基于多种特征的彩色车牌定位方法研究

周东升,薛彦兵,邓文慧,张 桦

(天津理工大学计算机与通信工程学院天津 300191)

基于多种特征的彩色车牌定位方法研究

周东升,薛彦兵,邓文慧,张 桦

(天津理工大学计算机与通信工程学院天津 300191)

本文提出了利用车牌颜色特征和纹理特征多种特征结合来进行车牌定位的方法,克服了以往车牌定位技术只利用单一特征进行定位的缺点。文中提出的方法首先利用HSV颜色空间去除非车牌颜色区域,然后利用颜色伴生、字符密度、区域几何等特征结合进行最终精确定位。该方法可以摆脱单一特征在车牌大小、位置以及背景和光照等方面的限制。实验证明本方法具有较好的检测效果。

HSV颜色空间;多特征;伴生;字符密度

车牌识别技术是智能交通管理、安防、监控等系统中的重要组成部分,其包括车牌定位,字符分割,字符识别三个步骤。车牌定位技术是整个车牌识别技术的基础和前提,车牌定位准确与否,直接关系到后续工作能否顺利进行。由于汽车的多样性以及拍摄背景的多样性,车牌定位具有一定的难度和复杂度[1,2]。

目前关于车牌定位的算法从利用特征角度划分可分为基于纹理特征[3,4]和基于颜色特征[5,6]的定位算法。但是利用单一特征往往不能解决复杂环境下的车牌识别问题。本文结合车牌的颜色特征和纹理特征实现对车牌的准确定位。首先将采集的图像从RGB空间转化到HSV空间,利用HSV分量将可能的车牌区域和背景分离。然后利用形态学运算消除孤立干扰点,再对每一个连通区域的纹理、几何、颜色伴生等特征进行分析,准确分割出原始图像中的车牌。

1 基于阈值的彩色车牌图像分割

车牌采集设备输出的彩色图像颜色模型为RGB模型。RGB模型中各像素值是由红绿蓝三种颜色的亮度值叠加形成。这三种颜色的亮度值随着光照强度的不同而改变,因此采集到的图像像素值随光照强度的不同而改变,因此采用RGB模型不利于车牌的定位与识别。HSV模型分别用(H)、饱和度(S)、和亮度(V)3个分量表示每一个像素的颜色特性,分量V表示了亮度方面的信息,即光照条件方面的信息,H和S两个分量包含了图像的彩色信息,如果只考虑H和S分量就排除了光照条件的影响。在该模型下,用 H和S两个分量可以将蓝色和黄色两种区域分割出来。而采用V分量可以识别白色和黑色两种颜色。因此采用 HSV模型比RGB模型更适应于车牌的定位问题。所以首先将图像信息由RGB模型转换到HSV模型。

车牌在不同的光照条件下饱和度和色度也会有偏差,为了确定不同颜色车牌在 HSV空间中的各分量的合理区域,需要采集不同环境下的各种车牌来对车牌颜色进行区间采样估计。

表1 四种颜色在不同环境下的区间范围值

根据上表中的区域范围,即可构成图像中颜色的判别树,将图像分为蓝、黄、白、黑、以及其他颜色五种范围。从而可以将整幅图像转化为5级灰度图。

2 连通区域获取与几何分析

经过颜色分割之后的灰度图一般都会存在噪声干扰,并且连通区域可能存在裂缝。特别是对车牌这样存在字符的连通区域,容易存在裂缝,不利于随后进行的几何和纹理分析,导致无法对车牌进行定位。本文采用在水平方向上作闭运算来减小甚至消除竖直边缘间的空隙,尽可能使车牌区域的竖直边缘连成一个整体,进而将车牌作为一个整体而不是几个字符来分析。

经过形态学运算查找出连通区域后,还要对各个连通域进行计算,求出每个连通域上下左右四个顶点的坐标。计算连通域的大小,宽高比例,最大宽度与高度等。

2.1 基于迷宫法的连通区域坐标求取

采用迷宫法标记每个连通区域的上下左右顶点坐标(连通区域有四连通和八连通两种形式。在车牌定位中,不可能出现八连通的情况,因此采用四连通方式)。

迷宫算法属于深度优先算法,计算量较大。但是在本算法中,基于HSV空间的处理,已将背景色除掉,图像中满足条件的连通区域的面积都不大,而且算法中最终目的是为了获取区域的四个顶点坐标,实际并没有对整个连通区域进行填充,从而提高了求取速度。

具体实现步骤如图1。

图1 求取连通区域定点的具体步骤

2.2 初步几何特征筛选

在上下左右四顶点确立后,即可求出连通区域的长和宽,标准车牌的高宽比是固定的。考虑噪声的因素,本文选取0.2-0.6为高宽比的区间。超出该区间的连通区域即可视为非车牌区域。

3 基于颜色伴生和字符密度的精确车牌定位

经过背景去除和初步几何特征筛选,大部分的车牌图像中只有一个连通区域,即车牌区域。但对于复杂情况来说,可能还有多个连通区域,对此情况,本文采用车牌颜色伴生方法和字符密度来进行车牌的最后定位。

根据最新公共安全行业标准 GA 36-2007,我国现行车牌有三种—蓝牌(蓝底白字)、黄牌(黄底黑字)、白牌(白底黑字或者红字)。同时,车牌中的字符相对于背景来说具有一定得字符密度和边缘跳变。根据以上特征,精确定位的步骤如下:

(1)读取连通区域背景色及字符颜色,判断是否属于上述组合,若是则继续

(2)计算区域中的跳变次数,若在[10,35]之间,则继续

(3)计算区域中的字符密度,若在[0.1-0.4]之间,则继续

满足上述三个条件的连通区域,即为车牌区域。利用此方法检测车牌区域,可以去掉单纯用跳变及字符密度方法不能去除的车尾车灯区域(如图2,本文中的算法可以去除伪车牌区域——连通区域2)。最终获取的车牌区域为图2(c)中的区域。

图2 车牌定位算法结果

4 结束语

本文提出了结合纹理和颜色特征来进行车牌定位的新方法,根据车牌背景颜色和字符颜色的特定标准,利用颜色伴生方法对连通区域进行进一步的检测。该方法能够解决车尾车灯等特殊纹理单纯利用跳变等特性不能去除伪车牌区域的问题。实验证明,文中提出的方法具有较好的定位效果。

[1] 王枚,苏光大,王国宏.复杂环境下的车牌定位及目标真实性验证[J],光学精密工程,2009,17(4):886-894.

[2] Christos Nikolaos,Vassili Loumos,Eleftherios Kayafas, etc.A License Plate-Recognition Algorithm for Intelligent Transportation System Application[J].IEEE Transactions on Tntellignt Transportation Systems,2006,7(2):377 -392.

[3] 张禹,马驷良,韩笑等.车牌识别中的图像提取及分割算法[J].吉林大学学报(理学版),2006,44(3):406-410.

[4] 李春娟,赵艳花.一种基于形态学和几何特征的车牌定位方法[J],微计算机信息,2009,25(11):174-177.

[5] 李伟,朱伟良,孔祥杰等,一种新型的基于数学形态学和颜色特征车牌定位算法[J],科技通报.2009,25(2):214 -219.

[6] 张振强,杜树新.一种新的复杂背景下快速车牌定位方法[J].科技通报,2007,23(5):705-710.

L icense plate locating algorithm based on multi-feature in color image

ZHOU Dong-sheng,XUE Yan-bing,DENGWen-hui,ZHANGHua

(College of Com puter and Communication Engineesing,Tianjin University of Technology,Tianjin300191,China)

A new method fo r License Plate Locating based on m ulti-feature is introduced in this paper. The method can overcome the shortcoming of p reviousmethods based on single feature.A t first,the algo rithm emp loys HSV colo r space to get rid of non-license p late area,then concom itant colo r feature,statistical letter frequency and geometry feature are used to detect the possible regions.The algorithm is neither confined to the size and position of the p late,nor limited to the comp licated background o r illumination condition of the image.Experiments show that the method is effective.

HSV colo r space;M ulti-feature;Concom itant;Statistical letter frequency

TP391 520.6040

:A

1001-9383(2010)04-0009-03

2010-09-12

教育部大学生创新性实验计划(DCSJ08-018)

周东升(1990-),男,本科生.

薛彦兵