一种基于Hadoop的分布式车牌识别方法技术

本发明专利技术涉及一种基于Hadoop的分布式车牌识别方法，属于云计算、数字图像处理、模式识别与计算机视觉技术领域，特别涉及到车牌定位、车牌倾斜校正、车牌字符分割和车牌字符识别等车牌识别关键技术。本发明专利技术的综合面积、长宽比以及垂直投影特征值3个因素进行综合评价分析来定位车牌区域，可以消除仅用某一个参数进行评价所带来的误差。本发明专利技术基于模板匹配和关键域的车牌字符分割方法能够有效应对字符间粘滞的问题。本发明专利技术对不同的字符进行四个侧面扫描提取出字符骨骼累积统计特征，有效的解决了相近字符难以区分问题。本发明专利技术系统基于Hadoop平台开发，使用MapReduce编程模型，车牌识别系统的执行效率获得了大幅度提升。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及，属于云计算、数字图像处理、模式识别与计算机视觉
，特别涉及到车牌定位、车牌倾斜校正、车牌字符分割和车牌字符识别等车牌识别关键技术。本专利技术的综合面积、长宽比以及垂直投影特征值3个因素进行综合评价分析来定位车牌区域，可以消除仅用某一个参数进行评价所带来的误差。本专利技术基于模板匹配和关键域的车牌字符分割方法能够有效应对字符间粘滞的问题。本专利技术对不同的字符进行四个侧面扫描提取出字符骨骼累积统计特征，有效的解决了相近字符难以区分问题。本专利技术系统基于Hadoop平台开发，使用MapReduce编程模型，车牌识别系统的执行效率获得了大幅度提升。【专利说明】-种基于Hadoop的分布式车牌识别方法
本专利技术设及一种基于化doop的分布式车牌识别方法，属于云计算、数字图像处理、 模式识别与计算机视觉
，特别设及到车牌定位、车牌倾斜校正、车牌字符分割和车 牌字符识别等车牌识别关键技术。
技术介绍
当前，随着经济的发展，人们的生活水平不断提高，各种机动车的数量快速增长， 机动车大规模普及已经成为一种必然的趋势。智能交通系统能够更加安全、高效的管理车 辆信息，在各种小区，厂区出入口车辆管理系统，收费站系统，道路治安卡口系统，超速、违 停、闯红灯电子警察系统中，展现出强大的作用。 车牌识别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W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，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可 W实现停车场收费管理、交通流量控制指标测量、车辆定位、治安卡口、汽车防盗、高速公路 超速自动化监管、闯红灯电子警察、公路收费站等功能。对于维护交通安全和城市治安，防 止交通堵塞，实现交通自动化管理有着现实的意义。 然而，随着车牌识别技术的日益成熟，针对车牌识别的应用也越来越多，规模越 来越大，车牌识别要处理的数据及任务可能达到海量级别，传统的单机存储与计算的识别 方法已经远远不能满足我们的需求。传统的各种车牌识别的研究都是基于小批量模型进行 识别研究，所产生的各种车牌识别系统针对一些特定应用场景的有限的识别任务进行开 发。而针对海量识别任务、大批量分类模式的识别，运些系统的识别效率就差强人意了。存 在的问题有： (1)单节点的计算能力有限，不满足海量数据下实时识别任务的需求； (2)如果采用分布式实现，怎么样才能充分的使整个车牌识别过程并行，从而能够 快速的返回结果。 化doop是目前应用最为广泛的分布式计算平台，利用它能够高速的处理海量数 据。本专利技术提供了一种在化doop平台下，结合HDFS与MapReduce编程模型的车牌识别方法， 能够分布式的处理车牌识别任务，并有效地提升车牌识别系统的执行效率。
技术实现思路
[000引本专利技术为了克服上述缺陷，本专利技术的目的在于提供基于化doop的分布式车牌识别 方法，解决现有技术无法快速识别出车牌号码并返回识别结果的问题。 本专利技术为了实现上述目的，采用如下技术方案： 一种基于化doop的分布式车牌识别方法，该方法的步骤： 1)客户端向网关发送车牌识别请求，请求中包含待识别的车牌图像； 2)网关收到请求后形成识别任务下发到主节点上； 3)主节点收到识别任务后，根据当前作业节点的状态将包含待识别车牌图像的识 别子任务发送给作业节点;作业节点开始车牌识别任务，其主要步骤为： ①车牌图像预处理:对抓拍到的车牌图像进行高斯滤波处理，减小噪声的影响，然 后作灰度化处理得到灰度图像； ②车牌定位:首先利用Sobel算子对包含车牌的图像进行边缘检测，然后进行二值 化处理，再对二值图像进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先 验知识:长宽比相对固定，在二值图像上字符呈现明暗交替变化，分别采用面积、长宽比、一 级垂直投影特征进行加权综合来对所得到的连通区域进行筛选，选定一个最佳的区域作为 牌照区域，并将其从图像中分隔出来； ③车牌校正：由于车牌的上下沿是两条明显的平行线，所W结合化U曲变换和特征 投影法来检测车牌的倾斜角，然后对车牌图像进行倾斜校正； ④车牌字符分割:采用模板匹配，关键域和垂直投影法相结合的方式进行车牌字 符分割；充分利用车牌自身的特征并结合模板匹配法对车牌进行分割，该方法分割速度快 且能够有效应对字符粘连、模糊等情况； ⑤字符特征提取和归一化:对不同的字符进行四个侧面扫描提取出字符骨骼累积 统计特征，包括笔画斜率累积特征、拐点幅度累积特征、轮廓深度累积特征;最后通过固定 粗网格提取字符内部像素特征； ⑥字符识别：字符识别的基本思想是匹配分类，首先对待识别字符样本进行特征 提取，将运些特征和预先存储在字符库中的一支字符模式集合逐一进行比对，将最接近输 入字符模式的已知字符作为识别结果，本方案采用概率神经网络的识别方法； 作业节点完成任务后向主节点返回成功消息，消息中包含车牌字符串； 4)主节点将识别出来的车牌字符串返回给客户端。 本专利技术的有益效果 a)本专利技术的综合面积、长宽比W及垂直投影特征值3个因素进行综合评价分析来 定位车牌区域，可W消除仅用某一个参数进行评价所带来的误差。 b)本专利技术基于模板匹配和关键域的车牌字符分割方法能够有效应对字符间粘滞 的问题。 C)本专利技术对不同的字符进行四个侧面扫描提取出字符骨骼累积统计特征，有效的 解决了相近字符难W区分问题。 d)本专利技术系统基于化doop平台开发，使用MapReduce编程模型，车牌识别系统的执 行效率获得了大幅度提升。【附图说明】 图1为本专利技术的基于化doop的分布式车牌识别方法架构图； 图2为本专利技术的车牌识别算法的主要流程； 图3为本专利技术的字符笔画斜率统计点； 图4为本专利技术的字符拐点定义； 图5为本专利技术的字符轮廓深度特征提取； 图6为本专利技术的字符内部像素特征提取。【具体实施方式】 下面通过附图和具体实施方案对本专利技术作进一步的详细说明： 参见图1，W下为具体步骤： (1)客户端向网关发送车牌识别请求(请求中包含待识别的车牌图像）； (2)网关收到请求后形成识别任务下发到主节点上； (3)主节点收到识别任务后，根据当前作业节点的状态将包含待识别车牌图像的 识别子任务发送给作业节点； (4)作业节点开始车牌识别任务，其主要步骤为： ①车牌图像预处理 对抓拍到的车牌图像利用高斯核进行高斯滤波处理，减小噪声的影响，然后作灰 度化处理得到灰度图像。②车牌定位 首先采用Sobel算子进行垂直边缘的提取，然后利用0STU大律法对经过Sobel算子 滤波后的图像进行二值化处理，再对车牌二值图像进行形态学滤波，具体步骤为：1)腐蚀， 选取小模板，滤除点噪声；2)膨胀融合，通过膨胀使车牌融合会一个整体，使车牌区域形成 一个连通区域，再根据车牌的先验知识(长宽比相对固定，在二值图像上字符呈现明暗交替 变化），分别采用面积、长宽比、一级垂直投影特征进行加权综合来对所得到的连通区域进 行筛选。给每个特征值乘W-个影响权值，进行加权得出总的置信度值。(1) 式中:λι表示各自不同的权值，。表示几种特征置信度，包括面积S、长宽比PW及垂 直投影特征值Η。 面积S是指各矩形区域内非0像素本文档来自技高网...

【技术保护点】
一种基于Hadoop的分布式车牌识别方法，其特征在于该方法的步骤：1）客户端向网关发送车牌识别请求，请求中包含待识别的车牌图像；2）网关收到请求后形成识别任务下发到主节点上；3）主节点收到识别任务后，根据当前作业节点的状态将包含待识别车牌图像的识别子任务发送给作业节点；作业节点开始车牌识别任务，其主要步骤为：① 车牌图像预处理：对抓拍到的车牌图像进行高斯滤波处理，减小噪声的影响，然后作灰度化处理得到灰度图像；② 车牌定位：首先利用Sobel算子对包含车牌的图像进行边缘检测，然后进行二值化处理，再对二值图像进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识：长宽比相对固定，在二值图像上字符呈现明暗交替变化，分别采用面积、长宽比、一级垂直投影特征进行加权综合来对所得到的连通区域进行筛选，选定一个最佳的区域作为牌照区域，并将其从图像中分隔出来；③ 车牌校正：由于车牌的上下沿是两条明显的平行线，所以结合Hough变换和特征投影法来检测车牌的倾斜角，然后对车牌图像进行倾斜校正；④ 车牌字符分割：采用模板匹配，关键域和垂直投影法相结合的方式进行车牌字符分割；充分利用车牌自身的特征并结合模板匹配法对车牌进行分割，该方法分割速度快且能够有效应对字符粘连、模糊等情况；⑤ 字符特征提取和归一化：对不同的字符进行四个侧面扫描提取出字符骨骼累积统计特征，包括笔画斜率累积特征、拐点幅度累积特征、轮廓深度累积特征；最后通过固定粗网格提取字符内部像素特征；⑥ 字符识别：字符识别的基本思想是匹配分类，首先对待识别字符样本进行特征提取，将这些特征和预先存储在字符库中的一支字符模式集合逐一进行比对，将最接近输入字符模式的已知字符作为识别结果，本方案采用概率神经网络的识别方法；作业节点完成任务后向主节点返回成功消息，消息中包含车牌字符串；4）主节点将识别出来的车牌字符串返回给客户端。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王丽峰，贠周会，王欣欣，叶超，王旭，黄江林，吴斌，黄亮，
申请(专利权)人：江西洪都航空工业集团有限责任公司，
类型：发明
国别省市：江西;36