基于车辆实时跟踪和二进指数分类车牌字符识别的方法

摘要

本发明涉及一种基于车辆实时跟踪和二进指数分类车牌字符识别的方法，包括对车辆的实时动态连续多点跟踪和基于LS-SVM和二进指数分类的车牌字符识别步骤。其在车牌字符的分割、提取阶段利用车牌字符的空间分布信息，提出一种综合采用灰度梯度、形状体态、视觉模型等的车牌提取新方案，既提高了车牌提取的鲁棒性和准确性，又保证了实时性。

主权项

基于车辆实时跟踪和二进指数分类车牌字符识别的方法，其特征在于，包括对车辆的实时动态连续多点跟踪和基于LS‑SVM和二进指数分类的车牌字符识别步骤；所述对车辆的实时动态连续多点跟踪：首先在某监测点发现欲寻找的运动目标——车辆，分割出目标所在区域位置，并在此区域内采用最优阈值分割方法分割出目标，识别出运动目标的特征，进行实时连续跟踪；当运动目标移动并离开此监测点的视野时，系统将锁定的运动目标特征值传输到下一个监测点，此监测点根据传输过来的运动目标的特征，迅速找到目标，并继续进行监测和跟踪；依次重复上述过程，将锁定的目标连续不断的跟踪下去，实现实时多运动目标的识别与跟踪；所述基于LS‑SVM和二进指数分类的车牌字符识别包括车牌区域的定位、车牌字符的分割和基于二进指数分类法的车牌字符识别步骤；所述车牌区域的定位：根据HSI图像和RGB颜色对应关系，将RGB彩色图像转换成HSI图像；对获得的I亮度分量使用水平边缘检测模板进行梯度运算，将大面积的背景干扰消除掉，用阈值T对I分量图像进行二值化处理得到二值图像；对图像进行中值滤波；对图像使用水平结构元素进行膨胀、腐蚀运算；采用像素点统计的方法分割出合理的车牌区域，再利用车牌的基本特征，确定车牌字符所在水平区域；在水平提取出的车牌区域内，进行二值化和数学形态学的膨胀运算，统计列方向像素点的数量，根据车牌区域的宽度，最终确定出车牌区域的左右边界，提取出完整的车牌区域；所述车牌字符的分割：对获得的车牌二值图像进行水平积分投影分析，铆钉对应于水平投影图内的二个波谷，对投影量按比例设定阈值，去除上下四个铆钉及边框线外的小区域；对去除铆钉及边框线的车牌图像进行垂直方向的积分投影分析，得到点阵投影图，用垂直扫描线法分离出每个车牌字符；字符分割处理后得到的单个数字、字母和汉字图像，进行归一化处理；所述基于二进指数分类法的车牌字符识别：根据车牌字符是有数字、英文字母和省、市的简称组成，总共有80多个字符需要分类，取指数k＝7，27＞80，即用7个SVM分类器就可以将这80多个字符分开，进行字符识别时将输入字符送到每一个分类器，然后循环检查所有的分类器输出，确定该字符属于哪一类字符；在计算机中，字符或图像用位图形式加以描述，黑色像素用0表示，白色像素点用1表示，每个车牌字符用一个26×14的矩阵来表示，此矩阵即为神经网络的输入矢量，神经网络的识别结果有0～9十个数字、26个英文字母、32省市的简称，用一个7位的二进制矢量表示，最多表示128种不同类型；识别出的结果作为输出矢量，所有字符的输入和输出矢量即构成了神经网络的训练样本集和测试样本集输入输出矢量，实验共采集了字符样本16套，每套样本均有70个不同的字符，从字符样本中选取6套作为训练样本对SVM神经网络进行训练，余下的10套作为测试样本，进行识别。