基于字符連通域特征的車牌定位方法

張金林，胡宏健，方虎生，孫 磊

(中國人民解放軍理工大學工程兵工程學院，江蘇 南京 210007)

近年來，中國汽車工業的飛速發展給交通管理系統帶來了前所未有的難題，而其中應運而生的智能交通系統又是以車牌識別為基礎。因此，車牌識別算法及實現領域都有大量的研究，形成了以車牌定位、字符分割、字符識別為主流程的傳統識別算法，但是仍然存在實時性差、適應性不強、可移植性差等問題。其中車牌定位技術是整個識別系統的關鍵，目前的定位方法主要有基于顏色空間的定位方法［1－3］、基于邊緣特征的定位方法［4－5］、基于數學形態學的定位方法［6］。基于顏色空間的定位方法定位速度快，但受光照、環境條件等影響，在黑夜或車牌污濁的情況下識別率低;基于邊緣特征的定位方法適應性強，但運算復雜、速度低，且受車牌以外字符如車型號碼、涂鴉文字等影響，可能出現嚴重的識別錯誤，基于形態學的定位方法計算量大，只能實現粗定位，同樣受車牌以外文字的影響較大。本文針對以上方法的不同缺點，提出了強調硬件系統構架，固定部分車牌圖像輸入環境，引入大量車牌先驗知識，并最終利用車牌字符連通域顯著特征的車牌定位算法。該方法以灰度圖像或者二值圖像為出發點，具有較好的適應性，同時巧妙地避免了對整幅車牌圖像重復逐行、逐列的掃描，簡化了識別流程，從而提高了實用性。

1 車牌識別算法特點

1.1 車牌先驗知識引入

人類的視覺系統對邊緣、顏色具有很強的敏感性，而且在先驗知識的引導下才使得人眼的識別準確而且快速［7］，本文充分對國內的車牌標準進行分析，并運用到算法當中。

通過實際的硬件實驗環境搭建，算法可利用以下幾點先驗知識:1)現實的周邊環境雖然不一致，但整個系統的相對位置固定，例如攝像裝置與路面的高度，所以車牌圖像的大小以及車牌字符所占圖像的位置可以大致確定(一定程度上增加掃描的效率);2)車牌字符基本為橫向排列，偏轉的角度不大，約0°～10°，因此橫向的掃描是可行的;3)每個字符的寬高比大約為2∶1，而且互相靠近，一共是7個類似連通域;4)整個車牌長寬比在60∶31～22∶7范圍內;5)在整個汽車車牌圖像中，車牌號碼的邊緣特征顯著，而車牌字符附近邊緣變化較為穩定，沒有類似于車牌字符連通域變化劇烈的區域。

1.2 本文車牌識別算法特點

車牌識別系統是典型的機器視覺與模式識別問題，它們不僅具有共同的難點與解決方案，而且車牌系統由于受實際環境(例如光照、旋轉、分辨力等問題)的影響，導致輸入圖像數據相對復雜，影響著整個系統的穩健性。本文也在其中的一些問題上作了大量的研究，并在算法上也作了修正:

1)車牌圖像通常是在復雜背景環境下取得的，攝像機的晃動、汽車的位置變化使車牌在圖像的位置變化太大。本文從硬件上設計了鋪設于道路中的傳感器，在一定程度上解決了相對位置問題。

2)車牌圖像光照以及車牌顏色的不確定同樣給定位帶來一定的限制。本文利用的字符連通域是在灰度圖像的情況下進行的，一定程度的歸一化避免了光照等條件的差異性。

3)車牌圖像數據龐大，系統實時性能的考驗是算法優劣的基礎。本文選用的算法一次掃描即可，避免重復掃描，大大節約了時間。

2 算法實現步驟

2.1 圖像預處理

車牌圖像的獲取由于受諸多條件的影響，使例如顏色等大量數據信息不能一致，因此，在定位前需要對圖像進行預處理，將可靠性及穩定性高的信息篩選出來，本文認為對于車牌定位圖像的有用信息在于字符邊緣特征明顯，連通域在一定范圍(與標準化后的圖像大小成正比)，同時將圖像大小統一，有利于定位的準確性與適應性。

本文采用反差增強算法進行字符的灰度調整，即利用直方圖統計其灰度分布，從而自適應地取得閾值，對不同范圍內的灰度進行拉伸，公式為

式中:x為圖像點(i，j)的灰度值，f(i，j)為拉伸后得到的灰度值。對于大小歸一化，為了盡可能防止圖像失真，采用雙線性插值法把圖像歸一化到600×600的大小。圖像預處理結果如圖1所示。

圖1 圖像預處理結果

2.2 字符連通域特征提取

二值圖像連通區域標記可以將二值圖像中的不同物體(連通區域)區分開來，為下一步進行特征提取作準備，屬于不同物體的像素將被賦予不同的類別號，屬于同一物體的像素被賦予相同的類別號。

文獻［8］中提出標準的中國車牌字符具有高度相等、水平排列的特點，基于此，本文設計出閾值分割的分類器，實現定位的功能。

連通性的定義，在1個連通集中任意2個像素之間都存在1條完全由這個集合中的元素構成的路徑，用公式表示即2個前景像素P和Q是連通的當且僅當存在1條路徑 P1—P2—P3…Pn，使得P1=P ，Pn=Q，對于?i，1≤i≤n －1 有Pi與Pi+1相鄰，其中 P1，P2，…，Pn都是前景像素。有2種可供選擇的連通性準則:

1)當2個像素點P1(x1，y1)和P2(x2，y2)滿足以下條件

則定義P1和P2是八相鄰的，在這種情況下，1個像素有8個相鄰像素點;

2)當2個像素點P1(x1，y1)和P2(x2，y2)滿足以下條件

則定義P1和P2是四相鄰的，在這種情況下，1個像素有4個相鄰像素點。

本文采用類似于人類視覺系統的八鄰域方法，并采用張云哲［9］等提出的基于非對稱行程和輪廓跟蹤的連通區域標記算法(RCL算法)。RCL算法采用輪廓跟蹤技術以行程為單位標記二值圖像。

2.3 本文算法流程圖

如圖2所示，本算法步驟為:1)對車牌圖像進行去嗓、二值化、統一大小等預處理操作;2)對整幅圖像進行連通域標記;3)按照車牌字符連通域特征，排除大量偽車牌區域;4)通過車牌區域跳變最多，車牌字符及長度的比例進行車牌的精度定位。

3 實驗與分析

3.1 實驗環境及測試集

車牌識別系統的開發需要一定的硬件基礎，本實驗環境在PC環境下，CPU為Intel(R)Pentium(R)Dual E2200@2.10 GHz 2.22 GHz，內存為 2.0 Gbyte，編程及調試環境為Matlab。本文目的在于提高車牌定位的效率，以及一定的現實應用意義。為了論證方法的優越性，在實驗的過程中以100張車牌圖像為數據，分別包含了車牌狀況良好，受一定程度污染或破損等情況，與基于顏色的車牌定位方法進行了比較，本文方法車牌定位率在98%左右。

圖2 算法流程圖

3.2 實驗結果及分析

本文算法定位過程如圖3所示。

圖3 本文算法實現過程

由圖3所示，本文定位步驟簡單，效果明顯。特別的，在如圖4中顯示了基于顏色與邊緣特征定位算法，對樣本一的定位中效果明顯，但對于樣本二車牌受嚴重污染的情況，基于顏色的車牌定位算法不能應用，而此類現象現實中較常見，因此基于顏色的定位方法實用性較差，從而證明本文算法有優越的適應性。同時，本文算法定位的車牌區域字符特征明顯，利于下一步字符識別過程，簡化了整個識別系統的步驟。

圖4 基于顏色特征定位算法

4 結論

本文提出了將硬件構架以及先驗知識引入車牌識別算法中，大大減少了盲目掃描識別的運算量，基于字符連通域顯著特征的車牌圖像定位方法也具有良好的定位能力以及對各種環境下的適應能力。根據從交通部門采集到的100組圖像數據進行反復試驗表明，該方法對光照不均、車牌受污染、背景復雜的情況均有有效的處理結果，體現了算法的實用價值。下一步將繼續提高本文算法的通用性和實時性，以及基于本文結果的車牌識別算法系統研究。

［1］劉萬軍，姜慶玲，張闖.基于CNN彩色圖像邊緣檢測的車牌定位方法［J］. 自動化學報，2009，35(12):1504－1512.

［2］周小龍，張小洪，馮欣.基于視覺顯著圖的車牌定位算法［J］.光電工程，2009，36(11):145－150.

［3］劉曉芳，程丹松，劉家鋒，等.采用改進 HSI模型的車牌區域檢測和定位方法［J］. 哈爾濱工業大學學報，2008，40(1):85－89.

［4］吳舟舟，李樹廣.基于分級邊緣間距的實時車牌檢測［J］.中國圖象圖形學報，2007，12(2):315－321.

［5］路小波，張光華.基于二值圖像的車牌精確位方法［J］.東南大學學報:自然科學版，2005，35(6):972－974.

［6］李剛，曾銳利，林凌，等.基于數學形態學的車牌定位算法［J］.儀器儀表學報，2007，28(7):1322－1327.

［7］李波，曾致遠，付祥勝.基于數學形態學和邊緣特征的車牌定位算法［J］. 電視技術，2005，29(7):94－96.

［8］燕鵬，劉長松，丁曉青，等.復雜背景下的汽車牌照自動識別系統［J］.電視技術，2005，29(6):90－93.

［9］張云哲，趙海，宋純賀，等.一種新的連通區域標記算法［J］.計算機應用研究，2010，27(11):4335－4340.