孫永科　胡坤融　周開來

摘要：車牌定位是汽車車牌識(shí)別的一個(gè)重要的環(huán)節(jié)，在研究汽車車牌定位的過程中，發(fā)現(xiàn)了一種可以快速定位汽車車牌的新技術(shù)。針對(duì)藍(lán)底車牌不反射藍(lán)色光的特點(diǎn)，提出了一種基于彩色圖像藍(lán)色通道進(jìn)行車牌定位的算法，算法首先根據(jù)藍(lán)色通道數(shù)值過濾其它通道的顏色，使用幾何形態(tài)檢測技術(shù)對(duì)過濾后的圖斑依次進(jìn)行檢測，最后剩余的區(qū)域極為車牌區(qū)域。實(shí)驗(yàn)證明該方法能夠快速的查找到圖像中車牌的位置，法計(jì)算量小，速度快。適合在實(shí)時(shí)性要求高的場合使用。

關(guān)鍵詞：車牌定位；顏色過濾；形態(tài)檢測

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）04-0806-03

車牌識(shí)別是實(shí)現(xiàn)交通管理智能化的一個(gè)重要環(huán)節(jié)，該過程主要包括車牌的定位，字符分割和字符識(shí)別。由于現(xiàn)實(shí)生活中車牌的抓拍照片會(huì)受到周圍環(huán)境，光照，拍攝角度的影響，因此車牌的定位比較困難，是車牌識(shí)別技術(shù)中的研究熱點(diǎn)[1]。目前車牌定位主要采用以下幾種方法： 1）基于顏色分割的車牌定位方法[2-3]；2）給予邊緣檢測的車牌定位方法[1，4-6]；3）基于幾何形態(tài)學(xué)的車牌檢測方法[1，4-8]。由于單純的使用某一種方法很難正確的對(duì)車牌進(jìn)行定位，因此大多數(shù)車牌定位都使用了組合方法。

在對(duì)文獻(xiàn)[1，4-10]的研究和實(shí)驗(yàn)中發(fā)先，文獻(xiàn)中提到法在車牌圖像的預(yù)處理過程中計(jì)算量都比較大，花費(fèi)的時(shí)間較多。該文主要針對(duì)民用機(jī)動(dòng)車車牌的識(shí)別進(jìn)行研究，在我國民用機(jī)動(dòng)車車牌都采用藍(lán)底白字，尺寸大小統(tǒng)一都是44cmX14cm。通過對(duì)多張民用汽車車牌照片進(jìn)行分析后發(fā)現(xiàn)，藍(lán)底的車牌的照片其紅色分量的值都為0，利用這一特點(diǎn)可以快速的將汽車的車牌從復(fù)雜的背景中分離出來。該方法可以用在街道車輛巡視，路邊停車計(jì)費(fèi)等周圍環(huán)境比較復(fù)雜的場合。

1 顏色過濾

我國民用汽車的牌照為藍(lán)底，由于使用了特殊的顏色材料，當(dāng)自然光照射到牌照后車牌會(huì)吸收光線里面的紅光，將主要的成分藍(lán)色和一小部分的綠色反射出來，最后在數(shù)碼照面里面形成圖像。根據(jù)民用車牌藍(lán)底不反射紅光的特點(diǎn)，將圖像的RGB分量分別提取出來，經(jīng)過統(tǒng)計(jì)后發(fā)現(xiàn)，1）車牌的底色中藍(lán)色分量的值最高，2）車牌區(qū)域的紅色分量值為零。利用圖像色彩減法運(yùn)算能夠過濾出符合某些顏色特征的像素點(diǎn)。一幅普通的汽車照片轉(zhuǎn)換成RGB圖片后可以得到其不同顏色分量的數(shù)據(jù)，經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)使用公式（1）可以快速的過濾出藍(lán)色的車牌區(qū)域。

公式（1）中B為圖像藍(lán)色分量的數(shù)據(jù)，G為圖像綠色分量的數(shù)據(jù)，R為圖像紅色分量的數(shù)據(jù)。由于車牌是藍(lán)色因此在車牌區(qū)域B的值大于其它顏色的值，由于車牌區(qū)域不反射紅光因此給R增加一個(gè)系數(shù)可以有效去除圖像中其它干擾區(qū)域。為了便于后期對(duì)過濾出來的區(qū)域進(jìn)行幾何驗(yàn)證，還需要對(duì)圖像T進(jìn)行二值化：使用公式（2）將T中所有大于0的數(shù)據(jù)全部轉(zhuǎn)換為1。

在路邊停車區(qū)隨機(jī)選取車輛進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)時(shí)拍攝者與車身距離約2～4米。經(jīng)顏色過濾后結(jié)果如表1所示，統(tǒng)計(jì)后發(fā)現(xiàn)不論是上午還是下午拍攝的照片，利用公式（1）和（2）幾乎都能過濾出車牌的位置，對(duì)于藍(lán)色車身的汽車，由于車身顏色的干擾車身一些位置也會(huì)被誤認(rèn)為車牌區(qū)域。

通過和文獻(xiàn)[1，2，4，10，11]中提到的預(yù)處理過程比較，本問提出的過濾方法具有以下特點(diǎn)：1）計(jì)算簡單，過濾過程使用的基本的減法運(yùn)算，計(jì)算的速度快；2）干擾區(qū)域少，通過表1的結(jié)果可以看出，對(duì)于非藍(lán)色的車輛，使用本文提出的顏色過濾發(fā)幾乎可以直接定位車牌的位置；對(duì)于藍(lán)色的車輛雖然會(huì)產(chǎn)生干擾區(qū)域但是干擾區(qū)域的數(shù)量遠(yuǎn)小于其它方法。

2 幾何形態(tài)檢測

經(jīng)過顏色過濾后車牌區(qū)域會(huì)被保留下來，為了提高定位的精度仍需要對(duì)待選的區(qū)域進(jìn)行檢測。我國家用車牌的大小為440mm*140mm，車牌的寬高比約為3.14，且都為矩形形狀。利用車牌的這兩個(gè)特征對(duì)二值化圖像中的連通區(qū)域進(jìn)行判定，如果某一區(qū)域符合這兩個(gè)特征則認(rèn)為該區(qū)域是車牌的位置。幾何形態(tài)檢測主要步驟如圖1所示，首先掃描二值圖像遍歷查找連通區(qū)域，然后分別計(jì)算該連通區(qū)域在水平方向和垂直方向的最小和最大邊界，利用4個(gè)邊界點(diǎn)和像素點(diǎn)的分布判斷區(qū)域是否矩形，對(duì)于矩形繼續(xù)計(jì)算其寬高比，如果符合車牌的寬高比特征則認(rèn)為該區(qū)域是車牌所在區(qū)域。

2.1 查找連通區(qū)域

二值圖像BWT是一個(gè)m×n的二維數(shù)組，其中m對(duì)應(yīng)圖像的寬度，n對(duì)應(yīng)圖像的高度，圖像中存在一點(diǎn)V（x，y）=1，若在點(diǎn)V（x，y）的8鄰域中存在值為1的點(diǎn)，定義該點(diǎn)和V（x，y）連通。查找連通區(qū)域的過程如下：

1）創(chuàng)建一個(gè)m×n的二維零數(shù)組Rarr。將數(shù)組的第一個(gè)元素的坐標(biāo)壓入待檢查隊(duì)列Que。

2）從待檢查隊(duì)列Que中取出一對(duì)坐標(biāo)值，并將坐標(biāo)分別賦值給x和y。

3）在BWT中，若點(diǎn)V（x，y）=1，則標(biāo)記Rarr（x，y）=1；

4）檢查V（x，y）的鄰居節(jié)點(diǎn)，如果鄰居節(jié)點(diǎn)的值也為1，則將鄰居節(jié)點(diǎn)的坐標(biāo)依次壓入隊(duì)列Que。

5）若隊(duì)列Que為空，則Rarr中為值為1的點(diǎn)構(gòu)成一個(gè)連通域。

6）若隊(duì)列que不空，則返回2）。

2.2 查找水平/垂直邊界

在水平方向?qū)arr進(jìn)行投影并累加投影值，計(jì)算過程如公式（3）所示，可以得到連通域在水平方向上的分布范圍，定義Rarr在x軸的分布范圍是[x1，x2]，則x1={min（x）|fw（x）=1}，x2={max（x）|fw（x）=1}。同樣的方法可以得到Rarr在y軸上的分布范圍[y1，y2]，y1={min（y）|fh（y）=1}，y2={max（y）|fh（y）=1}。連通區(qū)域就處在由四個(gè)點(diǎn)：（x1，y1），（x1，y2），（x2，y1），（x2，y2）圍城的矩形中。

2.3 矩形判斷

本文使用面積比較法來判斷連通區(qū)域是否是一個(gè)近似的矩形。連通區(qū)域的外接矩形頂點(diǎn)可以計(jì)算出外接矩形的面積。

經(jīng)過實(shí)際觀察發(fā)現(xiàn)我國藍(lán)底車牌中藍(lán)色的面積占整個(gè)車牌面的的35%以上，由于在圖像二值化后對(duì)圖像進(jìn)行了閉操作，因此閉合后的圖像中車牌的連通區(qū)域其為1區(qū)域的面積比較接近其外接矩形的面積。為δ設(shè)置一個(gè)閾值，舍棄δ<0.5的連通區(qū)域，可以有效的取出如圖1所示的干擾區(qū)域。

2.4 計(jì)算寬高比

如果一個(gè)連通區(qū)域符合矩形特點(diǎn)，接下來就要判斷其是否符合車牌寬高比的特點(diǎn)，我國民用藍(lán)底車牌的寬高比約為3.14，考慮到拍照時(shí)的角度誤差和數(shù)碼照片處理時(shí)的誤差，高度取四邊形左右兩條邊長度的平均值，寬度選擇四邊形上下兩條邊的平均值。實(shí)驗(yàn)中判斷寬高比為3.14±1的區(qū)域都為合格。

3 結(jié)論

實(shí)驗(yàn)隨機(jī)選擇路邊77張汽車做測試，其中非藍(lán)色的汽車69張，藍(lán)色車身的汽車8張。對(duì)于非藍(lán)色車身的汽車，正確檢測出車牌位置的有69張，車牌定位的正確率為100%，對(duì)于藍(lán)色車身的汽車正確檢測出車牌位置的有3張，車牌定位正確率約為63%。實(shí)驗(yàn)結(jié)果表明該方法對(duì)于非藍(lán)色車身的汽車車牌能夠快速準(zhǔn)確的定位，于非藍(lán)色車身的汽車車牌定位成功率較低。其主要原因是由于車身顏色和車牌的底色較為接近，在顏色過濾的過程中形成的較多區(qū)域。但是該算法簡單，執(zhí)行效率高，顏色過濾的的復(fù)雜度O（m×n），矩形檢測的復(fù)雜度為O（m×n）。整體程序的復(fù)雜度為O（2×m×n）。計(jì)算量小，速度快，適合在時(shí)時(shí)性要求較高的場合使用。

參考文獻(xiàn)：

[1] 曾麗華，李超.基于邊緣與顏色信息的車牌精確定位算法[J].北京航空航天大學(xué)學(xué)報(bào)， 2007，33（9）：1112-1116.

[2] 李文舉，梁德群，張旗，等.基于邊緣顏色對(duì)的車牌定位新方法[J].計(jì)算機(jī)學(xué)報(bào)， 2004，27（2）：205-209.

[3] 朱明旱，羅大庸.基于顏色相似度的車牌定位方法[J].計(jì)算機(jī)測量與控制， 2005， 13（8）：835-842.

[4] 薛宏全，楊林.一種基于邊緣顏色的彩色車牌定位算法[J].交通與計(jì)算機(jī).200，25（4）：89-91.

[5] 任玲輝，劉凱.灰度投影積分極值法的矩形檢測[J].計(jì)算機(jī)工程， 2012，38（8）：159-163.

[6] 張愛朋，許建龍.車牌自動(dòng)識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究[J]. 浙江理工大學(xué)學(xué)報(bào)，2013，30（1）：96：100.

[7] 岳鵬，彭進(jìn)業(yè).一種實(shí)用的多車牌定位技術(shù)[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（17）：217-220.

[8] 姚金良，翁璐斌，王小華.一種給予連通分量的文本區(qū)域定位方法[J].模式識(shí)別與人工智能，2012，25（2）：325-331.

[9] 梅月平，童衛(wèi)青.矩形形態(tài)濾波器[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21（11）：212-217.

[10] 王磊，王瀚漓.給予雙邊緣檢測的車牌識(shí)別算法[J].計(jì)算機(jī)工程與應(yīng)用， 2013， 49（8）：169-173.

[11] 馬永慧，薛丹丹.給予數(shù)學(xué)形態(tài)學(xué)和投影發(fā)的車牌定位方法[J].電視技術(shù)， 2013，37（7）：147-149.