基于多特征融合的车牌字符识别方法
【专利摘要】本发明涉及一种基于多特征融合的车牌字符识别方法。其步骤为：(1)对视频中的车辆进行检测并对车辆中的车牌进行定位与分割；(2)对分割出的车牌进行投影分析，分割并提取出车牌中7个有效字符；(3)对分割出的字符图片进行形态学处理，并提取出车牌字符的三种特征进行有效融合；(3)利用支持向量机对融合特征进行训练生成车牌字符分类器，对实时视频中的车辆车牌字符进行有效识别。与现有技术相比，本发明可以降低所提取的车牌字符特征的经验性成分，使得特征提取理论更加充足，从而可以提高车牌识别的效果。
【专利说明】基于多特征融合的车牌字符识别方法
【技术领域】
[0001] 本发明涉及一种车牌字符识别方法，特指一种基于多特征融合的车牌字符识别方 法。
【背景技术】
[0002] 现如今，汽车已经成为人们工作生活中不可或缺的交通工具。由于汽车数量的 上升，目前城市内的交通状况并不容乐观。由此看来，智能交通系统（ITS:Intelligent Transportation System)的应用迫在眉睫。车牌是一辆汽车独一无二的信息，因此，对车辆 牌照的识别技术可以作为辨识一辆车最为有效的方法。从根本上讲，车牌识别应用了先进 的图像处理，模式识别，人工智能技术来获取，处理，解释，记录拍照的图像。目前，牌照识别 技术已经广泛而成功的应用于高速公路的监测，电子收费，交通违规管理，安全停车管理， 偷盗车辆辨识等重要领域。在视频监控的基础上，车牌识别具有辅助违规行为检测的作用。 良好的车牌识别不仅有助于协助交警部门对违规行为的处罚，也在一定程度上对交通秩序 有所帮助。
[0003] 现在，基于视频的车牌字符识别主要基于模板匹配与模式识别方法，其中模板匹 配法首先针对各种车牌字符标准模板，利用欧式距离或其他方法对视频中的待检测车牌字 符与标准模板进行匹配，匹配度最高的车牌字符即为所对应的识别字符。模板匹配方法存 在计算量复杂，实时性相对较差等缺点。模式识别方法中，特征的提取包括半投影，粗网格 等像素比例特征，包括不变矩，灰度共生矩阵等纹理特征，包括HOG，SIFT，Ε0Η等边缘信息 特征等，这些特征的选取过程均为人为设计，经验性成分偏多，理论依据不是很充分。分类 器的选取包括支持向量机，BP神经网络，AdaBoost等常见分类器。
【发明内容】
[0004] 本发明目的在于克服现有技术不足，公开一种基于多特征融合的车牌字符识别方 法，对特征的提取包括了人为设计特征（粗网格特征，LBP-E0H特征）的全局性，其中边缘 直方图特征的提取中利用LBP算子取代传统的canny算子，更能有效描绘出车牌字符边缘 信息，提取的特征更具代表性；另外，在人为设计特征的基础之上加入了通过深度信念网络 挖掘出的车牌字符图片底层像素的高阶特征描述符，达到了人为特征设计与底层特征挖掘 的有效融合，缓解了特征提取存在经验性偏多的问题。
[0005] 本发明提供的一种从实时视频中检测并定位分割出车辆车牌，然后对车牌中的字 符进行分割提取，在此基础上首先提取传统的粗网格特征，提取传统的基于LBP算子的边 缘方向直方图（LBP-E0H)特征，然后加入通过深度信念网络挖掘出的车牌字符底层像素的 高阶特征描述符，将三种特征进行有效融合，最后利用支持向量机对融合特征进行训练构 建车牌字符分类器，从而对实时视频中的车牌字符做到有效识别。
[0006] 本发明具体采用如下的技术方案：
[0007] -种基于多特征融合的车牌字符识别方法，其特征在于，该方法包括：
[0008] 步骤1 :输入实时视频，对车辆进行检测；
[0009] 步骤2 :对检测到的车辆进行车牌定位与分割；
[0010] 步骤3 :对提取出的车牌进行字符分割；
[0011] 步骤4 :对分割出的字符进行形态学处理；
[0012] 步骤5 :提取车牌字符的三种特征，对三种特征进行有效融合；
[0013] 步骤6 :利用支持向量机对所提取出的融合特征进行训练，生成车牌字符分类器；
[0014] 步骤7 :利用车牌字符分类器对实时视频中的车牌字符进行有效识别。
[0015] 所述的步骤1利用虚拟线圈进行车辆检测，当视频中检测到车牌时作后续处理；
[0016] 所述的步骤2利用双边缘检测以及寻找连通域的方法定位到车牌所在位置，利用 三帧差法对车牌进行分割与提取；
[0017] 所述的步骤3利用投影法与连通域法对车牌中的字符进行分割与提取；
[0018] 所述的步骤4针对所提取的不同特征类型对车牌字符作不同规格的形态学处理， 包括以下步骤：
[0019] 步骤4-1 :首先对字符图像做锐化以及灰度化，然后对字符图像进行大小归一化 以及位置归一化；
[0020] 步骤4-2 :针对传统特征的提取，在步骤4-1的基础上对字符图像做高斯平滑去噪 处理；
[0021] 步骤4-3 :针对深度信念网络所提取的特征，在步骤4-1的基础上需要对图像的像 素值按照公式：
[0022]
【权利要求】
1. 一种基于多特征融合的车牌字符识别方法，其特征在于，该方法包括： 步骤1 :输入实时视频，对车辆进行检测； 步骤2 :对检测到的车辆进行车牌定位与分割； 步骤3 :对提取出的车牌进行字符分割； 步骤4 :对分割出的字符进行形态学处理； 步骤5 :提取车牌字符的三种特征，对三种特征进行有效融合； 步骤6 :利用支持向量机对所提取出的融合特征进行训练，生成车牌字符分类器； 步骤7 :利用车牌字符分类器对实时视频中的车牌字符进行有效识别； 所述的步骤1利用虚拟线圈进行车辆检测，当视频中检测到车牌时作后续处理； 所述的步骤2利用双边缘检测以及寻找连通域的方法定位到车牌所在位置，利用三帧 差法对车牌进行分割与提取； 所述的步骤3利用投影法与连通域法对车牌中的字符进行分割与提取； 所述的步骤4针对所提取的不同特征类型对车牌字符作不同规格的形态学处理，包括 以下步骤： 步骤4-1 :首先对字符图像做锐化以及灰度化，然后对字符图像进行大小归一化以及 位置归一化； 步骤4-2 :针对传统特征的提取，在步骤4-1的基础上对字符图像做高斯平滑去噪处 理； 步骤4-3 :针对深度信念网络所提取的特征，在步骤4-1的基础上需要对图像的像素值 按照公式：
一化至0?1之间； 所述的步骤5提取车牌字符三种类型的特征包括以下步骤： 步骤5-1 :提取车牌字符的粗网格特征； 步骤5-2 :提取车牌字符的基于LBP算子的边缘方向直方图特征； 步骤5-3 :利用深度信念网络深度挖掘出车牌字符底层像素的高阶特征描述符； 步骤5-4 :对提取的三种特征进行有效融合； 所述的步骤6利用支持向量机对大量的车牌字符样本特征进行训练，得到车牌字符分 类器； 所述的步骤7利用训练完成的车牌字符分类器对实时视频中的车牌字符进行识别，得 到最终的识别结果。
【文档编号】G06K9/66GK104299009SQ201410491005
【公开日】2015年1月21日 申请日期:2014年9月23日 优先权日:2014年9月23日
【发明者】蒋昌俊, 陈闳中, 闫春钢, 张亚英, 刘春梅, 钱华 申请人:同济大学