结合霍夫变换和轮廓算法检测车牌

结合霍夫变换和轮廓算法检测车牌 Tran Duc Duan, Duong Anh Duc, Tran Le Hong Du Faculty of Information Technology University of Natural Sciences, VNU-HCMC 227 Nguyen Van Cu Street, HCM City, Vietnam {tdduan, daduc, tlhdu}@fit.hcmuns.edu.vn 摘要 车牌(VLP)识别是一个非常有趣的问题，吸引了越来越多的计算机视觉研究小组。其中最重要的、最困难的任务是车牌的检测。它不仅用于车牌识别系统，而且也用于许多交通管理系统。我们的 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 被用到了一个车牌识别系统中，它能识别越南的车牌，只要稍作改变，它也能识别其他类型的车牌。 有各种不同的办法来解决这个问题，如以基于纹理的方法、以基于形态学和边界线为基础的方法等等。在本文中，我们使用基于边界线的方法，并结合霍夫变换和轮廓算法以优化速度和准确性。改进后的霍夫变换大大提高了算法的速 (30),度。另外，这种算法可用于识别不同距离的和带有一定角度拍摄的车牌图像。尤其是，它能识别包含不止一个车牌的图像中的车牌。用两组图像对该算法进行了评估，它的准确性为99%。 1.导言 我们的车牌识别系统结构如下: 在车牌识别系统中，对车牌的检测是一个非常重要但又困难的任务。车牌检测模块接收预处理模块(系统中的第一个模块)处理过的图像。经车牌检测模块处理过的图像再传给分割模块。分割模块把图像分割成一幅幅字符图像。这些字符图像将通过OCR模块的识别，最终结果是车牌中的字符和数字(如图1)。 车牌检测是非常困难的，包括以下几个原因:车牌的图像结构复杂，包括的物体数量多，车牌的大小和角度不同。此外，车牌中还会有划痕和安装螺纹。在本文中，我们主要讨论车牌检测模块。 2.有关的工作 有关车牌识别的研究始于上世纪90年代。最初的设计是基于分界线的特征来实现的。输入的图像先经过一个类似梯度算法的滤波器以增强边界线。处理过的图像不断地用一种算法来检测直线。最后，一组平行线间的区域会被认为是一个车牌。另一种设计是基于形态学的。这一种设计关注图片中的一些属性，如亮度、对称性、角度等等。利用这些属性，找出图像中这些属性相似的区域，把这些区域当作车牌。第三种设计是基于纹理的。根据这种设计原理，车牌与图像中的其他部分有不同的纹理和框架。用不同大小的纹理框架来检测车牌以确定车牌的候选对象。这些候选对象将通过一个分级器以确定它是否是一个车牌。这一设计经常被用来查找图片中的图表。另外，还有一些有关于这一问题的方法，但他们是在录像资料中识别车牌的(车牌出现在一连串的图像中)。 3.我们提出的算法 3.1. 预处理 照相机拍摄下来的图片会进入预处理模块。这一模块的目的是加强边缘特征。这会提高车牌检测模块的检出率。依次对图片进行灰度化、归一化和直方图均衡化处理。在获得灰度图之后，我们使用Sobel滤波器来提取边缘图像，然后，把图像转变成二值图。处理后的图像作为车牌检测模块的输入图。 3.2.车牌检测算法 为了在图像中找到候选车牌，我们首先使用轮廓算法来检测边缘闭合的物体。使用轮廓算法得到轮廓图像后，再用一些评估算法从轮廓图像中分离出车牌。 尽管这要，由于划痕和安装螺钉的影响，图像质量不高，该算法在检测过程中表现还是不好。在这些情况下，那些边缘不完全闭合的物体经过轮廓算法后不能被正确地识别为一个车牌。 我们的第二种设计是采用霍夫变换来提取二值图中的直线。然后我们找出一组平行线，它们之间的区域被认为是候选车牌。每一个候选车牌再用一些评估算法来证明(见3.2.2)。尽管如此，这种设计主要的局限是由于对大量的象素使用霍夫变换而使系统的响应时间大大延长。特别是对大图片，图片越大，该算法花的时间越长。虽然我们可以在使用霍夫变换之前先缩小图片以提高整体的运算速度。但是尽管这样，对小图片的运算速度还是很慢的。这一速度局限使这一设计不适合实时交通管理系统。 我们在本文中提出的方法是结合了前两种设计的，既有高的精度也有快的速度，使它可以在实时的交通管理系统中使用。 3.2.1. 结合霍夫变换和轮廓算法检测车牌 我们提出的设计方案如下:提取边缘图像后，我们用轮廓算法检测边缘闭合的物体。这些轮廓线再作霍夫变换找出两条相互平行的直线(其中两条平行线与其他两条平行线相交，构成平行四边形)，它们之间的区域被认为是一个候选车牌。因为这些轮廓线只有很少的象素，所以对这些点作霍夫变换只要较少的计算。因此，这一算法的速度被大大的提高了，但没有损失精度(见图5)。 尽管如此，在图片中还有其他物体，如挡风玻璃、大灯、装饰物等等。这些物体同样有两条平行线的边缘，因此也会被错误的认为是候选车牌。为了排除这些错误候选对象的干扰，我们引入一个模块来判断候选对象是不是一个车牌。 3.2.2.车牌确认 利用候选对象的两条水平线，我们可以精确得计算出车牌相对于水平线的倾斜程度。然后，我们采用旋转变换，把它变竖直。经过处理后，这些候选二值图将传递给一些启发器和算法来评价。 我们用于评价候选对象的算法基于两个主要步骤，他们是连续的。这两个步骤是:评价候选对象高和宽的比例，利用横切线并统计候选对象中被切的对象的数量。 3.2.2.1. 评价候选对象高和宽的比例 在这一阶段，我们只选出那些高宽比符合我们预先设定的候选对象: 最小高宽比<高宽比<最大高宽比 由于有两种类型的车牌:一行和两行的(见图2)，我们对两种车牌有两个设定范围。 3.5<高宽比<4.5 一行的车牌 0.8<高宽比<1.4 两行的车牌 符合上面两个条件中的一个就被选中并进入下一环节的评价。 3.2.2.2.利用横切线来评价 在这一阶段，我们利用两条横切线并统计候选对象中被切的对象的数量。如果被切的对象的数量在一个比较实际的范围之内(见表1中的例子)，它会被认为是一个车牌。这个被切对象的数量差不多就是车牌上字符的数量，我们有两种不同的范围对应两种不同类型的车牌: 一行的车牌 48,,N 两行的车牌 716,,N 其中是被切对象的数量。 N 符合上面两个条件中的一个的候选对象就被最终认定为车牌。 1/32/3在我们的系统中，我们分别在候选车牌高的和处设两条横切线。被 切的对象的平均数量将会被计算出来。这一评价将会帮助找出正确的车牌。 3.3实验评价 该算法对两种类型的越南车牌进行评价。拍照的照相机是Sony DC350数码照相机，照片大小是800x600象素，在不同地点、不同时间拍摄的。我们应用的集成开发环境是Microsoft Visual C++ 6.0，运行在HP Workstation X2000 Pentium IV, 1.4 GHz, 512 MB RAM的计算机上，操作系统是Windows XP。 评价选用了两种图片，结果如下: 在评价中，该算法被证明对一些不同的、质量较差的图片或是在一张图片中有多个车牌，亦或是不同类型的车牌如摩托车车牌、小汽车车牌、卡车车牌(图8)都是很成功的(图7)。 4.结论和展望 4.1结论 这一算法对于大量的不同类型的车牌表现很好，甚至是是有刮痕和污渍的车牌。尽管如此，在处理一些质量较差的车牌图像时它还是会出错的。如果我们使用更现代的照相机，结果应该会更好，可以减少很多由于车牌不清晰引起的错误。例如，使用红外相机，我们能够看清楚那些由于污渍和尘土而看不清楚的车牌。 总的来说，结合霍夫变换和轮廓算法能够高精度和快速度地检测车牌。它使这一设计能够在实时交通系统中使用。实际上，我们已经在自动车牌识别系统中使用了这一算法。 4.2.展望 我们正在改进预处理模块中的一些算法。目的是先检测有可能是车牌的区域 从而可以减少使用车牌检测算法的次数。此外，我们打算结合以纹理为基础的方 法和机器学习的方法到评价候选车牌的过程中。我们相信这些会进一步提高该算 法的精度和速度。 5.参考文献 [1] Jun-Wei Hsieh, Shih-Hao Yu, Yung-Sheng Chen,.Morphology-based License Plate Detection fromComplex Scenes., 16th International Conference onPattern Recognition (ICPR’02) Vol 3, 2002. [2] Kwang In Kim, Keechul Jung and Jin Hyung Kim,.Color Texture-based Object Detection: an Applicationto License Plate Localization., Lecture Notesin Computer Science, pp. 293-309, Springer, 2002. [3] Kamat, Varsha, and Ganesan, .An Efficient Implementationof the Hough Transform for DetectingVehicle License Plates Using DSP.S., Proceedingsof Real-Time Technology and Applications, p58-59, 1995. [4] Yasuharu Yanamura, Masahiro Goto, Daisuke Nishiyama,.Extraction and Tracking of the LicensePlate Using Hough Transform and Voted BlockMatching., IEEE IV2003 Intelligent Vehicles SymposiumConference, 2003. [5] A. Rahman, Ahmad Radmanesh, .A Real TimeVehicle.s License Plate Recognition., Proceedingsof the IEEE on Advanced Video and Signal BasedSurveillance, AVSS.03, 2003. [6] K. Kanayama, Y. Fujikawa, K.Fujimoto, andM.Horino, .Development of Vehicle-License NumberRecognition System Using Real-Time ImageProcessing and Its Application to Tracal-time measurement., In Proceedings of IEEE Vehicular TechnologyConference, p 798-804, 1991.