《从视频流中提取和识别车辆牌号的方法.pdf》由会员分享，可在线阅读，更多相关《从视频流中提取和识别车辆牌号的方法.pdf（8页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102855467 A (43)申请公布日 2013.01.02 CN 102855467 A *CN102855467A* (21)申请号 201210266838.6 (22)申请日 2012.07.30 G06K 9/00(2006.01) (71)申请人 上海未来软件有限公司 地址 200040 上海市静安区愚园路 546 号 3 号楼 (72)发明人 盛啸嵘 徐亮亮 张颢熙 (74)专利代理机构 上海东亚专利商标代理有限 公司 31208 代理人 罗习群 刘莹 (54) 发明名称 从视频流中提取和识别车辆牌号的方法 (57) 摘要 本发明公开一种从视频流中提。
2、取和识别车辆 牌号的方法， 通过视频设备接口， 从视频流中获取 最新的图像 ； 运动侦测计算寻找运动部分 ； 寻找 候选车牌 ； 车牌特征判定 ； 候选车牌追踪 ； 车牌文 字识别 ； 识别结果输出。本发明的优点是通过对 现有算法的综合运用和合理调度来实现降低计算 密度和适应宽动态的输入图像， 从而在小型计算 机装置上实现实时的车牌等特征的识别功能。 (51)Int.Cl. 权利要求书 1 页 说明书 3 页 附图 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 1 页 说明书 3 页 附图 3 页 1/1 页 2 1. 一种从视频流中提取和识别车辆牌号的方法，。
3、 包括以下的步骤 ： Step1. 通过视频设备接口， 从视频流中获取最新的图像 ； Step2. 运动侦测计算 ； 运用帧间差分法运动侦测技术对连续动画作差分计算， 寻找是否有运动部分， 如果没 有发现运动部分直接返回 Step1 ； Step3. 寻找候选车牌 ； 将 Step2 算出的运动部分用 Sobel 变换等算法寻找到候选车牌位置， 如果没有发现候 选的， 则从对比度灰度调整表中取下一对调整值对图像作对比度和灰度变换后再试， 重复 直至表中最后一对调整值也没有发现候选车牌， 判定为无车牌返回 Step1 ； 在上述计算中发现候选区域的话， 即停止对比度灰度变化进入下一步骤 ； St。
4、ep4. 车牌特征判定 ； 根据车牌特征对候选区域作筛选， 如果发现不符合车牌特征的候选区域则直接返回 Step1 ； 所述车牌特征为车牌外框是否符合平行四边形特征和自设定的要求 ； Step5. 候选车牌追踪 ； 运用 Lucas-Kanade 追踪算法对在图像视野范围内的候选区域进行跟踪比较， 通过计 算判定和上一帧的候选区域是否属于同一车牌 ； 如果发现和上一次寻找到车牌候选是同一 车牌的话， 将之加入候选区域集合， 待归并后一起识别计算， 返回 Step1 ； 如果发现非同一车牌， 或者候选区域离开图像视频， 则将该候选区域集合交由下一步 骤做文字分割和识别 ； Step6. 车牌文字。
5、识别 ； 从候选区域集合中选取条件较好的一幅图像做文字分割并运用神经网络和 OCR 算法 识别文字信息， 识别完成后清楚该当候选对象集合 ； Step7. 识别结果输出 ； 将识别结果之文字信息和图像等数据输出后， 返回 Step1。 权 利 要 求 书 CN 102855467 A 2 1/3 页 3 从视频流中提取和识别车辆牌号的方法 技术领域 0001 本发明涉及一种车辆牌号的方法， 特别涉及一种运用运动检测技术和对象特征判 定方法从视频流中取得候选车牌区域， 并通过追踪技术将同一车牌的候选区域归并后合并 一次文字识别， 实现实时车牌识别。 背景技术 0002 从连续动画或录像中提取移动。
6、物体的特征， 包括车辆牌照和人脸的重要性和应用 领域日益扩大。在实际应用中视频产生的图像每秒钟有 25 30 帧， 要在帧与帧之间隔内 对每一帧作识别处理是现有计算机系统能力难以达到的。 0003 另外逆光、 太阳光斑或车前灯耀光等环境因素造成取得的图像动态范围大， 无法 以统一的阀值标准处理， 造成日间和夜晚及特殊照明条件下识别精度误差。 发明内容 0004 本发明所要解决的技术问题是要提供一种可靠性高的从视频流中提取和识别车 辆牌号的方法。 0005 为了解决以上的技术问题， 本发明提供了一种从视频流中提取和识别车辆牌号的 方法， 包括以下的步骤 ： Step1. 通过视频设备接口， 从视。
7、频流中获取最新的图像 ； Step2. 运动侦测计算 ； 运用帧间差分法运动侦测技术对连续动画作差分计算， 寻找是否有运动部分， 如果没 有发现运动部分直接返回 Step1 ； Step3. 寻找候选车牌 ； 将 Step2 算出的运动部分用 Sobel 变换等算法寻找到候选车牌位置， 如果没有发现候 选的， 则从对比度灰度调整表中取下一对调整值对图像作对比度和灰度变换后再试， 重复 直至表中最后一对调整值也没有发现候选车牌， 判定为无车牌返回 Step1 ； 在上述计算中发现候选区域的话， 即停止对比度灰度变化进入下一步骤 ； Step4. 车牌特征判定 ； 根据车牌特征对候选区域作筛选， 。
8、如果发现不符合车牌特征的候选区域则直接返回 Step1。 0006 所述车牌特征为车牌外框是否符合平行四边形特征， 日本车牌的上、 下行之高度 比为 1 ： 2 的特征 ； Step5. 候选车牌追踪 ； 运用 Lucas-Kanade 追踪算法对在图像视野范围内的候选区域进行跟踪比较， 通过计 算判定和上一帧的候选区域是否属于同一车牌 ； 如果发现和上一次寻找到车牌候选是同一 车牌的话， 将之加入候选区域集合， 待归并后一起识别计算， 返回 Step1 ； 如果发现非同一车牌， 或者候选区域离开图像视频， 则将该候选区域集合交由下一步 说 明 书 CN 102855467 A 3 2/3 页。
9、 4 骤做文字分割和识别 ； Step6. 车牌文字识别 ； 从候选区域集合中选取条件较好的一幅图像做文字分割并运用神经网络和 OCR 算法 识别文字信息， 识别完成后清楚该当候选对象集合 ； Step7. 识别结果输出 ； 将识别结果之文字信息和图像等数据输出后， 返回 Step1。 0007 本发明根据视频规格 (PAL 制 25 帧 / 秒， NTSC 制 30 帧 / 秒 ) 以一定的时间间隔 从视频设备获取图像， 按照以上的步骤寻找车牌候选区域、 追踪并识别车牌文字信息。 0008 本发明的优越功效在于 ： 1） 通过运动侦测技术和车牌的特征比缩小搜索范围， 大大提高运算速度 ； 2。
10、） 运用对比度和灰度的动态调整方法克服了实际运用中环境因素的不利影响， 在逆光 和太阳反射， 以及夜间车前大灯辉光照射下也都能够取得良好的识别效果 ； 3） 运用追踪方式将通过摄像机视野的统一车辆的车牌集中起来汇总做一次处理的方 法， 解决了文字分割和识别处理所需时间大于视频间隔的矛盾， 在小型计算机上也能真正 实现实时的识别处理。 附图说明 0009 图 1 为本发明的工作流程示意图 ； 图 2 为本发明 Step3 的工作流程示意图 ； 图 3 为本发明 Step3 中对比度 / 灰度的调整表。 具体实施方式 0010 请参阅附图所示， 对本发明作进一步的描述。 0011 如图 1 所示，。
11、 本发明提供了一种从视频流中提取和识别车辆牌号的方法， 包括以 下的步骤 ： Step1. 通过视频设备接口， 从视频流中获取最新的图像 ； Step2. 运动侦测计算 ； 运用帧间差分法运动侦测技术对连续动画作差分计算， 寻找是否有运动部分， 如果没 有发现运动部分直接返回 Step1 ； 由于相关特征信息只能存在于运动物体部分中， 所以运用帧间差分法运动侦测技术能 过滤掉输入图像中不要的部分， 对提高运算速度有很大帮助。 0012 Step3. 寻找候选车牌， ； 在发现的有运动部分的图像上利用 Sobel 变换等方法可以寻找到车牌的候选位置 ； 如 果没有发现候选的， 则从对比度灰度调整。
12、表中取下一对调整值对图像作对比度和灰度变换 后再试， 重复直至表中最后一对调整值也没有发现候选车牌， 判定为无车牌返回 Step1 ； 在上述计算中发现候选区域的话， 即停止对比度灰度变化进入下一步骤。 0013 为排除逆光、 阴影、 太阳光斑、 车前灯干扰等不利因素， 本发明预先定义对应于各 种可能状况的多档对比度和灰度调整数值表 （如图 3 所示） ， 在寻找特征部分时通过在各档 调整值上反复试验， 可以大大提高检出的动态范围， 如图 2 所示。 说 明 书 CN 102855467 A 4 3/3 页 5 0014 Step4. 车牌特征判定 ； 对寻找到的车牌候选区域进行特征比对， 如。
13、果不符合车牌特征的话， 判定为非车牌区 域， 直接返回 Step1。 0015 在实际车牌候选部分检测和提取时， 受各种环境等因素限制往往会发生误识别， 最典型的场面是将车前灯玻璃的格栅部分误认为是车牌， 从而造成漏检。 因此， 对候选区域 的特征校验也是提高识别率的重要环节。 0016 车牌的原始形状是矩形， 长宽比也是严格根据规格制作的。在实际摄像机视野中 取得的车牌即使由于摄影角度关系发生变形后也应该符合平行四边形特征， 这些特征可以 运用在车牌候选区域的筛选上。 0017 另外， 日本车牌在规格设计上分为上下两排， 其上、 下二行的高度比正好是 1 ： 2。 利用四边形倾斜旋转后高度比。
14、例不变的原理， 实际拍摄得到变形后的车牌也应该保持上下 行高度比 1 ： 2 的特征， 这个特征也是本发明校验车牌区域的标准之一。 0018 本发明通过特征校验过滤掉不符合特征的候选区域， 从而减少不必要的耗费大量 计算资源的文字识别运算。 0019 Step5. 候选车牌追踪 ； 运用 Lucas-Kanade 等追踪算法对候选区域进行跟踪比较， 如果发现和上一次寻找到 车牌候选是同一车牌的话， 将之加入候选区域集合， 待归并后一起识别计算， 返回 Step1 ； 如果发现非同一车牌， 或者候选区域离开图像视频， 则将该候选区域集合交由下一步 骤做文字分割和识别。 0020 摄像机中取得帧和。
15、帧之间隔的一个时钟周期通常为 1/25 秒 (PAL) 或 1/30 秒 (NTSC)。而车牌识别特别是文字分割和文字识别运算非常消耗计算资源和时间， 在现有计 算机上通常要耗费 100 200 毫秒， 显然对每一帧都作特征识别是不现实的。 0021 为解决识别算法耗时和时钟周期不吻合的矛盾， 本发明采用移动体追踪算法对车 牌候选区域计算追踪角点， 根据角点分布跟踪并从每帧画面上切割出特征候选区域， 将相 同的车牌候选加入一个候选集合， 归并在一起做一次文字分割和识别运算即可。 0022 如果追踪发现车牌候选区域离开画面视野、 或发现特征角点分布变化 ( 其他车牌 进入 ) 时， 将候选集合交。
16、由另一个线程， 从候选集合中选出一个较好候选区域在后台并行 做文字分割和识别运算。 0023 由于移动物体通过摄像机视野需要一定时间， 而此时间间隔正好可以覆盖在后台 并行做一次文字分割和识别计算所需的时间， 从而实现了全实时的特征提取运算功能。 0024 Step6. 车牌文字识别 ； 从候选区域集合中选取条件较好的一幅图像做文字分割并运用神经网络和 OCR 算法 识别文字信息， 识别完成后清楚该当候选对象集合 ； Step7. 识别结果输出 ； 将识别结果之文字信息和图像等数据输出后， 返回 Step1。 说 明 书 CN 102855467 A 5 1/3 页 6 图 1 说 明 书 附 图 CN 102855467 A 6 2/3 页 7 图 2 说 明 书 附 图 CN 102855467 A 7 3/3 页 8 图 3 说 明 书 附 图 CN 102855467 A 8 。