yàn)結(jié)果與分析

本文一共選取了160張圖片，根據(jù)圖片背景的不同特點(diǎn)，將其分為兩組：第一組選取的是光照不均，是光照比較強(qiáng)烈的圖片；第二組選取的是背景顏色與車(chē)牌顏色相似的圖片。下面選取了一張反光鏡中的車(chē)牌圖片，在圖6中給出了其定位流程及實(shí)驗(yàn)結(jié)果。(b)是邊緣檢測(cè)中的二值化結(jié)果。從這一步可以看到，因?yàn)榉垂忡R中的光照不均，采用全局二值化后，車(chē)牌區(qū)域已經(jīng)模糊不清，這直接影響了后面的Sobel算子的檢測(cè)結(jié)果，最終導(dǎo)致定位失敗(c)是邊緣檢測(cè)定位失敗的示意。同時(shí)，將原圖采用顏色提取，并經(jīng)過(guò)1．2．4節(jié)中的偽車(chē)牌顏色判別后，可以獲得(d)所示的定位結(jié)果。接下來(lái)的工作就是從兩種方法的定位結(jié)果中判斷出真實(shí)車(chē)牌。為此，先對(duì)(d)進(jìn)行特征中線二值化以獲得(e)；再對(duì)(e)(c)采用1．2．3節(jié)的方法進(jìn)行偽車(chē)牌判別，最終定位出車(chē)牌區(qū)域。在表1中對(duì)160張圖片的測(cè)試給出了統(tǒng)計(jì)結(jié)果。

實(shí)驗(yàn)結(jié)果表明，復(fù)合算法在測(cè)試的160張圖片中識(shí)別率可以達(dá)到96．9％，大大高于單一算法的識(shí)別效果。

3結(jié)束語(yǔ)

實(shí)驗(yàn)結(jié)果表明，本文給出的復(fù)合算法是一種有效的定位算法。該算法具有如下的特點(diǎn)：a）將邊緣檢測(cè)和顏色提取復(fù)合使用，可以彌補(bǔ)兩種算法本身的缺陷，對(duì)一些較復(fù)雜的車(chē)牌圖片有著較高的適應(yīng)能力；b）該方法對(duì)車(chē)牌的大小、車(chē)牌在圖像中的位置限制較少；c）給出了偽牌的判別方法，以實(shí)現(xiàn)兩種算法的融合。但是本算法是復(fù)合執(zhí)行的，在一定程度上增加了算法的執(zhí)行時(shí)間。本算法可適用于對(duì)實(shí)時(shí)性要求不是很高的汽車(chē)管理系統(tǒng)，如停車(chē)場(chǎng)的汽車(chē)管理等場(chǎng)合。

參考文獻(xiàn)：

［1］PARISI R， Di CLAUDIO E D， LUCARELLI G，et al．Car plate recognition by neural networks and image processing[C]//Proc of IEEE International Symposium on Circuits and Systems. 1998:195－198.

[2]KIM K K，KIM K I，KIM J B，et al．Learning－based approach for licenseplate recognition[C]//Proc of Signal Prolessing Society Workshop on IEEENeuralNetwork. 2000:614－623.

[3]BARROSO J，DAGLESS E L，RAFAEL A， et al． Number plate rea－ding using computer vision[C]//Proc of IEEE International Sympo－sium on Industrial Electronics. 1997:761－766.

[4]胡小鋒，趙輝．Visual C++/MATLAB圖像處理與識(shí)別實(shí)用案例精選[M]．北京:人民郵電出版社，2004.

[5]郭捷，施鵬飛．基于顏色和紋理分析的車(chē)牌定位方法[J]．中國(guó)圖象圖形學(xué)報(bào)，2002，7(5):472－476.

[6]陳兆學(xué)， 施鵬飛．基于灰度圖像的車(chē)牌快速定位和分割方法[J].計(jì)算機(jī)工程， 2006， 32(9):173－177.

[7]吳德會(huì)，王曉紅，石俊，等．基于車(chē)牌特征顏色相似度的定位方法[J]．公路交通科技， 2005，22(1):136－139.

[8]吳傳孫．汽車(chē)牌照自動(dòng)識(shí)別技術(shù)研究[D]．南昌:江西師范大學(xué)，2003.

[9]王枚，王國(guó)宏，潘國(guó)華．基于HSV空間的車(chē)牌定位方法[J].煙臺(tái)大學(xué)學(xué)報(bào)：自然科學(xué)與工程版， 2007，20(1):48－52.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文