一種hsv空間的車牌定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車牌定位技術(shù)領(lǐng)域，具體是一種基于HSV空間的車牌定位方法。
【背景技術(shù)】
[0002] 隨著近年智能交通的飛速發(fā)展，自動(dòng)車牌識(shí)別系統(tǒng)得到廣泛應(yīng)用。如道路交通中 的存在違法行為，如果靠人眼去甄別車牌會(huì)耗費(fèi)大量的人力和時(shí)間；另外在車庫(kù)管理系統(tǒng) 中的車牌自動(dòng)識(shí)別應(yīng)用也是相當(dāng)廣泛。車牌識(shí)別過(guò)程中的定位是基礎(chǔ)，錯(cuò)誤的定位導(dǎo)致識(shí) 別沒(méi)有意義。目前很多學(xué)者及公司對(duì)車牌識(shí)別進(jìn)入了深入研究，大部分的車牌定位是基于 灰度圖像尋找邊緣，并在此基礎(chǔ)上做了大量的優(yōu)化工作，提高車牌識(shí)別的性能。但這種車牌 識(shí)別方法的識(shí)別過(guò)程較長(zhǎng)，效率低，不適合當(dāng)前車輛越來(lái)越多的發(fā)展趨勢(shì)。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明的目的在于提供一種基于HSV空間的車牌定位方法，通過(guò)車牌的顏色特征 與邊緣特征相結(jié)合的方式粗定位車牌，再根據(jù)車牌字符跳變數(shù)得到最終車牌圖像;具體包 括以下步驟：
[0004] (1)通過(guò)卡口設(shè)備或車載設(shè)備獲取汽車的車牌圖像；
[0005] (2)通過(guò)車牌圖像上的顏色特征及圖像邊緣特征相結(jié)合的方式得到粗定位車牌圖 像；
[0006] (3)對(duì)粗定位車牌圖像做垂直投影，并統(tǒng)計(jì)跳變數(shù)為6,再經(jīng)去除非車牌圖像后即 得到車牌圖像。
[0007] 進(jìn)一步方案，所述步驟(2)粗定位車牌圖像包括以下步驟：
[0008] (1)顏色定位:將采集到的車牌圖像轉(zhuǎn)換到HSV顏色空間，在HSV空間里對(duì)顏色進(jìn)行 量化，并提取車牌圖像中藍(lán)色和黃色區(qū)域作為車牌疑似區(qū)域；
[0009] (2)邊緣定位:將采集到的車牌圖像轉(zhuǎn)換到灰度空間，采用Sobel算子檢測(cè)其水平 和垂直邊緣，再通過(guò)輪廓檢測(cè)而找出其輪廓，并保留長(zhǎng)寬比在3.14左右的區(qū)域作為車牌疑 似區(qū)域；
[0010] (3)將同時(shí)滿足上述步驟(1)和(2)的區(qū)域作為粗定位車牌圖像。
[0011] 進(jìn)一步方案，所述步驟(3)對(duì)粗定位車牌圖像做垂直投影，并統(tǒng)計(jì)跳變數(shù)，包括以 下步驟：
[0012] (1)先對(duì)粗定位車牌圖像進(jìn)行二值化，使用大津法0TSU將圖像處理為黑白兩色；
[0013] (2)對(duì)處理后的圖像分別統(tǒng)計(jì)其每列的像素?cái)?shù)，由于車牌字符之間有空隙，各列像 素?cái)?shù)從非零值到零值記為一次跳變，跳變數(shù)等于6的圖像確定為車牌，并保留。
[0014] 本發(fā)明的R、G、B代表RGB色彩模式中紅、綠、藍(lán)三個(gè)通道的顏色。
[0015] 邊緣定位:將采集到的車牌圖像通過(guò)灰度化公式轉(zhuǎn)換到灰度空間，再采用Sobel算 子檢測(cè)其水平和垂直邊緣。邊緣是指圖像局部強(qiáng)度變化最顯著的部分，圖像的邊緣有方向 和幅度兩個(gè)屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向像素變化劇烈。邊緣上的這種 變化可以用微分算子檢測(cè)出來(lái)。本發(fā)明采用Sobel算子，該算子包含兩組3x3的矩陣，分別為 橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以 A代表原始圖像，Gx及Gy分別代表經(jīng)橫向及縱向邊緣檢測(cè)的圖像灰度值，其公式如下：
[0016]
[0017]
[0018] 圖像的每一個(gè)像素的橫向及縱向灰度值通過(guò)以下公式結(jié)合，來(lái)計(jì)算該點(diǎn)的灰度梯 度G:
[0019]
[0020] 如果梯度G大于某個(gè)閾值，則認(rèn)為該點(diǎn)為圖像的邊緣點(diǎn)。
[0021] 檢測(cè)到邊緣后，通過(guò)開(kāi)閉運(yùn)算去除干擾點(diǎn)，然后通過(guò)輪廓檢測(cè)而找出其輪廓，并保 留長(zhǎng)寬比在3.14左右的區(qū)域作為車牌疑似區(qū)域。
[0022]顏色定位：
[0023] HSV空間是根據(jù)顏色的直觀特性由A.R. Smith在1978年創(chuàng)建的一種顏色空間，也稱 六角錐體模型(Hexcone Model)。這個(gè)模型中顏色的參數(shù)分別是:色調(diào)(H)、飽和度(S)和亮 度(V)。
[0024]將采集到的車牌圖像轉(zhuǎn)換到HSV顏色空間，即由RGB彩色模式轉(zhuǎn)到HSV空間，其轉(zhuǎn)換 公式如下·
[0025]
[0026]
[0027]
[0028] V=max(R，G，B)
[0029] S= (max-min)/max
[0030] 按照下表一 HSV空間顏色范圍分布表對(duì)HSV顏色空間進(jìn)行歸類，取出幾個(gè)常見(jiàn)的車 牌顏色區(qū)域黃色、藍(lán)色及白色，并與車牌疑似區(qū)域做比對(duì)，重合度超過(guò)80%的區(qū)域認(rèn)為是粗 定位車牌圖像。
[0031] 表一 HSV空間顏色范圍分布表
[0032]
[0033] 本發(fā)明中大津法0TSU是利用閾值將原圖像分成前景，背景兩個(gè)圖象，其中前景用 nl，csum，ml來(lái)表示在當(dāng)前閾值下的前景的點(diǎn)數(shù)，質(zhì)量矩，平均灰度;后景用n2，sum-csum，m2 來(lái)表示在當(dāng)前閾值下的背景的點(diǎn)數(shù)，質(zhì)量矩，平均灰度。
[0034] 當(dāng)取最佳閾值時(shí)，背景應(yīng)該與前景差別最大，關(guān)鍵在于如何選擇衡量差別的標(biāo)準(zhǔn)， 而在otsu算法中這個(gè)衡量差別的標(biāo)準(zhǔn)就是最大類間方差（英文簡(jiǎn)稱otsu，這也就是這個(gè)算 法名字的來(lái)源），在本程序中類間方差用sb表示，最大類間方差用fmax。
[0035] 本發(fā)明將車牌圖像先轉(zhuǎn)換到HSV空間，圖像在HSV空間比較容易量化，車牌底色可 以通過(guò)H，S，V的值進(jìn)行分類，從而得到車牌的粗略定位，再通過(guò)Sobel邊緣檢測(cè)，可以有效的 得到類車牌形狀區(qū)域。通過(guò)雙重檢測(cè)的方式提升車牌粗定位率，再通過(guò)這兩種方式得到的 區(qū)域進(jìn)行整合，做進(jìn)一步的投影檢測(cè)，統(tǒng)計(jì)跳變數(shù)為6,再經(jīng)去除非車牌圖像后即得到車牌 圖像。
[0036] 所以該方法很好的利用車牌本身的固定特征，得到車牌的準(zhǔn)確位置信息。另外本 發(fā)明將車牌圖像先轉(zhuǎn)換到HSV空間可以更好的對(duì)顏色進(jìn)行分類，通過(guò)顏色和邊緣檢測(cè)相結(jié) 合的定位方法可以提高車牌定位的效率。
【具體實(shí)施方式】
[0037] 下面結(jié)合具體實(shí)施例進(jìn)一步說(shuō)明本發(fā)明。
[0038] 通過(guò)車牌的顏色特征與邊緣特征相結(jié)合的方式粗定位車牌，再根據(jù)車牌字符跳變 數(shù)得到最終車牌圖像;具體包括以下步驟：
[0039] (1)通過(guò)卡口設(shè)備或車載設(shè)備獲取汽車的車牌圖像；
[0040] (2)通過(guò)車牌圖像上的顏色特征及圖像邊緣特征相結(jié)合的方式得到粗定位車牌圖 像;具體為：
[0041 ] (a)顏色定位:將采集到的車牌圖像轉(zhuǎn)換到HSV顏色空間，在HSV空間里對(duì)顏色進(jìn)行 量化，并提取車牌圖像中藍(lán)色和黃色區(qū)域作為車牌疑似區(qū)域；
[0042]具體為：將采集到的車牌圖像轉(zhuǎn)換到HSV顏色空間，即由RGB彩色模式轉(zhuǎn)到HSV空 間，其轉(zhuǎn)換公式如下：
[0043] max=max(R，G，B)
[0044] min=min(R，G，B)
[0045]
[0046] V=max(R，G，B)
[0047] S= (max-min)/max
[0048] 按照下表一 HSV空間顏色范圍分布表對(duì)HSV顏色空間進(jìn)行歸類，取出幾個(gè)常見(jiàn)的車 牌顏色區(qū)域黃色、藍(lán)色及白色，并與車牌疑似區(qū)域做比對(duì)，重合度超過(guò)80%的區(qū)域認(rèn)為是粗 定位車牌圖像。
[0049] 表一 HSV空間顏色范圍分布表
[0050]
[0051] (b)邊緣定位:將采集到的車牌圖像轉(zhuǎn)換到灰度空間，采用Sobel算子檢測(cè)其水平 和垂直邊緣，再通過(guò)輪廓檢測(cè)而找出其輪廓，并保留長(zhǎng)寬比在3.14左右的區(qū)域作為車牌疑 似區(qū)域；
[0052]其中Sobel算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積， 即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像，Gx及Gy分別代表經(jīng)橫 向及縱向邊緣檢測(cè)的圖像灰度值，其公式如下：
[0053]
[0054]
[0055] 圖像的每一個(gè)像素的橫向及縱向灰度值通過(guò)以下公式結(jié)合，來(lái)計(jì)算該點(diǎn)的灰度梯 度G:
[0056]
[0057] 如果梯度G大于某個(gè)閾值，則認(rèn)為該點(diǎn)為圖像的邊緣點(diǎn)。
[0058] (c)將同時(shí)滿足上述步驟(1)和(2)的區(qū)域作為粗定位車牌圖像。
[0059] (3)對(duì)粗定位車牌圖像做垂直投影，并統(tǒng)計(jì)跳變數(shù)為6,再經(jīng)去除非車牌圖像后即 得到車牌圖像，具體為：
[0060] (a)先對(duì)粗定位車牌圖像進(jìn)行二值化，使用大津法0TSU將圖像處理為黑白兩色；
[0061] (b)對(duì)處理后的圖像分別統(tǒng)計(jì)其每列的像素?cái)?shù)，由于車牌字符之間有空隙，各列像 素?cái)?shù)從非零值到零值記為一次跳變，跳變數(shù)等于6的圖像確定為車牌，并保留。
[0062]本發(fā)明對(duì)輸入圖像分別做顏色以及邊緣的檢測(cè)，通過(guò)轉(zhuǎn)換顏色空間到HSV空間以 及Sobel邊緣檢測(cè)進(jìn)行車牌的粗定位。在對(duì)這兩種方式得到的區(qū)域進(jìn)行整合，并做進(jìn)一步的 投影檢測(cè)，該方法很好的利用車牌本身的固定特征，得到車牌的準(zhǔn)確位置信息。
[0063]以上所述實(shí)施方式僅僅是對(duì)本發(fā)明的優(yōu)選實(shí)施方式進(jìn)行描述，并非對(duì)本發(fā)明的范 圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計(jì)精神的前提下，本領(lǐng)域普通技術(shù)人員對(duì)本發(fā)明的技術(shù)方 案作出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明的權(quán)利要求書確定的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于HSV空間的車牌定位方法，其特征在于:通過(guò)車牌的顏色特征與邊緣特征相 結(jié)合的方式粗定位車牌，再根據(jù)車牌字符跳變數(shù)得到最終車牌圖像;具體包括以下步驟： (1) 通過(guò)卡口設(shè)備或車載設(shè)備獲取汽車的車牌圖像； (2) 通過(guò)車牌圖像上的顏色特征及圖像邊緣特征相結(jié)合的方式得到粗定位車牌圖像； (3) 對(duì)粗定位車牌圖像做垂直投影，并統(tǒng)計(jì)跳變數(shù)為6,再經(jīng)去除非車牌圖像后即得到 車牌圖像。2. 根據(jù)權(quán)利要求1所述的基于HSV空間的車牌定位方法，其特征在于:所述步驟(2)粗定 位車牌圖像包括以下步驟： (1) 顏色定位：將采集到的車牌圖像轉(zhuǎn)換到HSV顏色空間，在HSV空間里對(duì)顏色進(jìn)行量 化，并提取車牌圖像中藍(lán)色和黃色區(qū)域作為車牌疑似區(qū)域； (2) 邊緣定位:將采集到的車牌圖像轉(zhuǎn)換到灰度空間，采用Sobel算子檢測(cè)其水平和垂 直邊緣，再通過(guò)輪廓檢測(cè)而找出其輪廓，并保留長(zhǎng)寬比在3.14左右的區(qū)域作為車牌疑似區(qū) 域； (3) 將同時(shí)滿足上述步驟(1)和(2)的區(qū)域作為粗定位車牌圖像。3. 根據(jù)權(quán)利要求1所述的基于HSV空間的車牌定位方法，其特征在于:所述步驟(3)對(duì)粗 定位車牌圖像做垂直投影，并統(tǒng)計(jì)跳變數(shù)，包括以下步驟： (1) 先對(duì)粗定位車牌圖像進(jìn)行二值化，使用大津法0TSU將圖像處理為黑白兩色； (2) 對(duì)處理后的圖像分別統(tǒng)計(jì)其每列的像素?cái)?shù)，由于車牌字符之間有空隙，各列像素?cái)?shù) 從非零值到零值記為一次跳變，跳變數(shù)等于6的圖像確定為車牌，并保留。4. 根據(jù)權(quán)利要求2所述的基于HSV空間的車牌定位方法，其特征在于:將采集到的車牌 圖像轉(zhuǎn)換到灰度空間的灰度化公式為。
【專利摘要】本發(fā)明提供一種基于HSV空間的車牌定位方法，通過(guò)車牌的顏色特征與邊緣特征相結(jié)合的方式粗定位車牌，再根據(jù)車牌字符跳變數(shù)得到最終車牌圖像；具體包括獲取車牌圖像；通過(guò)車牌圖像上的顏色特征及圖像邊緣特征相結(jié)合的方式得到粗定位車牌圖像；再對(duì)粗定位車牌圖像做垂直投影，并統(tǒng)計(jì)跳變數(shù)為6，再經(jīng)去除非車牌圖像后即得到車牌圖像。本發(fā)明利用車牌本身的固定特征，先將其轉(zhuǎn)換到HSV空間可以更好的對(duì)顏色進(jìn)行分類，通過(guò)顏色和邊緣檢測(cè)相結(jié)合的定位方法可以提高車牌定位的效率。
【IPC分類】G06T7/40, G06T7/00
【公開(kāi)號(hào)】CN105488797
【申請(qǐng)?zhí)枴緾N201510854474
【發(fā)明人】謝寶, 姚莉莉, 張傳金, 紀(jì)勇, 萬(wàn)海峰, 張芝華
【申請(qǐng)人】安徽創(chuàng)世科技有限公司
【公開(kāi)日】2016年4月13日
【申請(qǐng)日】2015年11月25日