基于彩色边缘检测和EdgeBoxes的车牌定位方法

李学顺 魏宗寿

摘要：随着智能交通的发展，汽车车牌的自动定位及识别也随之变得至关重要。传统的定位技术大多数是在灰色边缘检测的基础上进行检测后的图像处理，而此类方法的后续工作量较大，定位准确率及耗时相比较于深度学习方法也是不及。所以该文提出一种彩色边缘检测，在HSI模型空间分割出蓝色区域，然后和灰色边缘进行与运算，得到蓝白边缘图，与灰色边缘检测相比，检测之后的干扰比灰度边缘检测明显减少，更易于图像后续的处理。在后续处理中该文应用改进的Edge Boxes算法进行对车牌大概位置的确定，然后根据边框评分消除干扰框，得到车牌的精确位置，达到精确定位的目的。

关键词：车牌定位；HSI模型；彩色边缘；Edge Boxes

中图分类号：TP3 文献标识码：A

文章编号：1009-3044（2019）07-0187-02

开放科学（资源服务）标识码（OSID）：

车牌识别分为车牌定位与车牌识别，而本文就车牌定位进行研究。目前针对车牌定位方法尽管有各自的特点能够定位出车牌区域，但是也有各自的局限性。本文研究的方法是在读取图像之后，对图像直接进行处理得到蓝白边缘图，然后使用改进后的Edge Boxes方法进行对目标车牌的获取。

1 灰色边缘检测

边缘检测对于传统车牌定位应用广泛，边缘点表示为在一幅图像中的邻域内特征值的变化超过了一定的阈值，通常的边缘检测算子包括Sobel算子、Roberts Cross算子、Prewitt算子和Canny算子等，本文应用Sobel算子对图像进行边缘检测提取。

由图1可看出，灰色边缘检测[1]后的图片在除去汽车本身的边缘噪声之外，由环境引入的边缘干扰也不容忽视，对车牌的后续精确定位带来不小的阻碍，所以本文采取一种基于HSI彩色空间[2]检测出蓝色区域再与灰色边缘图做逻辑运算得到蓝白边缘检测图，可除去大量的边缘噪声，提高了车牌的定位率。

2 彩色边缘检测

本文的彩色边缘检测研究方法是运用HSI模型的相关运算处理对汽车车牌进行车牌底色的检测，此处仅讨论底色为蓝色情况。然后将检测后的图像与灰色边缘检测图做相关运算得到蓝色边缘图，因为蓝底包围着白字，这样得到的蓝色边缘图可近似于蓝白边缘图。

在HSI模型的彩色空间中，其中I分量与图像的彩色信息无关，而且H分量和S分量与人类对颜色的感受关系紧密相连，这两个特点导致HSI模型非常适合借助人类的视觉去对图像进行分析处理。首先把RGB转换到HSI模型[3]。

3 Edge Boxes与实验结果

Edge Boxes[4]是由微软研究院Piotr等人提出的一种快速检测算法，并且能得到较高的准确度。本文将该方法进行改进并应用在车牌目标的检测上。Edge Boxes算法的思想就是基于一种直觉：如果在一幅图像中，由检测生成的一个边框中包含一定数目的边缘轮廓时，那么就意味着很大可能在该边框中包含着一个目标物体。

该算法的流程图如图3。

首先基于文献[5]所提出的结构化边缘检测算法，得到边缘结构图，这时的结构图比较紧密，然后应用NMS（Non-Maximal Supperssion）方法处理得到相对较为稀疏的边缘图像。

在上述得到的稀疏边缘图中将近乎在一条直线上的边缘点集中起来形成一个Edge Group，使用贪心算法计算8连通的边缘点，直到两两边缘点之间的方向角度差值的和大于一个阈值（[π2]），这样就得到了N多个Edge Group。

搜集车牌为蓝底白字样本在MATLAB上进行了仿真实验，其数据情况如表1。

从表1可以得出检测的成功率和平均耗时为97.15%和213ms，在文献[5]中采用彩色边缘检测后与卷积神经网络的结合得到的成功率93.74%平均耗时318ms，而本文使用彩色边缘检测与改进Edge Boxes算法的结合方法从查准成功率与平均耗时上可以看出，本文方法有较为明显的优势。

4 结束语

本文研究提出了一种新的车牌定位方法，该方法包括两个步骤，即新型彩色边缘检测与改进Edge Boxes算法结合运行，该方法充分利用了图像的彩色信息进行所需要的信息处理。该方法在仿真实验中取得了较好的效果，当在图片光线较为暗淡的时候实验发现定位准确率会有所下降，所以本方法还需改进以增强抗干扰性能。

参考文献：

[1] Pooya Sagharichi Ha，Mojtaba Shakeri.License Plate Automatic Recognition based on Edge Detection[J].IEEE，2016：170-174.

[2] Huili Han，Runping Han.Method of License Plate Location Based on Edge Detection and Color Information[C].IEEE International Conference on Transportation， Mechanical， and Electrical Engineering （TMEE），2011：1477-1480.

[3] 馬永慧.基于边缘检测与HSI彩色空间的车牌定位方法[J].山西电子技术，2013（1）：45-47.

[4] Piotr Dollár，C. Lawrence Zitnick.Edge Boxes： Locating Object Proposals from Edges[M].Computer Vision–ECCV 2014. Springer International Publishing， 2014：391-405.

[5] Dollár P， Zitnick C. Structured forests for fast edge detection[C].Proceedings of the IEEE International Conference on Computer Vision，2013：1841-1848.

【通联编辑：代影】