一种动态模板结合像素点的车牌字符分割方法

1.一种动态模板结合像素点的车牌字符分割方法，其特征在于，包括下列步骤：
对输入的车牌图像进行二值化处理，并计算所述车牌图像的宽度w和高度h；
设置车牌模板：高度与待分割的车牌图像的高度相同，设置为h，宽度设置为w'，车牌模板设置7个字符，各字符的宽高比设置为r1、第2个和第3个字符之间的间隔的宽高比为r2，其他字符间的间隔的宽高比为r3，其中宽度w'的初始值设置为w/3～2w/3，r1、r2、r3的取值基于机动车号牌的标准中所规定的对应尺寸进行设置；
模板滑动处理：以二值化处理后的车牌图像的左端作为起始位置，基于预设车牌模板进行模板滑动，每次滑动一个像素点，每滑动一次，则记录所述车牌图像在当前车牌模板的各字符位置处的非零像素点的个数和当前车牌模板所对应的分割位置，当车牌模板右端到达所述车牌图像的右端时或者车牌模板的起始位置滑动到车牌图像的T处时结束滑动，所述T的取值为w/4～w/2；
逐渐增加车牌模板的宽度w'，保持车牌模板各字符及字符间间隔的宽高比设置，重复执行模板滑动处理，直到车牌模板的宽度w'增加到车牌图像的宽度w，宽度w'的增加步长设置为1～3个像素点；
基于每次模板滑动处理时所记录的非零像素点的个数，查找包含像素点个数最多的分割位置作为车牌图像的车牌字符分割位置。
2.如权利要求1所述的方法，其特征在于，车牌模板的宽度w'的初始值设置为w/2。
3.如权利要求1或2所述的方法，其特征在于，所述r1、r2、r3的取值分别为：

一种动态模板结合像素点的车牌字符分割方法\n技术领域\n[0001] 本发明属于图像处理技术领域，尤其涉及一种对车牌图像的字符分割方法。\n背景技术\n[0002] 近年来我国的公路交通事业发展迅速，人工管理方式已经不能满足实际的需要，微电子、通信和计算机技术在交通领域的应用极大的提高了交通管理效率。车牌识别(License Plate Recognition，LPR)是现代智能交通系统中的重要组成部分之一，应用十分广泛。它是以数字图像处理，模式识别，计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆车的车牌号码，从而完成识别过程。但是现有的车牌识别方法存在识别精度低、识别效率低等缺点。\n[0003] 通常，车牌识别系统可分为三个部分：车牌定位(获取单个车牌图像)、车牌字符分割、车牌字符识别。如今随着机器学习，模式识别等技术的发展，通过神经网络，模板匹配，支持向量机(SVM)等方法对得到的车牌字符进行识别已不是难题。如何对车牌字符进行准确的分割越来越成为最终影响识别率的难题。\n[0004] 对车牌字符进行准确的分割存在以下难题：\n[0005] 1、根据《中华人民共和国机动车号牌》(GA36—2007)，机动车号牌中含有7个字符，并且除“1”，其他字符的宽度大致相同；在宽度大致相同的字符中，字符“J”，“T”和“L”与其他字符相比，具有其特殊性；机动车号牌的字符中除“陕”，“川”等少数不连通字符外，其他均为连通体。\n[0006] 2、车牌识别系统所处的外界环境复杂多变。车牌识别系统在雨天、大雾、大雪等恶劣天气情况下，由于恶劣的天气会导致车牌受遮挡、受污损等情况，极大的影响获得车牌图像的质量，致使实际获得字符存在粘连，污损等情况。\n[0007] 当前的车牌字符分割算法主要有以下几种方法：\n[0008] (1)投影法。投影法是传统的经典字符分割算法，在成熟的字符识别系统中得到了广泛的应用。基于投影的车牌字符分割算法的基本思想是对倾斜校正、阈值化后的二值车牌图像进行垂直投影，根据字符区域白色像素点多，背景区域白色像素点少或者没有这一车牌区域特征，选定一个阈值作用于垂直投影结果以区分字符区域和背景区域，进而确定单个字符的分割点实现车牌字符分割。该算法对车牌轻微模糊不敏感，并且简单易实现，但是容易产生过切分；对于“1”，“J”，“L”，“T”等特殊字符，当上下边界切割不准确时，会当成噪声处理，严重影响车牌字符分割的准确性。\n[0009] (2)连通域分析法。连通域分析法利用了我国普通民用车牌第二个字符到第七个字符是英文字符或者数字，英文字符和数字均是连通的这一特征。首先对车牌区域进行连通域分析，然后结合车牌字符高度一致、字符中心间距等特性首先切分第2～7字符，然后结合车牌的后六个字符来切分车牌第一个字符。但是该方法对于汉字，如川、陕等左右结构的汉字适应性很差，而且受字符粘连影响较大。此算法没有考虑我国特殊单位的车牌格式，如我国警车车牌第七个字符是汉字“警”，教练车车牌第七个字符是“学"均是纹理信息丰富、连通性不强的汉字。\n发明内容\n[0010] 本发明针对上述技术问题，提出了一种在复杂环境中具有很好的鲁棒性和通用性的车牌字符分割方法，本发明动态模板结合像素点的车牌字符分割方法，包括下列步骤：\n[0011] 对输入的车牌图像进行二值化处理，并计算所述车牌图像的宽度w和高度h；\n[0012] 设置车牌模板：高度与待分割的车牌图像的高度相同，设置为h，宽度设置为w'(其中宽度w'的初始值的取值范围为w/3～2w/3)，车牌模板设置7个字符，各字符的宽高比设置为r1、第2个和第3个字符之间的间隔的宽高比为r2，其他字符间的间隔的宽高比为r3，，r1、r2、r3的取值基于机动车号牌的标准中所规定的对应尺寸进行设置；\n[0013] 模板滑动处理：以二值化处理后的车牌图像的左端作为起始位置，基于预设车牌模板进行模板滑动，每次滑动一个像素点，每滑动一次，则记录所述车牌图像在当前车牌模板的各字符位置处的非零像素点的个数和当前车牌模板所对应的分割位置，当车牌模板右端到达所述车牌图像的右端时或者车牌模板的起始位置滑动到车牌图像的T处时结束滑动，所述T的取值为w/4～w/2；\n[0014] 逐渐增加车牌模板的宽度w'，保持车牌模板各字符及字符间间隔的宽高比设置(r1、r2、r3)，重复执行模板滑动处理，直到车牌模板的宽度w'增加到车牌图像的宽度w，宽度w'的增加步长设置为1～3个像素点；\n[0015] 基于每次模板滑动处理时所记录的非零像素点的个数，查找包含像素点个数最多的分割位置作为车牌图像的车牌字符分割位置。\n[0016] 本发明的有益效果为：\n[0017] (1)充分利用车牌的结构信息与纹理信息，利用车牌标准中要求的各个字符之间的排列规则和字符之间分布的极大相关性，进行车牌字符分割，有效的防止部分字符由于受遮挡、受污损不能进行准确分割的弊端。通过同一车牌图像进行多次字符分割，得到不同的分割结果和相应分割位置在二值化车牌图像中包含非零像素点个数的大小，取在二值化车牌图像中包含非零像素点个数最多的分割位置作为最终的车牌字符分割结果；\n[0018] (2)由于本发明采用取包含非零像素点最多的分割位置作为最终车牌分割结果，对于前期车牌图像粗定位，精定位不是很好的车牌图像仍然具有很好的识别效果；对于投影法，连通域分析法难以处理的受遮挡、污损的车牌仍具有很好的分割效果。能极大的提高车牌识别系统的鲁棒性和结果的稳定性。\n附图说明\n[0019] 本发明将通过具体实施方式并参照附图的方式说明，其中：\n[0020] 图1是本发明的具体实施方式的流程图；\n[0021] 图2是本发明的具体实施方式的车牌模板的初始大小以及动态变化示意图；\n[0022] 图3是本发明的具体实施方式的车牌模板在车牌图像上的滑动示例图。\n具体实施方式\n[0023] 为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。\n[0024] 本发明用于车牌识别系统的车牌字符分割。车牌识别系统接收监测设备采集到的图片数据流进行车牌定位，以获取单个车牌图像。当前，获取车牌图像惯用的处理方式为：\n基于混合高斯背景建模的方法，利用权值和方差获得运动场景中的前景和背景，将当前获得的一帧图像与背景图像相减便可以获得运动目标区域即场景内的各个运动车辆。然后根据场景内跟踪的各个车辆情况，首先对得到的单帧图像进行转化为灰度图像，并对灰度图像进行边缘检测，对获得的边缘检测图像再进行二值化，这样可以去除明显的干扰和一些噪声产生的干扰点，尤其是夜间车灯的影响，之后基于预构造矩阵(矩阵的行和列可以根据车牌的长宽比进行设定，矩阵中的元素初始化为1)遍历整个目标区域，然后提取连通域，再对得到的目标区域进行形态学闭操作，之后对各个连通域进行标定并求其最小的外接矩形，然后，得到外接矩形在原图中相应的图像。最后，将得到的图像进行分类即获取车牌的正负样本，选取车牌具有的一些特征，利用车牌的正负样本训练二分类器去掉伪车牌，从而得到粗定位的车牌图像。再进一步准确定位车牌，得到精定位的车牌图像：首先，对粗定位的车牌图像在水平方向上进行投影，准确的确定车牌的上下边界，再对车牌在竖直方向上投影，选择阀值，根据阀值判断候选车牌区域作为车牌左右边缘的准确位置，从而得到精定位的车牌图像。\n[0025] 参考图1，输入基于车牌识别系统所获取的单个车牌图像，并进行预处理：对车牌图像进行二值化处理(其中黑色表示背景，白色表示车牌字符)，并计算输入车牌图像的宽度w和高度h。根据现行国内车牌标准《中华人民共和国公共安全行业标准-中华人民共和国机动车号牌》(GA36—2007)中关于汽车单行牌照的标准外轮廓尺寸：长440mm和宽140mm；车牌字符总长度为409mm,单个字符统一宽度为45mm、高为90mm；第二和第三字符之间间隔\n34mm，其余字符间距为12mm；间隔符宽1Omm圆点，第二和第三字符与间隔符的间距是12mm；\n笔画宽度10mm的规定可知，车牌中个字符的宽高比为r1(45/90)；车牌第2、3字符的间隔最大，其字符间间隔的宽高比为r2(34/90)；其他字符间间隔的宽高比为r3(12/90)，则可得到车牌图像中，字符宽度w1＝r1*h,2、3字符间间隔宽度w2＝r2*h,其他字符间间隔宽度w3＝r3*h。则可以得到车牌图像的总宽度w＝7*w1+w2+5*w3。据此，设定本发明的车牌模板，如图\n2示，车牌模板共包括7个字符，6个字符间隔，其中第2与第3个字符之间的间隔比其他5个字符间隔大，7个字符的宽高比为r1，第2、3字符间的间隔的宽高比为r2，其余5个字符间隔的宽高比均为r3，由于精定位可能产生较大的误差，为了提高模板的鲁棒性与稳定性，先设车牌模板的总宽度为w'(其初始值的取值范围为w/3～2w/3，本具体实施方式中初始值设置为w/2)，高度与输入的待分割的牌图像的高度相同(设置为h)。\n[0026] 接着，将设定的车牌模板在二值化处理后的车牌图像进行模板滑动处理：参考图\n3，滑动起始位置为预处理后的车牌图像的左端(通常为左端的第一个像素点)，基于预设车牌模板进行模板滑动，每次滑动一个像素点，每滑动一次，则记录所述车牌图像在当前车牌模板的各字符位置处的非零像素点的个数和当前车牌模板所对应的分割位置，当车牌模板右端到达所述车牌图像的右端时(即车牌模板的最右端像素点与车牌图像的最右端像素点位置重合时)或者车牌模板的起始位置滑动到车牌图像的T(T的取值范围为w/4～w/2，本具体实施方式中，T取值为w/3)处时结束滑动w/3处时判定为结束模板滑动。因为车牌的开始位置通常在预处理后的车牌图像的前三分之一处，如果车牌模板的起始位置已经滑到车牌图像的三分之一处，即使车牌模板右端仍未到达车牌图像的右端，此时仍然结束模板滑动，否则继续滑动车牌模板，则会出现如图3所示的超出位置情况。\n[0027] 滑动一遍结束之后，逐步增加车牌模板的总宽度(增加步长通常设置为1～3个像素点，本具体实施方式中，每次增加的步长为1个像素点)，车牌模板的高度保持不变，基于各字符的宽高比r1，第2、3字符间的间隔的宽高比r2，其余5个字符间隔的宽高比r3相应的调整车牌模板各字符及间隔的宽度，再进行一次上述模板滑动处理，直到车牌模板的宽度w'与预处理后的车牌图像的宽度相同。在具体实现时，可设置首先判断当前车牌模板的宽度w'是否等于w，若否，则增加当前宽度w'(令w'＝w'+1)，并基于高度h、预设的宽度和宽高比r1、r2、r3调整车牌模板的字符宽度和字符间隔宽度，然后基于调整后的车牌模板在预处理后的车牌图像进行模板滑动处理(例如如图3所示的中间位置)；否则查找并输出车牌字符分割位置；\n[0028] 查找并输出车牌字符分割位置：基于每次模板滑动处理时所记录的非零像素点的个数，查找包含像素点个数最多的分割位置(如图3所示的最优位置)作为车牌图像的最终车牌字符分割位置并输出。\n[0029] 最后，基于输出的车牌字符分割位置，由车牌识别系统的车牌字符识别处理完成车牌字符的识别，例如采用惯用的SVM(支持向量机)方法对车牌字符进行分类训练与识别处理。\n[0030] 本发明采用动态模板结合像素点对车牌字符分割，与现有方案相比，本发明具有很高准确率，对成像质量要求更低，在复杂的环境中具有很好的鲁棒性和稳定性。