复杂场景下济南车牌识别新方法

　　针对复杂场景下济南车牌识别问题，提出了一种新的车牌识别方法.该方法通过颜色空间划分预分割车牌目标，然后采用矩形特征匹配定位符合车牌形状的候选块，并对候选块进行几何校正和自适应分割，再将分割出来的每个字符进行归一化特征提取，后通过字符的积分特征逐一对每个候选块进行识别，识别成功者即为真实的车牌.实验表明，该方法能适应大多数复杂的场景，不局限于图像的分辨率，以及拍摄的角度，保证了车牌识别的准确率.

　　在车牌的自动识别过程中，车牌定位、字符分割、字符识别是三项关键技术，任何环节的失败都会导致错误识别，尤其在复杂场景下，济南车牌识别的难度更大，为此各个环节不能相互孤立，必须提出一整套相关联的解决方法.目前车牌定位的方法很多，并都取得了很好的效果，但是这些方法大多数背景比较简单，成像环境也比较稳定，这就限制了车牌识别的范围;关于字符分割的方法也很多[4～6]，如垂直投影法，联通区域法，聚类分析法以及模版匹配法等，但这些方法必须建立在一个很好的二值图像上，适应性不是很好;另外，车牌识别算法也很多，如模板匹配法，积分特征匹配，神经网络方法等，如果前述车牌定位和字符分割比较准确的话，济南车牌识别算法一般都能取得比较好的效果.本文提出一整套复杂场景下的车牌识别方法，将各个环节相互关联，各环节采用彼此适合的算法，终保证在复杂场景下的准确识别率.

　　1　车牌预分割

　　颜色空间作为图像处理领域的一个重要特征，在分析不同问题时采用不同空间非常重要.目前中国的车牌具有明显的颜色特征，故本文选用具有跟人眼视觉特征相似的HSV颜色空间进行车牌预分割.鉴于中国车辆牌照主要有蓝底白字、黄底黑字、黑底白字和白底黑字红字几种类型，因此基于HSV颜色模型，根据车牌底色，利用颜色空间距离及相似度计算，就可以从图像中分割出想要的颜色区域，再采用矩形特征匹配法进行定位候选车牌.下面以蓝底白字的车牌为例来说明车牌预分割.

　　图1是车牌候选块预分割的流程，图2是根据此流程对四幅测试图像进行预分割的实验结果，由实验结果可以看出，根据颜色空间分割后仍然有不少杂点，但是通过矩形特征匹配即可找到车牌的候选块.

　　2　字符校正与分割

　　由于受到摄像机镜头与车牌之间的倾斜、车速、道路坡度以及车牌悬挂位置等的影响，车牌会有不同程度的倾斜畸变，这就给后续车牌图像的进一步处理带来了一定的困难，造成字符的错误分割，从而影响车牌字符识别的准确性.因此，需要在车牌字符分割之前进行车牌倾斜校正.目前字符校正的方法主要有基于Hough的倾斜校正方法、基于主成分分析的倾斜校正方法以及基于K-L展开式的倾斜校正方法.本文的校正方法建立在车牌预分割的基础上，所以采用基于Hough的校正方法，简单、快速、效果好.

　　车牌字符分割的任务就是把单个车牌字符从二值车牌图像中分割提取出来，以便进行字符识别.车牌字符分割越准确，则字符识别的效果就越好.目前常用的车牌字符分割算法有垂直投影法、模板匹配法、连通区域法、聚类分析法等，但都建立在一幅好的二值分割图像上.本文采用局部小窗口自适应阈值分割，即使灰度图像对比度比较弱也能达到比较好的效果，如车牌老旧，颜色剥离，车牌脏等.图3是车牌字符校正和分割的流程图，图4是根据此流程对四幅图像车牌进行实验的结果.

　　由上述实验可以看出，本文提出的车牌定位与车牌字符分割方法具有较好的鲁棒性，分割后的字符形态方正，字符边缘清晰，边缘连通性较好，为后续准确识别字符提供了保障.

　　3　字符识别

　　字符识别作为济南车牌识别的后环节，非常关键，直接关系到字符识别的稳定性和准确率.本文采用二直边缘图像的harr积分作为字符识别的特征，该方法简单、准确.识别流程如图5所示.

　　为测试本文提出的济南车牌识别方法鲁棒性、准确率和时效性，随机从网上下载一定数量的车牌识别库图像作为测试，每张图像归一化后的格式为800*600，测试平台为：酷睿i5双核、Win8操作系统，测试结果如表1所示.

　　表1　识别性能测试

　　4　结　论

　　针对复杂场景提出了一种车牌定位、分割和识别的整套解决方法，该方法不仅鲁棒性好，而且在复杂场景下的识别准确率较高.对该方法的测试时间进行了测试，测试结果表明，该方法可以满足当前智能交通的实时性要求.

相关文章：济南车牌识别